درخت حوزه‌های تخصصی

Organizational loafing is the phenomenon of a person exerting less effort to achieve a goal when they work in an organizational group than when they work alone.This phenomenon is a serious problem in today's organizations.The research seeks to explain factors affecting the phenomenon of organizational loafing. First, the elites’ opinion through Delphi technique about the indicators influencing the organizational loafing including environment, human, technology, aims and structure was collected. After designing the model, the fitting as well as editing questionnaire were measured. This research which is both quantitative and qualitative designed the final model. 180 employees of the Ministry of Communications and Information Technology were randomly selected as the sample of study. Statistical analysis of research data was performed with the help of structural equation. In so doing, the questionnaire, whose validity and reliability with Cronbach's alpha equal to 834% were confirmed, was utilized to collect data. And after confirmation of normal distribution of data with the help of Smart PLS software and confirmatory factor analysis, eventually proposed model with 5 criteria and 25 indicators was approved. The results showed that the most influential factors affecting organization loafing is organization environment, followed by other indexes including aims, structure, and human factors and technology. So the managers were recommended to turn to the most important indicators affecting organizational loafing such as satisfaction, commitment and organizational culture so as to achieve efficient organizational loafing management.

پیش بینی ریسک ورشکستگی مالی یکی از مهمترین موضوعات در حوزه تصمیم گیری مالی شرکت ها است. از این جهت، تاکنون مدل های متنوعی که هرکدام از نظر متغیرهای پیش بینی کننده و تکنیک ها متفاوتند، ارائه شده اند. استفاده از ترکیب متغیرهای حسابداری و بازاری در مدل به عنوان ورودی، قطعاً بر نتایج و دقت پیش بینی ها تاثیر مستقیمی خواهد داشت. در این مطالعه، پیش بینی با استفاده از مدل ترکیبی (استفاده از متغیرهای حسابداری و بازاری ) و تکنیک شبکه های عصبی از نوع مدل پرسپترون چندلایه (MLP) صورت پذیرفت. نمونه پژوهش شامل 90 شرکت پذیرفته شده در بورس اوراق بهادار تهران (31 شرکت ورشکسته طبق ماده 141 قانون تجارت ایران و 59 شرکت غیرورشکسته) طی سال های 1393-1386 می باشد. نتایج پژوهش نشان می دهد که مدل ترکیبی (ترکیب متغیرهای حسابداری و بازاری) با استفاده از تکنیک شبکه عصبی، نسبت به هر کدام از دو مدل حسابداری و بازاری از دقت بالاتری در پیش بینی ریسک ورشکستگی مالی برخوردار است. همچنین، مدل بازاری نیز دقت بیشتری نسبت به مدل حسابداری دارد.

احتمال ورشکستگی برای شرکتهای بیمه، عاملی کلیدی است که باید مورد توجه قرار گیرد. در این تحقیق با به کار بردن روش تقریب تیمز، احتمال ورشکستگی نهایی پرتفوی بیمه های شخص ثالث یک شرکت بیمه ایرانی برآورد شد. به همین منظور، ابتدا با بهره گیری از داده های خسارتی تعدیل شده برحسب تورم سالهای 1386 تا 1392، تابع مازاد پرتفوی شرکت به عنوان یک فرایند تصادفی پواسون مرکب مدل سازی شده است. بر طبق مطالعات، بهترین توزیع برای مدل سازی توزیع شدت خسارت، از بین توزیعهای مختلف بررسی شده، توزیع گاماست. سپس ضریب تعدیل به عنوان یک پارامتر مهم ورودی تقریب تیمز با استفاده از الگوریتم دکر برآورد شده است. درنهایت، احتمال ورشکستگی با استفاده از تقریب تیمز تحت سناریوهای مختلف در خصوص مقدار مازاد اولیه برآورد شده است. نتایج تحقیق مؤید احتمال نسبتاً بالای ورشکستگی نهایی شرکت است که نشان دهنده لزوم اتخاذ سیاستهای مدیریتی به منظور کاهش این احتمال است.

یکی از مهمترین تهدیدهای پیش روی شرکتها، ریسک درماندگی و در نهایت ورشکستگی مالی است. هدف پژوهش حاضر، بررسی تأثیر تعدیل گر کیفیت سود در پیش بینی درماندگی مالی شرکت ها می باشد. بدین منظور، در محدوده زمانی 1382 تا 1391، نمونه ای مشتمل بر 41 شرکت درمانده و 41 شرکت غیردرمانده از مجموعه شرکت های پذیرفته شده در بورس اوراق بهادار تهران انتخاب شده است. ملاک گزینش شرکت های درمانده، استفاده از پنج معیار مختص درماندگی مالی می باشد. به منظور بررسی صحت تفکیک دو نمونه درمانده و غیردرمانده با استفاده از آزمون ویلکاکسون، میانگین متغیرهای مستقل دو نمونه بررسی شد و سپس برای بررسی پیش بینی درماندگی مالی از سه مدل آلتمن، اولسون، بهارات و شام وی در قالب رگرسیون لجستیک باینری استفاده شده است. یافته های حاصل از پژوهش نشان می دهد که استفاده از کیفیت سود در پیش بینی درماندگی مالی بطور معناداری دقت پیش بینی درماندگی مالی را افزایش می دهد. همچنین در مقایسه با سایر مدلها، مدل آلتمن دقت بیشتری در پیش بینی درماندگی مالی داشته و ابزار مناسب تری برای پیش بینی محسوب می شود.

ورشکستگی1 از جمله مشکلاتی است که امروزه به ویژه در کشورهای مبتنی بر اقتصاد آزاد رو به افزایش است و به طور طبیعی مقابله با آن به ویژه در ورشکستگی های گسترده شرکت های تجارتی ضروری به نظر می رسد. یکی از راه حل های مقابله با آثار منفی ورشکستگی، جلوگیری از وقوع آن بوده و امروزه با عنوان «پیشگیری2 از ورشکستگی» مورد توجه کشورها و سازمان های بین المللی قرار گرفته است. در این راستا می توان به اقدامات کمیسیون تجارت بین الملل سازمان ملل معروف به آنسیترال (کمیسیون اروپا)، و تغییر و تحولات قانون ورشکستگی ایالت متحده امریکا اشاره کرد. براساس اسناد یادشده، می توان به روش های گوناگون نظیر وضع مجازات یا مسئولیت مدنی، خودانتظامی دیون و دارایی، کمک به ورشکستگان، قرارداد جمعی یا فردی، یکسان سازی مقررات ناظر بر حقوق تجارت بین الملل[1]، وضع قوانینی جهت توسعه ثبات و رشد اقتصادی، ایجاد قانون شفاف و کارآمد در بحث ورشکستگی و اعمال کنترل، از بروز ورشکستگی پیشگیری کرد. به منظور مطالعه هدفمند، ابتدا علل ورشکستگی بررسی شده و سپس متناسب با هر علت راهکارهای پیشگیرانه ارائه می شود. بنابراین، در بخش نخست به فقدان تناسب بین دیون و دارایی به عنوان مهم ترین علت ورشکستگی و راهکارهای پیشگیرانه متناسب پرداخته، و در بخش دوم سایر علل و راهکارهای پیشگیری از آن بررسی می شود.

یکی از مهم ترین موضوع های مطرح شده در مدیریت مالی، تشخیص فرصت های مطلوب سرمایه گذاری توسط سرمایه گذاران از فرصت های نامطلوب است. یکی از راه هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد، پیش بینی ورشکستگی شرکت ها است. برای این منظور مدل های مختلفی وجود دارد. در این پژوهش جهت پیش بینی ورشکستگی شرکت های تولیدی استان کرمان، از مدل شبکه های عصبی استفاده شده است.

هدف اصلی این مقاله آزمون تجربی توانایی استفاده از نسبتهای مالی برای پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با بهره گیری از مدل لوجیت و متغیرهای مورد استفاده جوها نام بوده است. جامعه آماری شامل دو گروه مشمول ماده  141قانون تجارت و عدم مشمول این قانون است. گروه مشمول ماده 141 قانون تجارت به شرکتهایی اطلاق می شود که زیان انباشته آنها حداقل نیمی از سرمایه آنها باشد. گروه دوم شرکتهایی هستند که در دوره زمانی تحقیق، مشمول ماده مزبور نشده اند. برای آزمون مدل، اطلاعات عملکرد سالهای  1380لغایت  1383بررسی شدند. در این دوره شرکت هایی که مشمول ماده  141قانون تجارت شده اند و یا نشده اند، در جامعه آماری مدنظر قرار گرفتند.نتایج بدست آمده نشان می دهد که می توان ادعا کرد که میزان دقت مدل لوجیت در پیش بینی ورشکستگی شرکتها (اعم از مشمول و غیرمشمول ماده  (141همراه با 95 درصد اطمینان بوده است. همچنین دقت مدل لوجیت در پیش بینی ورشکستگی یک سال قبل از ورشکستگی، 92 درصد، دو سال قبل از ورشکستگی،  95درصد و سه سال قبل از ورشکستگی،  97درصد بوده است.

یکی از ابزارهای مورد استفاده برای تصمیم به سرمایه گذاری در یک شرکت، مدل های پیش بینی ورشکستگی است. هدف از این تحقیق ارایه بهترین مدل احتمال شرطی پیش بینی کننده ورشکستگی اقتصادی شرکت ها در ایران است. براساس نتایج تحقیق، مدل های پروبیت و لاجیت چهار متغیره با متغیرهای توضیحی بدهی جاری/ دارای جاری ، فروش/ سود ناخالص ، بدهی جاری / سود خالص بیشترین قدرت پیش بینی را نسبت به ورشکستگی اقتصادی شرکت ها در ایران دارا می باشند. همچنین تحقیق حاضر نشان می دهد: اولا، روند ورشکستگی اقتصادی شرکت ها در ایران، یک فرآیند تدریجی و دراز مدت نیست، بلکه شرکت ها تحت تاثیر نوسانات اقتصادی و متغیرهای سیاستی، در کوتاه مدت و در طی چند دوره مالی، دچار ورشکستگی می گردند. ثانیا، بالا بودن هزینه تولید، هزینه بهره پرداختی و بوروکراسی تولید، از اهم دلایل درون سازمانی ورشکستگی شرکت ها در اقتصاد ایران به شمار می آید. ثالثا، متغیرهای سودآوری و پوشش دهی سود شرکت نسبت به بدهی های آن بیشترین تاثیر را در جلوگیری از ورشکستگی اقتصادی شرکت ها در ایران دارا هستند.

یکی از پیشرفته ترین مدلهای پیش بینی کننده ورشکستگی، مدل «شبکه عصبی مصنوعی» است. مطابق نتایج تحقیق ساختار اصلی پرسپترون سه و چهار لایه برای پیش بینی ورشکستگی شرکتها به مدلهایی شبیه یکدیگر منتهی می شود که در این میان شبکه سه لایه از قدرت پیش بینی بیشتری نسبت به شبکه چهار لایه برخوردار است. این تحقیق نشان می دهد که «به کارگیری مدلهای مبتنی بر شبکه عصبی توانایی مدیریتهای مالی را برای مقابله با نوسانهای اقتصادی و ورشکستگی نسبت به مدلهای رقیب افزایش می دهد». پیش بینی ورشکستگی اقتصادی شرکتهای بازار بورس در سالهای 1385 و 1386 و ترسیم روند ورشکستگی این شرکتها در دورة 1369- 1386 از دیگر بخشهای این مقاله است. نتایج نشان می دهد که در سال 1385 تحت تأثیر سیاستهای شفاف سازی روند ورشکستگی اقتصادی شرکتها به طور چشمگیری افزایش خواهد یافت که با سازگارشدن شرکتها با شرایط جدید، تا حدی این روند در سال 1386 تعدیل می شود.