مقايسه الگوريتم مورچگان با روش هاي تحليل تمايزي چندگانه و لوجيت درپيش بيني درماندگي مالي

Comparison of Ant Colony Algorithm (ACA) with MDA & LOGIT Methods in Financial Distress Prediction

در اين تحقيق، مدل الگوريتم مورچگان با دو مدل پارامتريك تحليل تمايزي چندگانه و لوجيت براي پيش بيني درماندگي مالي مقايسه شده است، ضمن آنكه ازمدل ها براي داده كاوي متغيرهاي برتر در پيش بيني درماندگي مالي استفاده شده است وداده هاي 130 شركت در بين سالهاي 84 تا89 در قالب دو آزمايش بكارگرفته شد. آزمايش اول مبتني مي باشد بر 130سال- شركت از طول دوره تحقيق، مشتمل بر 40 سال- شركت درمانده مشمول ماده 141 و 90سال- شركت غيردرمانده كه مشمول ماده141 نبوده اند. از بررسي هاي اين آزمايش بر پايه 15 متغير با داده كاوي هر سه روش تحقيق، متغيرهاي برتر مدل ها بدست آمد كه عبارتند از سود قبل از هزينه مالي و ماليات به كل دارايي ها و نسبت حقوق صاحبان سهام به كل دارايي ها. بر اساس متغيرهاي برتر آزمايش اول، به آزمون دوم پرداخته شد كه مبتني بر نمونه اي بوده است مشتمل بر همه شركت هاي آزمايش اول در همه سالهاي دوره تحقيق كه در بورس حضور داشتند و شامل 718 سال - شركت مي شدند. درصدموفقيت پيش بيني درماندگي مالي براي الگوريتم مورچگان96.94%(درمانده:95.21%، غيردرمانده:97.38%)، براي تحليل تمايزي چندگانه95.82%(درمانده: 82.88%، غيردرمانده: 99.13%) و براي لوجيت97.08%(درمانده: 88.36، غيردرمانده: 99.30) بدست آمده است. نتايج نشان مي دهد كه در سطح 5% اهميت، مدل مورچگان برتر ازتحليل تمايزي مي باشد و در سطح 9% ، برتر از لوجيت مي باشد.

In this research, the Ant colony algorithm(ACA) was compared with two parametric models of multiple discriminant analysis (MDA) and LOGIT for predicting of financial distress, meanwhile, models were applied for data mining directed to superior variables in financial distress prediction. data of 130 companies from 2005 to 2010 in form of two experiments were used. The first experiment was based on distressed companies that fell under article 141, and non-distressed companies that did not fall article 141. This experiment included 130 year company and was done in two training and control samples each consisted 65 companies. By studying the results of this experiment based on 15 variables with using data mining by each of three models, two superior variables of models were obtained including earnings before financial expenses and taxes to total assets and net worth to total assets. Based on superior variables in the first experiment, the second experiment was performed that was based on a sample including all of companies in the first experiment in all years of study that were among domestic listed companies and included 718 year company. The percent of financial distress predictionʹs success for ACA was 96.94% (distressed: 95.21%, non-distressed: 97.38%), for MDA was 95.82 (distressed: 82.88%, non-distressed: 99.13%) and for LOGIT was 97.08% (distressed: 88.36%, non-distressed: 99.30%). The results have shown that Ant Colony Algorithm in financial distress prediction is significantly superior than MDA (5%) and is significantly superior than LOGIT (9%).?