نسبتهای مالی تصویری و پیش‌بینی ورشکستگی شرکتها با استفاده از مدل شبکه‌های عصبی کانولوشن

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه حسابداری.واحد بین الملل چابهار، دانشگاه آزاد اسلامی ، چابهار، ایران

2 گروه حسابداری. دانشکده علوم انسانی، دانشگاه پیام نور، تهران، ایران

3 گروه حسابداری - دانشکده مدیریت و حسابداری - واحد تهران غرب - دانشگاه پیام نور - تهران - ایران

4 گروه حسابداری، دانشکده مدیریت و اقتصاد، دانشگاه سیستان و بلوچستان، زاهدان، ایران

چکیده

پژوهش حاضر با هدف بکارگیری شبکه عصبی کانولوشن برای پیش بینی ورشکستگی شرکتها با استفاده از نسبتهای مالی تصویری انجام می‌گیرد. در دنیای به سرعت در حال تغییر، برای شناسایی تصاویر، شبکه‌های عصبی کانولوشن در مسائل مربوط به بسیاری از رشته‌ها بکار می‌روند. دوره زمانی پژوهش 1388 تا 1397 و شرکتهای نمونه از بین شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و در قالب دو گروه شامل 66 شرکت ورشکسته و 66 شرکت غیر ورشکسته انتخاب شدند. از آنجا که کار شبکه عصبی کانولوشن شناخت تصاویر از بین تصاویر موجود است لذا ابتدا نسبتهای مالی به عنوان داده های پژوهش از طریق نرم افزار متلب 2019 به تصویر تبدیل و سپس با کمک شبکه عصبی کانولوشن و تحت معماری گوگل نت اقدام به تشخیص و پیش بینی وضعیت شرکتهای نمونه گردید. نتایج حاصل از تحلیل یافته‌ها نشان داد که مدل شبکه‌های عصبی کانولوشن در پیش بینی و شناخت از روی تصاویر، پیش بینی درستی با دقت 50 درصد از بین شرکتها انجام داد. به عبارتی در پیش بینی وضعیت تداوم فعالیت شرکتها 50 درصد از شرکتهای ورشکسته و 50 درصد از شرکتهای غیر ورشکسته را درست تشخیص داد.

کلیدواژه‌ها


عنوان مقاله [English]

Imaged financial Ratios and Bankruptcy Prediction using Convolutional Neural Networks

نویسندگان [English]

  • abbasali haghparast 1
  • alireza momeni 2
  • Aziz Gord 3
  • fardin mansoori 4
1 Department of Accounting, Chabahar International Branch, Islamic Azad University, Chabahar, Iran
2 Department of Accounting, human sciences colege, payam noor university, Tehran, Iran.
3 Department of Accounting, Faculty of Management and Accounting, Tehran-Gharb Branch, Payame Noor University, Tehran, Iran.
4 department of accounting, management and economy college, sistan and balouchestan university, Zahedan, Iran
چکیده [English]

Convolutional neural networks are being applied to identification problems in a variety of fields, and in some areas are showing higher discrimination accuracies than conventional methods. Hence, in this research, an attempt is made to apply a convolutional neural network to the prediction of corporate bankruptcy. The financial statements ratios has been choice 66 companies that have been delisted from the Iran Stock Market due to de facto bankruptcy as well as the financial statements of 66 listed companies over 2000 to 2019 financial periods. In this method, a set of financial ratios are derived from the financial statements and represented as a grayscale image. The image generated by this process is utilized for training and testing a convolutional neural network. The images for the bankrupt and continuing enterprises classes are used for training the convolutional neural network based on GoogLeNet. The findings shows, in prediction of going concern of firms, Convolutional neural network has predicted with 50 percent of precision. This means that 50 percent of continues firms and 50 percent of bankrupt firms has been predicted precisely.

کلیدواژه‌ها [English]

  • Convolutional neural networks
  • Imaged financial Ratios
  • Bankruptcy Prediction