بررسی مدل شبکه عصبی و اریما مدل برای پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران

یکی از مهمترین موضوع های مطرح شده در زمینه مدیریت مالی این است که سرمایه گذران فرصت هایمطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند و منابع در اختیار را در فرصت هایمناسب سرمایه گذاری کنند. از مهمترین روش هایی که می توان با استفاده از آن به بهره گیری مناسب ازفرصت های سرمایه گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد پیش بینی ورشکستگیشرکت ها است و به منظور این پیش بینی ها مدل های مختلفی وجود داردوامروزه شبکه های عصبی مصنوعی جایگاه ویژه ای دربین این روش ها پیداکرده است، ازاین روپژوهش حاضربه دنبال پیش بینی ور شکستگی شرکت های پذیرفته شده بورس اوراق بهادار تهران در فاصله زمانی 1386 تا 1392 از طریق روش شبکه عصبی مصنوعی (ANN) و ARIMA مدل صورت پذیرفته است. داده های به دست آمده از هردومدل شبکه عصبی مصنوعی واریما با استفاده معیارهای ارزیابی ازجمله میانگین قدرمطلق خطا (MAE)، میانگین مربعات خطا (MSE)، وریشه میانگین مربعات خطا (RMSE) موردمقایسه وتجزیه وتحلیل قرارگرفته ودرنهایت شبکه عصبی دارای خطای کمتر، قدرت توضیح دهندگی بالاتر در نتیجه پیش بینی بهتری را نسبت به روش اریما نشان می دهد. [توضیح سیویلیکا: فایل مقاله مشکل دارد و حروف به صورت چسبیده نمایش داده می شود.]

کلیدواژه ها:

شبکه عصبی مصنوعی ، پیش بینی ورشکستگی ، مدل اریما