ارزیابی تأثیر محتوای اطلاعات حسابداری تورمی در مقایسه با اطلاعات تاریخی در طراحی مدل های پیش بینی ورشکستگی مبتنی بر رویکردهای سنتی و فرا ابتکاری (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
پیش بینی ورشکستگی بنگاه های اقتصادی یکی از شاخه های رشته مالی است که در تحقیقات اخیر بیشتر مورد توجه قرار گرفته است به گونه ای که الگوهای ورشکستگی توسعه یافته است. در عمده پژوهش های صورت گرفته در حوزه پیش بینی عملکرد مالی شرکت ها و به طور خاص، ورشکستگی، تنها به پیش بینی و یا مقایسه توان پیش بینی مدل ها با استفاده از اطلاعات تاریخی صورت های مالی پرداخته شده است. از آنجا که در ایران بیشتر از اطلاعات تاریخی حسابداری استفاده شده است هدف اصلی این پژوهش لحاظ نمودن آثار تورم بر روی متغیرهای ورودی در طراحی مدل پیش بینی ورشکستگی می باشد. لذا متغیرها در دو گروه نسبت های مالی تعدیل شده و تاریخی، در طراحی دو مدل متفاوت دسته بندی شدند، سپس با استفاده از الگوریتم لارس نسبت های گویاتر تمایز بین شرکت های ورشکسته و غیرورشکسته، انتخاب گردیدند و در نهایت با به کارگیری آزمون رگرسیون لاجیت و الگوریتم های ماشین بردار پشتیبان و نیو بیزین مدل نهایی پیش بینی کننده ورشکستگی شکل گرفت. بدین منظور داده های50 شرکت پذیرفته شده در بورس تهران براساس ماده 141 قانون تجارت برای حداقل یکسال ورشکستگی را تجربه کرده بودند، به کار گرفته شد. نتایج این پژوهش اثبات نمود که نسبت های مالی تعدیل شده بر مبنای شاخص قیمت ها پیش بینی کننده مناسب تری برای ورشکستگی شرکت ها می باشند همچنین، مدل طراحی شده توسط الگوریتم ماشین بردار پشتیبان با دقت 4/99% و برازش بالاتر نسبت به مدل های دیگر، پیش بینی کننده مناسبی برای ورشکستگی شرکت ها می باشد.Evaluating the Effect of Content of Inflation Accounting Information in Comparison with Historical Information in Designing Bankruptcy Prediction Models Based on Traditional and Meta-Innovative Approaches
Bankruptcy Prediction is one of the branches of finance that has received more attention in in recent research as bankruptcy patterns have been developed. In most of the researches in the field of Prediction the financial performance of companies and in particular, bankruptcy, only Predicting or comparing the predictive power of models using historical information of financial statements has been done. Since historical accounting information has been used more in Iran, the main purpose of this study is to consider the effects of inflation on input variables in designing a bankruptcy prediction model. Therefore, the variables in design of two different models were classified into two groups of financial ratios, adjusted and historical. Then, the ratios were identified using the LARS algorithm that had the highest ability to differentiate between bankrupt and non-bankrupt companies. Finally, the final bankruptcy prediction model was designed using the logit regression test and SVM and Naive Bayesian algorithms. For this purpose, the data of 50 companies listed on the Tehran Stock Exchange were used, which had experienced bankruptcy according to Article 141 of the Commercial Code. The results of this study indicate that the financial ratios adjusted based on the price index are more suitable predictor for corporate bankruptcy. Also, the bankruptcy prediction model designed by SVM algorithm can be a very good predictor for corporate bankruptcy with 99.4% accuracy.
تبلیغات
