13937

بررسي كاربردهاي يادگيري ماشين و سيستم هاي پيچيده در پيش بيني ورشكستگي

1401

دكتر بابك اميري

ورشكستگي شركت‌ها يكي از مهم‌ترين چالش‌هاي اقتصادي است كه تأثيرات عميقي بر سهام‌داران، سرمايه‌گذاران و اقتصاد كلان دارد. باتوجه‌به اهميت پيش‌بيني دقيق و به‌موقع ورشكستگي، پژوهش‌هاي بسياري در اين زمينه انجام شده است. اين سمينار به بررسي جامع ادبيات موجود در زمينه پيش‌بيني ورشكستگي با تأكيد بر استفاده از روش‌هاي داده‌كاوي و يادگيري ماشين مي‌پردازد. هدف اصلي اين سمينار مرور دقيق پژوهش‌هاي قبلي، شناسايي گپ‌هاي موجود در ادبيات موضوع، و پيشنهاد جهت‌گيري‌هاي آينده است. در ابتدا، به تحليل مدل‌هاي سنتي پيش‌بيني ورشكستگي پرداخته مي‌شود كه مبتني بر نسبت‌هاي مالي و تحليل‌هاي آماري كلاسيك هستند. سپس رويكردهاي مدرن‌تري نظير استفاده از الگوريتم‌هاي يادگيري ماشين و تحليل شبكه‌هاي ارتباطي بين شركت‌ها بررسي مي‌گردد. مدل‌هاي پيشرفته يادگيري ماشين با قابليت پردازش حجم گسترده‌اي از داده‌ها، دقت بالاتري در پيش‌بيني ورشكستگي ارائه مي‌دهند و قادر به شناسايي الگوها و روابط پنهان ميان داده‌هاي مالي و غيرمالي شركت‌ها هستند. نتايج اين سمينار نشان مي‌دهد كه تركيب روش‌هاي نوين با داده‌هاي متنوع‌تر، از جمله اطلاعات غيرمالي و شبكه‌اي، مي‌تواند به بهبود دقت پيش‌بيني‌ها كمك كند. همچنين شناسايي خلأهاي موجود در پژوهش‌هاي پيشين، از جمله نبود بررسي‌هاي جامع در شرايط بحران‌هاي اقتصادي و عدم تفسيرپذيري مدل‌هاي پيچيده، زمينه‌ساز تحقيقات آتي خواهد بود. در نهايت، با ارائه پيشنهادهايي براي پژوهش‌هاي آينده، تلاش مي‌شود تا مسيرهاي جديدي براي توسعه مدل‌هاي پيش‌بيني ورشكستگي معرفي شود كه به تصميم‌گيران و مديران مالي در مديريت ريسك و پيشگيري از بحران‌هاي مالي كمك شاياني نمايد.

9/23/2023 12:00:00 AM

84253

1403/07/29

prediction Applications of machines and complex systems in bankruptcy

ورشكستگي , بحران مالي , يادگيري ماشين , رگرسيون , تحليل شبكه

Bankruptcy , Financial crisis , Machine learning , Regression , Network analysis