اعتبارسنجي الگوريتم‌هاي هوش مصنوعي در پيش‌بيني درماندگي مالي در بخش صنعت و معدن با تأكيد بر نقش متغيرهاي كلان اقتصادي، مالي، مديريتي و ريسك

تحليل درماندگي مالي يك پديده با اهميت براي سرمايه‌گذاران، اعتباردهندگان و ساير استفاده‌كنندگان از اطلاعات مالي محسوب مي‌شود. تعيين احتمال درمانده شدن يك شركت قبل از بروز درماندگي يك موضوع بسيار جالب و جذاب محسوب مي‌شود و مي‌تواند هم براي مديران و هم براي سرمايه‌گذاران و اعتباردهندگان مفيد واقع شود. در اين پژوهش با استفاده از اطلاعات 1350 شركت سال طي دوره 1387 الي 1395 در بخش صنعت و معدن بازار سرمايه ايران به بررسي عوامل مؤثر بر درماندگي مالي و پيش‌بيني آن به‌وسيله الگوريتم‌هاي هوش مصنوعي (روش درخت تصميم، ماشين‌بردار پشتيبان و طبقه‌بندي بيز) با استفاده از نرم‌افزار متلب 2017 پرداخته است. نتايج تحقيق حاكي از تأثير مستقيم تورم و ريسك مالي و تأثير معكوس نسبت مديران غيرموظف، بازده سالانه سهام و نسبت وجه نقد عملياتي بر درماندگي مالي مي‎باشد. همچنين نتايج نشان مي‌دهد كه الگوريتم درخت تصميم با استفاده از داده‌هاي مالي و اقتصادي كارايي بالاتري نسبت به روش طبقه‎بندي بيز و ماشين بردار پشتيبان در جهت پيش‌بيني درماندگي مالي دارد.