ورشکستگى

دراین مقاله قدرت نسبتهای مالى جهت پیش بینى بحران مالى شرکتها مورد بررسى قرار گرفته است. براى این منظور از مدل رگرسیون چندگانه استفاده شده، مدلى جهت پیش بینى بحران مالى در شرکتهاى پذیرفته شده در بورس اوراق بهادارتهران ارائه شده است. برآورد مدل با استفاده از اطلاعات دو گروه از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران صورت گرفته است.گروه اول متشکل از 30 شرکت فاقد بحران مالى بوده، گروه دوم نیز مشابه گروه اول متشکل از 30 شرکت داراى بحران مالى بوده اند. مدل ارائه شده باتوجه به پنج نسبت بوده که نسبتهای مذکور نشاندهنده نقدینگى، سودآوری، مدیریت بدهى، مدیریت دارائى مى باشند. نتایج آماری مدل حاکى ازمتغیر بودن مدل، نسبتهای انتخاب شده بوده است. نتایج آزمون توانایى پیش بینى مدل نشان دهنده این، واقعیت است که مدل قادر است تا 3 سال قبل از بحران مالى در شرکتها، پیش بینى صحیحى درخصوص بحران مالى ارائه دهد.

درماندگى مالى،ورشکستگى، هزینه هاى زیادى به همراه دارد که به اقتصاد یک کشور صدمه وارد مى کند. یکى از راه هایى که مى تواند به جلوگیرى از درماندگى مالى کمک شایان توجهى کند، پیش بینى درماندثى مالى الست. در این پژوهش، با استفاده از شبکه هاى عصبى مصنوعى (ANN)، به پیش بینى درماندگى مالى شرکت هاى تولیدى پرداخته شده است. مرور جامعى از مدل هاى پیش بینى درماندگى مالى، شبکه هاى عصبى مصنوعى نیز ارایه شده است. به منظور بررسى اثر تفاوت ناشى از نمونه ها در ییش بینى، از روش معتبرسازى مقطعى استفاده شده است. مدل مقایسه اى استفاده شده در این پژوهش، مدل تحلیل ممیز چندگانه (MDA) است. نتایج حاصله از مدل ها، براساس اطلاعات 80 شرکت، نشان داد که مدل ANN در پیش بینى درماندگى مالى، به طور معنى دارى نسبت به مدل MDA از دقت پیش بینى بیشترى برخوردار است.