KMAN Publication Inc. تکنولوژی در کارآفرینی و مدیریت استراتژیک 3041-8585 3 پیاپی 10 2024 11 05 Predicting Corporate Financial Distress Using a Hybrid Model of Artificial Immune System and Wavelet Neural Network (Artificial Intelligence) پیش بینی درماندگی مالی شرکت‌ها با استفاده از مدل ترکیبی سیستم ایمنی مصنوعی و شبکه عصبی موجکی (هوش مصنوعی) 151 171 10.61838/kman.jtesm.3.4.10 FA رضا مهرابی دانشجوی دکتری، گروه حسابداری، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران محمود همت فر گروه حسابداری، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران فرید صفتی گروه حسابداری، واحد بروجرد، دانشگاه آزاد اسلامی، بروجرد، ایران Journal Article 2024 07 12

In today's financial landscape, the prediction of corporate financial distress plays a crucial role in risk management and economic stability. This study aims to develop a hybrid predictive model that combines the Artificial Immune System (AIS) with the Wavelet Neural Network (WNN) to forecast financial distress in companies. The hybrid model leverages the strengths of both algorithms to improve accuracy in identifying distressed firms based on financial data. Utilizing a dataset of Tehran Stock Exchange-listed companies, this research compares the performance of the hybrid model against traditional methods like logistic regression and standalone neural networks. Results demonstrate that the AIS-WNN hybrid model outperforms other techniques in terms of prediction accuracy, sensitivity, and overall robustness. The findings indicate that the proposed model provides a powerful tool for investors, auditors, and policymakers to anticipate financial distress and make informed decisions. This approach can be further expanded to other domains of financial forecasting, contributing to the advancement of predictive analytics in the field.

پیش‌بینی درماندگی مالی شرکت‌ها یکی از چالش‌های اصلی در حوزه مدیریت مالی است. این پژوهش به بررسی کاربرد مدل‌های هوش مصنوعی در پیش‌بینی درماندگی مالی می‌پردازد. در این پژوهش از الگوریتم‌های مختلفی از جمله شبکه عصبی موجکی (WNN)، سیستم ایمنی مصنوعی (AIS)، رگرسیون لجستیک (LR) و یک الگوریتم ترکیبی از AIS و WNN استفاده شده است. این مطالعه با استفاده از داده‌های واقعی شرکت‌ها، دقت و کارایی این مدل‌ها را مقایسه می‌کند. نتایج نشان می‌دهند که الگوریتم ترکیبی توانایی بالاتری در پیش‌بینی درماندگی مالی دارد و می‌تواند به عنوان یک ابزار مفید برای تصمیم‌گیری‌های مالی مورد استفاده قرار گیرد. پیش‌بینی درماندگی مالی شرکت‌ها یکی از چالش‌های اصلی در حوزه مدیریت مالی است. این پژوهش به بررسی کاربرد مدل‌های هوش مصنوعی در پیش‌بینی درماندگی مالی می‌پردازد. در این پژوهش از الگوریتم‌های مختلفی از جمله شبکه عصبی موجکی (WNN)، سیستم ایمنی مصنوعی (AIS)، رگرسیون لجستیک (LR) و یک الگوریتم ترکیبی از AIS و WNN استفاده شده است. این مطالعه با استفاده از داده‌های واقعی شرکت‌ها، دقت و کارایی این مدل‌ها را مقایسه می‌کند. نتایج نشان می‌دهند که الگوریتم ترکیبی توانایی بالاتری در پیش‌بینی درماندگی مالی دارد و می‌تواند به عنوان یک ابزار مفید برای تصمیم‌گیری‌های مالی مورد استفاده قرار گیرد.

 درماندگی مالی پیش‌بینی مالی شبکه عصبی موجکی سیستم ایمنی مصنوعی رگرسیون لجستیک الگوریتم ترکیبی Financial Distress Financial Prediction Wavelet Neural Network Artificial Immune System Logistic Regression Hybrid Algorithm https://journaltesm.com/index.php/journaltesm/article/download/91/113