حجت اله صادقی - عضو هیئت علمی دانشکده مدیریت و حسابداری دانشگاه یزد
فرشته فتاحیان - دانشجوی دوره کارشناسی ارشد مدیریت بازرگانی دانشگاه یزد

پیش بینی بحران های مالی به جهت ارزیابی سلامت مالی شرکتها و افراد همواره از دیدگاه نهادهای مالی موضوعی حائزاهمیت محسوب شده و در همین راستا انواع تکنیکهای آماری و یادگیری ماشین به جهت ایجاد مدلهای پیش بینی بهکارگرفته شده اند. به جهت فقدان اجماع نظر بر سر ترکیب نسبتهای مالی به عنوان متغیرهای ورودی، در بسیاری از پژوهشها فرآیند انتخاب ویژگی به صورت یک مرحله پیش پردازش در داده کاوی پیاده سازی میگردد. در پژوهشهای اخیراستفاده از نسبتهای مالی در امر پیشبینی بحرانهای مالی رواج بسیاری یافته است. پژوهش حاضر با درنظرگرفتن طیفی وسیع از نسبتهای مالی که درکل شامل 06 نسبت مالی میباشد سعی در تعیین ویژگیهای مالی اساسی مرتبط در افزایش صحت پیشبینیها داشته و درراستای دستیابی به این هدف، این مطالعه الگوریتم ماشین بردار پشتیبان را در جهت شناسایی16 مورد از مهمترین و سودمندترین نسبتها و متغیرهای مالی بهکار میگیرد. دادههای مورد استفاده در این پژوهش از پایگاه داده بورس اوراق بهادار تهران و نرم افزار رهآورد نوین استخراج گردیده و براساس دادههای مرتبط در سال 1932 ، تعداد 091 شرکت لیست شده در بورس اوراق بهادار تهران انتخاب و از میان 06 نسبت مالی محاسبه شده برای هریک، 16 مورد از برجستهترین نسبتها انتخاب گردید. براساس یافتهها، مدل پیادهسازی شده براساس ویژگیهای انتخابی قدرت پیشبینی بالایی در طبقه بندی صحیح شرکتها داشته و نرخ طبقه بندی غلط آن تنها به میزان 0/02 می باشد

انتخاب ویژگی، نسبتهای مالی، پیشبینی بحرانهای مالی، الگوریتم وزن دهی ماشین بردار پشتیبان