درماندگی مالی

علی رغم تحقیقات گسترده ی انجام شده در زمینه ی پیش بینی درماندگی مالی و ورشکستگی، الگوی کامل وجامعی جهت پیش بینی درماندگی مالی که مبتنی بر تئوریهای مالی شناخته شده باشد، یافت نشده است. بنابراین تحقیقات بیشتر در این زمینه منجر به درک بهتر پدیده بحران مالی می شود که به نوبه ی خود احتمال یافتن الگوی مناسبتر جهت پیش بینی را افزایش می دهد. بدین منظور در این تحقیق تلاش شده است که متغیرهای توضیحی اثرگذار در پیش بینی درماندگی مالی از بین مجموعه متغیرهای حسابداری و بازار شناسایی شوند و سپس با استفاده از مدل کاکس الگوی پیش بینی مناسبی ارائه شود. جامعه ی آماری برای انجام این تحقیق کلیه ی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران در دوره ی زمانی 1395-1384 می باشد،که -ازبین این شرکتها،آنهایی که درتمام دوره موردبررسی به بورس اوراق بهادارتهران صورتهای مالی ارائه کرده باشند، انتخاب شدند که درمجموع تعداد آنها به219شرکت رسید. از بین 18 متغیر شناسایی شده به روش دلفی هشت متغیر در پیش بینی درماندگی مالی معنی دار شناسایی شدند. مقادیر این متغیرها برای 219 شرکت در دوره ی زمانی11 ساله محاسبه شدند که در نهایت 19536 داده سال- شرکت به منظور ارائه ی الگوی پیش بینی فراهم شد. با استفاده از مدل کاکس الگوی پیش بینی پویای درماندگی مالی شرکت های پذیرفته شده در بورس تخمین زده شد که جهت سنجش صحت و دقت تخمین از منحنی ROC و نمره یBrier استفاده شد که نتایج، صحت و دقت مدل را موردتایید قراردادند.

با توجه به شرایط اقتصادی امروز کشور، تعداد شرکت های درمانده و اهمیت درماندگی مالی روزبه روز در حال افزایش است. افزایش عوامل اقتصادی تأثیرگذار بر درماندگی مالی نیز بر پیچیدگی تصمیم گیری در سرمایه گذاری این شرکت ها افزوده است. به همین منظور رویکرد ارائه شده در این پژوهش با در نظر گرفتن انواع معیارهای مالی، امکان پویاسازی پیش بینی درماندگی مالی را برای این تصمیم گیرندگان فراهم می سازد. رویکرد معرفی شده در این پژوهش ابتدا با خوشه بندی شرکت ها در خوشه متناسب درمانده مالی و غیر درمانده به کمک روش شبکه عصبی مصنوعی، نگاشت خودسازمان ده (SOM) اقدام و سپس با بهره گیری از روش تحلیل پوششی داده ها مبتنی بر بدترین عملکرد (WPF-DEA) نسبت به پیش بینی پویا درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادر تهران اقدام گردید. با بهره گیری از روش یادشده 105 شرکت ارزیابی گردید و نتیجه ناکارایی این شرکت ها در طول 5 دوره زمانی از سال 1395 الی 1399 پیش بینی شد. مدل تحلیل پوششی داده های پویا مبتنی بر بدترین عملکرد، توان ارزیابی ناکارایی واحدهای مورد بررسی اعم از شرکت های عضو سازمان بورس و اوراق بهادار را دارا است. تحلیل پوششی داده ها توانسته است به صورت موفقیت آمیزی درماندگی مالی شرکت ها را به عنوان واحدهای تصمیم ناکارا شناسایی نماید

هدف اصلی پژوهش تبیین تأثیر درماندگی مالی بر ناهنجاری در سودهای گزارش شده در شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. برای این منظور اطلاعات صورت های مالی 147 شرکت در دوره زمانی 1401-1390 گردآوری شده است. برای آزمون فرضیه ها از رگرسیون چند متغیره با داده های تابلویی استفاده شده است. برای درماندگی مالی از معیار آلتمن تعدیل شده استفاده گردید. برای ناهنجاری در سودهای گزارش شده از معیار جونز تعدیل شده و شاخص ایکل استفاده شد. نتایج حاصل از آزمون فرضیه اول پژوهش نشان می دهد که معیار درماندگی مالی بر معیار نخست - جونز تعدیل شده -ناهنجاری در سودهای گزارش شده تأثیر معناداری ندارد. نتایج حاصل از آزمون فرضیه دوم پژوهش نشان می دهد که معیار درماندگی مالی بر معیار دوم - شاخص ایکل - ناهنجاری در سودهای گزارش شده تأثیر معناداری دارد. نتایج حاصل از آزمون فرضیه دوم پژوهش نشان می دهد که معیار درماندگی مالی بر معیار دوم - شاخص ایکل - ناهنجاری در سودهای گزارش شده تأثیر معناداری دارد.

توانایی شرکت در ایجاد جریان وجوه نقد، در ارزش سهام و بازده آن منعکس می شود، لذا پیش بینی جریان وجوه نقد شرکت ها به سرمایه گذاران کمک می نماید تا بازده سهام آن را پیش بینی نمایند. هدف پژوهش، ارائه الگویی جهت ارزیابی عملکرد شرکت ها باتوجه به رابطه جریان های نقدی با بازده سهام در شرایط درماندگی و عدم درماندگی مالی می باشد. جامعه آماری پژوهش، شرکت های پذیرفته شده در بورس اوراق بهادار تهران بوده که ۱۹۷ شرکت در دوره زمانی ۱۴۰۰-۱۳۹۱ به عنوان نمونه انتخاب و برای انجام تحلیل های آماری از روش رگرسیون خطی چندگانه استفاده شده است. یافته های آماری نشان می دهد که متغیر مستقل وجه نقد اثر مستقیمی بر متغیر وابسته بازده سهام در شرکت های درمانده ندارد، ولی در شرکت های غیر درمانده معنادار می باشد. درشرکت های درمانده متغیرهای مستقل (جریان های نقد: عملیاتی، آزاد، حقوق صاحبان سهام و سرمایه ای) و کنترلی (اندازه شرکت، اهرم مالی، کیوتو بین) با بازده سهام رابطه معنادار ندارد. ولی در شرکت های غیر درمانده بازده سهام رابطه معنادار و معکوس با جریان نقد آزاد و رابطه معناداری با سایر متغیرهای مستقل ندارد. پس از طریق رابطه بازده سهام و جریان نقد آزاد می توانیم به ارزیابی شرکت ها در شرایط عدم درماندگی مالی بپردازیم. علاوه بر این، برای تشخیص شرکت های درمانده و سالم از مدل کردستانی و تاتلی که مدل های استخراج شده از آن، بهترین متغیرهای توضیحی در روش تحلیل ممیزی و لوجیت، در سطح دقت ۹۳ % بوده که در ایران کاربرد بیشتری دارد، بهره برده شده است که حاکی از عدم وجود رابطه معنادار بین وجه نقد و بازده سهام در شرکت های درمانده می باشد.

هدف: این پژوهش بر آن است که با اضافه کردن متغیرهای مربوط به شبکه مالی، عملکرد الگوی درخت تصمیم تقویت گرادیان را که شاخص هایش با الگوریتم بهبودیافته گرگ خاکستری بهینه شده است، با الگو های منتخب در حوزه پیش بینی درماندگی مالی ارزیابی کند.روش: الگوی پیشنهادی این پژوهش روی داده های 123 شرکت تولیدی پذیرفته شده در بورس و فرابورس ایران در بازه زمانی 2015 تا 2021 اجرا شد. ابتدا شبکه مالی تشکیل شد و سپس با ترکیب متغیرهای مبتنی بر شبکه با برخی نسبت های مالی و با استفاده از الگوی درخت تصمیم تقویت گرادیان که شاخص های آن با الگوریتم بهبودیافته گرگ خاکستری بهینه شده است، درماندگی مالی شرکت ها پیش بینی شد.نتایج: الگوی درخت تصمیم تقویت گرادیان با اضافه شدن متغیرهای مربوط به شبکه مالی هم ازنظر دقت و هم ازنظر خطای نوع یک عملکرد بهتری در مقایسه با دو الگوی k نزدیک ترین همسایه و رگرسیون لجستیک از خود نشان داد. شرکت های با مرکزیت بینابینی و مرکزیت درجه زیاد، کمتر مستعد قرارگرفتن در شرایط درماندگی مالی هستند و برعکس. در شرایطی که نسبت فراوانی نمونه های هر طبقه از طبقات دیگر بسیار متفاوت باشد، استفاده از روش درخت تصمیم تقویت گرادیان بسیار کارآمد خواهد بود.نوآوری: برای نخستین بار متغیرهای مربوط به شبکه مالی با نسبت های مالی، ترکیب شد و ازطریق روش نوین درخت تصمیم تقویت گرادیان که شاخص هایش با الگوریتم گرگ خاکستری بهبودیافته بهینه شده، درماندگی مالی پیش بینی شد.

اهداف: با توجه به پیامدهای نامطلوب اقتصادی و اجتماعی ورشکستگی شرکت ها و اهمیت پیش بینی به موقع درماندگی مالی آنها برای انجام اقدامات اصلاحی، نگارنده در این پژوهش به بررسی پژوهش های مرتبط با مدل های پیش بینی درماندگی مالی و ورشکستگی در ایران و سایر کشورها می پردازد.روش: این مقاله پژوهشی مروری است که با بررسی 102 پژوهش در ایران و 298 پژوهش در سایر کشورها طی سال های 2023-1930، به تشریح نظریه ها و و تحلیل ماهیت، روند، ترکیب و گستره زمانی استفاده از مدل ها و تکنیک های پیش بینی درماندگی مالی و ورشکستگی می پردازد و پیشنهادهای اجرایی و پژوهشی نوینی را ارائه می کند.نتایج: نتایج پژوهش نشانگر روند افزایشی این پژوهش ها در ایران و روند کاهشی آن در سایر کشورها است. ترکیب مدل ها و تکنیک های به کاررفته در سایر کشورها متنوع تر از ایران است و مدل ها و تکنیک های هوشمند مبتنی بر محاسبات تکاملی به متداول ترین و دقیق ترین تکنیک ها تبدیل شده است. پیشنهادها نیز شامل تنوع بخشیدن به تکنیک های پیش بینی، تأکید بر مدل های مبتنی بر الگوریتم های محاسبات تکاملی، توجه به ضرورت پیش بینی های مجدد پس از بحران، توسعه مدل های ویژه برای شرکت های کوچک و متوسط، تفکیک معیارهای تشخیص درماندگی مالی و ورشکستگی در بورس تهران، انجام پیش بینی های پویا و توسعه مدل های تخصصی تر برای افزایش دقت پیش بینی ها است.نوآوری: نوآوری این پژوهش شامل ارائه بینش تحلیلی پویا، اطلاعاتی به روز تر و جامع تر، رفع نقایص منسوخ بودن و محدودیت موضوعی و زمانی پژوهش های قبلی، پوشش بهتر و بررسی جداگانه پژوهش های ایرانیان و مقایسه این پژوهش ها در ایران با سایر کشورها و ارائه توصیه هایی کاربردی و پژوهشی جدید براساسِ نتایج تحلیل جامع است. 

هدف: درماندگی مالی می تواند ریسک سرمایه گذاری را برای سرمایه گذاران افزایش دهد، لذا بررسی صورت های مالی توسط فردی مستقل الزامی به نظر خواهد رسید. ازاین رو هدف پژوهش حاضر بررسی رابطه بین درماندگی مالی و حق الزحمه حسابرسی است. هم چنین به بررسی اثر اندازه شرکت در این رابطه نیز می پردازد. هرچه شرکت ها بزرگ تر یا کوچک تر باشند، می توانند در این رابطه تاثیرگذار باشند.روش شناسی پژوهش: برای آزمون دو فرضیه این پژوهش از رگرسیون خطی چند متغیره استفاده شد. جامعه آماری 130 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1392 تا 1401 بوده است (1300 مشاهده سال-شرکت). برای سنجش درماندگی مالی از مدل آلتمن [1] استفاده شده است.یافته ها: نتایج پژوهش وجود ارتباط مثبت و معناداری بین درماندگی مالی و حق الزحمه حسابرسی را نشان می دهد. نتایج نشان داد اندازه شرکت می تواند رابطه بین درماندگی مالی و حق الزحمه حسابرسی را تعدیل می کند. نتایج آزمون های اضافی مبین این است که تفاوت بین اندازه شرکت یعنی بزرگ و کوچک و متوسط دارای تفاوت معناداری در این رابطه می باشد.اصالت/ارزش افزوده علمی: زمانی که شرکت ها دچار درماندگی مالی می شوند، به حسابرسان جهت کاهش هزینه خود فشار می آورند تا حق الزحمه های خود را کاهش دهند. این دستاورد پژوهش می تواند به استفاده کنندگان صورت های مالی و حسابرسان دانش مهمی را منتقل کند.

درماندگی مالی پیش از ورشکستگی مالی رخ می دهد؛ پیش بینی درماندگی مالی شرکت ها، یکی از مهمترین مباحث پیش روی مدیران است و می تواند به موفقیت و تداوم حیات شرکت ها کمک زیادی بکند؛ زیرا با ارائه سیگنال های هشدار برانگیز و به موقع می تواند مدیران شرکت ها را نسبت به وقوع درماندگی مالی و ورشکستگی آگاه نماید؛ بنابراین هدف پژوهش حاضر، به مطالعه و ارزیابی پیش بینی درماندگی با استفاده از الگوریتم سیستم ایمنی مصنوعی می پردازد. جامعه آماری شامل شرکت های پذیرفته شده در بورس اوراق بهادار تهران و نمونه استفاده شده شامل 164 شرکت درمانده و سالم بوده در بازه زمانی بین سال های 1385-1399 می باشد. متغیرهای پیش بینی براساس نسبت هایی انتخاب شدند که در نتایج تحقیقات قبلی به عنوان متغیرهای اصلی پیش بینی در مدل پیش بینی آن ها ارائه شدند. در این تحقیق داده های جمع آوری شده با استفاده از نرم افزار EXCEL تلخیص و سپس متغیرها محاسبه می شود. پیش از اجرای الگوریتم AIRS یک تحلیل آماری با استفاده از نرم افزار PYTHON جهت انتخاب متغیرهایی که دارای اهمیت بیشتری برای پیش بینی درماندگی دارند انجام می شود. درماندگی مالی دارای ماهیت کیفی و مقیاس سنجش اسمی است. در اندازه گیری این متغیر، به شرکت های درمانده مالی عدد یک و به شرکت های غیر درمانده مالی، عدد صفر تخصیص داده می شود. برآیند حاصل از بررسی های این پژوهش نشان داد که نتایج مستخرج شده از پیش بینی های صورت گرفته توسط مدل و مقایسه آن با واقعیت در سطح دقت کلی 86 درصد توانایی شناسایی شرکت های درمانده و سالم را دارد. ویژگی هایی که این تحقیق را از سایر تحقیقات مرتبط با این موضوع متمایز می کند، استفاده از 5 معیارهای مختص درماندگی (نه معیارهای ورشکستگی) جهت تفکیک شرکت های درمانده از سالم، و به عنوان یک نوآوری نسبت به مطالعات پیشین می باشد.