پيش‌بيني لغو پذيرش شركت‌ها از بورس اوراق بهادار تهران با استفاده از الگوريتم‌هاي مبتني بر يادگيري ماشين

هدف: اخراج شركت‌ ها با وجود اهميت در مسايل اقتصادي و اجتماعي جامعه، كم‌تر در ادبيات مالي مورد‌‌توجه قرار گرفته است. اين موضوع از آن جهت داراي اهميت است كه براي هر كشور، يكي از معيارهاي سنجش اقتصادي، حجم بازار سرمايه مي‌ باشد؛ بنابراين اخراج شركت‌ ها نه‌تنها باعث از بين رفتن اعتبار شركت، قيمت سهام و بازار فروش سهام آن شركت مي‌شود بلكه بر رشد بازار و اقتصاد هر كشور نيز موثر است. پژوهش حاضر به دنبال بررسي صورت ‌هاي مالي و گزارش حسابرسي شركت‌هاي فعال و مقايسه آن با شركت‌هاي لغو‌پذيرش‌شده مي‌باشد تا به كمك فنون مدل‌سازي هوش مصنوعي، مدلي را براي پيش‌بيني شركت‌هاي لغوپذيرش‌شده در بورس اوراق بهادار تهران طراحي نمايد.روش‌شناسي پژوهش: در اين پژوهش كه روي شركت‌هاي بورس اوراق بهادار تهران انجام پذيرفته است، داده ‌هاي مربوط به سه سال قبل از اخراج 73 شركت حذف‌شده از بورس از سال 1382 تا سال 1397 در گروه اول و داده‌هاي 148 شركت فعال كه به‌صورت مستمر در بورس حضور داشتند در گروه دوم و با روش حذفي سيستماتيك انتخاب گرديدند. سپس با تكنيك‌هاي داده‌كاوي كه از كارآمدترين و به‌روزترين مدل‌هاي هوش مصنوعي هستند و به كمك طبقه‌بند هاي شبكه عصبي پرسپترون چندلايه، درخت تصميم، و طبقه‌بند نظريه بيز به پيش‌بيني شركت‌هاي لغو‌پذيرش‌شده از بورس پرداخته شده است.يافته‌ها: يافته‌ها نشان مي‌دهد بهترين عملكرد را طبقه‌بند بيز داشته است و شبكه عصبي پرسپترون چندلايه در جايگاه دوم و طبقه‌بند درخت تصميم در جايگاه سوم قرار گرفته است.اصالت/ارزش افزوده علمي: پژوهش ‌هاي كمي در حوزه پيش‌بيني اخراج شركت ‌ها از بازار سرمايه در ايران شده است. اين پژوهش با پر كردن اين گپ، به پژوهشگران پيشنهاد داده است با استفاده از ساير طبقه‌بند‌ها، تركيب كردن چندين طبقه‌بند با يكديگر به‌منظور پوشش بهتر خطاهاي هر يك، تركيب كردن طبقه‌بند ها با يكديگر و وزن‌دهي به روشي كه دقت بالاتري داشته باشد، اضافه كردن ساير متغيرهاي تاثيرگذار در اخراج شركت ‌ها از جمله ساختار مالكيت و تركيب سهام‌داران مي تواند نتايج ديگري به دست آيد.