استفاده از تحلیل داده ها برای پیش بینی ورشکستگی و سلامت مالی شرکت ها

چکیده مقاله

پیش بینی دقیق سلامت مالی و شناسایی به موقع احتمال ورشکستگی شرکت ها، یکی از ارکان حیاتی برای تصمیم گیری های اقتصادی، مدیریت ریسک اعتباری و ثبات بازارهای مالی است رویکردهای سنتی در ارزیابی سلامت مالی، عمدتا بر تحلیل های ایستا و مبتنی بر نسبت های مالی محدود متکی بوده اند که در مواجهه با پیچیدگی های بازارهای نوین و داده های غیرساختارمند، کارایی خود را تا حد زیادی از دست داده اند مقاله حاضر با هدف بررسی تحول پارادایم از روش های سنتی مانند مدل های امتیازدهی Altman Z score به سوی مدل های مبتنی بر تحلیل کلان داده ها و هوش مصنوعی تدوین شده است در این پژوهش، قابلیت های الگوریتم های پیشرفته یادگیری ماشین، یادگیری عمیق و داده کاوی در استخراج الگوهای پنهان از داده های مالی و غیرمالی برای پیش بینی دقیق تر بحران های مالی واکاوی می شود یافته های این مطالعه نشان می دهد که تلفیق داده های صورت های مالی با داده های بازار سرمایه، گزارش های متنی و شاخص های کلان اقتصادی در مدل های هوشمند، قدرت تفکیک و دقت پیش بینی AUC را به طور معناداری ارتقا می دهد همچنین، نقش تکنیک های انتخاب ویژگی در کاهش نویز داده ها و بهبود پایداری مدل در بازه های زمانی مختلف بررسی شده است این مطالعه تاکید می کند که استفاده از تحلیل داده های مدرن، نه تنها از خطاهای قضاوت انسانی می کاهد، بلکه با ارائه هشدارهای زودهنگام، به ذی نفعان فرصت لازم برای اتخاذ اقدامات اصلاحی را می دهد در نهایت، چالش های پیاده سازی این مدل ها، از جمله مساله «جعبه سیاه» بودن الگوریتم های پیچیده و ضرورت شفافیت در تفسیر نتایج برای تصمیم گیران، به عنوان اولویت های پژوهش های آتی مطرح گردیده است

کلیدواژه‌ها

نویسندگان

افشین گلیان

کارشناسی ارشد حسابداری،موسسه غیرانتفاعی الوند ، همدان ،ایران

گلیان، افشین،1404،استفاده از تحلیل داده ها برای پیش بینی ورشکستگی و سلامت مالی شرکت ها،ششمین همایش بین المللی علوم سیاسی، مدیریت، اقتصاد و حسابداری،همدان

ارائه‌شده در

مجموعه مقالات هشتمین کنفرانس بین المللی جوشکاری و آزمایش های غیرمخرب، بیست و ششمین کنفرانس ملی جوش و بازرسی، پانزدهمین کنفرانس ملی آزمایش های غیرمخرب و چهارمین کنفرانس ملی ساخت افزایشی20 بهمن 1404 · تهران