[1]      E. I. Altman, “Financial ratios, discriminant analysis and the prediction of corporate bankruptcy,” Journal of Finance, Vol. 23, No. 4, pp. 589–609, 1968.

[2]         ساسان مهرانی، کاوه مهرانی، یاشار منصفی و غلامرضا کرمی، ”بررسی کاربردی الگوهای پیش‌بینی ورشکستگی زیمسکی و شیراتا در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران“، بررسی‌های حسابداری و حسابرسی، ش 41، صص. 105-131، 1384.

[3]         محمدرضا نیکبخت و مریم شریفی، ”پیش‌بینی ورشکستگی مالی شرکت‌های بورس اوراق بهادار تهران با استفاده از شبکه‌های عصبی“، مدیریت صنعتی، دورة 2، ش4، صص. 163-180، 1389.

[4]      B. W., Keats, J. S. Bracker, “Toward a theory of small firm performance: A conceptual model,” American Journal of Small Business, Vol. 12, pp. 41-58, 1988.

[5]      J. A. Ohlson, “Financial ratios and the probabilistic prediction of bankruptcy,” Journal of Accounting Research, pp. 109–131, 1980.

[6]      M. A. Aziz and A. D. Humayon, “predicting corporate bankruptcy: Where we stand?,” Journal of Corporate Governance, Vol. 6, No. 1, pp. 18-33, 2006.

[7]      R. D. Foreman, “A logistic analysis of bankruptcy within the US local telecommunications industry,” Journal of Economics and Business, pp. 1–32, 2002.

[8]      C. Tsai, “Feature selection in bankruptcy prediction,” Knowledge-Based Systems, Vol. 22, pp. 120-127, 2009.

[9]      H. Etemadi, A. A. Anvary-Rostamy and H. Farajzadeh-Dehkordi, “A genetic programming model for bankruptcy prediction: Empirical evidence from Iran,” Expert Systems with Applications, Vol. 36, pp. 3199–3207, 2009.

[10]      K. Shin and Y. Lee, “A genetic algorithm application in bankruptcy prediction modeling,” Expert Systems with Applications, Vol. 23, No. 3, pp. 321–328, 2002.

[11]      F. Varetto, “Genetic algorithms applications in the analysis of insolvency risk,” Journal of Banking and Finance, Vol. 22, pp. 1421–1439, 1998.

[12]      E. I. Altman, G. Marco and F. Varetto, “Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks (the Italian Experience),” Journal of Banking and Finance, Vol. 18, pp. 505–529, 1994.

[13]      H. Jo, I. Han and H. Lee, “Bankruptcy prediction using case based reasoning, neural networks, and discriminant analysis,” Expert Systems with Applications, Vol. 13, No. 2, pp. 97–108, 1997.

[14]      M. Kim, D. Kang, “Ensemble with neural networks for bankruptcy prediction,” Expert Systems with Applications, Vol. 37, pp. 3373–3379, 2010.

[15]      C. Park and I. Han, “A case-based reasoning with the feature weights derived by analytic hierarchy process for bankruptcy prediction,” Expert Systems with Applications, Vol. 23, No. 3, pp. 225–264, 2002.

[16]      H. Ahn, K. Kim, “Bankruptcy prediction modeling with hybrid case-based reasoning and genetic algorithms approach,” Applied Soft Computing, Vol. 9, pp. 599-607, 2009.

[17]      A. S. Vranas, “The significance of financial characteristics in predicting business failure: An analysis in the Greek context,” Foundations of Computing and Decision Sciences, Vol. 17. No. 4, pp. 257–275, 1992.

[18]         حسین ارغوانی، ”بورس برق“، چهارمین همایش انرژی ایران، 1382.

[19]      [Online].Available:http://www.gmanetwork.com/news/story/ 123792/news/nation/congress-urged-to-stop-transco-privatization

[20]      D. Karaboga, “An idea based on honey bee swarm for numerical optimization,” Technical Report TR06, Engineering Faculty, Computer Engineering Department, 2005.

[21]         سید مهدی مظهری، امیر باقری، حسن منصف، حمید لسانی، ”ارائة رویکردی جدید در برنامه‌ریزی توسعة شبکة انتقال با در نظر گرفتن ارزش واقعی کفایت مبتنی بر کلونی مصنوعی زنبور عسل اصلاح‌شده“، مجلة سیستم‌های هوشمند در مهندسی برق، دورة 2، شمارة 4، 1390، صص. 1-20.

[22]      [Online]Available:http://www.irbourse.com/market/ (retrieved at Feb. 2012)

[23]      [Online].Available: http://www.irportfolio.com

[24]      M. P. Reeser, Introduction to Public Utility Accounting, American Gas Association, 1984.

[25]      T. Coelli, D. Lawrence, Performance Measurement and Regulation of Network Utilities, Edward Elgar Pub, 2007.

پیوست

پ-1- الگوریتم کلونی مصنوعی زنبور عسل

الگوریتم کلونی مصنوعی زنبور عسل یک الگوریتم جستجوست که نخستین بار در سال 2005 با استفاده از شبیه‌سازی رفتار جستجوی غذای گروه‌های زنبور عسل ایجاد شده است ]20[. در الگوریتم کلونی مصنوعی زنبور عسل، جستجوی منابع غذایی با استفاده از سه دسته زنبور عسل با نام‌های زنبور کارگر، زنبور ناظر و زنبور دیده‌بان انجام می‌گیرد. این زنبورها از نظر ساختاری مشابه بوده، ولی هر یک اعمال متفاوتی را انجام می‌دهند.

در این الگوریتم، متغیرهای مسأله بـه عنوان موقعیت منبع غذایی در نظر گرفته می­شود. مقدار شهد (نکتار) منبع غذایی، نشان‌دهنده تابع احتمال و یا برازندگی راه‌حل‌هاست. هر منبع غذایـی تنها توسط یک زنبـور کـارگر استـخراج شده و به عبارتی، تعـداد زنبـورهای کـارگر برابر تعـداد منابع غذایی اطراف کندو است.

در نخستین قدم، جمعیت اولیه­ای به صورت تصادفی ایجاد شده و میزان برازندگی جمعیت تولید شده بر اساس تابع ارزیابی محاسبه و ذخیره می­شود. سپس، جمعیت منابع غذایی (راه­حل­ها) به فاز اصلی الگوریتم که جستجو توسط زنبوران کارگر، ناظر و دیده­بان است، فرستاده می‌شود. سپس، هر یک از زنبور‌های کارگر به سوی موقعیت غذایی (راه­حل) مربوط به خود فرستاده می­شود. در این هنگام، هر زنبور کارگر اصلاحاتی را بـر روی موقعیـت منبع غذایی خود انجام می‌دهد. ایـن اصـلاحات بر­ اساس اطلاعات قبـلی موجـود در حافظـه، اطلاعات محلی (اطلاعات بصری) و یافتن یک منبع غذایی در همسایگی منبع غذایی مربوط به خود، صورت می‌پذیرد. سپس با توجه به موارد ذکر شده، موقعیت جدیـد منبع غذایی ارزیابی می‌گردد. در الگوریتم زنبورعسل، یافتن منبع غذایی جدید در همسـایگی منبـع قبلی با استفاده از یک معیار تصادفی و مطابق رابطة زیر انجام می‌گیرد:

در این رابطه،  موقعیت غذایی قبلی و  موقعیت منبع غذایی جدید است. از طرفی،  یک عدد طبیعی است که حداکثر برابر تعداد متغیرهای مسأله فرض شده ( ) و  نیز به صورت تصادفی از بازة  انتخاب می‌گردد.  برابر تعداد زنبورهای ناظر و کارگر در کلونی مصنوعی زنبور عسل است ]21-20[.

در این مرحله، زنبور کارگر، با توجه به مقدار شهد موجود در منابع غذایی، انتخابی را بین  و  انجام می‌دهد. اگر میزان برازنـدگی  نسبـت بـه  بالاتر بـاشد، زنبـور کـارگر، موقعیت جدید را در حافظه خود ذخیـره و موقعیت قبلی را فراموش می­کنـد.

پس از آن، زنبورهای کارگر به کندو بازگشته، در فرآیند ”تصمیم گیری “شرکت می‌کنند. فرض می‌شود که هر زنبور قابلیت درک و دریافت اطلاعات سایر زنبورها را داشته و این قابلیت را دارد که با استفاده از اطلاعات دیگران، راه‌حـل‌های بهتـری را برای مسأله پیـدا کند. بر این اساس، زنبور کارگر می‌تواند یکی از اعمال زیر را انجام دهد:

الف   منبع غذایی خود را رها کرده، در سالن اجتماعات به دنبال زنبوری که منبعی با کیفیت بیشتر در اختیار دارد، بگردد (خطوط با شماره 3 در شکل پ-1)،

ب     بدون اینکه کسی را جذب کند، مجدداً به سراغ منبع (راه‌حل) خود برود (خطوط با شماره 2 در شکل پ-1)،

شکل (پ-2): مراحل کلی الگوریتم کلونی مصنوعی زنبور عسل

ج     در سالن اجتماعات با انجام حرکاتی موزون سعی در جمع کردن زنبورهای دیگر به دور خود داشته باشد (خطوط با شماره 1 در شکل پ-1).

کسب اطلاعات جدید و تصمیم­گیری در مورد منبع غذایی، توسط زنبوران ناظر انجام می­شود. زنبـوران ناظر اطلاعـات مربـوط به شـهد منـابع غذایی را که در سالن اجتماعات عرضه می‌گردد، ارزیابی و با توجـه به میـزان احتـمال آنها، مناسبترین موقعیـت منبع غـذایی را انتـخاب می­کنند. سپس، مقـدار برازندگی منـابعِ غذایـی انتـخاب شـده توسـط زنبوران ناظر، محاسبه می‌شود. در ادامه، زنبوران ناظر، مشابه قبل، یک منبع غذایـی جدید در همسـایگی منبـع غذایـی قبـلی تولید و مقدار شهد آن را بـا

شکل (پ-1): نمایش رفتار زنبورهای کارگر

منبع قبلی مقایسه می‌کنند. پس از اصـلاح موقعیـت منـابع غذایـی انتـخاب ‌شـده توسـط زنبـوران نـاظر، زنبوران کارگر به موقعیت منابـع غذایـی جدید فرستـاده می‌شوند. این روند تا رسیدن به معیار توقف برنامه ادامه پیدا می­کند.

در الگوریتم کلونی مصنوعی زنبور عسل، منابع غذایی که شهد آنها به وسیله زنبوران کارگر مصرف شده و یا خالی از نکتار باشد، با یک منبع غذایی جدید که به صورت تصادفی تعیین می‌گردد، جایگزین می‌شود (خطوط با شماره‌ 4 و 5 در شکل (پ-1)). این مرحله توسط زنبورهای دیده­بان انجام می‌گیرد و فرض بر این است که اگر یک منبع غذایی نامناسب در تعداد تکرارهای مشخص شده اصلاح نشود، فاقد شهد است ]21-20[. شکل (پ-2) مراحل کلی الگوریتم کلونی مصنوعی زنبور عسل را نشان می‌دهد.

پ-2- نسبت‌های مالی و محاسبة آنها برای یک شرکت توزیع نمونه

الف) نسبت جاری: نسبت جاری از تقسیم دارایی‌های جاری بر بدهی‌های جاری به دست می‌آید. این نسبت نشان‌دهنده توانایی بازپرداخت بدهی‌های جاری از محل دارایی‌های جــاری شرکت است [24].

دارایی جاری به وجوه نقد و سایر دارایی‌هایی که انتظار می‌رود در جریان عملیات جاری واحد، ظرف دورة مطالعه (معمولاً یک سال) تبدیل به وجه نقد گردند، فروخته شوند یا به مصرف رسند، گفته می‌شود. بدهی جاری به بدهی‌ای که موعد پرداختش کمتر از دورة مطالعه باشد و از محل دارایی‌های جاری قابل پرداخت باشد، گفته می‌شود. این نسبت متداول‌ترین وسیله برای اندازه‌گیری قدرت پرداخت بدهی‌های کوتاه‌مدت است، زیرا از طریق آن می‌توان پی‌برد دارایی‌هایی که در طول سال مالی به پول نقد تبدیل می‌‌گردند، چند برابر بدهی‌هایی است که در طول سال مالی سررسید آنها فراخواهد رسید [25]. دارایی‌های جاری یک شرکت توزیع نمونه به ترتیب از فروش انرژی الکتریکی به مشترکین، فروش انرژی مازاد تولیدات پراکنده به بازار لحظه‌ای، هزینة دریافتی ناشی از فروش فیدرهای مستهلک‌شده و نیز هزینة حق انشعاب مشترکین جدید، تشکیل شده را محاسبه می‌نماید. مجموع بدهی‌های جاری شرکت توزیع شامل مواردی همچون هزینة خرید انرژی مشترکین از بازار عمده‌فروشی، مجموع هزینة تولید انرژی الکتریکی توسط مولدهای مقیاس کوچک، خرید ظرفیت رزرو، بدهی‌ حقوق کارکنان و نیز هزینة جریمة ناشی از خاموشی‌ها می‌شود. کلیة این موارد به سادگی و در قالب روابط الکتریکی قابل محاسبه هستند.

ب) درصد بدهی‌ها به مجموع دارایی‌ها: این نسبت از تقسیم مجموع بدهی‌ها بر مجموع دارایی‌ها به دست می‌آید. مجموع بدهی‌ها از ترکیب بدهی‌های جاری و غیرجاری و دارایی‌ها نیز از ترکیب دارایی‌های جاری و غیرجاری محاسبه می‌گردند. دارایی‌های غیرجاری، دارایی‌هایی هستند که به طور معمول انتظار داریم در دورة مطالعة فعلی نه کاملاً مصرف گردند و نه به پول تبدیل شوند [24]. بدهی‌های جاری یک شرکت توزیع از مجموع دیون بانکی، بدهی‌های ناشی از توسعه و بهره‌برداری شبکه و نیز بدهی‌های معوق از دورة مطالعة قبلی تشکیل شده است؛ دارایی‌های غیرجاری شرکت توزیع از مجموع ارزش تجهیزات و ابنیه و نیز دارایی‌های جاری دورة قبل (مشروط به اینکه از شرکت خارج نشده باشد) تشکیل شده است.

پ) گردش موجودی کالا: گردش موجودی کالا از تقسیم متوسط حساب‌ها و اسناد دریافتنی حاصل از فروش موجودی کالا بر متوسط روزانة بهای خرید موجودی کالا حاصل می‌شود [24]. به عبارت دیگر، متوسط پول حاصل از کالاها در هر روز بر متوسط هزینه‌ای که برای خرید مواد اولیه داده شده، تقسیم می‌گردد [25]. بالا بودن گردش موجودی کالا به معنای نشان‌دهنده کارایی بالا در استفاده از موجودی کالا و به عبارتی مدیریت کالاست [24]. گردش موجودی کالا در یک شرکت توزیع، به سادگی و با در نظر گرفتن هزینه‌های خرید و فروش انرژی الکتریکی محاسبه می‌شود.

ت) گردش مجموع دارایی‌ها: این نسبت مطابق از تقسیم درآمد فروش بر مجموع دارایی‌ها به دست می‌آید [24]. نسبت فوق نشان می‌دهد که چگونه دارایی‌های یک شرکت به منظور ایجاد درآمد فروش به کار گرفته شده است. این نسبت مهمترین نسبت برای اندازه‌گیری کارائی یک شرکت است که نشان دهندة مجموع درآمدهای موسسه نسبت به کل منابع در اختیار شرکت است [25].

ث) درصد بازده سرمایه: این نسبت رابطة سرمایه در گردش را با سود واحد تجاری نشان می‌دهد. برای این منظور لازم است تا سود دوره‌ای شرکت بر سرمایة آن تقسیم گردد. سود دوره‌ای شرکت از اختلاف درآمدها و هزینه‌ها در دورة مورد مطالعه محاسبه می‌گردد [24]. از طرفی هر بخشی از دارایی‌ها که نسبت به آن بدهی وجود نداشته باشد، سرمایة شرکت به حساب می‌آید. افزایش نسبت مذکور دلالت بر کمبود سرمایه در گردش می‌کند. به منظور محاسبة سود دوره‌ای شرکت توزیع، هزینه‌های جاری از بدهی جاری و نیز کل تلفات شبکه کسر می‌شود. تلفات شبکة توزیع از مجموع تلفات بارداری و بی‌باری پست‌ها و نیز تلفات فیدرها تشکیل شده است.

ج) درصد سود ناویژه به درآمد: این نسبت از تقسیم سود ناخالص بر درآمد کل سال به دست می‌آید. منظور از سود ناخالصی، اختلاف درآمد فروش از بهای تمام شدة کالای فروش رفته است [24].

چ) زیان عملیاتی به درآمد فروش: این نسبت از تقسیم زیان عملیاتی بر درآمد فروش محاسبه می‌گردد. منظور از زیان عملیاتی مجموعه هزینه‌های زائدی است که برای ارائة خدمات مرتبط با اساسنامه متوجه شرکت می‌گردد [25]. زیان عملیاتی یک شرکت توزیع از مجموع هزینه‌های تلفات، استهلاک، هزینه‌های خاموشی‌ها تشکیل شده است.

علایم و نشانه‌ها

مجموعه‌ها:

  مجموعة شرکت‌های مورد مطالعه؛

  مجموعة نسبت‌های مالی؛

توابع:

  تابع هدف مسألة پیش‌بینی درماندگی مالی؛

    تابع درماندگی مالی شرکت ؛

ثابت‌ها:

    نسبت مالی  ام شرکت ؛

    مرز درماندگی مالی؛

نسبت‌های مالی:

درصد سود به درآمد؛

درصد سود عملیاتی به درآمد؛

نسبت جاری؛

نسبت آنی؛

   درصد بدهی‌ها به مجموع دارایی‌ها؛

بدهی­ جاری به کل بدهی­؛

  گردش دارایی‌های ثابت؛

گردش مجموع دارایی‌ها؛

متغیرها:

    ضریب نسبت مالی ؛

    متغیر تصمیم‌گیری نشان‌دهندة صحت (1) یا عدم‌صحت (0) تخمین انجام‌شده توسط مدل درماندگی با واقعیت شرکت؛

    متغیر تصمیم‌گیری نشان‌دهندة ورشکسته بودن شرکت  از نظرگاه مدل پیشنهادی (1) یا عدم‌ورشکستگی (0)؛

    متغیر تصمیم‌گیری نشان‌دهندة ورشکستگی (1) و یا عدم‌ورشکستگی (0) شرکت  در واقعیت؛