مطالب مرتبط با کلیدواژه

مدل های پیش بینی ورشکستگی


۱.

بررسی توانایی مدل‌های پیش‌بینی ورشکستگی آلتمن و اهلسون در پیش‌بینی ورشکستگی شرکت‌های پذیرفته شده در بورس اوراق بهادار(مقاله علمی وزارت علوم)

کلیدواژه‌ها: ورشکستگی مدل آلتمن نسبت مالی مدل های پیش بینی ورشکستگی مدل اهلسون تحلیل تمایزی (ممیزی) چندگانه رگرسیون لجستیک (تحلیل لوجیت)

حوزه‌های تخصصی:
تعداد بازدید : ۳۹۰۷ تعداد دانلود : ۳۷۸۸
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.
۲.

پیش بینی ورشکستگی مالی با استفاده از صورت جریان نقد: رهیافت شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: شبکه پرسپترون چند لایه شبکه عصبی مصنوعی صورت جریان وجه نقد مدل های پیش بینی ورشکستگی ورشکستگی

حوزه‌های تخصصی:
تعداد بازدید : ۴۳۹ تعداد دانلود : ۳۲۵
بحران مالی شرکت های بزرگ در دهه اخیر سبب گرایش اکثریت گروه های ذی نفع به مدل های پیش بینی ورشکستگی شده است. هدف اصلی این پژوهش ارزیابی محتوای اطلاعاتی نسبت های صورت جریان وجه نقد در تشخیص ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه عصبی مصنوعی است. جامعه آماری این پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی از سال های 1384 تا 1392 است. برای این منظور 84 شرکت شامل 42 شرکت ورشکسته و 42 شرکت سالم انتخاب شدند. شبکه عصبی این پژوهش پرسپترون سه لایه است که با روش الگوریتم پس انتشار خطا آموزش دیده است. براساس نتایج پژوهش، مدل شبکه عصبی با نسبت جریان نقدی عملیاتی به بدهی های جاری، نسبت پوشش جریان نقدی عملیاتی به بهره، نسبت بازده نقدی دارایی ها، نسبت کیفیت سود و نسبت آنی بیشترین قدرت پیش بینی را نسبت به ورشکستگی شرکت ها در ایران دارد. همچنین، یافته ها نشان می دهند که دقت پیش بینی مدل برای سال ورشکستگی 99 درصد و در مجموع مراحل ورشکستگی در یک، دو و سه سال قبل از ورشکستگی به ترتیب با دقت 91، 85 و 70 درصد است.