توسعه مدل هوشمند ترکیبی رگرسیون و شبکه عصبی برای تحلیل کارایی شرکت‌های داروسازی در بورس اوراق بهادار تهران

Abstract

صنعت داروسازی در ایران به عنوان یکی از ارکان حیاتی نظام سلامت، همواره تحت تأثیر نوسان‌های متغیرهای کلان و فشارهای ساختاری قرار دارد. پژوهش حاضر از نظر هدف، کاربردی و از حیث ماهیت توصیفی - همبستگی و از نوع پس‌رویدادی است که با هدف ارائه مدلی هوشمند برای تحلیل و پیش‌بینی کارایی واقعی شرکت‌های داروسازی انجام شده است. رویکرد تحلیلی این مطالعه مبتنی بر یک الگوریتم دو مرحله‌ای است؛ بدین‌صورت که ابتدا از تحلیل رگرسیونی برای تبیین ساختار خطی روابط و سپس از شبکه عصبی مصنوعی برای کشف الگوهای غیرخطی پنهان در باقیمانده‌های مدل اولیه استفاده می‌شود. جامعه آماری پژوهش شامل کلیه شرکت‌های داروسازی پذیرفته‌شده در بورس اوراق بهادار تهران در قلمرو زمانی ۱۴ ساله است که با کاربست روش حذفی سامان‌مند و بر اساس کفایت داده‌های مالی و تداوم فعالیت شرکت‌ها تعداد ۲۸ شرکت به عنوان نمونه نهایی انتخاب گردید پس از آماده‌سازی داده‌ها در محیط اکسل، تحلیل استنتاجی طی دو مرحله انجام پذیرفت. نخست، جهت تبیین روابط خطی میان متغیرهای کلان و درون‌شرکتی با درآمد فروش، از نرم‌افزار استاتا استفاده می‌شود. با انتقال باقیمانده‌های مدل خطی به محیط پایتون الگوریتم شبکه عصبی پس‌انتشار خطا (با لایه پنهان هفت‌نرونی) جهت مدل‌سازی الگوهای غیرخطی اجرا می‌شود. یافته‌های پژوهش نشان می‌دهد که مدل رگرسیونی خطی به تنهایی قادر به تبیین کامل نوسان‌های فروش نیست و متغیر نرخ ارز تأثیر معناداری بر عملکرد فروش نداشته است. در مقابل، مدل هوشمند ترکیبی با شناسایی الگوهای پیچیده و غیرخطی منجر به کاهش قابل‌توجه خطای پیش‌بینی و ارتقای ضریب تعیین می‌شود. این نتایج مؤید برتری رویکرد ترکیبی نسبت به مدل‌های کلاسیک در محیط‌های پرنوسان اقتصادی است.