دانشگاه تربیت مدرس پژوهش ها و چشم اندازهای اقتصادی 3115-9168 10 2 2010 06 22 A Comparison among Artificial Neural Network, Discriminant Analysis and Logestic Regression Techniques for Bankruptcy: A Case Study of Kerman's Firms مقایسه مدل شبکه های عصبی مصنوعی با روش های رگرسیون لجستیک و تحلیل ممیزی در پیش بینی ورشکستگی شرکت ها 13181 FA سید نظام الدین مکیان دانشکده اقتصاد، مدیریت و حسابداری دانشگاه یزد سید محمد تقی المدرسی دانشکده برق دانشگاه یزد سلیم کریمی تکلو دانشگاه شهید باهنر کرمان Journal Article One of the main issues in financial management is choosing the best way of utilizing investment. Investors would like to invest their capitals in a way to minimize their risks. Bankruptcy is one of the risk factors which affect the decision of investors. Prediction of bankruptcy can help investors to reduce the risks in the capital markets and recognize the best opportunities for alternative investment. This study aims to predict the bankruptcy of companies by using the technique of Artificial Neural Network (ANN). Moreover, discriminant Analysis and logestic regression techniques are employed to compare the results. The data used in this study covers the firms in the Kerman Province of Iran over the period 1975- 2007. The results show that ANN model perfom much better than the discriminant analysis and logestic regression techniques. Moreover, the results confirm that the accuracy of ANN model is higher than the discriminant analysis and logestic regression techniques for predicting of bankruptcy. The analysis also shows that none of the firms will bankrupt in the year after the period covered in this study. یکی از مهم ترین‌ موضوع های‌ مطرح‌ شده‌ در زمینه‌ مدیریت مالی، این است که سرمایه گذاران فرصت های مطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند و منابعشان را در فرصت های مناسب سرمایه گذاری کنند. از مهمترین روش‌هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد، پیش بینی ورشکستگی شرکت ها است. برای این منظور مدل های مختلفی وجود دارد. در این پژوهش جهت پیش بینی ورشکستگی از مدل شبکه های عصبی به همراه مقایسه آن با دو روش آماری رگرسیون لجستیک و تحلیل ممیزی استفاده شده است. در این مقاله علاوه بر معرفی مدل های شبکه های عصبی، یک مدل شبکه عصبی برای پیش بینی ورشکستگی شرکت های تولیدی طراحی شده است که برای استان کرمان مورد استفاده قرار گرفته است. اطلاعات استفاده شده مربوط به دوره زمانی 1386-1374 می باشد. نتایج پژوهش نشان می دهد که مدل ANN از دو روش آماری دیگر دقت بالاتری در پیش بینی دارد. همچنین مدل ANN نشان داد که هیچ کدام از این شرکت های تولیدی در سال بعد از دوره مورد بررسی، ورشکسته نخواهند شد. https://ecor.modares.ac.ir/article_13181_3cdd0dfecaa8127d1a556f21f96500d7.pdf