چكيده:
ورشكستگي آخرين مرحله از حيات اقتصادي شركت‌ها است و بر همه ذينفعان شركت تأثير مي‌گذارد. بنابراين پيش‌بيني ورشكستگي از اهميت برخوردار مي‌باشد با توجه به اين‌كه فرايند حقوقي به‌منظور شناسايي شركت‌هاي ورشكسته امري زمان‌بر است بنابراين در اين تحقيق از مفهوم آستانه ورشكستگي براي شناسايي شركت‌هاي ورشكسته در بورس اوراق بهادار تهران استفاده شد. سوال اصلي تحقيق اين است كه كدام‌يك از مدل‌هاي پس انتشار خطا، الگوريتم ژنتيك و بهينه‌سازي تجمعي ذرات با دقت بالاتري ورشكستگي شركت‌ها را پيش‌بيني مي‌كند. هم‌چنين تأثير داده‌هاي بازار و نسبت‌هاي مالي در پيش‌بيني ورشكستگي با يكديگر مقايسه گرديد. نتيجه نشان داد كه استفاده از الگوريتم ژنتيك در افزايش دقت پيش‌بيني ورشكستگي مؤثر است اما مقايسه مدل‌هاي الگوريتم ژنتيك و بهينه‌سازي تجمعي ذرات نشان داد كه از نظر آماري نمي‌توان اثبات نمود كه يكي از اين روش‌ها بر ديگري برتري دارد. هم‌چنين نتايج نشان‌دهنده اين بود كه استفاده از داده‌هاي بازار براي پيش‌بيني ورشكستگي مؤثرتر از استفاده از نسبت‌هاي مالي و يا استفاده م‌زمان از داده‌هاي بازار و نسبت‌هاي مالي است. هم‌چنين نتايج نشان داد مدلي كه از داده‌هاي بازار استفاده كرده و از طريق الگوريتم بهينه‌سازي تجمعي ذرات آموزش ببيند مي‌تواند تا 92/6 درصد ورشكستگي شركت‌ها را به‌درستي پيش‌بيني نمايد.
واژگان كليدي: ورشكستگي، شبكه عصبي، الگوريتم ژنتيك، بهينه‌سازي تجمعي ذرات