ترکیبات جریان نقد

پیش بینی مؤثر درماندگی مالی که پیش از ورشکستگی رخ می دهد یک مسئله ی مهم و چالش برانگیز برای شرکت ها می باشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد می پردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آنها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی مالی،کشف تقلب مدیریت، برآورد ریسک اعتباری و پیش بینی عملکرد شرکت،گسترش داده است. دراین مطالعه، ترکیبات جریان نقد شرکتهای انتخاب شده برمبنای معیارهای اختصاصی درماندگی به عنوان متغیرهای ورودی مدل به کار گرفته شده است. یافته های تحقیق حاکی از آن است که از میان توابع کرنلی، تابع چند جمله ای در سال درماندگی، یک و دو سال قبل از آن دارای بالاترین قدرت پیش بینی است

تحقیق حاضر تلاش دارد تا با تبیین مفهوم جدیدی از درماندگی مالی، بین مفاهیم درماندگی مالی و ورشکستگی تمییز قایل شده و با استفاده از ترکیبات اجزای جریان نقد به پیش بینی درماندگی مالی بپردازد. برخلاف مطالعات قبلی که همگی از ماده 141 قانون تجارت برای تفکیک شرکتها استفاده کرده اند در این تحقیق، از نشانه های مالی جدیدی برای شناسایی شرکت های درمانده استفاده شده است. در تحقیق حاضر، پیش بینی درماندگی مالی از طریق در نظر گرفتن هشداری انجام می پذیرد که علامت مثبت یا منفی خالص جریان نقد عملیاتی، سرمایه گذاری و تأمین مالی صورت جریان نقد، درباره ی وضعیت مالی آتی شرکت ها می دهد. بدین منظور از رگرسیون لجستیک باینری، برای 59 شرکت درمانده و 59 شرکت غیر درمانده با داده های زمانی 1380 تا 1389 استفاده شده است. نتایج تحقیق نشان دهنده ی مفید بودن برخی از ترکیبات جریانات نقد در ارزیابی عملکرد شرکت و پیش بینی درماندگی مالی است.

درماندگی مالی پیش از ورشکستگی مالی رخ می دهد و پیش بینی موثر آن یک مسئله ی مهم و چالش برانگیز برای شرکت ها می باشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد می پردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آن ها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی مالی، کشف تقلب مدیریت، برآورد ریسک اعتباری و پیش بینی عملکرد شرکت، گسترش داده است. دراین مطالعه، ترکیبات جریان نقد شرکت های انتخاب شده برمبنای معیارهای اختصاصی درماندگی به عنوان متغیرهای ورودی مدل به کار گرفته شده است. یافته های تحقیق حاکی از آن است از میان توابع کرنلی، تابع چند جمله ای در سال درماندگی، یک و دو سال قبل از آن دارای بالاترین قدرت پیش بینی است.