رویکرد مدیریتی در تحلیل درماندگی مالی بخش صنعت و معدن بازار سرمایه ایران با بکار گیری روش های یادگیری ماشین(NSGA-II,ABC)

Abstract

تحلیل درماندگی مالی یک پدیده بااهمیت برای سرمایه‌گذاران، اعتباردهندگان و سایر استفاده‌کنندگان از اطلاعات مالی محسوب می‌شود. تعیین احتمال درمانده شدن یک شرکت قبل از بروز درماندگی یک موضوع بسیار جالب و جذاب محسوب می‌شود و می‌تواند هم برای مدیران و هم برای سرمایه‌گذاران و اعتباردهندگان مفید واقع شود. در این پژوهش، با استفاده از اطلاعات 1350 شرکت سال طی دوره 1387 الی 1395 در بخش صنعت و معدن بازار سرمایه ایران، به بررسی عوامل مؤثر بر درماندگی مالی و پیش‌بینی آن به‌وسیله روش‌های یادگیری ماشین (الگوریتم ژنتیک مرتب‌سازی نامغلوب چندهدفه و کلونی زنبور عسل) با استفاده از نرم‌افزار متلب 2017 پرداخته است. نتایج تحقیق حاکی از تأثیر غیرمستقیم نسبت مدیران غیرموظف و نسبت مالکان نهادی و تاثیر مستقیم مدیریت سود و اعتمادبه‌نفس کاذب مدیریت بر درماندگی مالی از بین سایر متغیر‌های مدیریتی می‎باشد. همچنین نتایج نشان می‌دهد که الگوریتم هوش مصنوعی توانایی پیش‌بینی درماندگی مالی را بااستفاده از شاخص‌های مدیریتی دارد و توانایی الگوریتم کلونی زنبور عسل از الگوریتم ژنتیک مرتب‌سازی نامغلوب چندهدفه جهت پیش‌بینی درماندگی مالی بیشتر می‌باشد.<br />