۲۷۹۵پ

Evaluation of Combined Method of Genetic Algorithm and Adaptive Neuro-Fuzzy Network Model (ANFIS) in predicting bankruptcy of accepted companies in Tehran Stock Exchange

كارشناسي ارشد

مهندسي صنايع - سيستم هاي اقتصادي اجتماعي

دانشگاه پيام نور تهران شمال

۱۳۹۶

۱۶۴ص.

جعفري اسكندري ، ميثم

۱۵۴-۱۶۲

Bankruptcy prediction, Tehran Stock Exchange, Financial ratios Group Network Handwriting, Adjustable Neuro-Fuzzy Networks

هدف اين تحقيق ارزيابي روش تركيبي الگوريتم ژنتيك و مدل شبكه عصبي فازي تطبيق پذير (ANFIS) در پيش بيني ورشكستگي شركتهاي پذيرفته شده در بورس اوراق بهادار تهران مي باشد. جامعه آماري اين تحقيق شركتهاي توليدي موفق و ورشكسته در بورس اوراق بهادار تهران است و در اين تحقيق شركت هايي كه داراي معيارهاي مورد نظر براي بررسي بوده اند انتخاب شده اند. جامعه آماري شامل 136شركت متشكل از 68 شركت ورشكسته و 68 شركت غير ورشكسته مي باشد. مطالعه جامعي با توجه به ادبيات پژوهش صورت گرفت تا بهترين متغيرهاي پيش بيني كننده ورشكستگي شركتهاي بورس اوراق بهادار تهران شناسايي شود. به منظور ساخت مدلهاي پيش بيني در ابتدا از چهار روش انتخاب متغير 1(آزمونT نمونه هاي مستقل ) T-test(، 2( ماتريس همبستگي ) CM(، 3( تحليل تشخيصي گام به گام )SDA( و 4( تحليل مولفه هاي ا صلي ) PCA(، نسبت هاي مالي نهايي از بين 19 نسبت مالي متنا سب بابازار سرمايه كشور، انتخاب شد. با استفاده از نسبتهاي مالي انتخاب شده و مدل تركيبي شبكه عصبي فازي تطبيق پذير و الگوريتم ژنتيك 8 مدل جهت پيش بيني ورشكستگي استخراج شد و نتايج حاصل ازآنها مورد مقايسه قرار گرفت. نتا يج نشان دهنده قابليت بالاي مدل پيشنهاديGA-ANFIS در مدلسازي پيش بيني ورشكستگي و برتري آن بر روشGA-GMDH ميباشد. همچنين نتايج تحقيق نشان مي دهد كه روش ماتريس همبستگي در مقايسه با ساير روشهاي انتخاب متغير، توانايي بيشتري در انتخاب متغيرهاي پيش بيني ورشكستگي شركتها دارد. بنابراين، مدل CM-GA-ANFIS به عنوان بهترين مدل پيش بيني ورشكستگي شركتهاي پذيرفته شده در بورس اوراق بهادار تهران شناخته ميشود.

۱۳۹۷/۸/۱۳

48697