كاربرد روش انتخاب ويژگي هارك (HARC) در پيش بيني درماندگي مالي شركت ها در بورس اوراق بهادار تهران

يكي از مسايل مهم در پيش بيني درماندگي مالي، انتخاب متغيرهاي پيش بين مي باشد. پژوهش پيش رو به نشان رويكردي جديد براي انتخاب ويژگي با استفاده از دسته بندي نسبت هاي مالي بر مبناي مفاهيم مالي و تركيب روش هاي آماري با الگوريتم هاي فراابتكاري مي پردازد. بدين منظور 34 نسبت مالي براي شركت هاي توليدي درمانده براساس ماده 141 قانون تجارت و به همان تعداد شركت سالم به صورت تصادفي از شركت هاي پذيرفته شده در بورس اوراق بهادار تهران در بازه زماني 1380 تا1390با استفاده از صورت هاي مالي حسابرسي شده براي يك و دو سال قبل از درماندگي جمع آوري شده است. سپس با استفاده از آزمون آماري تي و الگوريتم ژنتيك، بهترين نسبت ها انتخاب و با استفاده از ماشين بردار پشتيبان، پيش بيني درماندگي مالي انجام شده است. -نتايج بدست آمده از پژوهش حاكي از آن است كه روش پيشنهادي هارك در يك و دو سال پيش از وقوع درماندگي به طور معناداري در پيش بيني درماندگي مالي نسبت به رگرسيون لجستيك و مدل آلتمن از عملكرد بهتري برخوردار است.

One of the most important issues in financial distress prediction is the selection of predicting variables. The present research in contrast to previous works provides a new approach to feature selection using the classification of financial ratios based on financial semantics and a combination of statistical methods with meta-heuristic algorithms. To this end, 34 financial ratios based on the audited financial statements are collected for distressed manufacturing companies according to paragraph 141 of Iran Trade Law and healthy companies listed in Tehran stock exchange (TSE) sampled randomly between 2001 and 2011 for one and two years prior to distress. Then, using t-test and genetic algorithm respectively, best ratios from the primary feature set are selected and support vector machine is applied to predict financial distress. The experimental results showed that the proposed HARC method outperforms logistic regression and Altman model significantly for one and two years prior to distress in predicting financial distress.