قدرت شبکه عصبی پیچشی در پیش‌بینی درماندگی مالی

Abstract

در این پژوهش ضمن نگاه بر سیر تکامل ادبیات پیش‌بینی درماندگی مالی، به ارائه یک مدل یادگیری عمیق پرداخته شده است. در این روش به شکلی مراحلی که روش‌های پیشین برای پیش‌بینی درماندگی طی ‌کرده‌اند، کوتاه‌تر و خودکارتر شده است. در نهایت، به مقایسه دقت پیش‌بینی مدل توسعه داده شده با مدل‌های پیشین در این حوزه پرداخته شده است. در این پژوهش یک شبکه عصبی پیچشی به‌عنوان یک مدل یادگیری عمیق که داده‌های 14 متغیر مرتبط با پیش‌بینی درماندگی مالی را در طول 3 سال متوالی واکاوی می‌کند، برای پیش‌بینی درماندگی مالی مورداستفاده قرار گرفته است.بدر این راستا، به‌منظور جلوگیری از خطاهای احتمالی تعمیم‌پذیری، از روش K-fold برای نمونه‌گیری فرعی استفاده شده است که داده‌های 300 نمونه را مورد بررسی قرار می‌دهد. در نهایت، با استفاده از آزمون ناپارامتریک Wilcoxon به بررسی معنی‌دار بودن اختلاف دقت پیش‌بینی ارائه شده میان مدل توسعه داده شده و مدل‌های پیشین پرداخته شده است. نتایج این پژوهش نشان می‌دهد مدل شبکه عصبی پیچشی به شکل معنی‌داری در سطح اطمینان 95 درصد مدل‌های پیش‌بینی درماندگی سابق از جمله رگرسیون لجستیک و ماشین بردار پشتیبان را در دقت پیش‌بینی شکست می‌دهد.

Keywords

• درماندگی مالی
• پیشبینی
• شبکه عصبی پیچشی
• یادگیری عمیق