سال انتشار: ۱۳۹۰

محل انتشار: اولین کنفرانس ملی دانش پژوهان کامپیوتر و فناوری اطلاعات

تعداد صفحات: ۸

نویسنده(ها):

مهناز آهنگری – دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد نیشابور

چکیده:

پیش بینی ورشکستگی یک نوع طبقه بندی تجاری محسوب می شود که برای آن دو روش متفاوت وجود دارد . روش اول استفاده از اطلاعات بازار برای چنین پیش بینی می باشد و روش دوم استفاده از نسبت های مالی است. طبق پژوهش های گذشته دقت مدلهای محتلف آماری و هوش مصنوعی به منظور پیش بینی ورشکستگی شرکتها متفاوت بوده و لذا انجام پژوهش های مقایسه ای به منظور تعیین دقت هر یک از مدلها می تواند جذاب باشد. هدف این مقاله طبقه بندی شرکت ها در دو دسته ورشکسته و غیرورشکسته (باتوجه به تعریف ماده ی ۱۴۱ قانون تجارت ) با بکارگیری الگوریتم های دخت تصمیم می باشد. در این تحقیق با استفاده از داده های نسبت های مالی ۱۴۴ شرکت پدیرفته شده در بورس تهران در بازه زمانی انتخابی نمونه سامل سالهای ۱۳۸۴ تا ۱۳۸۸ فرآیند داده کاوی صورت پذیرفت . ابتدا دادهای مورد نیاز جمع آوری و پیش پردازش بر روی آنها صورت گرفت . سپس الگوریتم های مختلف درخت تصمیم QUEST.CHAID.C5. CART بر روی داده های نهایی اجرا و نتایج پیش بینی این الگوریتم های طبقه بندی مورد مقایسه قرار گرفتند. نتایج نشان دهنده ی آن است که الگوریتم CART با صحت متوسط ۹۴٫۴۳ درصد در هریک از سالهای T-2 ، T-1 ، T (سال T برای شرکتهای ورشکسته سال ورشکستگی و برای شرکتهای غیر ورشکسته سال قرار کرفتن در نمونه است) از کارایی بالاتری در پیش بینی شرکتهای ورشکسته و غیر ورشکسته برخوردار است.