پیش بینی پویا درماندگی مالی: مطالعه موردی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
با توجه به شرایط اقتصادی امروز کشور، تعداد شرکت های درمانده و اهمیت درماندگی مالی روزبه روز در حال افزایش است. افزایش عوامل اقتصادی تأثیرگذار بر درماندگی مالی نیز بر پیچیدگی تصمیم گیری در سرمایه گذاری این شرکت ها افزوده است. به همین منظور رویکرد ارائه شده در این پژوهش با در نظر گرفتن انواع معیارهای مالی، امکان پویاسازی پیش بینی درماندگی مالی را برای این تصمیم گیرندگان فراهم می سازد. رویکرد معرفی شده در این پژوهش ابتدا با خوشه بندی شرکت ها در خوشه متناسب درمانده مالی و غیر درمانده به کمک روش شبکه عصبی مصنوعی، نگاشت خودسازمان ده (SOM) اقدام و سپس با بهره گیری از روش تحلیل پوششی داده ها مبتنی بر بدترین عملکرد (WPF-DEA) نسبت به پیش بینی پویا درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادر تهران اقدام گردید. با بهره گیری از روش یادشده 105 شرکت ارزیابی گردید و نتیجه ناکارایی این شرکت ها در طول 5 دوره زمانی از سال 1395 الی 1399 پیش بینی شد. مدل تحلیل پوششی داده های پویا مبتنی بر بدترین عملکرد، توان ارزیابی ناکارایی واحدهای مورد بررسی اعم از شرکت های عضو سازمان بورس و اوراق بهادار را دارا است. تحلیل پوششی داده ها توانسته است به صورت موفقیت آمیزی درماندگی مالی شرکت ها را به عنوان واحدهای تصمیم ناکارا شناسایی نمایدDynamic Prediction of Financial Distress: A Case Study
Considering the current economic conditions of the country, the number of helpless companies and the importance of financial helplessness are increasing day by day. The increase in economic factors affecting financial helplessness has also increased the complexity of investment decisions for these companies. For this purpose, the approach presented in this research, taking into account various financial criteria, provides the possibility of dynamic forecasting of Financial Distress for these decision makers. makes The approach introduced in this research is first by clustering the companies in the proportional cluster of financially helpless and non-helpless with the help of artificial neural network method, self-organizing mapping (SOM) and then by using the data envelopment analysis method based on the worst performance (WPF-DEA). A dynamic forecast of the financial helplessness of the companies admitted to the Tehran Bahadur Stock Exchange was carried out. Using the mentioned method, 105 companies were evaluated and the result of the inefficiency of these companies was predicted during 5 time periods from 2015 to 2019. The dynamic data coverage analysis model based on the worst performance has the ability to evaluate the inefficiency of the examined units, including companies that are members of the Stock Exchange and Securities Organization. Data envelopment analysis has been able to successfully identify the financial helplessness of companies as inefficient decision units.
تبلیغات
