@article { author = {Fallahpour, Saeid and Raei, Reza and Norouzian, Eisa}, title = {Applying Combined Approach of Sequential Floating Forward Selection and Support Vector Machine to Predict Financial Distress of Listed Companies in Tehran Stock Exchange Market}, journal = {Financial Research Journal}, volume = {20}, number = {3}, pages = {289-304}, year = {2018}, publisher = {University of Tehran}, issn = {1024-8153}, eissn = {2423-5377}, doi = {10.22059/frj.2018.113928.1005868}, abstract = {Objective: Nowadays, financial distress prediction is one of the most important research issues in the field of risk management that has always been interesting to banks, companies, corporations, managers and investors. The main objective of this study is to develop a high performance predictive model and to compare the results with other commonly used models in financial distress prediction Methods: For this purpose, sequential floating forward selection that is considered as the generalized form of sequential forward selection method and as one of the wrapper methods, and sequential forward selection methodin combination with support vector machine were used. These models are combined models of feature selection and classifier. Logistic regression model which is a statistical classification models, has also been used in the present study. Results: After reviewing the important financial ratios, 29 financial ratios that were mostly used in previous researches were chosen. Paired T-test results showed thatwith a 95% confidence level. The proposed model provides higher accuracy than other models used in this study. Conclusion: Results showed that the proposed model of this research has significantly better performance in predicting financial distress than the sequential forward selection method and Logistic regression model in one year, two years and three years before financial distress.}, keywords = {Feature Selection,Sequential floating forward selection,Wrapper,Financial distress,Hybrid models}, title_fa = {استفاده از روش ترکیبی انتخاب ویژگی پی‎درپی پیشرو شناور و ماشین بردار پشتیبان در پیش‎بینی درماندگی مالی شرکت‎های پذیرفته شده در بورس اوراق بهادار تهران}, abstract_fa = {هدف: پیش‎بینی درماندگی مالی شرکت‎ها، یکی از مهم‎ترین مسائل تحقیقاتی در حوزه‎ مدیریت ریسک بوده و همواره در کانون توجه بانک‎ها، شرکت‎ها، مدیران و سرمایه‎گذاران قرار داشته است. هدف اصلی این پژوهش ارائه یک مدل پیش‎بینی‎ کننده با عملکرد بالا و مقایسه‎ نتایج به‎دست آمده از آن با سایر مدل‎های رایج در پیش‎بینی درماندگی مالی است. روش: به همین منظور از روش‎های انتخاب ویژگی پی‎درپی پیشرو شناور که مدل تعمیم‎یافته‎ روش انتخاب ویژگی پیشرو پی‎درپی بوده و از دسته روش‎های پوشش‎دهنده است و روش انتخاب ویژگی پیشرو پی‎درپی در ترکیب با ماشین بردار پشتیبان استفاده شد. این مدل‎ها از نوع مدل‎های ترکیبی انتخاب ویژگی و طبقه‎بندی‎ کننده هستند. همچنین در این پژوهش از مدل رگرسیون لجستیک که یکی از مدل‎های آماری طبقه‎بندی است نیز استفاده شده است. یافته‎ها: پس از بررسی نسبت‎های مالی مهم در نهایت 29 نسبت مالی که در تحقیقات گذشته بیشتر استفاده شده بودند، انتخاب گردیند. آزمون مقایسات زوجی نشان می‌دهد که دقت مدل پیشنهادی این پژوهش با سطح اطمینان 95 درصد بهتر از دیگر مدل‌های استفاده شده در این پژوهش می‌باشد. نتیجه‎گیری: نتایج نشان داد که مدل پیشنهادی این تحقیق در یک سال، دو سال و سه سال قبل از درماندگی مالی به طور معناداری از عملکرد بهتری در پیش‌بینی درماندگی مالی نسبت به روش انتخاب ویژگی پیشرو پی درپی و مدل رگرسیون لجستیک برخوردار است.}, keywords_fa = {انتخاب پی‎درپی پیشرو شناور,پوشش‎دهنده,درماندگی مالی,ماشین بردار پشتیبان,مدل‎های ترکیبی}, url = {https://jfr.ut.ac.ir/article_68609.html}, eprint = {https://jfr.ut.ac.ir/article_68609_c1e394839433ecf33e259418cf729bfb.pdf} }