چکیده:
ورشکستگی یا شکست کسب و کار می تواند تاثیر منفی هم روی خود شرکت و هم اقتصاد جهانی داشته باشد. در این پژوهش ارائه پیش بینی ریسک ورشکستگی مالی شرکت های بورسی و فرابورسی با بهره گیری از الگوریتم های یادگیری ماشین صورت گرفته است، که در آن هدف پیش بینی نهایی ریسک ورشکستگی مالی شرکت های بورسی و شرکت های فرابورسی است. یادگیری جمعی، حوزه ای از یادگیری ماشین هست که در آن به جای اینکه از یک مدل برای حل یک مسئله استفاده کنند، از چندین مدل به صورت ترکیبی استفاده می کنند تا توان تخمین خروجی مدل را بالاتر ببرند. هر مدل با بهره گیری از ویژگی های بهینه مورد آموزش مجدد قرار می گیرد. در نتیجه دقت پیش بینی مدل یادگیری ماشین به روش Stacking که یکی از قوی ترین تکنیک های یادگیری جمعی است، برای پیش بینی ریسک ورشکستگی مالی از روش های مشابه بالاتر است.
Bankruptcy or business failure can have a negative impact on both the company itself and the global economy. In this research, the financial bankruptcy risk prediction of stock and transborder companies has been done using machine learning algorithms, Where the ultimate goal is to predict the financial bankruptcy risk of stock exchange and transborder companies. Collective learning is a field of machine learning in which instead of using a model to solve a problem, use multiple models in combination to increase the output estimation power of the model. Each model is retrained using optimal features. As a result, the accuracy of predicting machine learning model by Stacking method, which is one of the strongest techniques of collective learning, to predict financial bankruptcy risk is higher than similar methods.
خلاصه ماشینی:
ارائه مدل پيش بيني ريسک ورشکستگي مالي شرکت هاي بورسي و فرابورسي با بهره گيري از الگوريتم هاي يادگيري ماشين محسن عالي دانشجوي دکتري مديريت صنعتي، واحد رودهن ، دانشگاه آزاد اسلامي، رودهن ، ايران .
در اين پژوهش ارائه مدل پيش بيني ريسک ورشکستگي مالي شرکت هاي بورسي و شرکت هاي فرا بورسي با بهره گيري از الگوريتم هاي يادگيري ماشين صورت گرفته ، که در آن هدف پيش بيني نهايي ريسک ورشکستگي مالي شرکت هاي بورسي و شرکت هاي فرا بورسي است .
محدوديت اصلي جنگل تصادفي 5 - Decision Trees 6 - Bagging 7 - Bagging Classifier 8 - Node 85 اين هست که تعداد زياد درخت ها مي تواند الگوريتم را براي پيش بيني هاي دنيا واقعي کنند و غير موثر کنند.
در اين پژوهش قصد داريم تا از روش هاي ترکيبي يادگيري ماشين براي 90 پيش بيني ريسک ورشکستگي مالي شرکت هاي بورسي و شرکت هاي فرابورسي بورس اوراق بهادار تهران استفاده کنيم .
٥. يافته ها و تحليل در اين پژوهش براي مدل سازي از ٣ مدل پايه : رگرسيون لجستيک (Logistic Regression)، جنگل تصادفي (Random Forest)،XGBoost استفاده شده است .
٦. بحث و نتيجه گيري همان گونه که ملاحظه شد در اين پژوهش ميزان دقت در پيش بيني ريسک ورشکستگي مالي شرکت هاي بورسي و فرابورسي به روش Logistic Regression برابر است با ٠.