Machine learning models and financial distress prediction of small and medium-sized firms : evidence from Egypt

Other Title(s)

نماذج التعلم الآلي و التنبؤ بالتعثر المالي للشركات الصغيرة و المتوسطة في البيئة المصرية

Joint Authors

Shahwan, Tamir M.
Fadil, Maisarah Ahmad

Source

Journal of Alexandria University for Administrative Sciences

Issue

Vol. 57, Issue 1 (31 Jan. 2020), pp.305-344, 40 p.

Publisher

Alexandria University Faculty of Commerce

Publication Date

2020-01-31

Country of Publication

Egypt

No. of Pages

40

Main Subjects

Business Administration

Topics

Abstract AR

تهدف هذه الدراسة إلى تقييم مساهمة المؤشرات المالية و خصائص الشركات و مؤشرات الاقتصاد الكلي في التنبؤ بالتعثر المالي للشركات المصـرية المساهمة الصغيرة و المتوسطة و من ناحية أخرى تهدف الدراسة إلي مقارنة نماذج التنبؤ بإستخدام الشبكات العصبية الاصطناعية و متجهات الدعم التمييزي كنماذج للتعلم الآلي المستمدة من الذكاء الإصطناعي مع النماذج التقليدية مثل التحليل التمييزي متعدد المتغيرات و الانحدار اللوجستي لتحديد التحسن في أداء نموذج التنبؤ بالتعثر المالي بالنسبة لمساهمة المتغيرات غير المالية و الاقتصادية.

وقد توصلت نتائج الدراسة إلي أن إستخدام كل من المتغيرات المالية و متغيرات خصائص الشـركات (العمر ونوع الصناعة) يزيد من دقة التنبؤ بالتعثر المالي بين الشركات من هذا النوع.

و في ذات الوقت فإن إدراج المعلومات ذات الصلة بالاقتصاد الكلي ليس لها أي تأثير على الدقة التنبؤية للشبكات العصبية.

علاوة على ذلك ووفقا لنتائج استخدام عينة الاختبار و مقاييس الأداء تؤكد النتائج التي توصلت إليها الدراسة تفوق نموذج الشبكات العصبية المتعددة الطبقات من حيث دقة التنبؤ على باقي الأساليب الأخري المستخدمة.

Abstract EN

This study, using artificial neural networks, support vector machines as tools of machine learning derived from artificial intelligence(AI), multivariate discriminant analysis (MDA) and logistic regression (LR), assesses the role of financial ratios, firms' characteristics, and macroeconomic indicators in predicting financial distress among Egyptian small and medium-sized firms (SMEs).

Our empirical findings reveal that combining financial variables with the variables of firms' characteristics (age and industry) increases the accuracy of predicting financial distress among firms of this kind.

However, the inclusion of macroeconomic information has no impact on the predictive accuracy of neural networks.

Moreover, in a comparison we also assess the predictive accuracy of multilayer perceptrons (MLPs) to support vector machines (SVM), and other traditional statistical techniques.

According to the benchmarking results of the MDA, LR, SVM and MLP models, the neural network model (MLPs) outperforms MDA, LR and SVM as regards the predictive accuracy of the out-of-sample set.

American Psychological Association (APA)

Shahwan, Tamir M.& Fadil, Maisarah Ahmad. 2020. Machine learning models and financial distress prediction of small and medium-sized firms : evidence from Egypt. Journal of Alexandria University for Administrative Sciences،Vol. 57, no. 1, pp.305-344.
https://search.emarefa.net/detail/BIM-1239908

Modern Language Association (MLA)

Shahwan, Tamir M.& Fadil, Maisarah Ahmad. Machine learning models and financial distress prediction of small and medium-sized firms : evidence from Egypt. Journal of Alexandria University for Administrative Sciences Vol. 57, no. 1 (Jan. 2020), pp.305-344.
https://search.emarefa.net/detail/BIM-1239908

American Medical Association (AMA)

Shahwan, Tamir M.& Fadil, Maisarah Ahmad. Machine learning models and financial distress prediction of small and medium-sized firms : evidence from Egypt. Journal of Alexandria University for Administrative Sciences. 2020. Vol. 57, no. 1, pp.305-344.
https://search.emarefa.net/detail/BIM-1239908

Data Type

Journal Articles

Language

English

Notes

-

Record ID

BIM-1239908