نسبت مالی

با گسترش روزافزون شرکتهای سهامی و متنوع شدن ساختار سرمایه آنها از یکسو و پدیدار شدن بحرانهای مالی شدید در ابعاد کلان و خرد اقتصادی از سوی دیگر، مالکان و ذینفعان مختلف بنگاهها بدنبال ایجاد پوشش و سپری برای مصون کردن خود در مقابل اینگونه مخاطرات بوده اند و این موضوع آنها را به استفاده از ابزارها و مدلهای پیش بینی کننده برای ارزیابی توان مالی شرکتها حساس و آگاه نموده است. هدف این پژوهش، نخست مقایسه دو الگوی پیش بینی ورشکستگی آلتمن و اهلسون متناسب با شرایط محیطی ایران و دوم ارائه مدل آماری مناسب جهت پیش بینی نسبتا دقیق ورشکستگی شرکت ها در یک، دو و سه سال قبل از رویداد بحران مالی شرکت ها می باشد، تا بتوان با استفاده از مدل مزبور وضعیت مالی شرکت ها و همچنین موضوع تداوم فعالیت آنها را بررسی و موجب ارتقاء کیفی تصمیم گیری سهامداران و ذینفعان مربوطه گردید. یافته های تحقیق حاکی از آن است که بدون تغییر ضرایب و متغیرهای مدل آلتمن (Altman، 1968 و مدل اهلسون(Ohlson، 1980) و همچنین استخراج مدل پیش بینی ورشکستگی طی روشهای رگرسیون چندگانه و لجستیک، در مجموع بر اساس دقت برآورد مدل های مزبور، مدل ارائه شده توسط اهلسون و مدل استخراج شده طی روش رگرسیون لجستیک، دقت بالاتری در پیش بینی ورشکستگی شرکت ها دارا می باشند.

برای بررسی وضعیت صنعت پتروشیمی کشور از میان 30 مجتمع پتروشیمی فعال عضو بورس، 18مجتمعی که دارای سال مالی هماهنگ بوده و اطلاعات صورت های مالی حسابرسی شده 6 ماهه نخست سال های 1393 و 1394 در سامانه سازمان بورس و اوراق بهادار قرار داشت، به عنوان نمونه ای از صنعت در نظر گرفته شد. نتایج حاصل از تلفیق اطلاعات صورت های مالی حسابرسی شده نمونه منتخب حاکی از افزایش تولید، کاهش فروش و افزایش ناخواسته موجود انبار است. بخش عمده ای از سرمایه گذاری بلندمدت صورت گرفته در مجتمع ها در قالب سرمایه گذاری مالی و خرید سهام سایر مجتمع های پتروشیمی با هدف افزایش تملک صورت گرفته است. علاوه بر این، توزیع سود سهام مهم ترین کانال خروج نقدینگی از بنگاه های پتروشیمی بوده که به کاهش توان صنعت در بازپرداخت بدهی ها منجر شده است. با توجه به نتایج آزمون های آماری در خصوص رابطه بین عملکرد مالی و مقیاس، صادرات گرایی و نوع خوراک مجتمع های منتخب توصیه هایی مبنی بر اصلاح ماده 90 قانون تجارت در رابطه با با توزیع سود، اصلاح آیین نامه تسهیلات و تعهدات کلان وفق بند 4 ماده 34 قانون پولی و بانکی، ارائه مجوزهای تاسیس با تاکید بر مجتمع های گازی در مناطق مرزی، ارائه چارچوبی منعطف برای قیمت گذاری خوراک گاز، اصلاح بند «ب» ماده «1» قانون هدفمند کردن یارانه ها با تاکید بر حمایت از صادرات در مجتمع ها و تسریع در اجرایی شدن ماده (30) قانون «رفع موانع تولید رقابت پذیر و ارتقای نظام مالی کشور» پیشنهاد می گردد.

یکی از موضوعات اثبات شده در علم روانشناسی، تأثیرگذاری احساسات افراد بر فرآیند تصمیم گیری و قضاوت آنان درخصوص رویدادهای آتی است. به گونه ای که هرگاه افراد دارای احساسات مثبت باشند دست به انتخاب های خوش بینانه و هنگامی که دارای احساسات منفی باشند اقدام به انتخاب های بدبینانه می نمایند. لذا گرایش های احساسی سرمایه گذاران بیانگر حاشیه میزان خوش بینی و بدبینی سهامداران نسبت به یک سهم می باشد. هدف از انجام این پژوهش بکارگیری نسبت های مالی جهت پیش بینی گرایش های احساسی سرمایه گذاران است. برای پاسخ به سوالات پژوهش از داده های مربوط به 97 نسبت مالی متعلق به 176 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1385 تا 1397استفاده شده است. به منظور استخراج نسبت های مالی تأثیرگذار از روش الگوریتم تحلیل مؤلفه همسایگی بهره گرفته شده که در نهایت منجر به انتخاب 7 نسبت گشته است. برای سنجش گرایش های احساسی سرمایه گذاران از 4 شاخص قدرت نسبی، خط روان شناسانه، حجم معاملات و نرخ تعدیل گردش سهام بهره گرفته شده که در نهایت به کمک روش تجزیه و تحلیل مولفه های اساسی اقدام به ترکیب این شاخص ها نموده ایم. نتایج حاکی از آن بوده است که نسبت های درصد تغییرات فروش، سود خالص به دارایی و نسبت تغییرات موجودی به تغییرات فروش تاثیر مثبت و معناداری بر احساسات سرمایه گذاران دارد.

پیش بینی و درک روشن از رفتار یک پدیده نقش عمده ای در اتخاذ راهبردها و تصمیم گیری ها دارد. توسعه همه جانبه و تعمیق بازار سرمایه به عنوان موتور محرکه توسعه اقتصادی، نیازمند اعتماد عمومی مشارکت کنندگان به کارایی و درستی آن در تعیین قیمت عادلانه اوراق بهادار است. از سوی دیگر، پیش بینی ارزش شرکت، نوسانات قیمت یا بازدهی سهام اهمیت زیادی در انتخاب پرتفوی، مدیریت دارایی ها و حتی قیمت گذاری سهام شرکت هایی که تازه وارد بورس می شوند، دارد. در این پژوهش با استفاده از داده های 159 شرکت طی دوره زمانی 10 ساله شامل 1399-1390 و عوامل موثر بر ارزش شرکت شامل نسبت های مالی، سازوکارهای راهبری شرکتی، عوامل اقتصاد کلان و بازار سهام اقدام به پیش بینی ارزش شرکت شده است. در این پژوهش از دو ساختار روش یادگیری عمیق شامل GRU و BLSTM جهت ارزیابی بهتر استفاده می شود. نتایج حاصل از بررسی داده های گردآوری شده با استفاده از تکنیک های یادگیری عمیق، بیانگر آن بود که مدل ترکیبی با مقدار خطای RMSE کمتری نسبت به مدل GRU ارزش شرکت را پیش بینی کرده است

 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.