Abstract:
پیشبینی ورشکستگی موضوعی است که بر رفاه اقتصادی تمام کشورها تاثیر میگذارد. داشتن یک مدل دقیق برای پیشبینی ورشکستگی، بهطور پیشفرض که بتواند نشانههای بحران مالی را بهموقع تشخیص دهد، برای همهی شرکتها بسیار حیاتی است. بنابراین شرکتها، به یک مدل مناسب که بتواند نشانههای ورشکستگی را بهآسانی تشخیص دهد، نیاز دارند. این پژوهش درصدد ارائۀ مدل بهینه برای پیشبینی ورشکستگی با استفاده از الگوریتم علفهای هرز میباشد. نمونۀ آماری پژوهش شامل 112 شرکت ورشکسته وغیرورشکسته پذیرفتهشده در بورس اوراق بهادار تهران در بازۀ زمانی 1393-1381 میباشد که ازلحاظ اندازه و صنعت نیز باهم تطابق دارند. جهت ارزیابی کارایی مدل مبتنی بر الگوریتم علفهای هرز در مقایسه با مدل آلتمن، دقت مدلهای مزبور در پیشبینی صحیح ورشکستگی شرکتها مورد ارزیابی قرار گرفت. دقت کلی مدل مبتنی بر الگوریتم علفهای هرز و مدل آلتمن در سال وقوع ورشکستگی به ترتیب برابر با 32/97 و 46/56 درصد، در سال قبل از وقوع ورشکستگی به ترتیب برابر29/89 و 21/48 درصد و در دو سال قبل از وقوع ورشکستگی، برابر 10/74 و 14/32 درصد میباشد. نتایج پژوهش حاکی از این است، که مدلهای مبتنی بر الگویتم علفهای هرز در مقایسه با مدل سنتی آلتمن، با دقت بالاتری ورشکستگی شرکتها را پیشبینی مینماید.
Bankruptcy prediction is a topic which affects all countries economic well being. It is vital for all firms to have an accurate model to predict the bankruptcy by default which can pick up the signs of financial distress on time. Therefore, they need a prediction model which can easily recognize the bankruptcy symptoms. For this purpose, this research provides an optimal model to predict bankruptcy by using invasive weed optimization algorithm. The research sample consists of 112 bankrupt and healthy firms, during 2002 to 2012 in accordance with their size and industry type. To evaluate the efficiency of the model invasive weed algorithm-based compared to Altman’s model, the forenamed models accuracies were evaluated on appropriate prediction of companies’ bankruptcy. The total accuracy of bankruptcy models based invasive weed algorithm and Altman’s model equal to 97/32%, 54/46% in the event year, 89/28%, and 48/21% in the year prior to event year, and 74/10% and 32/14% in two years prior to the event year, respectively. The results indicate that the model based on invasive weed algorithm can predict the firms’ bankruptcy by higher accuracy in comparison with Altman’s model.