بررسی سودمندی طبقه بندی کنندۀ جنگل های تصادفی و روش انتخاب متغیر ریلیف در پیش بینی بحران مالی: مطالعۀ شرکت های پذیرفته شده در بورس اوراق بهادار تهران
Abstract
پژوهش حاضر به پیش بینی بحران مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از طبقه بندی کنندۀ غیرخطی جنگل های تصادفی می پردازد. در این راستا، پس از بررسی متون پژوهش و شناسایی 69 متغیر پیش بین اولیه، از روش انتخاب متغیر ریلیف برای شناسایی متغیرهای پیش بین بهینه استفاده شد. یافته های تجربی مربوط به بررسی 95 شرکت - سال سالم (بدونِ درماندگی مالی) و 95 شرکت - سال (درماندۀ مالی) پذیرفته شده در بورس اوراق بهادار تهران در سال های 1380 تا 1392 بیانگر عملکرد بهتر جنگل های تصادفی نسبت به رگرسیون لجستیک است. به بیان دیگر، در صورت استفاده از این طبقه بندی کننده، به طور معناداری، میانگین دقت افزایش و خطای نوع اول و دوم کاهش می یابد. افزون بر این، یافته های پژوهش بیانگر سودمندی روش انتخاب متغیر ریلیف در پیش بینی بحران مالی است. به عبارت دیگر، در صورت استفاده از متغیرهای منتخب روش ریلیف (نسبت به استفاده از 69 متغیر اولیه)، به طور معناداری، میانگین دقت افزایش وخطای نوع اول و دوم کاهش می یابد.