پیش بینی ورشکستگی و راهبری شرکت ها: دیدگاه نسبت های مالی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانش آموخته گروه حسابداری، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران

2 دانشیار گروه مدیریت، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران(نویسنده مسئول)

چکیده

پیش­بینی ورشکستگی در مطالعات و مقالات موجود در حوز­ های حسابداری و  مدیریت بسیار مورد بحث واقع شده­است و مطالعات فراوانی در رابطه با روش­های تجربی بهتر برای پیش­بینی ورشکستگی انجام شد­ه­است. هدف تحقیق حاضر استفاده از نسبت­های مالی و شاخص­های راهبری شرکتی برای پیش­بینی ورشکستگی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران است. پژوهش حاضر به لحاظ هدف، بنیادی و از نظر روش تحقیق توصیفی از نوع همبستگی می­باشد. در پژوهش حاضر ورشکستگی شرکت­ها به عنوان متغیر وابسته و تعداد40 شاخص در پیش­بینی ورشکستگی در دو گروه 31 تایی نسبت­های مالی و 9 تایی شاخص­های راهبری شرکت به عنوان متغیر مستقل مورد استفاده قرار گرفته­شده­است. در این پژوهش نسبت به مقایسه چهار مدل پیش­بینی معروف شامل مدل ماشین­بردار، شبکه­های عصبی مصنوعی، شبکه های عصبی مصنوعی بهینه­سازی شده با الگوریتم ژنتیک و رگرسیون لاجیت اقدام شده است که نهایتا شبکه عصبی مصنوعی بهینه­شده با الگوریتم ژنتیک بهترین کارایی را نسبت به سایر مدل­ها از خود نشان داد. همچنین با مقایسه ویژگی نسبت­های مالی و شاخص­های راهبری، نسبت­های مالی خود را به عنوان ویژگی­های تاثیرگذار و ارزشمندتری برای پیش­بینی ورشکستگی نشان­دادند. چنانچه دقت تخمین به ازای نسبت­های مالی در بالاترین سطح خود قرار دارند که در پایان می­توان نتیجه­گرفت که بهترین مدل برای پیش­بینی ورشکستگی مدل استفاده از نسبت­های مالی در شبکه عصبی مصنوعی بهینه­شده با الگوریتم ژنتیک می باشد. این الگوریتم بیشترین دقت را بدست آورده­است و خطای آن کمینه است و می­توان آن­را بعنوان یک مدل قابل اعتماد، پایدار و عملی در نظر گرفت.
 
 

کلیدواژه‌ها

عنوان مقاله [English]

Bankruptcy prediction and Corporate Governance: Financial Ratio Approach

نویسندگان [English]

  • Masoud Haji Hashem 1
  • Zahra Amirhosseini 2
1 Graduated M.A, Department of Accounting, Shahr-e-Qods Branch, Islamic Azad University, Tehran, Iran. Email
2 Associate Professor, Department of Management, Shahr-e-Qods Branch, Islamic Azad University, Tehran, Iran. (Corresponding Author)
چکیده [English]

Bankruptcy prediction in studies and articles in the areas of Accounting and Management are discussed and many studies on the experimental method is more effective for bankruptcy prediction was carried out. The aim of this study is to compare the financial and indicators of corporate governance for bankruptcy prediction of companies listed on Tehran stock exchange. As the sample were selected variables into two categories that bankruptcy as the dependent variable and the number of 40 indicators or factors affecting predicted the crisis or financial distress in two groups of 31 rats financial ratios and 9-indices corporate governance as an independent variable used is taken. In this study we compare the 4 methods famous prediction models vector machines, artificial neural networks, artificial neural networks optimized by genetic algorithm and logit regression action. Which ultimately artificial neural network optimized by the genetic algorithm works best compared to other models showed. It also has a feature comparison ratios and financial indices of governance, Ratios your finances as characteristics of effective and valuable for predicting bankruptcy showed. The precision of the estimates for properties Ratios Financial is the highest level. At the end it can be concluded that the best model for bankruptcy prediction is the use of ratios financial artificial neural network optimized algorithms Genetics is. This algorithm has the highest accuracy achieved and error is minimal. Therefore it could make it as a model of reliable, sustainable and practical.

کلیدواژه‌ها [English]

  • Bankruptcy Prediction
  • Financial Ratios
  • Corporate Governance

مراجع

*       اسمعیلی، سهیلا و گوگردچیان، احمد. (1396). پیش­بینی ورشکستگی مالی بااستفاده از صورت جریان نقد: رهیافت شبکه عصبی مصنوعی. مدیریت فرهنگ سازمانی، دوره 15.، شماره 4.صص879-901.
*       بحیرایی، علیرضا. اعتمادی، کیوان و گرامی اصل، امیر. (1395). پیش بینی ورشکستگی مالی شرکتهای پذیرفته8 شده در بورس اوراق بهادار تهران با استفاده از  ANN, LOGIT, ANFIS . تحقیقات بازاریابی نوین. دوره 6.  شماره 2. شماره پیاپی 21. ص 153-166.
*       رهنمای رودپشتی، فریدون؛ علی خانی، راضیه؛ مران جوری، مهدی. (1388). بررسی کـاربرد مـدل ­های پیش بینی ورشکستگی آلـتمن و فـالمر در بـورس اوراق بهـادارتهران، فصـلنامه بررسـی­هـای حسابداری و حسابرسی، شماره 55.
*       رهنمای رودپشتی، فریدون؛ نیکومرام، هاشم؛ شاهوردیانی، شادی. (1390)، مدیریت مـالی راهبـردی ارزش آفرینی، انتشارات حکیم باشی.
*       ظهری، مریم و افشار کاظمی، محمدعلی. (1391). طراحی مدل پیش بینی ورشکستگی شرکتها به وسیله شبکه عصبی فازی(شرکتهای بورس اوراق بهادار تهران). مهندسی مالی و مدیریت اوراق بهادار. دوره 4. شماره 13. ص 51-72.
*       فیروزیان، محمود.، جاوید، داریوش و نجم الدین، نرگس (1390). کاربرد الگوریتم ژنتیک در پیش بینی ورشکستگی و مقایسه آن با مدل Z آلتمن در شرکت های پذیرفته شده در بورس اوراق بهادار تهران. بررسی­های حسابداری و حسابرسی. دوره 18. شماره 65.  ص 99- 114.
*       کردستانی، غلامرضا؛ تاتلی، رشید و کوثری فر، حمید. (1393). ارزیابی توان پیش بینی مدل تعدیل شده آلتمن از مراحل درماندگی مالی نیوتن و ورشکستگی شرکتها، دانش سرمایه گذاری، سال سوم، شماره 9، ص 99-83.
*       گرگی زاده، مجید.، جعفری پور، میثم و دشمن زیاری. (1393). اراثه مدل پیش بینی ورشکستگی مبتنی بر الگوریتم ژنتیک در شرکت های پذیرفته شده در بورس اوراق بهادار تهران.فصلنامه پژوهش های نوین حسابداری. دوره 2. شماره 4.  صص81-92.
*       وظیفه دوست، حسین و زنگنه، طیبه. (1394). ارائه مدل پیش بینی ورشکستگی شرکت های بورس اوراق بهادار تهران مبتنی بر مدل ترکیبی شکبه عصبی گروهی دستکاری داد ها و الگوریتم ژنتیک. پژوهش های مدیریت راهبردی. دوره 21. شماره 57. ص 83-100.
*       Altman, E. Iwanicz-Drozdowska, M., Laitinen, E.K., and Suvas, A. (2017), Financial Distress Prediction in an International Context: A Review and Empirical Analysis of Altman's Z-Score Model. Journal of International Financial management and Accounting, Vol 28 (2) pp. 131-171.
*       Kim, M.J., Kang, D. K., (2012).classifiers selection in ensembles using genetic algorithms for bankruptcy prediction. Expert systems with Applications,39,9308-9314.
*       Liang,D., Lu. SH., Tsai. CH. & Shih. G. (2016)” Financial rations and corporate govermance indicators in bankruptcy predicthon”European journal of operational reaserch.Vol. 252., No. 2. pp.561-572
*       Lundqvist, D., & Strand, J. (2013). Bankruptcy Prediction with Financial Ratio-Examining Differences across Industries and Time. Lund University Publications Student Paper
*       Olson, D. L., Delen, D. & Meng. Y. (2012). Comparative analysisi of data mining methods for bankruptcy prediction. Dicisions Support Systems. Vol. 52., No.2. pp. 464-473
*       Premachandra. I.M., Chen. Y. and Watson. J. (2011). DEA as a tool for predicting corporate failure and success: a case of bankruptcy assessment, Omega. Vol. 39. Pp. 620-626.
دانش حسابداری و حسابرسی مدیریت
دوره 8، شماره 30
تیر 1398
صفحه 201-220

فایل ها

هم رسانی

ارجاع به این مقاله

آمار