Systematic review of bankruptcy prediction models: Towards a framework for tool selection

دامنه تحقیق پیش بینی ورشکستگی همچنان با بسیاری از مدل های پیش بینی متفاوت جدیدی که با استفاده از ابزارهای مختلف توسعه یافته، تکامل یافته است. با این حال بسیاری از ابزارها با شرایط داده اشتباه یا وضعیت اشتباه مورد استفاده قرار می گیرند. با استفاده از وب سایت های علم، پایگاه های کسب و کار پایگاه داده کامل و مهندسی روستایی، یک بررسی منظم از 49 مقاله مجله منتشر شده بین سال های 2010 تا 2015 انجام شد. این بررسی نشان می دهد که چگونه هشت ابزار محبوب و امیدوار کننده بر اساس 13 معیار کلیدی در منطقه تحقیقاتی مدل پیش بینی ورشکستگی انجام شده است. این ابزار شامل دو ابزار آماری است: تجزیه و تحلیل چندگانه و رگرسیون لجستیک؛ و شش ابزار هوش مصنوعی: شبکه عصبی مصنوعی، ماشین های بردار پشتیبانی، مجموعه های خشن، استدلال مبتنی بر مورد، درخت تصمیم گیری و الگوریتم ژنتیک. 13 معیارهای تعیین شده عبارتند از دقت، شفافیت نتیجه، خروجی کاملا قطعی، قابلیت اندازه داده، پراکندگی اطلاعات، روش انتخاب متغیر مورد نیاز، انواع متغیرهای قابل اجرا و موارد دیگر. به طور کلی، مشخص شد که هیچ یک از ابزارها به طور عمده از ابزارهای دیگر در رابطه با 13 معیار شناسایی بهتر نیست. یک چارچوب جدولی و نمودار به عنوان راهنمایی برای انتخاب ابزارهایی که به بهترین شرایط مناسب می باشند، ارائه می شود. نتیجه گیری می شود که یک مدل کلی عملکرد بهتر تنها می تواند توسط یک ادغام آگاه از ابزار برای ایجاد یک مدل ترکیبی پیدا شود. این مقاله به درک کامل از ویژگی های ابزار مورد استفاده برای توسعه مدل های پیش بینی ورشکستگی و کاستی های مرتبط با آن کمک می کند.