نام پژوهشگر: لیلا حاجی پور گلشنی

پیش بینی درماندگی مالی شرکتها به وسیله الگوریتم ژنتیک و مقایسه آن با شبکه عصبی مصنوعی(شرکتهای موجود در بورس اوراق بهادار تهران)
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه گیلان - دانشکده علوم انسانی 1391
  لیلا حاجی پور گلشنی   محمد حسن قلیزاده

درماندگی مالی و ورشکستگی، هزینه های زیادی به همراه دارد که صدمات جبران ناپذیری به اقتصاد یک کشور وارد می کند. یکی از راه هایی که می تواند مانع ورشکستگی مالی شود، پیش بینی درماندگی مالی است. در این پژوهش، با استفاده از ابزارهای شبکه عصبی مصنوعی(ann) و الگوریتم ژنتیک(ga)، به ارزیابی پیش بینی درماندگی مالی شرکت های موجود در شرکت بورس اوراق بهادار تهران پرداخته شده است. جامعه آماری شامل 444 شرکت پذیرفته شده در بورس اوراق بهادار تهران برای سال های 1389-1387 بوده و نمونه در برگیرنده 124 شرکت می باشد. تحقیق حاضر از لحاظ هدف کاربردی و از لحاظ جمع آوری داده علی- تاریخی می باشد. اطلاعات مورد نیاز تحقیق از طریق اسناد کاوی، مشاهده و مطالعه صورت های مالی حسابرسی شده جمع آوری گردیده، همچنین اطلاعات مربوط به بازار با استفاده ازگزارش های منتشر شده توسط سازمان بورس اوراق بهادار و بانک های اطلاعاتی تخصصی بورس اوراق بهادار همچون ره آورد نوین و تدبیرپرداز استفاده شده است. متغیر های کلان اقتصادی نیز از وب سایت بانک مرکزی و سایت مرکز آمار ایران استخراج گردید. پس از انتقال داده ها به صفحه گسترده اکسل و اعمال محاسبات لازم، اطلاعات مزبور جهت تجزیه و تحلیل به نرم افزار matlab منتقل شد. نتایج حاصله از مدل ها، بر اساس اطلاعات 124 شرکت، نشان می دهد که مدل شبکه عصبی مصنوعی در پیش بینی درماندگی مالی، به طور معنی داری نسبت به مدل بهینه سازی الگوریتم ژنتیک از دقت پیش بینی بیشتری برخوردار است.