استهدفت الدراسة قياس أثر استخدام المراجع الخارجي لأساليب التنقيب في البيانات على دقة التنبؤ بالتعثر المالي للشركات المقيدة بالبورصة المصرية مقارنة بالأساليب التقليدية. وذلك من خلال إجراء دراسة تطبيقية على عينة مكونة من (50) شركة من الشركات المقيدة في البورصة المصرية في مؤشر EGX100، بإجمالي مشاهدات (235) مشاهدة على مدار الفترة من 2018م حتى 2022م. وتناولت الدراسة كل من خوارزمية الشبكة العصبية الإصطناعية، وخوارزمية الغابة العشوائية، وخوارزمية الجار الأقرب كأحد أساليب التنقيب في البيانات، وخوارزمية الإنحدار اللوجستي كأحد الأساليب التقليدية، وذلك لقياس دقة التنبؤ بالتعثر المالي. وتم تقييم هذه الخوارزميات باستخدام ثلاثة معايير لتقييم الأداء وهم (معيار الدقة Accuracy، ومعيار Kappa، ومعيار F1.Score). وتم الاعتماد على (23) متغير مستقل للتنبؤ بالتعثر المالي، ثم تم استخلاص أهم (9) مؤشرات من بينهم تساعد المراجع الخارجي بدرجة كبيرة في التنبؤ بدقة بالتعثر المالي للشركات. بينما تم قياس التعثر المالي للشركات من خلال تحليل محتوى تقرير المراجع الخارجي للشركات محل الدراسة، حيث تم إعطاء القيمة (1) في حالة وجود تعثر مالي (عدم وجود استقرار مالي)، والقيمة (صفر) في حالة عدم وجود تعثر مالي (وجود استقرار مالي).

وتوصلت الدراسة إلى أن أساليب التنقيب في البيانات (خوارزمية الشبكة العصبية الإصطناعية، وخوارزمية الغابة العشوائية، وخوارزمية الجار الأقرب) كانت جميعها أكثر دقة في عملية التنبؤ بالتعثر المالي للشركات مقارنة بالأساليب التقليدية (خوارزمية الإنحدار اللوجستي). وأن أكثر الأساليب دقة في عملية التنبؤ كانت خوارزمية الشبكة العصبية الإصطناعية، يليها في المرتبة الثانية خوارزمية الغابة العشوائية، والمرتبة الثالثة خوارزمية الجار الأقرب، وأخيراً خوارزمية الإنحدار اللوجستي.