مدل سازی پیش بینی درماندگی مالی با استفاده از الگوریتم یادگیری جمعی XGBoost

نوع مقاله : مقاله پژوهشی

نویسندگان

حامد علیزاده بیرجندی ¹

کریم نخعی ²

آرزو خسروانی ³

¹ 1. دانشجوی دکتری حسابداری، واحد سمنان، دانشگاه آزاد اسلامی، سمنان، ایران.

² 2. استادیار گروه حسابداری، واحد بیرجند، دانشگاه آزاد اسلامی، بیرجند، ایران

³ استادیار گروه حسابداری، واحد سمنان، دانشگاه آزاد اسلامی، سمنان، ایران.

https://doi.org/10.22067/mfe.2025.92274.1513

چکیده

هدف پژوهش حاضر مدل سازی پیش بینی درماندگی مالی با استفاده از الگوریتم یادگیری جمعی XGBoost در شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. جامعه آماری پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره زمانی 1391 تا 1402 و روش نمونه گیری غربالگری می باشد. در همین راستا 1800 مشاهده (150 شرکت برای 12 سال) مشاهده جمع آوری شده از گزارش های مالی سالیانه مورد آزمون قرار گرفته اند. در پژوهش حاضر متغیرهای مستقل با توجه به مبانی نظری و پیشینه تجربی پژوهش داخلی و خارجی شامل 52 متغیر در دو دسته متغیرهای حسابداری و غیرحسابداری تعیین گردید. نتایج حاکی از صحت کلی الگوریتم یادگیری جمعی XGBoost و رگرسیون لوجیت به ترتیب 97.8% و 92.1% می باشد و نشان می دهد در مقایسه با رگرسیون لوجیت، الگوریتم XGBoost عملکرد بهتری را در پیش بینی شرکت های دارای درماندگی مالی دارد. به عبارت دیگر، نتایج نشان دهنده کارآ بودن الگوریتم تکنیک یادگیری جمعی XGBoost نسبت به رگرسیون لوجیت می باشد. بنابراین الگوریتم XGBoost کاراترین مدل را برای پیش بینی درماندگی مالی را فراهم می کند.

کلیدواژه‌ها

درماندگی مالی

یادگیری جمعی

الگوریتم XGBoost

رگرسیون لوجیت

موضوعات

• حسابداری حسابرسی

---

Authors retain the copyright and full publishing rights. This is an open access article distributed under Creative Commons Attribution 4.0 International License (CC BY 4.0)