مطالب مرتبط با کلید واژه " ورشکستگی مالی "


۱.

پیش بینی ورشکستگی مالی با استفاده از مدل لوجیت مرکب

کلید واژه ها: ورشکستگی مالیلوجیت مرکبتابع مطلوبیت تصادفیضرایب تصادفی

حوزه های تخصصی:
تعداد بازدید : ۴۲۵ تعداد دانلود : ۴۱۸
برای پیش بینی ورشکستگی مالی روش های متعددی وجود دارد. یکی از این روش ها ، روش های آماری یا به عبارت بهتر، روش های اقتصادسنجی است. چون متغیر وابسته، یعنی ورشکسته شدن و ورشکته نشدن، متغیری گسسته و کیفی است، باید از مدل های گسسته برای پیش بینی استفاده کرد. در این مطالعه، از روش لوجیت مرکب استفاده شده است که یکی از روش های انعطاف پذیر در مدل های گسسته است . اساس این مدل ، تابع مطلوبیت تصادفی با ضرایب تصادفی است و با استفاده از روش حداکثر راست نمایی شبیه سازی شده است. متغیر های توضیحی، نسبت های مالی شرکت ها هستند که از مدل زیمسکی استخراج شده است . جامعه آماری، شرکت های فعال در بورس در بازه ۱۳۸۳ تا ۱۳۸۶ است که دو نمونهتصادفی، یکی برای تخمین و دیگری برای سنجش درصد موفقیت مدل انتخاب شده است. درصد موفقیت مدل، بیشتر از ۹۰ درصد مشاهده شد.
۲.

مقایسه سیستم های هوش مصنوعی (ANFIS و ANN) و رگرسیون لجیت در پیش بینی ورشکستگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران

کلید واژه ها: پیش بینیشبکه های عصبی مصنوعیANNورشکستگی مالیANFISشبکه های عصبی - فازیرگرسیون لجیت (LR)بازاریابی مالی

حوزه های تخصصی:
  1. مدیریت مدیریت صنعتی تحقیق در عملیات پژوهش عملیاتی
  2. مدیریت مدیریت مالی – حسابداری مدیریت مالی
تعداد بازدید : ۱۷۲ تعداد دانلود : ۱۷۶
بانک ها به عنوان بخش اصلی نظام مالی نقش کلیدی را در تأمین مالی بخش های مختلف اقتصادی بر عهده دارند. یکی از مهم ترین موضوع های مطرح شده در زمینه ی مدیریت مالی و بازار یابی مالی، این است که سرمایه گذاران فرصت های مناسب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهندو مدیران مدیریت مالی موثر و کارآمد در تامین منابع مالی داشته باشند. یکی از راه های کمک به سرمایه گذاران، ارائه ی الگوهای پیش بینی ورشکستگی شرکت ها است. تا به امروز تکنیک های مختلفی برای طراحی مدل های پیش بینی ورشکستگی شرکت ها مورد استفاده قرار گرفته است. از آنجا که مطالعات اخیر در زمینه ی پیش بینی ورشکستگی ، بر ایجاد و به کارگیری هوش مصنوعی و روش های یادگیری ماشینی متمرکز شده است، لذا در پژوهش حاضر به منظور پیش بینی ورشکستگی شرکت ها از شبکه های عصبی-فازی(ANFIS)و شبکه های عصبی مصنوعی(ANN) و رگرسیون لجیت(LR) به عنوان مدل مقایسه ای وبرای پیاده سازی مدل ها، از نرم افزار متلب نسخه 2015 استفاده شده است. نمونه ی تحت بررسی شامل 71 شرکت ورشکسته و 74 شرکت سالم می باشد که طی یک دوره 5 ساله از سال 1389 الی1394از بورس اوراق بهادر تهران انتخاب شده اند. یافته های تحقیق حاکی از آن است که در پیش بینی ورشکستگی شرکت ها، مدل مبتنی بر شبکه های عصبی مصنوعی(ANN) نسبت به مدل مبتنی بر شبکه های عصبی-فازی(ANFIS) و رگرسیون لجیت(LR) از دقت کلی بیشتری برخوردار است.
۳.

ارائه ی مدلی برای تعیین احتمال وجود بحران مالی در شرکت

تعداد بازدید : ۷۱ تعداد دانلود : ۶۳
هدف این مقاله، ارائه ی مدلی برای تعیین احتمال وجود بحران مالی در شرکت می باشد، تا بتوان با استفاده از مدل مزبور، وضعیت مالی شرکت ها و همچنین موضوع تداوم فعالیت آنها را بررسی کرده و در تصمیم گیری های اقتصادی از آن ها استفاده کرد. جامعه ی آماری متشکل از دو گروه شرکت شامل 30 شرکت دارای بحران و 60 شرکت فاقد بحران است. تعدادی از مهمترین متغیرهای هشدار مالی بین این دو جامعه مقایسه شده و متغیرهایی که بین این دو گروه، از نظر آماری، تفاوت معناداری داشته باشند، برای برازش یک مدل جهت محاسبه ی احتمال بحران مالی، انتخاب خواهند شد. سپس با استفاده از الگوی لاجیت، مدلی برازش می شود که توانایی محاسبه ی بحران مالی را تا 96 درصد دارا می باشد