پیش‌بینی درماندگی مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه‌های بیز

نویسندگان

دانشگاه اصفهان

چکیده

درماندگی مالی و ورشکستگی شرکت‌ها منجر به هدر رفتن منابع و عدم بهره گیری از فرصت‌های سرمایه‌گذاری می‌شود. پیش‌بینی درماندگی مالی با ارائه هشدارهای لازم می‌تواند شرکت‌ها را نسبت به وقوع درماندگی مالی و ورشکستگی هوشیار نماید تا آنها با توجه به این هشدارها، به اقدام‌های مناسب دست بزنند. هدف از انجام این پژوهش، مدل‌بندی پیش‌بینی درماندگی مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه‌های بیز است. به این منظور دو مدل با استفاده از شبکه‌های بیز و یک مدل با استفاده از رگرسیون لوجستیک برای نمونه انتخاب شده از شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران ارایه شده است. اولین مدل شبکه ساده بیز که مبتنی بر همبستگی شرطی است می‌تواند با دقت 90% شرکت‌های ورشکسته و غیرورشکسته را درست پیش‌بینی کند. دومین مدل شبکه ساده بیز که مبتنی بر احتمال شرطی است با دقت 93% شرکت‌های ورشکسته و غیرورشکسته را درست پیش‌بینی می‌کند. در نهایت، مدل رگرسیون لوجستیک که یک مدل خطی است می‌تواند با دقت 90% شرکت‌های ورشکسته و غیرورشکسته را درست پیش‌بینی کند.

کلیدواژه‌ها


عنوان مقاله [English]

Predicting Financial Distress of firms Listed in Tehran Stock Exchange Using Bayesian networks

نویسندگان [English]

  • Ali Saeedi
  • Arezoo Aghaie
چکیده [English]

Financial distress and bankruptcy of companies may cause the resources to be wasted and the investment opportunities to be faded. Bankruptcy prediction by providing warnings can make the companies aware of the occurrence of bankruptcy and financial distress so that they could take appropriate decisions. The aim of this study is to model financial distress prediction of listed companies in Tehran stocks exchange (TSE) using Bayesian Networks (BNs). In order to accomplish this aim, two naïve bayes models and a logistic regression model using information of listed companies in Tehran Stock Exchange are developed. The accuracy of the first naïve bayes model's performance that is based upon conditional correlation is 90% and the accuracy of the second naïve bayes model that is based upon conditional likelihood is 93% and eventually the accuracy of the logistic regression model that is a linier model is 90%.

کلیدواژه‌ها [English]

  • Bankruptcy prediction
  • Bayesian networks
  • Discretization of Continuous Variables
  • Logistic regression
  • Naïve bayes