کاربرد روش ترکیبی ماشین بردار پشتیبان و انتخاب ویژگی به‎منظور پیش‌بینی درماندگی مالی شرکت‎های پذیرفته شده در بورس اوراق بهادار تهران

پیش­بینی درماندگی مالی از مسائل مهمی است که همواره پژوهشگران، مؤسسه‎های اعتباری و بانک­ها به آن توجه کرده‎اند. تاکنون تحقیقات بسیاری در این زمینه صورت گرفته است، ولی استفاده از مدل­های­ ترکیب‎شدۀ انتخاب ویژگی و مدل طبقه‎بندی­کننده، از مسائلی است که فقط در سال­های اخیر توجه پژوهشگران را به خود جلب کرده است. در این مقاله ماشین ­بردار پشتیبان با چهار تابع کرنل خطی، چند­جمله­ای، شعاعی و سیگمویید به‎‎عنوال مدل ‎طبقه‎بندی­کننده و ترکیب آن با روش­های انتخاب ویژگی فیلترکننده و پوشش­دهنده استفاده شده است. همچنین از الگوریتم ژنتیک که یکی از انواع روش­های پوشش­دهندۀ انتخاب ویژگی است و روش­های آنالیز اجزای اساسی، زنجیرۀ­ اطلاعات و رلیف­ که جزء روش­های فیلترکنندۀ انتخاب ویژگی هستند، استفاده شده­ است. نتایج به‎دست آمده نشان­ داد که روش الگوریتم ژنتیک نسبت به روش­های فیلترکننده، عملکرد بهتری دارد. همچنین دقت ماشین بردار پشتیبان با توابع کرنل خطی، چند­جمله­ای، شعاعی و سیگمویید در ترکیب با الگوریتم ژنتیک، با سطح اطمینان 95 درصد تفاوت معناداری با­ هم ندارند.