Mekanisme hybrid multi-agen

Mekanisme hybrid multi-agen untuk manajemen risiko keuangan pada Perusahaan sekuritas keuangan di Taiwan telah berkembang pesat dalam beberapa tahun terakhir, dengan kemampuan untuk memberikan lebih banyak informasi bagi pengambil keputusan untuk melakukan investasi keuangan. Mereka sekarang menawarkan berbagai jenis produk keuangan, seperti saham, opsi, futures, obligasi, reksa dana, derivatif, dll. Bagi orang Taiwan, investasi saham adalah bentuk yang paling banyak diadopsi di antara semua strategi investasi. Sayangnya, pasar saham penuh dengan ketidakpastian, volatilitas, dan risiko, dan sebagian besar investor hanya menyadari bahwa perusahaan sedang menghadapi kesulitan keuangan setelah laporan keuangan negatif (yaitu, neraca, laporan laba rugi, arus kas, dan ekuitas pemilik) telah diumumkan. publik (Xu & Wang, 2009). Oleh karena itu, memprediksi secara tepat kesulitan keuangan perusahaan memainkan peran penting dalam masyarakat saat ini, karena sangat penting bagi perusahaan publik, pemangku kepentingan yang tertarik, dan bahkan ekonomi keuangan suatu negara (Chen & Du, 2009; Wanke, Barros & Faria, 2014; Lin & Hsu, 2014). Mekanisme prediksi kesulitan keuangan yang efektif membantu manajer membuat penilaian yang andal dan strategi operasi yang sesuai dengan risiko operasi terbatas, sehingga meningkatkan pendapatan masa depan dan kemungkinan pembangunan berkelanjutan (Shi, Guan & Xie, 2014). Bahkan peningkatan 1% dalam kinerja peramalan mekanisme akan membantu mencegah kerugian besar bagi perusahaan dan individu (Hand & Henley, 1997). Untuk alasan ini, memprediksi kesulitan keuangan menjadi jauh lebih penting dan menarik perhatian banyak peneliti karena pasar ekonomi melambat atau bahkan mengalami depresi (Lin, 2009).Hua, Wang, Xu, Zhang dan Liang (2007) menunjukkan bahwa kesulitan keuangan terjadi ketika perusahaan menderita kerugian yang cukup besar atau ketika perusahaan menjadi bangkrut dari total kewajiban yang lebih besar dari total asetnya. Sudah diterima secara luas bahwa perusahaan yang mengalami kesulitan keuangan memiliki manajemen utang yang buruk, anggaran modal yang tidak tepat, dan portofolio investasi yang buruk serta strategi operasi yang berbeda dengan perusahaan yang tidak mengalami kesulitan keuangan. Asumsi dasar yang mendasari peramalan kesulitan keuangan adalah bahwa laporan keuangan perusahaan dapat digunakan untuk mewakili karakteristik operasinya. Dengan demikian, banyak mekanisme peringatan keuangan telah diusulkan untuk meramalkan kesulitan keuangan dengan menerapkan analisis rasio dan data yang dikumpulkan dari laporan keuangan. Teknik yang tepat diadopsi untuk membangun model pra-peringatan adalah tugas penting lainnya yang sangat mempengaruhi kinerja peramalan model. Banyak peneliti telah menerapkan metode statistik, seperti analisis univariat, analisis multivariat, analisis diskriminan berganda, regresi berganda, regresi logistik, analisis faktor, dan regresi bertahap (Beaver, 1966; Altman, 1968; Meyer & Pifer, 1970; Deakin, 1972; Blum, 1974; Altman, Haldeman & Narayanan, 1977; Ohlson, 1980; Zmijewski, 1984; Dimitras, Zanakis & Zopounidis, 1996; Laitinen & Laitinen, 2000; Chuvakhin & Gertmenian, 2003), untuk membangun model prediksi kesulitan keuangan dan telah menunjukkan pekerjaan yang memuaskan dalam tugas peramalan. Sayangnya, asumsi ketat dari teknik statistik konvensional, seperti normalitas, linearitas, independensi di antara variabel prediktor, dan bentuk fungsional yang sudah ada sebelumnya terkait dengan variabel keputusan dan variabel kondisi, sangat memperburuk aplikasi praktisnya di dunia nyata (Hua et al., 2007). ). Dengan perkembangan besar teknologi informasi, teknik kecerdasan buatan (AI), dan teknik pembelajaran mesin (ML), bidang baru alat analisis data cerdas dalam beberapa tahun terakhir telah mulai muncul dan dengan cepat tumbuh di bawah latar belakang yang memalukan dari data yang melimpah dan pengetahuan yang buruk ( Sun & Li, 2009; Haque & Hasin, 2012). Perkembangan baru juga telah menghasilkan penelitian yang mendalam tentang mekanisme pra-peringatan untuk prakiraan krisis keuangan tanpa memenuhi asumsi statistik konvensional dan telah menunjukkan hasil yang sangat menginspirasi dalam aplikasi empirisnya. Meskipun teknik-teknik tersebut di atas dapat diterapkan untuk menilai risiko keuangan, kemampuan untuk membedakan perusahaan yang tidak mengalami kesulitan keuangan dari perusahaan yang mengalami kesulitan keuangan masih perlu ditingkatkan lebih lanjut. Motivasi untuk mekanisme multi-agen adalah untuk memanfaatkan hasil yang ditentukan oleh banyak model yang berbeda daripada hanya menggunakan satu model saja, sehingga hasil peramalan dapat kurang bias dan kemungkinan penilaian yang tidak sesuai dapat dicegah (Lin, Chang & Hsu , 2013)