پیش‌بینی ورشکستگی با مدل یادگیری ماشین سریع مبتنی بر کرنلِ بهینه‌شده با الگوریتم گرگ خاکستری

Abstract

<strong>هدف:</strong> در عصر حاضر، کسب‌وکارها به اندازه‌ای توسعه یافته‌اند که برای بقا در عرصه رقابت، به مدیریت صحیح منابع و مصارف خود نیازمندند؛ چراکه بازار رقابتی انعطاف‌پذیری شرکت‌ها را به‎شدت کاهش داده است و این عامل باعث شده که آنها در وضعیت‌های مختلف اقتصادی توانایی عکس‌العمل مناسب را نداشته باشند و از چرخه رقابت خارج شده و با خطر ورشکستگی مواجه شوند. بنابراین در این پژوهش تلاش شده است که به‌منظور پیشگیری از احتمال بروز چنین مخاطراتی، به پیش‌بینی ورشکستگی شرکت‌های تولیدی اقدام کنیم.<br /> روش: در این پژوهش از «یادگیری ماشین سریع مبتنی بر کرنل» استفاده شده که یکی از مدل‌های هوش مصنوعی برای پیش‌بینی ورشکستگی است. با توجه به اینکه روش‌های یادگیری ماشین به الگوریتمی بهینه‌ساز نیاز دارند، در این پژوهش از یکی از به‌روزترین آنها به‎نام «الگوریتم گرگ خاکستری» بهره برده شده که در سال 2014 ابداع شده است.<br /> یافته‌ها: مدل یاد شده روی داده‌های 136 نمونه از شرکت‌های بورسی در بازه زمانی 1394 تا پایان خرداد 1397، پیاده‌سازی شد و در تمامی معیارهای ارزیابی، مدل‌های طبقه‌بندی، دقت، خطاهای نوع اول و دوم و ناحیه تحت منحنی ROC، در مقایسه با الگوریتم ژنتیک، کارایی بهتری ارائه کرد و معناداری آن نیز از طریق آزمون t-test به تأیید رسید.<br /> نتیجه‌گیری: با توجه به دقت بسیار خوب الگوریتم گرگ خاکستری و همچنین عملکرد بهتر آن در مقایسه با الگوریتم ژنتیک، می‌بایست برای پیش‌بینی ورشکستگی شرکت‌های تولیدی ایران، چه برای اهداف سرمایه‌گذاری و اعتباردهی و چه به‌منظور استفاده مدیریت داخلی شرکت، از الگوریتم گرگ خاکستری بهره برد.