دانشگاه آزاد اسلامی
واحد اراک
دانشکده مدیریت، گروه حسابداری
پایان نامه برای دریافت درجه کارشناسی ارشد
گرایش: حسابداری
عنوان:
پیش بینی وقوع بحران مالی در بازار سرمایه ایران با استفاده از تکنیک تحلیل پوششی داده ها
( بررسی مقایسه ای با مدلهای اسپرین گیت، آلتمن، اهلسون، زیمسکی، شیراتا)
استاد راهنما :
دکتر مجید زنجیردار
استاد مشاور:
دکتر داریوش اکبریان
نگارش:
الهام درجاتی
زمستان 1389
Islamic Azad University
Arak Branch
Faculty of Management-Department of Accounting
((M.A)) Thesis
Subject:
Financial Distress Prediction using Data Envelopment Analysis Technique (DEA) in Iran Stock Market( A Comparative Study with Speringate, Altman, Ohlson, Zmijeski, Shirata models)
Thesis Advisor:
M.Zngirdar. Ph.D.
Consulted by:
D.Akbarian. Ph.D.
By:
Elham Darajaty
Autumn 2010
دانشگاه آزاد اسلامی
واحد اراک
دانشکده مدیریت، گروه حسابداری
پایان نامه برای دریافت درجه کارشناسی ارشد
گرایش: حسابداری
عنوان:
پیش بینی وقوع بحران مالی در بازار سرمایه ایران با استفاده از تکنیک تحلیل پوششی داده ها
( بررسی مقایسه ای با مدلهای اسپرین گیت، آلتمن، اهلسون، زیمسکی، شیراتا)
نگارش:
الهام درجاتی
زمستان 1389
هیات داوران:
1- استاد راهنما: دکتر مجید زنجیردار
2- استاد مشاور: دکتر داریوش اکبریان
3- استاد داور: دکتر محمد صادق حری
4- مدیر گروه تخصصی: دکتر مجید زنجیردار
چکیده: 1
مقدمه: 2
فصل اول: کلیات تحقیق
1-1 مقدمه 4
2-1 بیان مسئله 5
3-1 اهمیت و ضرورت موضوع تحقیق 6
4-1 اهداف تحقیق 8
1-4-1 اهداف اصلی 8
2-4-1 اهداف فرعی(ویژه). 8
5-1 چارچوب نظری تحقیق 9
6-1 مدل تحقیق و شیوه ی اندازه گیری متغییر ها 13
1-6-1 الگوی مبتنی بر تحلیل پوششی داده ها 15
2-6-1 الگوی اسپرین گیت: 16
3-6-1 الگوی آلتمن 16
4-6-1 الگوی اهلسون 16
5-6-1 الگوی زیمسکی 16
6-6-1 الگوی شیراتا 17
7-6-1 الگوی اسپرینگیت با استفاده از امتیاز کارایی 17
8-6-1مدل مبتنی بر الگوی آلتمن با امتیاز کارایی 17
9-6-1 مدل اهلسون با امتیاز کارایی 17
10-6-1مدل زیمسکی با امتیاز کارایی 17
11-6-1 مدل شیراتا با امتیاز کارایی 17
7-1 فرضیات تحقیق: 17
8-1 متغیرهای عملیاتی تحقیق 19
9-1 تعریف واژه ها و اصطلاحات 19
فصل دوم: مروری بر ادبیات تحقیق
1-2 مقدمه 24
2-2 تعاریف ورشکستگی 25
1-2-2پریشانی مالی 25
2-2-2 قابلیت نقدشوندگی ضعیف(درماندگی): 26
3-2-2 نکول: 26
4-2-2 ورشکستگی 27
3-2مراحل درماندگی مالی 27
4-2-هزینه های ورشکستگی 28
5-2 تاثیرهزینه های ورشکستگی بر ساختار سرمایه 30
6-2 دلایل ورشکستگی 32
1-6-2 دلایل برون سازمانی 32
2-6-2 دلایل درون سازمانی 33
7-2 ابزارهای شناسایی عوامل ورشکستگی 37
1-7-2 تحلیل روند: 37
2-7-2 تحلیل عملیات حسابداری 37
3-7-2 تحلیل مدیریت 39
8-2 انواع شکست 40
9-2 بررسی قانون ورشکستگی در ایران 40
10-2بررسی قانون ورشکستگی در برخی کشورها 41
11-2 قوانین ورشکستگی و عجز از پرداخت دیون در دنیای امروز 42
12-2 تاریخچه بورس و اوراق بهادار در جهان 42
13-2 تاریخچه بورس و اوراق بهادار تهران 43
14-2 تعریف بورس اوراق بهادار 45
15-2 مروری بر انواع شرکت های پذیرفته شده در بورس اوراق بهادار تهران 46
1-15-2 شرکت های سرمایه گذاری با سرمایه متغیر 46
2-15-2 شرکت های سرمایه گذاری با سرمایه ثابت 47
3-15-2 صندوق های سرمایه گذاری غیرفعال 47
4-15-2 شرکت مادر 48
5-15-2 شرکت های فعالیت تنوعی 48
16-2 مفهوم پیش بینی 49
17-2 مفهوم تصمیم گیری 49
18-2 پیش بینی مقدمه ای بر تصمیم گیری استفاده کنندگان اطلاعات مالی 51
19-2فرض تداوم فعالیت 51
1-19-2استانداردهای حسابداری مربوط به فرض تداوم فعالیت 53
2-19-2 برقرار نبودن فرض تداوم فعالیت 54
20-2 تجزیه و تحلیل صورتهای مالی، نسبت های مالی و کاربرد آنها 55
21-2 ارزیابی تداوم فعالیت با کمک نسبتهای مالی و مدلهای پیش بینی ورشکستگی 56
22-2 تحلیل پوششی داده ها 57
23-2 انواع مدلهای تحلیلی پوششی داده ها 58
1-23-2 مدل CCR 58
2-23-2 مدل BCC 59
24-2 مدلها و روشهای پیش بینی وقوع درماندگی مالی و ورشکستگی 60
1-24-2 مدل بیور 60
2-24-2 مدل آلتمن 61
3-24-2 مدل دی کین 64
4-24-2 مدل اسپرینگیت 64
5-24-2 مدل اوهلسون 64
6-24-2 مدل زمیسکی 65
7-24-2 مدل فالمر 65
8-24-2 مدل CA-Score 66
9-24-2مدل گرایس 67
10-24- 2مدل زاوگرن 67
11-24-2 مدل SAF 69
12-24-2 مدل Thai DA 69
13-24-2 مدلهای پیش بینی هوش مصنوعی 70
14-24-2 درخت های تصمیم 72
15-24-2 الگوریتم ژنتیک (GA) 73
16-24-2 تئوری مجموعه فازی 74
17-24-2 تحلیل پوششی داده ها 74
18-24-2 استدلال مبتنی بر مورد 75
19-24-2 مجموعه ناهموار 76
20-24-2 روش ماشین بردار پشتیبان 76
25-2 پیشینه تحقیق: 77
1-25-2 تحقیقات داخلی 77
2-25-2 تحقیقات خارجی 83
فصل سوم: روش اجرای تحقیق
1-3 مقدمه 92
2-3 روش تحقیق 92
3-3 جامعه مطالعاتی 93
1-3-3 معیار تعیین درماندگی مالی 93
2-3-3 انتخاب شرکت های درمانده 94
3-3-3 انتخاب شرکت های سالم 94
4-3 حدود مطالعاتی 94
1-4-3 قلمرو موضوعی 95
2-4-3 قلمرو مکانی 95
3-4-3 قلمرو زمانی 95
5-3 روش و ابزار گردآوری اطلاعات 95
6-3 روش تجزیه وتحلیل داده ها 96
فصل چهارم: تجزیه و تحلیل داده ها
1-4 مقدمه 101
2-4 تحلیل توصیفی متغیر های تحقیق 101
3-4 تجزیه و تحلیل استنباطی فرضیات پژوهشی 102
2-3-4 تجزیه تحلیل و آزمون فرضیه 2: 106
3-3-4 تجزیه تحلیل و آزمون فرضیه 3: 110
4-3-4 تجزیه تحلیل و آزمون فرضیه 4: 114
5-3-4 تجزیه تحلیل و آزمون فرضیه 5: 118
6-3-4 تجزیه تحلیل و آزمون فرضیه 6: 121
7-3-4 تجزیه تحلیل و آزمون فرضیه 7: 125
8-3-4 تجزیه تحلیل و آزمون فرضیه 8 : 130
9-3-4 تجزیه تحلیل و آزمون فرضیه 9: 133
10-3-4 تجزیه تحلیل و آزمون فرضیه 10: 137
11-3-4 تجزیه تحلیل و آزمون فرضیه 11 : 140
12-3-4 تجزیه تحلیل و آزمون فرضیه 12: 143
13-3-4 تجزیه تحلیل و آزمون فرضیه 13: 144
14-3-4 تجزیه تحلیل و آزمون فرضیه 14: 145
15-3-4 تجزیه تحلیل و آزمون فرضیه 15: 146
16-3-4 تجزیه تحلیل و آزمون فرضیه 16: 148
17-3-4 تجزیه تحلیل و آزمون فرضیه 17: 149
18-3-4 فرضیه تجزیه تحلیل و آزمون 18: 150
19-3-4 تجزیه تحلیل و آزمون فرضیه 19 : 152
20-3-4 تجزیه تحلیل و آزمون فرضیه 20: 153
21-3-4 تجزیه تحلیل و آزمون فرضیه 21: 155
فصل پنجم: نتیجه گیری و پیشنهادات
1-5 مقدمه 160
2-5 ارزیابی و تشریح نتایج آزمون فرضیه ها 160
1-2-5 فرضیه اول: 160
2-2-5 فرضیه دوم 161
3-2-5 فرضیه سوم 161
4-2-5 فرضیه چهارم 162
5-2-5 فرضیه پنجم 163
6-2-5 فرضیه ششم 163
7-2-5 فرضیه هفتم 164
8-2-5 فرضیه هشتم 164
9-2-5 فرضیه نهم 165
10-2-5 فرضیه دهم 166
11-2-5 فرضیه یازدهم 166
12-2-5 فرضیه دوازدهم 167
13-2-5 فرضیه سیزدهم 167
14-2-5 فرضیه چهاردهم 168
15-2-5 فرضیه پانزدهم 168
16-2-5 فرضیه شانزدهم 168
17-2-5 فرضیه هفدهم 169
18-2-5 فرضیه هیجد هم 169
19-2-5 فرضیه نوزدهم 170
20-2-5 فرضیه بیستم 170
21-2-5 فرضیه بیست یکم 171
3-5 نتیجه گیری کلی تحقیق 171
4-5 پیشنهادهایی مبتنی بر یافته های تحقیق 172
5-5 پیشنهادهایی جهت تحقیقات آتی 172
6-5 محدودیت های تحقیق 173
پیوست ها
منابع و ماخذ 197
منابع فارسی: 198
منابع لاتین: 203
جدول (1-1): تحقیقات مرتبط با طراحی الگوهای پیش بینی درماندگی مالی و ورشکستگی 10
جدول (2-2 ): دلایل ورشکستگی (رهنمای رودپشتی و دیگران ،1385،ص 454)2. 36
جدول 2-2 نسبت ها و اهمیت نسبت آنها در الگوی والاس 71
جدول (1-4) : مجموعه حالات مورد انتظار بررسی الگوهای بحران مالی 103
جدول (2-4) : معرفی کدینگ متغیر وابسته 103
جدول (3-4): آماره های توصیفی در خصوص متغیر کارایی 104
جدول (5-4): آزمون معنی دار بودن مدل های رگرسیونی مدل اسپرین گیت 107
جدول (6-4): نتایج آماره های نیکویی برازش مدل اسپرین گیت 107
جدول (7-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اسپرین گیت 108
جدول (8-4): نتایج بررسی ضرایب رگرسیونی مدل اسپرین گیت 109
جدول (9-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اسپرین گیت طی دو سال مورد بررسی : 110
جدول (10-4): آزمون معنی دار بودن مدل های رگرسیونی مدل آلتمن 111
جدول (11-4): نتایج آماره های نیکویی برازش مدل آلتمن 111
جدول (12-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل آلتمن 112
جدول (13-4): نتایج بررسی ضرایب رگرسیونی مدل آلتمن 113
جدول (14-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل آلتمن طی دو سال مورد بحث 114
جدول (15-4): آزمون معنی دار بودن مدل های رگرسیونی مدل اهلسون 114
جدول (16-4): نتایج آماره های نیکویی برازش مدل اهلسون 115
جدول (17-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اهلسون 115
جدول (18-4): نتایج بررسی ضرایب رگرسیونی مدل اهلسون 116
جدول (19-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اهلسون طی دو سال مورد بحث 117
جدول (20-4): آزمون معنی دار بودن مدل های رگرسیونی زیمسکی 118
جدول (21-4): نتایج آماره های نیکویی برازش مدل زیمسکی 119
جدول (22-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل زیمسکی 119
جدول (23-4): نتایج بررسی ضرایب رگرسیونی مدل زیمسکی 120
جدول (24-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل زیمسکی طی دو سال مورد بحث 121
جدول (25-4): آزمون معنی دار بودن مدل های رگرسیونی مدل شیراتا 121
جدول (26-4): نتایج آماره های نیکویی برازش مدل شیراتا 122
جدول (27-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل شیراتا 122
جدول (28-4): نتایج بررسی ضرایب رگرسیونی مدل شیراتا 124
جدول (29-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل شیراتا طی دو سال مورد بحث 125
جدول (30-4): آزمون معنی دار بودن مدل های رگرسیونی مدل اسپرین گیت با امتیاز کارایی 126
جدول (31-4): نتایج آماره های نیکویی برازش مدل مدل اسپرین گیت با امتیاز کارایی 126
جدول (32-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اسپرین گیت با امتیاز کارایی 127
جدول (33-4): نتایج بررسی ضرایب رگرسیونی مدل مدل اسپرین گیت با امتیاز کارایی 128
جدول (35-4): آزمون معنی دار بودن مدل های رگرسیونی مدل آلتمن با امتیاز کارایی 130
جدول (36-4): نتایج آماره های نیکویی برازش مدل آلتمن با امتیاز کارایی 130
جدول (37-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل آلتمن با امتیاز کارایی 131
جدول (38-4): نتایج بررسی ضرایب رگرسیونی مدل آلتمن با امتیاز کارایی 132
جدول (39-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل آلتمن با کارایی طی دو سال مورد بحث 133
جدول (40-4): آزمون معنی دار بودن مدل های رگرسیونی اهلسون با امتیاز کارایی 134
جدول (41-4): نتایج آماره های نیکویی برازش مدل اهلسون با امتیاز کارایی 134
جدول (42-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اهلسون با امتیاز کارایی 135
جدول (43-4): نتایج بررسی ضرایب رگرسیونی مدل اهلسون با امتیاز کارایی 135
جدول (44-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اهلسون با امتیاز کارایی طی دو سال مورد بحث 136
جدول (45-4): آزمون معنی دار بودن مدل های رگرسیونی زیمسکی با امتیاز کارایی 137
جدول (46-4): نتایج آماره های نیکویی برازش مدل زیمسکی با امتیاز کارایی 138
جدول (47-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده زیمسکی با امتیاز کارایی 138
جدول (48-4): نتایج بررسی ضرایب رگرسیونی مدل زیمسکی با امتیاز کارایی 139
جدول (49-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل زیمسکی با امتیاز کارایی طی دو سال مورد بررسی 140
جدول (50-4): آزمون معنی دار بودن مدل های رگرسیونی شیراتا با امتیاز کارایی 140
جدول (51-4): نتایج آماره های نیکویی برازش مدل شیراتا با امتیاز کارایی 141
جدول (52-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل شیراتا با امتیاز کارایی 141
جدول (53-4): نتایج بررسی ضرایب رگرسیونی مدل شیراتا با امتیاز کارایی 142
جدول (54-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل شیراتا برای دو سال مورد بحث 143
جدول (55-4): میانگین رتبه مشاهدات در دو مدل تحلیل پوششی داده ها و مدل اسپرین گیت 144
جدول (56-4): نتایج بررسی مقایسه ای دو مدل تحلیل پوششی داده ها و مدل اسپرین گیت با استفاده از آزمون من ویتنی 144
جدول (57-4): میانگین رتبه مشاهدات در دو مدل تحلیل پوششی داده ها و مدل آلتمن 145
جدول (58-4): نتایج بررسی مقایسه ای دو مدلتحلیل پوششی داده ها و مدل اسپرین گیت با استفاده از آزمون من ویتنی 145
جدول (59-4): میانگین رتبه مشاهدات در دو مدل تحلیل پوششی داده ها و مدل اهلسون 146
جدول (60-4): نتایج بررسی مقایسه ای دو مدلتحلیل پوششی داده ها و مدل اسپرین گیت با استفاده از آزمون من ویتنی 146
جدول (61-4): میانگین رتبه مشاهدات در دو مدل تحلیل پوششی داده ها و مدل زیمسکی 147
جدول (62-4): نتایج بررسی مقایسه ای دو مدل پوششی داده ها و مدل زیمسکی با استفاده از آزمون من ویتنی 147
جدول (63-4): میانگین رتبه مشاهدات در دو مدل پوششی داده ها و مدل شیراتا 148
جدول (64-4): نتایج بررسی مقایسه ای دو مدل پوششی داده ها و مدل شیراتا با استفاده از آزمون من ویتنی 148
جدول (65-4): بررسی مقایسه ای آماره های نیکویی برازش در دو مدل اسپرین گیت و مدل اسپرین گیت با امتیاز کارایی 149
جدول (66-4): میانگین رتبه مشاهدات در دو مدل اسپرین گیت و مدل اسپرین گیت با امتیاز کارایی 150
جدول (67-4): نتایج بررسی مقایسه ای دو مدل اسپرین گیت و مدل اسپرین گیت با امتیاز کارایی با استفاده از آزمون من ویتنی 150
جدول (68-4): بررسی مقایسه ای آماره های نیکویی برازش در دو مدل آلتمن و آلتمن با امتیاز کارایی 151
جدول (69-4): میانگین رتبه مشاهدات در دو مدل آلتمن و آلتمن با امتیاز کارایی 151
جدول (70-4): نتایج بررسی مقایسه ای دو مدل آلتمن و آلتمن با امتیاز کارایی با استفاده از آزمون من ویتنی 152
جدول (71-4): بررسی مقایسه ای آماره های نیکویی برازش در دو مدل اهلسون و اهلسون با امتیاز کارایی 152
جدول (72-4): میانگین رتبه مشاهدات در دو مدل اهلسون و اهلسون با امتیاز کارایی 153
جدول (73-4): نتایج بررسی مقایسه ای دو مدل اهلسون و اهلسون با امتیاز کارایی با استفاده از آزمون من ویتنی 153
جدول (74-4): بررسی مقایسه ای آماره های نیکویی برازش در دو مدل زیمسکی و زیمسکی با امتیاز کارایی 154
جدول (75-4): میانگین رتبه مشاهدات در دو مدل زیمسکی و زیمسکی با امتیاز کارایی 154
جدول (76-4): نتایج بررسی مقایسه ای دو مدل زیمسکی و زیمسکی با امتیاز کارایی با استفاده از آزمون من ویتنی 154
جدول (77-4): بررسی مقایسه ای آماره های نیکویی برازش در دو مدل شیراتا و شیراتا با امتیاز کارایی 155
جدول (78-4): میانگین رتبه مشاهدات در دو مدل شیراتا و شیراتا با امتیاز کارایی 155
جدول (79-4): نتایج بررسی مقایسه ای دو مدل شیراتا و شیراتا با امتیاز کارایی با استفاده از آزمون من ویتنی 156
جدول (80-4) خلاصه نتایج بررسی مقایسه ای آماره های نیکویی برازش در مدل های مورد بررسی 157
جدول (81-4) خلاصه نتایج میانگین رتبه های مشاهدات در مدل تحلیلی پوششی داده هاو مدل های مورد بررسی 158
نمودار (1-2): تاثیر هزینه های ورشکستگی بر ساختار سرمایه 31
نمودار (1-3): رابطه بین احتمال و لوجیت 1. 99
نمودار (1-4): نسبت موفقیت پیش بینی ورشکستگی در سال t-1 105
نمودار (2-4): نسبت موفقیت پیش بینی ورشکستگی در سال t-2 106
شکل 1-2 : مراحل ورشکستگی (رهنمای رود پشتی و دیگران ،1385،ص 458). 28
شکل2-2:مرز کارایی در مدل BCC-I 60
شکل 3-2: مرز کارایی در مدل BCC-O 60
چکیده:
با توجه به تاثیرات درماندگی مالی شرکت ها بر روی گروه های مختلف ذینفع، همواره ارائه الگوهای پیش بینی درماندگی مالی یکی از جذاب ترین حوزه ها در تحقیقات مالی بوده است. در الگوهای پیش بینی موجود، عمدتاً نسبت های مالی به عنوان متغیرهای پیش بینی به کار گرفته می شوند. در این پژوهش کارایی شرکت ها که با استفاده از تکنیک تحلیل پوششی داده ها محاسبه شده است، به عنوان متغیر پیش بین مورد توجه قرار گرفته است. به این منظور ابتدا الگویی با استفاده از این متغیر طراحی و برای بررسی بهتر نتایج، مدل های اسپرین گیت، آلتمن، اهلسون، زیمسکی و شیراتا، مورد توجه قرار گرفته اند. سپس مدل های مذکور با امتیاز کارایی طراحی گردیده و نتایج حاصل با نتایج اولیه مقایسه گردید. در این راستا 21 فرضیه تدوین شده است.
جامعه آماری این پژوهش شامل کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. نمونه آماری شامل 52 شرکت درمانده مالی و 52 شرکت سالم طی سالهای 84 تا 88 می باشد که به منظور دسته بندی شرکتها به دو گروه مذکور، از پیش فرض ماده 141 قانون تجارت استفاده شده است. نتایج حاصل نشان می دهد که الگوی طراحی شده مبتنی بر امتیاز کارایی قابلیت پیش بینی وقوع بحران مالی در شرکت های پذیرفته شده در بورس اوراق بهادار را تا دو سال قبل از وقوع آن دارد. همچنین نتایج به دست آمده بهبود پیش بینی شرکت های درمانده را با ورود امتیاز کارایی به مدلها تایید می کند، اما این بهبود چندان چشم گیری نیست.
مقدمه:
با افزایش شرکت ها و موسسات بازرگانی و ایجاد پیچیدگی در روابط اقتصادی و تجاری، وظایف امور مالی به صورت چشم گیری تغییر یافته است. تاکید دولت ها بر رشد اقتصادی به افزایش و گسترش بیش از پیش شرکت ها و موسسات کمک و این وظایف را پیچیده تر نموده است. ازسوی دیگر پیشرفت تکنولوژی و تغییرات محیطی وسیع باعث شتاب فزاینده اقتصادی گشته و به دلیل رقابت روزافزون موسسات، دستیابی به سود محدود شده و میل به ورشکستگی افزایش یافته است.
میزان وقوع بحران های مالی در جهان در سال های اخیر بیش از هر زمان است. در دو دهه ی اخیر ارقام و اعداد اقتصادی نشان دهنده ی افزایش بی سابقه ی میزان ورشکستگی هاست. وجود بحران های مالی در یک کشور شاخص اقتصادی مهمی است که توجه عموم را به خود جلب می کند. همچنین، هزینه های اقتصادی ورشکستگی نیز بسیار زیاد است. بنابراین، توانایی پیش بینی بحران مالی و جلوگیری از وقوع آن از اهمیت اساسی برخوردار است و از تخصیص نامناسب منابع کمیاب اقتصادی جلوگیری می کند. ارائه ی تعریفی دقیق از گروه های درگیر مساله ورشکستگی بسیار مشکل است. اما می توان مدعی شد که مدیریت، سرمایه گذاران، اعتباردهندگان و بستانکاران و نهادهای قانونی، بیش از سایرین تحت تاثیر پدیده ی ورشکستگی قرار می گیرند.
فصل اول
کلیات تحقیق
1-1 مقدمه
پیش بینی آینده از اصلی ترین دغدغه های انسان در طول تاریخ بوده است. با پیشرفت علم و فناوری، پژوهشگران امکان برنامه ریزی و تصمیم گیری برای آینده را با استفاده از روشهای علمی پیش بینی، فراهم آورده اند. اطلاعات مالی اگر چه گذشته نگر است، اما ادعا می شود که برای پیش بینی آینده سودمند باشد.
با افزایش شرکت ها و موسسات بازرگانی و ایجاد پیچیدگی در روابط اقتصادی و تجاری، وظایف امور مالی به صورت چشم گیری تغییر یافته است. تاکید دولت ها بر رشد اقتصادی به افزایش و گسترش بیش از پیش شرکت ها و موسسات کمک و این وظایف را پیچیده تر نموده است. ازسوی دیگر پیشرفت تکنولوژی و تغییرات محیطی وسیع باعث شتاب فزاینده اقتصادی گشته و به دلیل رقابت روزافزون موسسات، دستیابی به سود محدود شده و میل به ورشکستگی افزایش یافته است.
میزان وقوع بحران های مالی در جهان در سال های اخیر بیش از هر زمان است. در دو دهه ی اخیر ارقام و اعداد اقتصادی نشان دهنده ی افزایش بی سابقه ی میزان ورشکستگی هاست. وجود بحران های مالی در یک کشور شاخص اقتصادی مهمی است که توجه عموم را به خود جلب می کند. همچنین، هزینه های اقتصادی ورشکستگی نیز بسیار زیاد است. بنابراین، توانایی پیش بینی بحران مالی و جلوگیری از وقوع آن از اهمیت اساسی برخوردار است و از تخصیص نامناسب منابع کمیاب اقتصادی جلوگیری می کند. ارائه ی تعریفی دقیق از گروه های درگیر مساله ورشکستگی بسیار مشکل است. اما می توان مدعی شد که مدیریت، سرمایه گذاران، اعتباردهندگان و بستانکاران و نهادهای قانونی، بیش از سایرین تحت تاثیر پدیده ی ورشکستگی قرار می گیرند.
سرمایه گذاران با پیش بینی بحران مالی، نه تنها از خطر از بین رفتن سرمایه خود جلوگیری می کنند، بلکه از آن به عنوان ابزاری برای کاهش خطر سود سرمایه گذاری خود استفاده می کنند. مدیران واحد تجاری نیز در صورت اطلاع به موقع از خطر ورشکستگی می توانند اقدام هایی پیشگیرانه اتخاذ کنند. بدین وسیله بانکها و موسسات اعتباری نیز می توانند از ریسک عدم پرداخت جلوگیری کنند.
با توجه به تاثیرات درماندگی مالی و توقف فعالیت شرکت ها بر روی گروه های مختلف ذینفع، همواره یافتن شاخص های هشدار دهنده ی وقوع درماندگی مالی یکی از جذاب ترین و با اهمیت ترین حوزه ها در تحقیقات مالی بوده است. تا به امروز الگوهای متنوعی برای پیش بینی درماندگی مالی و ورشکستگی شرکت ها توسط محققان ارائه شده است، که با استفاده از نسبت های مالی گوناگون،وضعیت آتی شرکت را مورد پیش بینی قرار داده اند و هرکدام نیز به نتایجی دست یافته اند. الگوهای متفاوت از روشهای تحلیلی گوناگون برای پیش بینی وضعیت مالی شرکت ها استفاده می کنند که هر کدام نقاط قوت و ضعف خاص خود را دارند. گزینش الگوی مناسب برای استفاده کنندگان اطلاعات مالی متناسب با نیازهای آنها و شرایط محیطی، اقتصادی، اجتماعی امری پیچیده است. از این رو در این پژوهش سعی می شود قابلیت کاربرد مدلهای اسپیرین گیت، آلتمن، اهلسون، زیمسکی و شیراتا مورد سنجش قرار بگیرد و نتایج حاصل با نتیجه ی حاصل از ارزیابی درماندگی مالی شرکت ها با استفاده از تکنیک تحلیل پوششی داده ها که هدف اصلی این پژوهش است، مقایسه و ادغام گردد. در فصل اول پس از بیان مساله تحقیق، به بیان اهمیت و ضرورت تحقیق می پردازیم. همچنین اهداف تحقیق را در قالب اهداف اصلی و ویژه بیان می داریم. چارچوب نظری تحقیق که بیان اصلی طرح سوال و موضوع تحقیق بوده است نیز، در این فصل آورده شده و در ادامه به مدل تحلیلی و فرضیه های تحقیق اشاره گردیده است. در پایان نیز متغیرهای عملیاتی تحقیق و تعاریف واژه ها و اصطلاحات آماده است.
2-1 بیان مسئله
امروزه پیشرفت سریع فناوری و تغییرات محیطی وسیع، شتاب فزاینده ای به اقتصاد بخشیده و رقابت روز افزون موسسات، دستیابی به سود را محدود و احتمال وقوع بحران مالی و نهایتاً ورشکستگی را افزایش داده است. بدین ترتیب تصمیم گیری مالی نسبت به گذشته راهبردی تر شده است. یکی از راه هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و تخصیص بهتر منابع کمک کرد، پیش بینی بحران مالی یا ورشکستگی است. همچنین هزینه های اقتصادی هنگفت ورشکستگی، توانایی پیش بینی و جلوگیری از وقوع آن را از اهمیتی اساسی برخوردار می سازد. چرا که این جنبه ی غیر منتظره بودن ورشکستگی است که آن را خطرناک تر می سازد. نه تنها سرمایه گذاران و اعتباردهندگان، بلکه مدیران ارشد و حسابرسان نیز همپای موسسات دولتی به پیش بینی دورنمای کلی شرکت علاقه مندند.
اگر چه خطر ورشکستگی برای هر یک از آنها متفاوت است اما همه ی آنها در این مسئله ذینفع اند. صورت های مالی محصول اصلی گزارش گیری مالی و ابزار اصلی انتقال اطلاعات حسابداری به افراد خارج از سازمان است. نسبت های مالی به دست آماده از این صورتها، یکی از ابزارهای اصلی برای ارزیابی وضع موجود شرکت ها و پیش بینی وضع آتی آنها است. بر همین اساس برای پیش بینی وقوع بحران مالی روش های زیادی وجود دارد که از تحلیل آماری تک متغیره آغاز شده و به ترتیب شامل تحلیل تشخیصی چندگانه، تحلیل لوجیت و پروبیت، مدل زیمسکی و شیراتا و اهلسون، شبکه های عصبی مصنوعی، شبکه های بیز،مدلهای ژنتیک و ماشین بردار پشتیبان است، که در تمامی آنها، همانطور که ذکر گردید، نسبت های مالی به عنوان متغیر مستقل(پیش بین) برای تعیین متغیر وابسته(ملاک) یعنی وقوع بحران مالی به کار رفته اند. اما تکنیک تحلیل پوششی داده ها که اغلب برای ارزیابی کارایی بنگاه و ملاک رتبه بندی اعتباری شرکت هاست، این سوال را به ذهن می رساند که آیا وقوع بحران مالی شرکت ها با استفاده از تکنیک تحلیل پوششی داده ها قابل پیش بینی است؟ آیا می توان از متغیر کارایی در کنار سایر نسبت های مالی به منظور ارزیابی وقوع بحران مالی استفاده کرد؟ آیا متغیرکارایی امکان پیش بینی را بهبود می بخشد؟ بنابر توضیحات فوق الذکر، این پژوهش به امکان پیش بینی درماندگی مالی شرکت ها با استفاده از تکنیک تحلیل پوششی داده ها و مقایسه آن با نتایج حاصل از مدل های اسپیرین گیت، آلتمن، اهلسون، زیمسکی و شیراتا می پردازد. سپس متغیر کارایی در کنار سایر نسبت های مالی قرارمی گیرد تا تاثیر آن بررسی گردد.
3-1 اهمیت و ضرورت موضوع تحقیق
اهمیت پیش بینی ورشکستگی همواره برای مالکیت شرکت ها رو به افزایش بوده است، اقتصادهای جهانی نیز امروزه نسبت به خطرات ناشی از تعهدات و دیون شرکت ها، مخصوصاً پس از جریان سقوط سازمانهای بزرگی همچون وورلدکام و انرون و اینکه یکی از اهداف قوانین باسل دو کاهش ریسک اعتباری می باشد، آگاه و حساس شده اند. از طرفی وضع نامطلوب مالی شرکت ها نیز باعث زیان برای اقشار مختلف جامعه و خصوصاً سرمایه گذاران شامل سهام داران و اعتباردهندگان می گردد، که نه تنها سرمایه گذاران، بلکه مدیران ارشد و حسابداران و حسابرسان نیز علاقمندند به طور علمی وضعیت مالی شرکت ها را پیش بینی نمایند. (غلامپورفرد، 1387، ص 10).
اهداف خاص ذینفعان و کاربران اطلاعات حسابداری درباره ی اطلاع از وضع مالی موسسه اختصاراٌ به شرح زیر است:
1-مدیران شرکت ها به دنبال آن هستند که موقعیت مالی شرکت را سنجیده و در صورت مشاهده درماندگی مالی با مدیریت بهینه دارایی و بدهی، مانع از حرکت شرکت به سمت ورشکستگی مالی شوند.
2- سرمایه گذاران به دنبال آن هستند که شرکت های پذیرفته شده در بورس اوراق بهادار را مورد ارزیابی قرار دهند و بر اساس آن، شرکت هایی را جهت سرمایه گذاری انتخاب کنند که ریسک سرمایه گذاری آنها را به حداقل برساند.
3- اعتباردهندگان و بانکها به دنبال آن هستند که با بررسی موقعیت شرکت ها، آنها را از لحاظ درماندگی مالی تفکیک کرده، تا بدین وسیله به هنگام اعطای اعتبار، ریسک اعتباری خود را کاهش دهند.
4- حسابرسان نیز تمایل دارند برای اظهار نظر دقیق تر نسبت به تداوم فعالیت شرکت از وضعیت آتی آن مطلع باشند.
همچنین در برنامه چهارم توسعه به عنوان چشم انداز بیست ساله، بر خصوصی سازی تاکید فراوان شده است. در افق بیست ساله از جهت رفاه ملی، هر ایرانی باید از عواملی مانند فرصت های برابر و توزیع مناسب درآمد بهره مند باشد. هر دو موارد مذکور در نتیجه ی کارایی بازار سرمایه به دست می آیند. بنابراین نیاز به استفاده از ابزارهای مالی جدید به ویژه الگوهای پیش بینی ورشکستگی که به کارایی بازار سرمایه از راه افشای وضعیت واقعی بنگاه یاری می کنند، احساس می شود.
بنابراین تحلیل گران مالی از بحران مالی به عنوان مهمترین ریسکی که بر شرکت و سرمایه گذاران وارد می شود یاد می کنند، زیرا در هنگام وقوع آن تمامی گروه هایی که به نحوی با شرکت در ارتباط هستند متضرر خواهند شد. بستانکاران و اعتباردهندگان ممکن است قسمت با اهمیتی از طلب خود را از دست بدهند. سرمایه های سرمایه گذاران بدون ارزش خواهد شد و کارکنان کار خود را از دست خواهند داد. نگاهی کلی به پدیده ی بحران مالی زیان های پنهان و آشکار ورشکستگی را برای جامعه نمایان خواهد ساخت. منابع اتلاف خواهند شد و بی اعتمادی سدی برای توسعه ی آتی اقتصادی و اجتماعی محسوب می شود. بر این اساس اهمیت بحران مالی و درماندگی بر کسی پوشیده نیست. اگر این پدیده ی نامیمون قابل پیش بینی باشد، شاید بتوان از وقوع آن جلوگیری کرد و یا تاثیرات آن را به حداقل رساند(پورمهر، 1386 ص 9).
در این ارتباط و در راستای جلوگیری از آسیب های اجتماعی و فردی ناشی از ورشکستگی، مجامع دانشگاهی و تحقیقاتی، پژوهش هایی را پی ریزی کردند تا مدل هایی به دست آوردند که بتوانند بین شرکت های سالم و درمانده تفکیک قائل شوند(غلامپورفرد، 1387،ص 11).
نکته ی شایان توجه دیگر این است که بسیاری از شرکت ها با غرق شدن در مسایل روزمره و عدم کنترل صحیح سیستم، زمانی متوجه درماندگی مالی می گردند که برای درمان دیر شده است.
پژوهش حاضر به دنبال آن است که با ارزیابی درماندگی شرکتها، هم ذینفعان را جهت سرمایه گذاری و اعطای اعتبار و مدیریت مالی شرکت را راهنمایی کند و هم از هزینه هایی که درماندگی مالی به بار می آورد جلوگیری نماید. بدین منظور تکنیک DEA برای ارزیابی به کار می رود و نتایج آن با پنج مدل اسپرینگیت، آلتمن، اهلسون، زیمسکی و شیراتا مقایسه می گردد و سپس مدلهای مذکور با استفاه از امتیاز کارایی محاسبه شده توسط DEA بازیابی می شوند.
4-1 اهداف تحقیق
هر تحقیقی به دنبال یک سری اهداف کلی(اصلی) و تعدادی اهداف فرعی(ویژه) می باشد. بنابر موضوع تحقیق اهداف زیر مد نظر است:
1-4-1 اهداف اصلی
هدف اصلی این پژوهش بررسی کارایی تکنیک تحلیل پوششی داده ها در پیش بینی بحران مالی در بازار سرمایه ایران است.
هدف اصلی بعدی در این پژوهش ارزیابی کارایی مدلهای اسپرینگیت، آلتمن، اهلسون، زیمسکی و شیراتا در پیش بینی مذکور است.
2-4-1 اهداف فرعی(ویژه).
اهداف فرعی (ویژه) تحقیق به شرح زیر می باشند:
1-مقایسه ی توانایی پیش بینی توقف فعالیت شرکت (ورشکستگی) توسط مدلهای مذکور
2- ارزیابی مجدد مدلهای اسپرینگیت، آلتمن، اهلسون، زیمسکی و شیراتا، با استفاده از امتیاز کارایی محاسبه شده توسط تکنیک DEA
3- مقایسه ی مجدد مدلهای طراحی شده با امتیازکارایی با اصل مدل، به منظور روشن شدن تاثیر متغیر مستقل کارایی به منظور پیش بینی درماندگی مالی.
4- استفاده از مدلها توسط مدیریت جهت هشدار نسبت به تداوم فعالیت و انجام اقدامات اصلاحی و ارائه ی تدابیر لازم در راستای رفع مشکلات.
5- تعیین مبنایی جهت ارزیابی عملکرد مالی و عملیاتی بنگاه های دولتی و غیر دولتی به منظور اتخاذ تدابیر لازم در خصوص واگذاری، تجدید ساختار، تغییر مدیریت ارشد، فروش شرکت و یا حتی اعلام ورشکستگی آن.
6- آگاهی دادن به سرمایه گذاران و تامین کنندگان مالی در خصوص تصمیم گیری های اقتصادی نسبت به خرید سهام شرکت ها و یا اعطای وام و تسهیلات به شرکتها.
5-1 چارچوب نظری تحقیق
ورشکستگی به عنوان مقوله ای با اهمیت در مدیریت مالی تلقی می شود. بررسی علل پدیدآورنده ورشکستگی از منظر مالی و تبیین مبانی مالی و مهمتر از همه ارزیابی ورشکستگی و پیش بینی بحران مالی به کمک مدلهای رایج بسیار حائز اهمیت است. بحران مالی که باعث ناتوانی موقت شرکت ها در بازپرداخت دیون می شود، قبل از مرحله ی ورشکستگی روی می دهد، لذا با پیش بینی به موقع آن می توان زمان لازم برای عکس العمل ذینفعان را فراهم نمود.
بر طبق تعریف آلتمن(1986) ورشکستگی زمانی اتفاق می افتد که شرکت قادر به بازپرداخت بدهی های خود نیست، بنابراین از ادامه ی فعالیت باز می ماند.
تعیین دلایل ورشکستگی کار آسانی نیست، اما به طور کلی موارد زیر را می توان نام برد:
1- ویژگی های سیستم اقتصادی
2- رقابت
3-تغییرات در تجارت
4- نوسانات تجاری
5- تامین مالی
6- تصادفات
7- سوء مدیریت
8- تصمیمات دولت
9-تغییرات نرخ بهره
10- هزینه بالای تولید
11-تورم
12- نوسانات قیمت مواد اولیه
اما مهمترین آنها سوء مدیریت است که می توان از آن پیشگیری و اجتناب نمود. با توجه به اهمیت پیش بینی بحران مالی، تحقیقات فراوانی در این زمینه صورت گرفته است. شایان ذکر است که نسبت های مالی به عنوان متغیرهای مستقل (پیش بین) به عنوان ابزاری برای پیش بینی ناتوانی مالی شرکت ها در تحقیقات داخلی و خارجی همواره مورد توجه بوده اند و چارچوب نظری تحقیق برگرفته از آنهاست. جدول شماره(1-1) تعدادی از این تحقیقات را در خود جای داده است.
جدول شماره (1-1): تحقیقات مرتبط با طراحی الگوهای پیش بینی درماندگی مالی و ورشکستگی
سال
محقق/محققان
متغیرهای مورد مطالعه
یافته های پژوهش
1966
ویلیام بیور
نسبتهای جریان نقد به کل داراییها، سودخالص به کل داراییها، کل بدهیها به کل داراییها، سرمایه در گردش به کل داراییها، نسبت جاری، نسبت نداشتن فاصله اعتباری.
بهترین نسبت از میان نسبتهای مورد مطالعه برای پیش بینی ورشکستگی نسبت جریان نقد به کل داراییها می باشد (بیور، 1966،ص71)1.
1968
آلتمن
نسبتهای سرمایه در گردش به کل داراییها، سودانباشته به کل داراییها، درآمد قبل از بهره و مالیات به کل داراییها، ارزش بازارحقوق صاحبان سهام به ارزش دفتری بدهیها، فروش به کل داراییها.
اگر نسبت محاسبه شده براساس متغیرهای مورد مطالعه کمتر از81/1 باشد شرکت ورشکسته میباشد، اگربین 81/1 و61/2 باشد شرکت درناحیه ورشکستگی قرار دارد و اگر بیشتراز61/2 باشد احتمال ورشکستگی آن خیلی کم است(رهنمای رودپشتی ودیگران، 1385،ص514).
1978
اسپرینگیت
نسبتهای سرمایه درگردش به کل داراییها، سود قبل از بهره ومالیات به کل داراییها، سود قبل ازمالیات به بدهی جاری، فروش به کل داراییها.
اگر نسبت محاسبه شده براساس متغیرهای مورد مطالعه کمتر از 862/0 شود آن شرکت ورشکسته واگربیشتراز862/0 شود آن شرکت غیرورشکسته میباشد (عسگری،1387،ص 58).
1979
زاوگین
نسبتهای متوسط موجودیهابه فروش، متوسط حسابهای دریافتنی به متوسط موجودیها، (سرمایه گذاری کوتاه مدت+ موجودی نقد) به کل داراییها، داراییهای آتی به بدهیهای جاری، سودعملیاتی به (بدهی جاری- کل دارایی)، بدهی بلندمدت به (بدهی جاری- کل دارایی)، فروش به (خالص سرمایه در گردش+ داراییهای ثابت.
خروجی مدل که احتمال ورشکستگی می باشد عددی بین صفر و یک است، هرچه این عدد بزرگتر بوده و به یک نزدیکترباشد احتمال ورشکستگی شرکت بیشتر و هرچه این عدد کوچکتر بوده و به صفر نزدیکترباشد احتمال ورشکستگی شرکت کمتراست (رهنمای رودپشتی، 1385،ص523).
1980
اهلسون
نسبتهای لگاریتم کل داراییها به شاخص سطح GNP، کل بدهیها به کل داراییها، سرمایه در گردش به کل داراییها، بدهیهای جاری به داراییهای جاری، اگر بدهیها بیشتر یا مساوی داراییها باشند عدد یک و در غیر اینصورت عدد صفر، اگر سودخالص برای دوسال گذشته منفی باشدعدد یک ودرغیراینصورت عدد صفر، سود خالص به کل داراییها، وجوه حاصل از عملیات به کل بدهیها، میزان تغییر درسود خالص نسبت به سال گذشته.
اگر نسبت محاسبه شده براساس متغیرهای مورد مطالعه کمتر از صفر شود شرکت مربوطه ورشکسته و در غیر اینصورت غیر ورشکسته می باشد (اهلسون، 1980،ص109)2.
1983
تافلر
نرخ بازده سرمایه گذاری، سرمایه در گردش، (ریسک مالی، نسبت بدهی به حقوق صاحبان سهام)، نقدینگی.
سهم هر یک از این متغیرها در پیش بینی ورشکستگی به ترتیب 53/0، 13/0، 18/0 و16/0 ارزیابی گردید(رهنمای رود پشتی ودیگران، 1385،ص519).
1984
زیمسکی
نسبتهای سودخالص به کل داراییها، کل بدهیها به کل داراییها، داراییهای جاری به بدهیهای جاری.
اگر نسبت محاسبه شده براساس متغیرهای تحقیق برای شرکتی کمتر از صفر شود مورد بررسی ورشکسته می شود و در غیر اینصورت آن شرکت ورشکسته نخواهد شد (زیمسکی، 1984،ص22)3.
1984
فولمر
نسبتهای سودانباشته به کل داراییها، فروش به کل داراییها، سود قبل از مالیات به حقوق صاحبان سهام، جریان نقد به کل بدهیها، بدهی به کل داراییها، بدهیهای جاری به کل
داراییها، لگاریتم کل داراییهای مشهود، سرمایه در گردش به کل بدهیها، لگاریتم سود قبل از بهره و مالیات به بهره.
اگر نسبت محاسبه شده براساس متغیرهای تحقیق کمتر از صفر شود شرکت مورد بررسی ورشکسته می شود در غیر اینصورت آن شرکت ورشکسته نخواهد شد (عسگری،1387،ص67).
1987
CA-SCORE
نسبتهای سرمایه صاحبان سهام به کل داراییها، (سود قبل از مالیات و اقلام غیرعادی+مخارج مالی) به کل داراییها، فروش به کل داراییها .
براساس این مدل تا زمانی که نسبت محاسبه شده براساس متغیرهای تحقیق کمتر از 3/0- نشود شرکت مربوطه ورشکست نخواهدشد (عسگری،1387، ص61).
1993
گریس
نسبتهای سودخالص به کل داراییها، سرمایه در گردش به کل داراییها، کل بدهیها به کل داراییها، تفاوت سودخالص و جریان نقد ناشی از عملیات به کل داراییها.
شرکتهایی که با توجه به نسبتهای محاسبه شده در متغیر و براساس مدل لاجیت احتمال ورشکستگی آنها کمتر از 5/0 باشد شرکتهای غیرورشکسته و اگربیشتراز5/0باشد ورشکسته می شوند (عسگری،1387،ص63).
1996
شیراتا
نسبتهای سود انباشته به کل داراییها، هزینه تنزیل و بهره به (وامها+ اوراق قرضه+اسناد دریافتنی تنزیل شده)، (اسناددریافتنی + حسابهای پرداختنی +1) به فروش کل، (ناخالص سرمایه سال جاری به ناخالص سرمایه سال گذشته)-1.
شرکتهایی که ارزش نسبت محاسبه شده آنها براساس متغیرهای تحقیق بیشتر از 38/0باشد احتمال ورشکستگی آنها کم است و بالعکس (شیراتا، 1998، ص429)4.
6-1 مدل تحقیق و شیوه ی اندازه گیری متغییر ها
هدف یک پژوهش در بسیاری از موارد سنجش های متغییر ها و بررسی و تاثیر و روابط بین آن ها است.
متغییر عبارت است از ویژگی صفت یا عاملی که در بین افراد یک جامعه مشترک بوده و میتواند مقادیر کمی و ارزش های متفاوتی داشته باشد .
متغییر مستقل : یک متغیر درون داد است که علت و تاثیر گذار باشد . در تحقیقات همبستگی به متغیر مستقل متغیر پیش بین میگویند .
متغییر وابسته : متغییر برون داد ( خروجی) است و تغییراتش تابع تغییرات متغییر ها ی مستقل است و در واقع متغیر معلول باشد . در تحقیقات همبستگی به متغیر وابسته ، متغیر ملاک نیز میگویند . در واقع متغیر معلول باشد . در تحقیقات همبستگی به متغیر وابسته ، متغیر ملاک نیز میگویند . در این پژوهش متغیر های مستقل ، نسبت های مالی استفاده شده در الگو های پیش بینی بحران مالی میباشد، به علاوه متغییر کارایی محاسبه شده توسط تکنیک DEA نیز به جمع آنها می پیوندد . متغیر وابسته در این پژوهش وضعیت شرکت ها از لحاظ توانمندی مالی میباشد که یک متغییر کیفی و گسسته بوده و مشمول مقیاس اسمی است . این متغیر وجود بحران مالی یا عدم آن ( سلامت مالی ) است که با توجه به ماده ی 141 قانون تجارت بررسی میشود . به این ترتیب برای وجود بحران مالی ( 0Y= ) و برای شرکت های فاقد بحران (Y=1) در نظر گرفته شده است .
در این بخش متغیر های مستقل و وابسته به طور یک جا نمایش داده میشود و سپس به شرح الگو های مختلف میپردازیم .
1-6-1 الگوی مبتنی بر تحلیل پوششی داده ها5
کارایی یک واحد مستلزم مقایسه ی داده ها ستانده ها آن است. اگر واحدی دارای داده ها و ستانده های چندگانه باشد و ارزش(ضریب) هر یک از آنها معلوم باشد، می توان از رابطه ی زیر کارایی آنها را محاسبه کرد:
رابطه (1-1)
در اغلب موارد ضریب نهاده ها و ستانده ها مشخص نیست، در اینجا می توان از تحلیل پوششی داده ها (DEA) استفاده کرد.DEA روشی نا پارامتریک مبتنی بر برنامه ریزی خطی ریاضی جهت تعیین کارایی واحدهای تصمیم گیرنده و یا بنگاه های اقتصادی بر اساس داده ها و ستانده ها می باشد.
یکی از ویژگی های مدل DEA ساختار بازده به مقیاس آن می باشد که ارتباط بین نسبت تغییرات داده ها و ستانده های یک واحد تصمیم گیری را بیان می کند. بازده به مقیاس می تواند ثابت یا متغیر باشد. الگوهای BCC از جمله الگوهای با ساختار بازده به مقیاس متغیر هستند و نمایش ریاضی آنها به شکل زیر است:
رابطه (2-1) : o=1,2,…n
S= تعداد ستانده ها
m= تعداد نهاده ها
n = ها DMU تعداد
u=وزن ستاده
V=وزن نهاده
X= نهاده (داده)
Y=ستاده
W=متغیر آزاد در علامت
از حل این الگو برای هر یک از واحدها عددی بین صفر و یک به دست می آید که امتیاز کارایی آن واحد خواهد بود و نشان دهنده کارا یا ناکارا بودن آن است.
با در نظر گرفتن پیشینه تحقیق و دیدگاه عملیاتی ارائه شده، جمع کل دارایی ها و هزینه های عملیاتی به عنوان ورودی و سود عملیاتی و سود انباشته ابتدای دوره به عنوان خروجی های مدل انتخاب شدند.
2-6-1 الگوی اسپرین گیت:
رابطه (3-1) :
بر اساس این الگو اگر باشد، شرکت ورشکسته و در غیر این صورت شرکت سالم خواهد بود.
3-6-1 الگوی آلتمن
رابطه (4-1):
بر اساس این الگو اگر باشد، احتمال ورشکستگی شرکت بالا می باشد. اگر باشد،شرکت در ناحیه ورشکستگی قرار دارد و احتمال بحران مالی وجود دارد و نهایتاً اگر Z >2.9 باشد ، احتمال ورشکستگی شرکت بسیار کم است.
4-6-1 الگوی اهلسون
رابطه(5-1)
بر اساس این رابطه اگر باشد شرکت ورشکسته خواهد بود و در غیر این صورت، شرکت دارای سلامت مالی است.
5-6-1 الگوی زیمسکی
رابطه(6-1):
بر اساس این الگو اگرباشد شرکت درمانده مالی و در غیر این صورت سلامت خواهد بود.
6-6-1 الگوی شیراتا
رابطه (7-1):
بر طبق این الگو اگر باشد، شرکت ورشکسته تلقی می شود و در غیر این صورت سالم می باشد.
7-6-1 الگوی اسپرینگیت با استفاده از امتیاز کارایی
Z= 1.3X1 + 3.07 X2+ 0.66 X3+0.4 X4 + aX5
8-6-1مدل مبتنی بر الگوی آلتمن با امتیاز کارایی
Z= 0.717X1 + 0.847X6 + 3.107X2 +0.42X7 + 0.998X4 + aX5
9-6-1 مدل اهلسون با امتیاز کارایی
Y = -1.3 -0.4X8 + 6X9 – 1.4X1 -X10 + 0.1X11 – 1.8X12 +0.3X13 -1.7X14- 0.8X15+aX5
10-6-1مدل زیمسکی با امتیاز کارایی
Y = -4.3 -4.5X13 + 5.7X9 -0.004X16 + aX5:
11-6-1 مدل شیراتا با امتیاز کارایی
ََ Z = 0.014X6 – 0.058X17 -0.062X18 – 0.003X19 + 0.7416+ aX5:
7-1 فرضیات تحقیق:
1- وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر تحلیل پوششی داده ها پیش بینی نمود.
2- وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل اسپرین گیت پیش بینی نمود.
3- وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل آلتمن پیش بینی نمود.
4- وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل اهلسون پیش بینی نمود.
5- وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل زیمسکی پیش بینی نمود.
6- وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل شیراتا پیش بینی نمود.
7- وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل اسپرین گیت با استفاده از امتیاز کارایی پیش بینی نمود.
8- وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل آلتمن با استفاده از امتیاز کارایی پیش بینی نمود.
9- وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل اهلسون با استفاده از امتیاز کارایی پیش بینی نمود.
10- وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل زیمسکی با استفاده از امتیاز کارایی پیش بینی نمود.
11- وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل شیراتا با استفاده از امتیاز کارایی پیش بینی نمود.
12- بین دقت کلی پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر مدل اسپرین گیت تفاوت معنی داری وجود دارد.
13- بین دقت کلی پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر مدل آلتمن تفاوت معنی داری وجود دارد.
14- بین دقت کلی پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر مدل اهلسون تفاوت معنی داری وجود دارد.
15- بین دقت کلی پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر مدل زیمسکی تفاوت معنی داری وجود دارد.
16- بین دقت کلی پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر مدل شیراتا تفاوت معنی داری وجود دارد.
17- بین دقت کلی پیش بینی الگوی مبتنی بر مدل اسپرین گیت و دقت کلی پیش بینی الگوی مبتنی بر مدل اسپرین گیت با امتیاز کارایی تفاوت معنی داری وجود دارد.
18- بین دقت کلی پیش بینی الگوی مبتنی بر مدل آلتمن و دقت کلی پیش بینی الگوی مبتنی بر مدل آلتمن با امتیاز کارایی تفاوت معنی داری وجود دارد
19- بین دقت کلی پیش بینی الگوی مبتنی بر مدل اهلسون و دقت کلی پیش بینی الگوی مبتنی بر مدل اهلسون با امتیاز کارایی تفاوت معنی داری وجود دارد
20- بین دقت کلی پیش بینی الگوی مبتنی بر مدل زیمسکی و دقت کلی پیش بینی الگوی مبتنی بر مدل زیمسکی با امتیاز کارایی تفاوت معنی داری وجود دارد.
21- بین دقت کلی پیش بینی الگوی مبتنی بر مدل شیراتا و دقت کلی پیش بینی الگوی مبتنی بر مدل شیراتا با امتیاز کارایی تفاوت معنی داری وجود دارد.
8-1 متغیرهای عملیاتی تحقیق
متغیر یک مفهوم است که بیش از دو یا چند ارزش یا مقدار به آن اختصاص داده می شود. به عبارت دیگر ویژگی هایی را که پژوهشگر مشاهده یا اندازه گیری می کند، متغیر نامیده می شود(دلاور، 1384،ص 42).
مهمترین و مفیدترین راه برای طبقه بندی متغیرها و نقشی که در تحقیق به عهده دارند، تقسیم آنها به دو عنوان مستقل و وابسته است. متغیر مستقل توسط پژوهشگر اندازه گیری، دستکاری یا انتخاب میشود تا تاثیر آن و یا رابطه ی آن با متغیر وابسته مشخص گردد. بر این اساس در این پژوهش، متغیرهای مستقل عبارتند از نسبت های به کارگرفته شده در مدلهای اسپیرین گیت، آلتمن، اهلسون، زیمسکی و شیراتا به علاوه کارایی محاسبه شده توسط تکنیک DEA، که برای پیش بینی توقف فعالیت شرکتها از آنها استفاده خواهد شد و متغیر وابسته نیز عبارت است از وضعیت شرکتها از لحاظ توانایی مالی که یا دارای سلامت مالی هستند و یا دارای بحران مالی. در تحقیق حاضر شرکت های مشمول ماده 141 قانون تجارت ورشکسته محسوب می شود.
9-1 تعریف واژه ها و اصطلاحات
هر پژوهشی ناگزیر از استفاده ی واژگان و اصطلاحات خاصی مرتبط با موضوع مورد مطالعه می باشد، پژوهش حاضر نیز از این امر مستثنی نبوده و شامل واژگانی است که در زیر تعریف آنها ارائه می گردد.
درماندگی مالی
کاهش قدرت سودآوری شرکت ها که احتمال عدم توانایی بازپرداخت بهره واصل بدهی را افزایش می دهد و یا به عبارتی، وضعیتی که در آن جریانهای نقدی شرکت از مجموع هزینه های بهره مربوط به بدهی بلندمدت کمتر است(احدی دولت سرا، 1387،ص 9)
توقف عملیات
در این پژوهش این واژه در خصوص شرکت هایی کاربرد دارد که مشمول ماده 141 قانون اصلاحی تجارت ایران گردیده اند.
ماده 141 قانون تجارت
اگر بر اثر زیان های وارده، حداقل نصف سرمایه شرکت از میان برود، هیئت مدیره موظف است بلافاصله مجمع عمومی فوق العاده صاحبان سهام را دعوت نماید تا موضوع انحلال یا بقای شرکت مورد شور و رای واقع شود.
مدل پیش بینی بحران مالی
توابعی که برای پیش بینی آینده واحد تجاری در خصوص تداوم فعالیت یا توقف فعالیت آن واحد تجاری به کار برده می شود(غلامعلی، 1384، ص80).
تحلیل پوششی داده ها
روشی ناپارامتریک و مبتنی بر برنامه ریزی خطی است که برای ارزیابی نسبی واحدهای تصمیم گیری، که وظایف یکسانی را انجام می دهند، به کار می رود.
متغیر ورودی
در ارزیابی درماندگی مالی، ورودی عاملی است که با کاهش آن و با حفظ تمام عوامل دیگر، درماندگی افزایش می یابد و با افزایش آن درمانگی کاهش می یابد.
متغیر خروجی
در ارزیابی درماندگی مالی، خروجی عاملی است که با کاهش آن، با حفظ تمام عوامل دیگر، درماندگی کاهش می یابد و بالعکس.
خطای نوع اول
یک شرکت درمانده را در گروه شرکت های سالم قراردادن.
سرمایه درگردش به کل دارائیها 6
این نسبت از تقسیم سرمایه درگردش به جمع دارائیها به دست می آید. این نسبت حاکی از رجحان نقدینگی است ودر بحران اقتصادی آمریکا در دهه 1930 قابل اعتمادترین ودقیق ترین نسبت درروند نامطلوب مالی شرکت بود (قالیباف اصل، 1387،ص18).
سود قبل از بهره و مالیات7
عبارتست از حاصل تفریق هزینه های عملیاتی وهزینه های اداری شرکت ازکل درآمد (جهانخانی و دیگران، 1385،ص10).
سود قبل از بهره و مالیات به کل دارائیها8:
این نسبت معیاری برای بهره وری واقعی دارائیهای شرکت بدون درنظرگرفتن هرگونه هزینه های مالی ویا عوامل دیگر می باشد، زیرا می توان گفت ادامه فعالیت واقعی هر شرکت به ایجاد سود از محل دارائیهای آن شرکت وابسته است ( وکیلی فرد ودیگران،1380،ص79).
سود قبل از کسر مالیات به بدهی جاری9:
این نسبت نیز مانند نسبت فوق یکی از نسبتهایی است که میزان موفقیت واحد تجاری در کسب سود را تعیین می نماید (وکیلی فرد ودیگران،1380،ص79).
دارائیهای جاری به بدهیهای جاری10:
این نسبت که نسبت جاری نام دارد در واقع بیانگراین مفهوم است که چند برابرمبلغ بدهی جاری برای واریزآن در دارائی جاری وجود دارد. هرچه این نسبت بالاتر باشد وضعیت نقدینگی شرکت بهتراست. حد مطلوب این نسبت براساس نرم صنعت تعیین می شود اما بصورت یک اصل کلی بهتراست کمتر از2 مرتبه نباشد (قالیباف اصل،1387،ص17).
فروش به کل دارائیها11
می توان این نسبت را یکی ازنسبتهای فعالیت دانست، که نمایانگر قابلیت افزایش فروش به کل دارائیهای واحد تجاری می باشد. این نسبت یکی از نسبتهای استاندارد مالی است که به نسبت گردش سرمایه معروف است. وجود این نسبت را می توان ملاکی برای برخورد مدیران واحد های تجاری با شرایط رقابتی دانست (نیکومرام ودیگران،1381،ص84).
کل بدهیها به کل دارائیها12:
با این نسبت، کل وجوهی که ازمحل بدهیها تامین شده است محاسبه می شود. این نسبت را می توان مبین اطمینان و تامینی دانست که بستانکاران برای وصول مطالبات خود میتوانند داشته باشند. (جهانخانی ودیگران،1385،ص46).
سود خالص به کل داراییها13:
این نسبت از تقسیم سودخالص پس ازکسرمالیات به کل داراییها بدست می آید و به نرخ بازده سرمایه گذاری معروف است این نسبت نشاندهنده این است که در برابر هر ریال سرمایه گذاری چقدر بازده نصیب شرکت می شود (وکیلی فرد، 1380،ص 77).
وجه حاصل ازعملیات به کل بدهیها14:
این نسبت از تقسیم وجه نقد حاصل از عملیات به کل بدهیها بدست می آید. پایین بودن این نسبت می تواند بیانگر این باشد که وجه نقد حاصل از عملیات نمی تواند پوشش دهنده بدهیهای شرکت باشد. (شباهنگ،1387، ص293).
تولید ناخالص ملی15:
تولید ناخالص ملی عبارتست از ارزش پولی کلیه کالاها و خدمات نهایی که اعضای یک ملت در طول یکسال تولید کرده اند(شباهنگ، 1387،ص 291).
نسبت جاری:
نسبت جاری توانایی پرداخت بدهی های جاری را از محل دارایی های جاری نشان میدهد و از تقسیم دارایی جاری به بدهی جاری به دست می آید. در این نسبت فرض براین است که دارایی های جاری پشتوانه باز پرداخت بدهی های جاری شرکت است. هرچه این نسبت بالاتر باشد وضعیت شرکت بهتر است( لعل بار، 1388،ص 183).
میزان تغییرات سود خالص نسبت به سال گذشته:
از تقسیم (سود خالص دوره جاری – سود خالص سال قبل) بر سود خالص سال قبل به دست می آید که نشن دهنده نرخ رشد سود است. واضح است هرچه این نسبت بالا تر باشد ، وضعیت شرکت مطلوب تر برآورد می شود(دستگیر، 1385،ص 179)
فصل دوم
مروری بر ادبیات تحقیق
1-2 مقدمه
هدف از تهیه و ارائه اطلاعات حسابداری مالی فراهم ساختن مبنایی برای تصمیم گیری اقتصادی است. در تصمیم گیری، اطلاعات نقش بسیار موثری را ایفا می کنند و هر نوع تصمیم گیری مستلزم کسب اطلاعات، پردازش، تجزیه و تحلیل اطلاعات و استنتاج منطقی و مناسب از اطلاعات است.
بیور معتقد است"پیش بینی بدون اخذ تصمیم امکان پذیر است ولی کوچکترین تصمیم گیری را نمی توان بدون پیش بین انجام داد"(ادنان، 2002،ص4).16
هر چه پیش بینی ها به واقعیت نزدیک تر باشد، مبنای تصمیمات صحیح تری قرار خواهد گرفت. یکی از راه های کمک به استفاده کنندگان از صورت های مالی، ارائه الگوهای مناسب درباره ی وضعیت مالی شرکت هاست. الگوهای پیش بینی ورشکستگی، یکی از ابزارهای برآورد وضع آتی شرکت هاست (ثقفی، 1381،ص 35).
ورشکستگی شرکتها زیان هنگفتی را برای سرمایه گذاران، طلبکاران، مدیران، کارگران، عرضه کنندگان و مشتریان ایجاد می کند. اگر کسی علت اضمحلال شرکت ها را متوجه شود، با برنامه ریزی لازم شرکت را از مرگ حتمی نجات می دهد.(رهنمای رودپشتی و دیگران، 1385، ص482)
بنابراین پیش بینی بحران مالی شرکت ها، پیش نیاز جلوگیری از ورشکستگی همان مصداق "پیشگیری بهتر از درمان است" می باشد.
در این فصل ابتدا به تعاریف ورشکستگی و سپس مراحل درماندگی مالی و به ترتیب هزینه های ورشکستگی، تاثیر ورشکستگی بر ساختار سرمایه، دلایل ورشکستگی، بررسی قانون ورشکستگی، تاریخچه بورس و انواع شرکت های پذیرفته شده در بورس، مفهوم پیش بینی، مفهوم تصمیم گیری، مفروضات تداوم فعالیت و سپس مدل تحلیل پوششی داده ها و در بخش بعد مدلهای پیش بینی درماندگی مالی و نهایتاً پیشینه تحقیق در داخل و خارج از کشور آورده شده است.
2-2 تعاریف ورشکستگی
در ادبیات مالی تعاریف مختلفی از درماندگی مالی ارائه شده است که در اینجا به ذکر برخی از آنها می پردازیم.
1-2-2پریشانی مالی17
در فرهنگ لغات لانگمن این واژه به معنای پریشانی، درد، اندوه، فقدان منابع پولی و تنگ دستی آورده شده است (لانگمن، 2007،ص 127)18.
گوردون در یکی از اولین مطالعات آکادمیک بر روی تئوری پریشانی مالی، آن را به عنوان کاهش قدرت سودآوری شرکت معرفی کرده است که احتمال عدم توانایی بازپرداخت بهره و اصل بدهی را افزایش می دهد(گوردون، 1971)19
ویتاکر درماندگی مالی را وضعیتی می داند که در آن جریان های نقدی شرکت از مجموعه هزینه های بهره مربوط به بدهی بلند مدت کمتر است. از نقطه نظر اقتصادی، پریشانی مالی را می توان به زیان ده بودن شرکت تعبیر کرد. در این حالت شرکت دچار عدم موفقیت شده است.
در واقع در این حالت نرخ بازدهی شرکت کمتر از نرخ هزینه سرمایه است(ویتاکر، 1999)20
حالت دیگری از درماندگی مالی زمانی رخ می دهد که شرکت موفق به رعایت کردن یک یا تعداد بیشتری از بندهای مربوط به بدهی، مانند نگه داشتن نسبت جاری طبق قرارداد نباشد که به این حالت نکول تکنیکی21 گویند.(احدی دولت سرا، 1387، 29)
در حالت دیگری، درماندگی زمانی رخ می دهد که جریانات نقدی شرکت برای بازپرداخت اصل و فرع بدهی کافی نباشد و این زمانی است که ارزش ویژه شرکت عددی منفی گردد.
در ادبیات درماندگی مالی شرکت ها عموماً از چند اصطلاح شکست22، قابلیت نقدشوندگی ضعیف (درماندگی)23، نکول24 و ورشکستگی25 به طور گسترده ای استفاده می شود.
هر چند این عبارات دارای معانی متفاوت و متمایزی هستند، اما اغلب به صورت مترادف به کار می روند.
شکست: این واژه در فرهنگ لغت وبستر به عنوان وضعیت یا حالت کسری داشتن و یا ناکافی بودن و قصور کردن تعریف شده است.
کتاب دان و براداستریت(1980) اصطلاح شکست را جهت اشاره به آن دسته از شرکت هایی برگزیده است که به دلیل واگذاری و یا ورشکستگی دست از کار می کشیدند و یا فعالیت های زیان ده تجاری را کنار می گذاشتند و یا مشمول تغییر در وضعیت حقوقی به موجب قانون می شدند.
شکست به این معنی است که نرخ بازده تحقق یافته سرمایه گذاری ها، همواره از نرخ های متداول سرمایه گذاری های مشابه پایین تر است. در این رابطه از معیارهای متفاوتی مانند درآمد ناکافی برای پوشش هزینه ها و یا پایین تر بودن بازده متوسط سرمایه گذاری ها از هزینه سرمایه استفاه می شوند. از نظر اقتصادی یک شرکت می تواند بدون قصور در پوشش تعهدات جاری خود به دلیل عدم وجود الزام قانونی، برای سال های متمادی در وضعیت شکست قرار گیرد.
2-2-2 قابلیت نقدشوندگی ضعیف(درماندگی):
این واژه به شکل تخصصی استفاده می شود و نشان دهنده فقدان نقدینگی است، بنابراین بیشتر مبتنی بر وجوه نقد است و هنگامی رخ می دهد که یک شرکت نتواند تعهدات مالی خود را ایفا کند.
3-2-2 نکول:
یکی دیگر از اشکال درماندگی مالی است که همیشه بین شرکت بدهکار و گروه بستانکار رخ می دهد. شرکت ها پس از عدم پرداخت اصل یا بهره یک وام بلافاصله در شرایط نکول قرار نمی گیرند. به هر حال هنگامی که شرکت ناتوان از پرداخت اصل و بهره اوراق قرضه است و این مشکل ظرف مدت 30 روز برطرف نشود، در حالت نکول قرار می گیرد. در چند دهه ی اخیر نکول در پرداخت اصل و بهره اوراق قرضه به رویدادی متداول تبدیل گشته است.
4-2-2 ورشکستگی
هنگامی یک شرکت ورشکسته است که مبلغ کل بدهی ها از ارزش منصفانه کل دارایی ها بیشتر شود. در این حالت شرکت می تواند از طریق مراجع قضایی اعلام ورشکستگی نماید.(احدی دولت سرا، 1387، 30)
3-2مراحل درماندگی مالی
نیوتن26 (1998) مراحل نامطلوب شدن وضع مالی شرکت را به دوره های نهفتگی، کسری وجه نقد، نبود قدرت پرداخت دیون مالی یا تجاری، نبود قدرت پرداخت دیون کامل ودرنهایت ورشکستگی تقسیم کرد (شکل شماره1-2) گرچه اغلب ورشکستگیها ازاین مراحل پیروی می کنند، اما برخی شرکتها ممکن است بدون طی همه مراحل به ورشکستگی کامل برسند. وضعیت واحد تجاری به طورناگهانی وغیرمنتظره منجر به ورشکستگی نمی شود. درمرحله نهفتگی ممکن است یک یا چند وضعیت نامطلوب به طور پنهانی برای واحد تجاری وجود داشته باشد بدون اینکه فوراً قابل شناسایی باشد. مثلاً تغییر درتقاضای تولید، استمرارافزایش درهزینه های سربار، منسوخ شدن روشهای تولید و… ازاین عوامل هستند.
اغلب دردوره نهفتگی است که زیان اقتصادی رخ می دهد وبازده دارائیها سقوط می کند. بهترین وضع برای شرکت این است که مشکل درهمین مرحله کشف شود. مسئله دوم اینکه راه حلهای آسانتری که دراین مرحله موثراست درمراحل بعد پاسخگو نخواهد بود ونکته سوم، اعتماد عمومی دستخوش تزلزل نخواهد شد اگر مشکل درهمین مرحله کشف و رفع شود. برطرف ساختن مشکل درمراحل بعدی باعث کاهش اعتماد عمومی به شرکت می شود و درنتیجه دسترسی به وجوه دشوارتر می گردد و شاید شرکت ناچار به رد پروژه های سودآور شود. مرحله کسری نقد وقتی شروع می شود که یک واحد تجاری برای ایفای تعهدات جاری یا نیاز فوری، دسترسی به وجه نقد نداشته باشد گرچه چند برابرنیازش ممکن است دارائیهای فیزیکی داشته وسابقه سودآوری کافی نیز داشته باشد. مسئله اینجاست که دارائیها به قدر کافی قابل نقد شدن نیستند وسرمایه حبس شده است. در مرحله نبود قدرت پرداخت دیون مالی یا تجاری، شرکت هنوز قادربه تحصیل وجه کافی از کانالهای مصرف هست. مدیریت ابزارهای مناسب دارد؛ مثلاً استفاده ازافراد حرفه ای مالی یاتجاری، کمیته اعتباردهنده وتجدید ساختار درتکنیکهای تامین مالی و … ازطریق این روشها هنوز هم می توان مشکل را دراین مرحله شناسایی و برطرف کرد. درمرحله نبود قدرت پرداخت دیون کامل است که دیگر شرکت روبه نابودی رفته است. کل بدهیها ازارزش دارائیهای شرکت فزونی دارد وشرکت دیگر نمی تواند از ورشکستگی کامل خود اجتناب کند(حاجیها،1384،ص 64).
شکل شماره(1-2) : مراحل ورشکستگی (رهنمای رود پشتی و دیگران ،1385،ص 458).
4-2-هزینه های ورشکستگی
ورود شرکتهای جدید وخروج شرکتهای غیرکارا ازجمله عملیات کارای اقتصادی به شمار می آید. در همه سالها برخی ازشرکتها ورشکسته می شوند و درهنگام ورشکستگی موارد هزینه زای زیر بروز می کند:
1- عموماً شرکتهای ورشکسته مجبور می شوند دارائیهای خود را به قیمتهای نازل وغیرمعمول به فروش برسانند. چه بسیار که فردی دارائیهای یک شرکت ورشکسته را کلاً به قیمت نازل خریده وبه دو یا سه برابر فروخته است.
2- منازعات بین طلبکاران ممکن است باعث شود نقد کردن دارائیها به تاخیربیفتد. دراین فاصله، احتمال خرابی فیزیکی و یا نابابی موجودیها و دارائیهای ثابت می رود. این امرموجب هزینه می شود.
3- بخشی ازارزش شرکت صرف حق الزحمه وکلا، هزینه دادگاهها وهزینه های اداری می شود.
آقای دکترانواری رستمی هزینه های ورشکستگی را به دو دسته مستقیم وغیرمستقیم تقسیم نمود. هزینه های مستقیم شامل هزینه های اداری ودفتری، اجرت دادستانی، اجرت داوری دادگاه، اجرت حسابداری وارزشیابی و اجرت مزایدات می باشد. وهزینه های غیرمستقیم شامل زیان حاصله برکارائی و درآمد شرکت پس ازشروع عملیات تسویه ازناحیه اعتباردهندگان، مشتریان وکارکنانش می باشد. اعتباردهندگان تمایلی به اعطای اعتبار اضافی ندارند، مشتریان ممکن است شروع به خرید ازجاهای دیگر بنمایند، روحیه کارکنان شرکت کاهش یافته وگردش کارکنان درشرکت افزایش یابد. این فرایند درصورتی که دارائیها درهنگام فروششان کمتراز ارزش دفتری شان به فروش برسند وخیم تر خواهد بود.
دریک طبقه بندی دیگر هزینه های ورشکستگی به چهاردسته طبقه بندی می شوند:
1- هزینه های واقعی که به علت توقیف اموال شرکت تحمیل ده است.
2- هزینه های واقعی که مستقیماً توسط طلبکاران تحمیل شده و نه توسط خود شرکت ورشکسته.
3- زیان شرکتهای توقیف شده که توسط سود سایر نهادها خنثی شده است.
4- هزینه های واقعی که توسط قسمتهایی بیش از شرکت توقیف شده یا مدعیان آن تحمیل شده است.
هزینه های مستقیم مقابله با ورشکستگی بیشتر به شکل دستمزدهایی است که به متخصصان (به ویژه حقوقدانان وحسابداران) پرداخت می شود.
مطابق تخمین های آقای برنج27(2002)هزینه های مرتبط ورشکستگی به شکل زیردسته بندی می شود:
هزینه شرکت
هزینه های مستقیم:
– هزینه دستمزدهای حرفه ای درزمان ورشکستگی 3/4-1/3/0
– هزینه های پیش از ورشکستگی 65/.%
– هزینه های منابع کارکنان داخلی 4/1-7/.%
– کل هزینه های مستقیم 35/6-45/4/0
– هزینه های غیرمستقیم10-5/0
– کل هزینه های شرکت35/16-9345/0
هزینه های مدعیان:
– هزینه های نظارتی 4/2/0
– هزینه های قابل معامله 75/1-25/1/0
– کل هزینه های مدعیان 15/4- 25/3/0
– کل هزینه های مرتبط به ورشکستگی ومدعیان 5/20-70/12/0(علی خانی،1385،ص 62)2.
5-2 تاثیرهزینه های ورشکستگی بر ساختار سرمایه
یکی ازمواردی که برتصمیمات مربوط به ساختار سرمایه ای تاثیر قابل ملاحظه ای می گذارد، هزینه های ورشکستگی است. هزینه های ورشکستگی غالباً ازمجموع هزینه های اداری وقانونی ورشکستگی تشکیل می شود. زیرا هزینه های ورشکستگی شامل عدم کارایی عملیاتی زمان ورشکستگی و فروش دارائیهای شرکت به قیمتی کمتر از ارزش اقتصادی آنها نیز هست.درصورت وجود احتمال ورشکستگی و قابل توجه بودن هزینه های اداری و سایر هزینه های ورشکستگی، شرکتی که ازاهرم استفاده می کند، برای سرمایه گذاران ازجذابیت کمتری برخوردار است. درصورتی که بازارسرمایه کامل باشد، هزینه های ورشکستگی وجود نخواهد داشت و لذا ارزش دارائیها با ارزش اقتصادی شان یکی خواهد شد. برعکس، چنانچه بازار سرمایه کامل نباشد، هزینه های اداری وجود خواهد داشت ودارائیها به قیمتی کمتر از قیمت اقتصادیشان به فروش خواهند رفت.
این هزینه ها سبب خواهد شد که ارزش تسویه دارائیها ازارزش اقتصادی آنها کمتر شود وموجب خروج وجوه شرکت ازسیستم، ازنظرصاحبان بدهی وسهامداران عادی گردد. درصورت وجود هزینه های ورشکستگی، صاحبان سهام هنگام ورشکستگی مبلغی کمتراز زمانی دریافت می کنند که هزینه های ورشکستگی وجود ندارد. شرکت اهرمی نسبت به شرکت غیراهرمی احتمال ورشکستگی بیشتری دارد ولذا برای سرمایه گذاران نامطلوب تر است. احتمال ورشکستگی همیشه یک تابع خطی از نسبت بدهی به سهام نیست. ولی وقتی این نسبت ازحد معینی گذشت، آهنگ احتمال ورشکستگی تندتر می شود و هزینه موردانتظار ورشکستگی افزایش می یابد وبا همان روند برارزش شرکت وهزینه سرمایه آن تاثیر منفی می گذارد. بستانکاران واعتباردهندگان، هزینه های ورشکستگی را به شکل هزینه های بهره بالاتر به سهامداران منتقل می کند وسهامداران تحمل کنندگان نهایی بار هزینه های ورشکستگی وارزش پایین تر شرکت خواهند بود. هزینه های ورشکستگی درواقع نوعی زیان مرده تلقی می شوند وسهامداران نمی توانند آنها را ازطریق تنوع سرمایه گذاری، حتی اگرفرایند تعالی بازار کارا فرض شود، منتقل نمایند. هرچه درجه اهرم بیشترشود، سرمایه گذاران ناگزیر خواهند بود که قیمت سهام را بیشتر کاهش دهند. این وضعیت درنمودار شماره (1-2) نشان داده شده است .
نمودار شماره ( 1-2 ): تاثیر هزینه های ورشکستگی بر ساختار سرمایه (رهنمای رودپشتی ودیگران،1385،ص503)1.
در شکل فوق نرخ بازده موردانتظار سهامدار keبه دوبخش تقسیم می شود:
نرخ بازده بدون مخاطره، I به اضافه صرف ریسک تجاری:
این صرف روی محورعمودی، به صورت تفاوت میان نرخ بازده موردانتظارساختارسرمایه ای که تماماً ازسهام عادی تشکیل شده ونرخ بازده بدون خطرنشان داده شده است. همچنان که بدهی افزایش می یابد، نرخ بازده موردانتظارنیزافزایش می یابد واین مقدار اضافی صرف خطرمالی را نشان می دهد. چنانچه هزینه های ورشکستگی وجود نداشته باشد، بازده مورد انتظار به صورت خطی افزایش می یابد، درصورت وجود هزینه های ورشکستگی وافزایش احتمال ورشکستگی با وجوداهرم، انتظار می رود که نرخ بازده مورد نیاز بعد ازحد معینی ازاهرم با آهنگی افزاینده افزایش یابد. در بدو امرممکن است احتمال ورشکستگی ناچیز و قابل اغماض باشد، دراین صورت اثرآن برارزش سهام وهزینه سرمایه کم و یا صفرخواهد بود. باافزایش اهرم، اثرآن برارزش سهام وهزینه سرمایه نیز افزایش می یابد وتا جایی که دراهرمهای خیلی بالا این اثر بسیار قابل توجه خواهد شد (رهنمای رودپشتی ودیگران،1385،ص 503)1.
6-2 دلایل ورشکستگی
معمولاً دلایل مختلفی باعث بروز ورشکستگی می شود. مهمترین دلیل ورشکستگی شرکتها سوء مدیریت سازمانها می باشد. خطاهای مدیریتی، هزینه بالا، فعالیت مالی ضعیف، بی اثربودن فعالیتهای فروش وهزینه تولید بالا می تواند به تنهایی یا ترکیبی ازآنها هشداری برای ورشکستگی شرکتها باشد. فعالیتهای اقتصادی می تواند یکی دیگرازدلایل ورشکستگی شرکتها باشد. رکود اقتصادی، تغییرات نرخ بهره، بالارفتن تورم، نوسانات قیمت مواد اولیه و شرایط اقتصادی بین المللی ازدلایل اقتصادی ورشکستگی سازمانها می باشد. تصمیمات دولت، پیشامدهای طبیعی ناخواسته ومرحله عمرسازمانها نیزازدیگردلایل ورشکستگی می باشند (رسول زاده ،1380،ص 48)1.
تعیین دلیل یا دلایل دقیق ورشکستگی و مشکلات مالی درهرمورد خاص کارآسانی نیست. دراغلب موارد دلایل متعددی با هم منجر به پدیده ورشکستگی می شوند، اما طبق تحقیقات دان وبراد استریت دلایل اصلی ورشکستگی مشکلات مالی واقتصادی است. دربرخی موارد دلایل ورشکستگی با آزمون صورتهای مالی و ثبتها مشخص می شود. حسابدارانی که درتجزیه وتحلیل وضع مالی شرکتهای روبه زوال تجربه دارند می توانند به راحتی دلایل ورشکستگی را شناسایی و تعیین کنند. اما گاهی، بعضی مسائل از گردش مناسب دریک واحد تجاری دریک دوره نسبتاً کوتاه مدت حمایت می کند و ورشکستگی را از چشم حسابداران پنهان می سازد.
نیوتن درسال 1998 دلایل ورشکستگی رابطورکلی به دودسته دلایل درون سازمانی و برون سازمانی تقسیم کرده است:
1-6-2 دلایل برون سازمانی
1- ویژگیهای سیستم اقتصادی: مدیریت شرکت باید تغییراتی را که درساختاراقتصادی رخ می دهد بپذیرد. ولی نمی تواند تغییری درآنها ایجاد کند بلکه باید تعدیلات لازم را درعملیات شرکت درجهت این سیستم پیاده سازد. شرکتهای بزرگ دارای ساختار سازمانی هستند اما شرکتهای کوچکتر بیشتر درمعرض خطرورشکستگی قرار دارند، چون شرکتهای بزرگ بهترمی توانند درشرایط نبود ثبات بازار مقاومت نمایند.
2- رقابت: یکی ازدلایل ورشکستگی رقابت است، اما مدیریت کارا نقطه مقابل این دلیل است.
3- تغییرات درتجارت وبهبودها وانتقالات درتقاضای عمومی: اگر شرکتها از بکارگیری روشهای مدرن و شناخت وسیع وبموقع خواسته های مصرف کننده جدید ناتوان باشند شکست می خورند.
4- نوسانات تجاری: مطالعات نشان داده است که ناسازگاری بین تولید ومصرف، کاهش درمیزان فروش، سقوط قیمتها و… باعث افزایش تعداد شرکتهای ورشکسته شده است. به هرحال نبود آرامش موقت عامل زیربنایی ورشکستگی شناخته نشده است.
5- تامین مالی: پروفسور ناماکی با استفاده ازداده های بانک جهانی برای دوره1980-1990 عنوان کرد که مشکلات مرتبط با تامین مالی بیشتر از شرایط اقتصادی، باعث ورشکستگی شرکتهای کوچک می شود.
6- حوادث غیر مترقبه: برخی عوامل فراتر از کنترل شرکت هستند مانند رویدادهای طبیعی و در همه جوامع صرف نظراز سیستم اقتصادی آنها دیده می شود.
2-6-2 دلایل درون سازمانی
نیوتن (1998) عوامل درون سازمانی ورشکستگی واحدهای تجاری را عواملی میداند که می توان با برخی اقدامات واحد تجاری از آنها جلوگیری کرد. اغلب این عوامل ناشی از تصمیم گیری غلط است ومسئولیت آنها را باید مستقیماً متوجه خود واحد تجاری دانست. از نظراو این عوامل عبارتند از:
1- ایجاد و توسعه بیش ازاندازه اعتبار: اگرشرکت اعطای اعتبار به مشتریان را بیش ازاندازه توسعه بخشد دردریافت دیون ازبدهکاران دچار مشکل می گردد. توزیع کننده ها درصورت فروش کالا به مصرف کننده قادر به پرداخت بدهی هایشان هستند. پس اعتبارات اعطا شده ازتولید کننده به توزیع کننده ونهایتاً به مصرف کننده توسعه داده می شود. دراین حالت یک زنجیره اعتبارایجاد می شود واگریک حلقه دراین زنجیره ورشکست شود خطرسقوط همه زنجیره وجود دارد. راه حل مناسب افزایش بررسی های اعتباری ومحدود کردن حتی الامکان فروشهای نسیه است. گرچه ممکن است برخی شرکتها فکرکنند که ازدست دادن حجم فروشهای نسیه، زیان بیشتری ازسوخت شدن برخی مطالباتشان برای آنها به همراه دارد، اما تصمیم فقط درباره اعطای اعتبار ممکن است باعث ایجاد ریسک در فعالیت مالی خود شرکت گردد و این زیانهای اعتباری غیرمعمول ممکن است ساختار مالی شرکت را برای ادامه فعالیت تضعیف نماید.
2- مدیریت ناکارا: فقدان آموزش، تجربه، توانائی وابتکارمدیریت، واحد تجاری را درباقی ماندن درعرصه رقابت وتکنولوژی دچار مشکل می سازد. بیشترین تعداد ورشکستگیها به این دلیل بوده اند. عدم همکاری وارتباط مدیریت با افراد حرفه ای هم در این طبقه قرار می گیرد.
اداره پژوهش تجاری دانشگاه پیترزبرگ مطالعه ای روی ده کارخانه تولیدی ناموفق طی سالهای1954 تا 1956انجام داد. شرکتهای ورشکسته با ده شرکت موفق مقایسه واختلافات آنها به شرح ذیل بوده است :
شرکتهای ناموفق سوابق ضعیف و رویه های نگهداری سوابق ضعیف داشتند، شرکتهای موفق منابع زمانی ومالی بیشتری برای توسعه محصول صرف می کردند، شرکتهای ناموفق فراترازعمق تکنولوژی در دسترس خود رفته بودند، مدیران آنها از تحلیل بازار و فروش غفلت می ورزیدند. نتیجه نهایی این تحقیق نشان داد که ورشکستگیهای مورد بررسی به خاطر کوچک بودن این شرکتها نبود بلکه بخاطر مدیریت بد (سوء مدیریت) بود. برخی ازاین مدیریتهای ناکارا بخاطر تحمیل زیاد وظایف بیش از زمان دردسترس، به یک مدیر بود. آنها مسئولیتهای مختلفی داشتند که فرصت رسیدگی به همه آنها را نداشتند.
شاید ورشکستگی یک فرصت مناسب برای رهایی مدیر بود که می شد از آن اجتناب ورزید. جامعه متخصصان ورشکستگی انگلیس، هزار وهفتصد شرکت راکه طی سال1992 ورشکست شده بودند بررسی کرد و دریافت که مدیریت شرکت بزرگترین دلیل سقوط شرکتها بوده است. بعد ازآن به ترتیب بازار، فقدان سرمایه گذاری اضافی لازم وتامین مالی بلندمدت عوامل ورشکستگی شناخته شدند. نیوتن1 (1998) عنوان کرد که مدیریت ناکارا نمی تواند از عوامل ذیل جلوگیری کند وهریک از آنها ممکن است منجر به سقوط شرکت گردد:
*فروشهای ناکافی (که منجربه ناکافی بودن سود برای باقی ماندن شرکت درعرصه تجارت می گردد).
*قیمتگذاری نامناسب (که موجب پذیرش زیان روی یک قلم یا سود بسیار اندک می شود).
*استفاده نادرست از دریافتیها و پرداختیها (عدم موفقیت درگرفتن تخفیفات عمده وعدم پرداخت بدهکارانی که دارای وضع وخیم هستند).
*هزینه های سرباروعملیاتی بیش ازاندازه وهزینه بهره بدهیهای درازمدت بیش ازاندازه (که همه هزینه های ثابت هستند که درمقابل درآمد قراردارند وباعث بالارفتن نقطه سربه سر می شوند).
*سرمایه گذاریهای بیش ازاندازه دردارائیهای ثابت وموجودیها (که باعث محدودیت وجوه و دردسترس نبودن آن برای ایفای سایرتعهدات می گردد).
*سرمایه درگردش ناکافی و نقدینگی ضعیف (به خاطر بدهی جاری بیش ازحد درنتیجه تحصیل دارائیهای ثابت با استفاده ازاعتبارات کوتاه مدت).
*ساختارسرمایه نامناسب (نسبت نامطلوب بدهی به سرمایه).
*پوشش بدهی نامناسب (درمقابل زیانهای ناشی از آتش سوزی، سرقت و…).
*روشها و ثبتهای نامناسب حسابداری (که باعث دسترسی نداشتن مدیریت به اطلاعات مورد نیاز برای شناسائی مشکل وپیشگیری ازآن می گردد).
*رشد بیش ازاندازه (رشدسریع باعث نیاز به وجه نقد بالا می گردد که ممکن است شرکت درکوتاه مدت قادر به تامین آن نباشد وبرای دستیابی به آن متحمل هزینه بهره گردد).
*محدودیت ریسک (شرکتهایی که مصرف کنندگان متنوعی ندارند درصورت سوخت شدن یک فروش نسیه یا ورشکستگی یک مصرف کننده به سرعت ورشکست می شوند).
1- سرمایه ناکافی: درصورتی که سرمایه کافی نباشد شرکت ممکن است قادر به پرداخت هزینه های عملیاتی وتعهدات اعتباری درسررسید نگردد. بااین حال دلیل اصلی مشکل، سرمایه ناکافی نیست وناتوانی درمدیریت اثربخش سرمایه، مسئله اصلی است.
2- خیانت وتقلب: تعداد اندکی از ورشکستگی های با برنامه ریزی، ساختگی و بر اثر تقلب می باشد (حاجیها، 1384،ص64)1.
جدول 1-2 فهرست دلایل ورشکستگی را نشان می دهد.
جدول شماره (2-2 ): دلایل ورشکستگی (رهنمای رودپشتی و دیگران ،1385،ص 454)2.
–
خیانت و تقلب
سرمایه ناکافی
مدیریت ناکارا
ایجاد و توسعه بیش از اندازه اعتبار
دلایل درون سازمانی
دلایل ورشکستگی
تصادفات
تامین مالی
تغییرات در تجارت و بهبودها و انتقالات در تقاضای عمومی
رقابت
ویژگیهای سیستم اقتصادی/نوسانات تجاری
دلایل برون سازمانی
جونا آیابئی3 نیز شاخصهای نشاندهنده ورشکستگی (وضع وخیم مالی) شرکت را به صورت زیرتقسیم کرده است:
*کاهش سودنقدی: اگرطی زمان، سود نقدی شرکت روبه کاهش مستمرباشد این امر را می توان نشانه ای برای ورشکستگی تلقی کرد.
*بستن کارخانه ها یا شعبه های شرکت.
*زیانها: زیانهای عملیاتی منجربه ناتوانی از پرداخت سودهای نقدی یا افزایش سرمایه گذاری می شود. این امر شرکت رابه سوی ورشکستگی سوق می دهد.
*زیاد بودن فصول کم کاری وتوقف عملیات.
*استعفاء مدیران شرکت: مدیران ارشد یک سازمان درجایگاهی هستند که می توانند عملکرد بعدی سازمان را ببینند. بنابراین آنها می توانند زودتراستعفاء دهند وبه شرکتهایی که پتانسیل بهتری برای مقاومت دربرابر ناملایمات اقتصادی دارند بروند. این استعفاء می تواند یک نشانه عملکرد ضعیف باشد.
*افت قیمت سهام: قیمتهای سهام نشاندهنده ارزشی هستند که بازار برای شرکت قائل است، بی ثباتی و کاهش قیمت سهام ممکن است منجر به ترک شرکت ازسوی سهامداران با فروش سهام گردد و اعتبار دهندگان نیزعملکرد شرکت را با قیمت سهام ارزیابی می کنند(حاجیها،1384،ص 64)1.
7-2 ابزارهای شناسایی عوامل ورشکستگی
1-7-2 تحلیل روند:
یکی از رایجترین روشهای بررسی اطلاعات در درون شرکت تحلیل گزارشات مالی درطی چند سال مالی می باشد. تا بدینوسیله تحلیل روند امور، ملموس شود. درصورت استفاده ازیک سال خاص بعنوان مبنا، تحلیل روند حسابهای عمده به صورت ماهیانه یا فصلی صورت می گیرد. روندهای ترازنامه اصولاً تمایلات ورشکستگی را به صورت زیر آشکار می سازد:
* نقدینگی روبه ضعف.
* سرمایه جاری غیرمکفی.
* سرمایه گذاری بیش ازحد روی موجودی کالا یا حسابهای دریافتنی.
* گسترش بیش ازحد دارائی های ثابت.
* افزایش وام های بانکی و سایر بدهی های جاری.
* بدهی های درازمدت دارای پشتوانه وتعهدات (بدهی های) ثابت بیش از حد.
* سرمایه گذاری بیش از حد روی دارائی های ثابت.
* وابستگی وام های شرکت به بانکها واعتباردهندگان.
تغییرات درحساب درآمد که می تواند تمایلات و روندهای دیگری رابه سمت ورشکستگی آشکار سازد به شرح ذیل می باشند:
* کاهش میزان فروش.
* افزایش هزینه های عملیاتی وهزینه های سربار.
* نرخ بهره وسایرهزینه های ثابت بیش از حد.
* برداشت ها وسود سهام بیش از حد درمقایسه با میزان درآمد.
* درآمدخالص روبه کاهش ونرخ بازده پایین تر روی وجوهات سرمایه گذاری شده توسط صاحبان سرمایه.
* افزایش فروش ازطریق اعمال کاهش سود هر واحد.
2-7-2 تحلیل عملیات حسابداری
درارتباط باتحلیل روند، برخی از نسبت ها یا عملیات مربوط به حسابداری درتعیین قدرت مالی مفید می باشند. نسبت های جاری ونقدینگی برای ترسیم توانایی شرکت درانجام تعهدات جاریش بکار برده می شوند. کارایی دراستفاده ازدارئی ها اغلب ازطریق گردش دارائی های ثابت، گردش موجودی کالا و گردش حسابهای دریافتنی تعیین می شود. هرچه میزان گردش بالاتر باشد عملکرد بهتر است زیرا که مدیریت می تواند با درگیرنمودن میزان کمی از وجوه فعالیت شرکت را تنظیم کنند. تحلیل سنجش های مختلف مربوط به یک سال خاص، ممکن است ارزش خاصی داشته باشد. اما وقتی که این سنجش ها، با موارد مشابه سال های قبل مقایسه می شوند. درآن صورت روند امور ملموس تر شده که این امر می تواند بسیار پراهمیت باشد.
درستی رابطه وجوه استقراضی وسهام سرمایه ازطریق نسبت های خاص حقوق صاحبان سهام به جمع بدهی ها وحقوق به دست می آید. نسبت های بدهی جاری، بدهی های بلندمدت، کل بدهی ها وحقوق صاحبان شرکت به کل حقوق صاحبان سهام می تواند در ارزیابی توان بقاء شرکت، درمواقع بحرانی وایفای تعهدات کوتاه مدت وبلند مدت شرکت کمک نماید. بایستی توازن های بین بدهی وحقوق صاحبان سهام برقرار باشد. افزایش منافع افراد خارج از شرکت مزیتی است برای مالکین شرکت زیرا که ایشان سود حاصل ازبازده دارائی ها یی را می برند که توسط دیگران آورده شده است. با وجود این دردرون این مزیت ریسک زیادی وجود دارد. با تحلیل ساختار حقوق صاحبان سهام وهزینه بهره، نسبت به میزان نسبی قابلیت اتکا وجوه مالکیت که اعتباردهندگان می توانند درجلوگیری از زیانهای احتمالی روی آن حساب کنند، می توان نتایجی حاصل کرد.
مسئولین حسابداری شرکت بدهکارمی توانند ازطریق آماده نمودن اطلاعات لازم و یا دربرخی موارد با مروراطلاعات درکشف تمایلات ورشکستگی موثرواقع شده ومدیریت را درپیش بینی وضعیت آتی وتنظیم عملیات وجریان نقدینگی دوره مالی بعد یاری نمایند. این پیش بینی ها اغلب مسائل و مشکلات احتمالی را دربدو شروع یا پیدایش گوشزد می نماید که این امرفرصت انجام اقدامات اصلاحی را دراختیارمدیریت قرار می دهد. اطلاعات برای پیش بینی روند آتی شرکت اگر واقع بینانه تهیه شده باشند بایستی پاسخگوی سوالات زیر باشند:
– آیا می توان به سود مورد نظر دست یافت؟
– چه حوزه ای ازهزینه ها ومخارج ممکن است سودآوری را با مشکل مواجه کرده وبایستی مراقب آن بود؟
– آیا منابع مالی کافی هستند؟
و نیز مهم است که گزارشهای مالی میان دوره ای نیز به گونه ای مفید تهیه شوند و شرکت برای بررسی گزارشهای مالی پایان دوره حسابرس های معتبر در اختیارداشته باشد.
رویدادهای ذیل می تواند قریب الوقوع بودن مشکلات مالی را به حسابداران گوشزد نمایند:
– پیش خرید حسابهای دریافتنی (چنانچه این عملیات براساس حساب باز صورت پذیرد).
– صلح کردن مبلغ حساب های دریافتنی به منظوردریافت پیش ازموعد.
– تبدیل یا جایگزینی اسناد برای حسابهای پرداختنی.
– مجاز نمودن برخی ازطلبکاران عمده به دریافت بهره اوراق بهادار درقالب دارائی ها.
– عدم توانایی شرکت درسپرده گذاری به موقع وجوه امانی ازقبیل مالیات برحقوق ماهیانه کارمندان.
– مرگ یا خروج پرسنل کلیدی ازشرکت.
– تعهدات خرید نامطلوب.
– عدم بازگشت هزینه های تحقیق وتوسعه.
– تغییر در روشهای حسابداری توسط مشتری برای بهبود گزارش های مالی.
3-7-2 تحلیل مدیریت
برخی ازویژگی های خاص مدیریت ناکارآمد وغیرموثرنیزبه عنوان علائم هشداردهنده مشکلات احتمالی به کارمی آیند. کسانی که به فکر ادامه فعالیت شرکت هستند بایستی آماده باشند تاچنانچه مشخص شد که مدیریت درزمینه های فعالیت شرکت ازقبیل تفسیر اطلاعات مالی، مدیریت وجوه نقد، برنامه ریزی تولید وتحویل، هماهنگی فعالیت های بخش های مختلف وسایرعملکردهای مدیریت فاقد آموزش وتجربه لازم می باشد به موقع اقدام لازم را بعمل آورند. درشرایط معمول یک مدیر ممکن است درزمینه فنی یک متخصص باشد اما ازمیزان کمی توانایی های مدیریتی برای اداره امور شرکت برخوردار باشد. ازجمله علائمی که نشان می دهد مدیریت ناکارآمد است ودرنتیجه احتمال مواجه شد شرکت با مشکلات وجود دارد عبارتند از: سیستم های اطلاعاتی ناکافی وغیرکارآمد، عدم توجه به اطلاعات عملیاتی ومالی که دراختیار وی قرار می گیرد، عمده علاقه به حفظ سطح قابل قبولی ازفروش، هزینه های ثابت زیاد ناشی ازهزینه های بالاسری یاهزینه های عملیاتی و یا بدهی زیاد درساختار سرمایه و یا سیستم قیمت گذاری غیرمنطقی.
البته احتمال وجود علائم دیگری که نشان دهنده مدیریت ناکارآمد می باشند نیز مطرح است و در صورت وجود چنین علائم وعواملی بایستی مسئولین ادامه فعالیت شرکت را درحالت آماده باش نگه دارند.
ابزار عملی بررسی های مندرج دربندهای الف، ب وج (مذکور) نسبتهای مالی است (رهنمای رودپشتی ودیگران،1385،ص 458)1.
8-2 انواع شکست
بطور کلی شرکتها ممکن است به یکی ازسه شکل مالی، اقتصادی و حقوقی باشکست مواجه شوند.
درشکست مالی، ضعف درایفای تعهدات درزمان سررسید، وجود حالت تنگنای مالی رانشان می دهد.
معمولاً نشانه تنگنای مالی، فقدان سرمایه درگردش می باشد. فقدان سرمایه درگردش، نشانه ای است که خود ناشی ازعلل دیگری مانند ساختارسرمایه ای ضعیف، استقراض جاری بیش ازحد، هزینه عملیاتی بالا، وامثال این موارد می باشد. معمولاً بین شکست به معنای اقتصادی وشکست مالی واعتباری فرق گذاشته می شود. بطورکلی، شکست تجاری همان شکست اقتصادی است، زیرا موسسه نتوانسته است برای سرمایه گذاری انجام شده، سودی مشابه آنچه که درجای دیگر قابل دسترسی است را تحصیل کند. شکست ازنظرقانون، توقف درتادیه وجوهی است که برعهده تاجر می باشد (رسول زاده،1380،ص 50)2.
9-2 بررسی قانون ورشکستگی در ایران
طبق ماده 141 لایحه اصلاحیه قسمتی از قانون تجارت، مصوب سال 1347 وظایف شرکت در صورت ورشکستگی به شرح زیر بیان شده است:
اگر بر اثر زیانهای وارده حداقل نصف سرمایه شرکت از میان برود، هیئت مدیره مکلف است بلافاصله مجمع عمومی فوق العاده صاحبان سهام را دعوت نماید تا موضوع انحلال یا بقای شرکت مورد شور ورشکستگی رای واقع شود.
هرگاه مجمع مذبور رای به انحلال شرکت ندهد باید در همان جلسه ورشکستگی با رعایت مقررات ماده 6 این قانون، سرمایه شرکت را به مبلغ سرمایه موجود کاهش دهد. در صورتیکه هیئت مدیره بر خلاف این ماده به دعوت مجمع عمومی فوق العاده مبادرت نکند ویا مجمعی که دعوت می شود نتواند مطابق مقررات قانونی منعقد گردد، هر ذینفع می تواند انحلال شرکت را از دادگاه صلاحیت دار درخواست کند.(شقاقی نژاد، 1382،ص 30)
گرچه در این ماده قانونی امر ورشکستگی به صراحت مشخص نشده اما در ماده 143 همین قانون ورشکستگی تصریح گردیده ورشکستگی تا حدودی بر منافع اعتباردهندگان تکیه کرده است. ماده ی مذکور به شرح زیر است: در صورتی که شرکت ورشکسته شود یا هنگام انحلال معلوم شود که دارایی شرکت برای تادیه دیون آن کافی نیست. دادگاه صلاحیت دار می تواند به تقاضای هر ذینفع، هر یک از مدیران از مدیران و یا مدیرعاملی را که ورشکستگی شرکت یا کافی نبودن دارایی شرکت به نحوی از انحاء معلول تخلفات او بوده منفرداً یا متضامناً به تادیه آن قسمت از دیونی که پراخت آن از دارایی شرکت ممکن نیست، محکوم کند. (رهنمای رودپشتی، 1385،ص 472)
در واقع مقررات ورشکستگی در ایران متاثر از حقوق اسلامی می باشد، اولین بار در ایران در ماده 624 قانون اسلامی محاکمات حقوقی مصوب 26 رمضان 1329 از اصطلاح افلاس نام برده شده است. در ایران بر خلاف بسیاری از کشورهای پیشرفته مقررات مربوط به ورشکستگی به طور قابل ملاحظه ای تحول نیافته است. تا تاریخ 20/9/1313 برای افرادی که قادر به تادیه دین نمی شوند سه عنوان قانونی وجود داشت:
1-افلاس: حالت شخص غیر تجاری که به علت نداشتن مال یا کافی نبودن آن قادر به تادیه دیون خود نبوده است.
2- اعسار: حالت شخص غیرتجاری که به علت عدم دسترسی به مال خود قادر به تادیه مخارج محاکمه یا دیون خود نبوده است.
3-ورشکستگی: حالت تاجر یا شرکت تجاری است که دچار توقف از تادیه وجوهی شده است که بر عهده اش بوده است(شقاقی نژاد، 1382،ص 30).
10-2بررسی قانون ورشکستگی در برخی کشورها
تحقیق در مورد علل ورشکستگی در بسیاری از کشورهای سراسر جهان انجام شده است. نتایج به دست آمده متفاوت است، از آن جمله لاپورتا28، لوپز29، دی- سیلانز30، اشلیفر31، ویشینی32، اختلافات بین کشورها در نوع قوانین، مقررات و اجرای آن در مورد روش های ورشکستگی را بررسی کردند. نتیجه ی یافته های آنها این بود که کشورهای دارای سیستم قضایی قویتر و حفاظت از سرمایه گذار، بازارهای اعتبار را تشویق می کنند. کلاسنس33، جانکو34 و کلاپر35(2002) دریافتند که در یک نمونه از کشورهای آسیای شرقی، بستانکاران بیشتر در معرض تحمل هزینه های ورشکستگی هستند.
کلاپر طی پژوهشی برای بانک جهانی، روی کشورهای مختلف در دنیا و قوانین ورشکستگی آنها مطالعه کرده است. کشورهای مورد مطالعه وی همگی قوانین ورشکستگی داشتند که نقدینگی و تجدید ساختار شرکت های ورشکسته را مجاز می کرد. او در مورد اینکه چرا نتیجه استفاده از قوانین یکسان در کشورهای مختلف تغییر می کند، مطالعه کرد. وی انتظار داشت که این مسئله به تفاوت های موجود در سیستم های قضایی مربوط باشد. ضمناً تاثیر توسعه بازارهای سرمایه، مقیاس بخش بانکداری و درجه ثبات و رشد اقتصادی کلان بر استفاده از قانون ورشکستگی نیز مورد انتظار بود. نهایتاً او دریافت که اگر کارایی سیستم قضایی بالا باشد، حقوق بستانکاران در کشور، قوی و سیستم مالی بازگرا خواهد بود و اگر روابط بانکی ضعیف تر باشد، ورشکستگی قانونی شرکت ها بیشتر می گردد.(رهنمای رودپشتی، 1385،ص 471)
11-2 قوانین ورشکستگی و عجز از پرداخت دیون در دنیای امروز
در طی روزهای پایانی سال 1978 کنگره نود و پنجم اصلاحیه قانون ورشکستگی تصویب و در پایان تاریخ 6/11/1978 توسط رئیس جمهور کاتر امضا شد. این مصوبه موجب بازپس گرفته شدن سند ورشکستگی سال 1898 و اصلاحیه های آن گردید و در برگیرنده کلیه موارد ثبت شده در ماه اکتبر سال 1979 و پس از آن می شود. دو سال بعد از کنگره، لایحه مالیات ورشکستگی سال 1981 را تصویب نمود که از تاریخ 1/10/1981 قابل اجرا بود. مصوبه اصلاح قانون ورشکستگی به کلیه اقدامات قانونی در دادگاه ورشکستگی به غیر از مالیات های فدرال مربوط می شود. لایحه مالیات فرایندی را که باید در رابطه با تعیین مالیات بر درآمد فدرال دنبال شود مطرح می نماید. در ماه جولای 1984 کنگره، اصلاحیه های ورشکستگی و سند قضایی فدرال 1984 را که سیستم دادگاه ورشکستگی و بخشهایی از قانون ورشکستگی را دگرگون کرده بود، تصویب نمود. (رهنمای رودپشتی، 1385،ص 478).
12-2 تاریخچه بورس و اوراق بهادار در جهان
اولین بورس اوراق بهادار در دنیا در شهر آمستردام و توسط اولین شرکت چند ملیتی به نام "کمپانی هند شرقی هلند" پدیدار شد. به همین نحو، شرکت "کمپانی هند شرقی هلند" اولین شرکتی بود که سهام منتشر کرد. این شرکت به مرحلهای رسیده بود که می بایست در امور اقتصادی خود تغییر ساختار دهد و با اقدام به عرضه عمومی، در حقیقت در زمان خود به اقدامی انقلابی دست زد.
امروزه نقش بورسهای اوراق بهادار در اقتصاد جهان غیرقابل انکارند. شاید محققین نیز هیچ گاه تصور نمی کردند که کاری که شرکتی در 400 سال پیش ابداع نمود، سراسر دنیا را در برگیرد. به هرحال، پیدایش اولین بورس اوراق بهادار را میتوان به تشکیل آن در انگلستان، فرانسه و هلند در قرن 18 نسبت داد، درحالی که اقتصاد در ایالات کشور نوپای آمریکا به شدت تحت کنترل بریتانیا قرار داشت. تا اینکه اولین بازار حراج غیر رسمی در سال 1752 در نیویورک تاسیس و در سال 1792 با امضای قرارداد بین کارگزاران، بورس اوراق بهادار نیویورک رسماً معرفی گردید، نهادی که بی شک قلب اقتصاد جهان در آن میتپد.
13-2 تاریخچه بورس و اوراق بهادار تهران
ریشه های ایجاد بورس اوراق بهادار در ایران به سال 1315 بازمی گردد. در این سال یک کارشناس بلژیکی به همراه یک کارشناس هلندی، به درخواست دولت وقت ایران، درباره تشکیل بورس اوراق بهادار مطالعاتی نمودند و طرح تاسیس و اساسنامه آن را تنظیم کردند. در همان سال ها یک گروه کارشناسی در بانک ملی نیز به مطالعه موضوع پرداختند و در سال 1317 گزارش کاملی درباره جزئیات مربوط به تشکیل بورس اوراق بهادار تهیه کردند. پیروزی انقلاب اسلامی و وقوع جنگ تحمیلی در این دوره رویدادها و تحولات بسیاری را به دنبال داشت. از دیدگاه تحولات مرتبط با بورس اوراق بهادار نخستین رویداد، تصویب لایحه قانون اداره امور بانک ها در تاریخ 17 خرداد 1358 توسط شورای انقلاب بود که به موجب آن36 بانک تجاری و تخصصی کشور در چهارچوب 9 بانک شامل 6 بانک تجاری و 3 بانک تخصصی ادغام و ملی شدند. چندی بعد و در پی آن شرکت های بیمه نیز در یکدیگر ادغام گردیدند و به مالکیت دولتی درآمدند و همچنین تصویب قانون حفاظت و توسعه صنایع ایران در تیر 1358 باعث گردید تعداد زیادی از بنگاه های اقتصادی پذیرفته شده در بورس از آن خارج شوند. به گونه ای که تعداد آنها از 105 شرکت و موسسه اقتصادی در سال 1357 به 56 شرکت در پایان سال 1367 کاهش یافت.
پایان یافتن جنگ تحمیلی و آغاز دوره سازندگی زمینه های احیای دوباره بورس اوراق بهادار را فراهم ساخت. در واقع تجدید فعالیت بورس اوراق بهادار یکی از مهمترین ساز و کار های اجرایی بهسازی اقتصاد ملی به شمار می آمد که از طریق انتقال پاره ای از وظایف تصدی دولتی به بخش خصوصی، جذب نقدینگی و گردآوری منابع پس اندازی سرگردان و هدایت آنها به سوی مصارف سرمایه گذاری می توانست به تجهیز و مشارکت فعالانه بخش خصوصی در فعالیتهای تولیدی بینجامد.
بورس تهران به عنوان نماد اصلی بازار سرمایه ایران، از آغاز سال 1376 دوره تازه ای از فعالیت را به خود دید. حرکتهای بنیادی انجام شده در راستای بازسازی ساختار سازمانی و مدیریتی، به کارگیری نوآوری های فنی و تخصصی، اصلاح رویه های مقرراتی و نظارتی، فراهم آوردن زمینه های ارتقای کارایی و اصلاح کارکرد های بازار، و کوشش در جهت هم سازی سیاست گزاری ها با نیازهای واقعی بازار سرمایه در کانون توجهات و برنامه های اصلاح ساختاری این سازمان قرار داشت.
روند سریع بهبود شاخص ها، رشد ارزش معاملات، افزایش حجم داد و ستد سهام، رشد پرشتاب قیمت ها، حضور پر تعداد روزانه سهامداران در تالار بورس، افزایش شمار خریداران و تحولات دیگر بیانگر رشد و توسعه بازار سرمایه ایران بود. رشد روزافزون بورس نشان از جایگاه مهم این نهاد در پیشبرد و توسعه اقتصاد ملی در سال های آتی داشت.
سال 1379 سال درخشانی در پرونده بورس تهران بود. در این سال بازدهی بورس به 86/59 درصد رسید که در مقایسه با سایر فرصت های سرمایه گذاری و تورم 6/12 درصدی در این سال بسیار شایان توجه بود. بورس اوراق بهادار تهران در ضمن پدید آوردن یک روند پررونق فعالیت طی چند سال گذشته، از فراهم آوردن تمهیدات لازم برای توسعه فراگیر بازار سرمایه نیز غافل نمانده بود. برنامه های در دست اجرا طی این سال ها، دامنه ای فراگیر از بهسازی نظام اداری و تشکیلاتی بازار، بهبود اطلاع رسانی، ارتقای شفافیت و کارایی بازار و تقویت نظام تنظیمی و نظارتی بورس گرفته تا گسترش سطح فعالیت آن به سایر مناطق جغرافیایی کشور، تنوع سازی بازارهای داد و ستد، معرفی ابزارهای جدید مالی، ایجاد بورس ابزارهای مشتق و بسیاری دیگر از الزام ها و نیازهای ایجاد یک بازار قاعده مند و کارآمد اوراق بهادار را در ایران پوشش داده است. سال 1381 سال پرفراز و نشیبی برای بورس بود. شاخص کل بورس تا شهریور ماه این سال با افزایش همراه بود. در این سال به تدریج رفتار سرمایه گذاران تغییر یافته و با وجود آنکه انتظار کاهش نسبی قیمت سهام شرکت های ناشی از تقسیم سود در مجامع عادی متصور بود، اما عملاً بازار با رفتار دیگری روبه رو شد که به ظاهر متناقض با آموخته و شیوه های متداول رفتار سرمایه گذاران بود. سال 1382، سال ثبت رکورد های جدید در بورس اوراق بهادار تهران بوده است. در این سال همه نما گرهای عمده فعالیت، با رسیدن به حد نصاب های تازه، که از بدو فعالیت بورس اوراق بهادار تا سال 1382 حکایت از ظرفیت های بزرگ بازار سرمایه کشور و به ثمر نشستن برنامه های اصولی اتخاذ شده توسط سازمان دارد. برای نشان دادن عملکرد چشمگیر بورس اوراق بهادار تهران در این سال، نگاهی به رشد نسبت ارزش بازار سهام به محصول ناخالص داخلی، نشان می دهد که این نسبت با رشد تقریباً 100 درصدی از 8/12 درصد در سال 1381 به 25 درصد در پایان سال 1382 افزایش یافته است. فعالیت بورس اوراق بهادار تهران طی سال 1383 در دو بخش متمایز رونق و رکود نسبی بازار قابل بررسی است. عملکرد بورس تهران در نیمه اول سال به رغم دو افت محسوس در ماه های اردیبهشت و مرداد، هم چنان متاثر از روندهای حرکتی سال پیش از آن بود و نما گرهای مختلف فعالیت بورس از روندی افزایشی برخوردار بودند، به گونه ای که حجم داد و ستد و شاخص قیمت سهام در این دوره به بالاترین حد خود در تمامی سال های فعالیت بورس رسید. یک ارزیابی کلی می توان گفت که به رغم مسایل و مشکلات ناپایدار داخلی و خارجی از قبیل انتخابات ریاست جمهوری، پیشنهاد افزایش نرخ مالیات نقل وانتقال سهام، مصوبات مجلس در زمینه تثبیت قیمت ها و کاهش نرخ سود تسهیلات بانکی، تهدیدهای خارجی در زمینه انرژی اتمی، و…، موقعیت بازار سرمایه در اقتصاد ایران، در سال 1383 نیز بهبود یافت. در اثبات این ادعا می توان به نما گر نسبت ارزش بازار سهام به محصول ناخالص داخلی – که نشانگر جایگاه بورس در اقتصاد ملی است – اشاره نمود که با رشدی حدود 11 درصد، از 27 درصد در سال 1382 به بیش از 30 درصد در پایان سال 1383 رسیده است.
در سال 1384، نما گرهای مختلف فعالیت بورس اوراق بهادار در ادامه روند حرکتی نیمه دوم سال 1383، همچنان تحت تاثیر رویدادهای مختلف داخلی و خارجی و افزایش بی رویه شاخص ها در سال های قبل از روندی کاهشی برخوردار بودند و این روند، به جز دوره کوتاهی در آذر ماه تا پایان سال قابل ملاحظه بود. از آذر ماه سال 1384، سیاست ها و تلاش دولت و سازمان بورس باعث کند شدن سرعت روند کاهشی معیارهای فعالیت بورس شد، به گونه ای که تصویب قانون بازار اوراق بهادار، تغییر سیاست های داخلی سازمان بورس و پیش بینی آزادسازی قیمت سیمان به دلیل ورود این محصول به بورس فلزات، باعث رشد 6/6 درصدی شاخص قیمت در آذر ماه 1384 نسبت به ماه پیش از آن شد (سایت سازمان بورس اوراق بهادار تهران)36.
14-2 تعریف بورس اوراق بهادار
بورس اوراق بهادار به معنی یک بازار متشکل و رسمی سرمایه است که در آن خرید و فروش سهام شرکت ها و اوراق قرضه دولتی یا موسسات معتبر خصوصی، تحت ضوابط و قوانین و مقررات خاصی انجام می شود. مشخصه مهم بورس اوراق بهادار،حمایت قانون از صاحبان پس انداز و سرمایه های راکد و الزامات قانونی برای متقاضیان سرمایه است.
بورس اوراق بهادار، از سویی مرکز جمع آوری پس اندازها و نقدینگی بخش خصوصی به منظور تامین مالی پروژه های سرمایه گذاری بلند مدت و از سویی دیگر، مرجع رسمی و مطمئنی است که دارندگان پس اندازهای راکد، می توانند محل نسبتاً مناسب و ایمن سرمایه گذاری را جستجو کرده و وجوه مازاد خود را برای سرمایه گذاری در شرکت ها به کار انداخته و یا به خرید اوراق قرضه دولت ها و شرکت های معتبر، از سود تضمین شده ای برخوردار شوند.
شرکت های پذیرفته و شرکت های فعال در بورس به دو دسته تقسیم می شوند:
* شرکت های تولیدی
* شرکت های سرمایه گذاری
شرکت های تولیدی معمولاً به تولید کالای خاصی مبادرت می ورزند و در گروه صنایع فعال در بورس قرار می گیرند و در سازمان بورس با نام شرکت و کد خاص خود، مشخص می شوند. اما شرکت ها ی سرمایه گذاری شرکت هایی هستند که به عنوان واسطه های مالی فعالیت می کنند،که این گونه شرکت ها یا فعالیت تولیدی ندارند و یا فعالیت آنها به گونه ای است که کمک های مالی از طریق سهام شرکت های تولیدی و صنعتی و یا مجموعه ای از آنها به تولید و سرمایه گذاری این شرکت ها مبادرت می نمایند که بر این اساس درحال حاضر شرکت های سرمایه گذاری فعال در بورس20 شرکت است و شرکت های تولیدی 298 شرکت می باشند. همچنین اکنون زمینه های لازم برای حضور شرکت های خدماتی نیز در بورس فراهم شده است(سایت سازمان بورس و اوراق بهادار)37.
15-2 مروری بر انواع شرکت های پذیرفته شده در بورس اوراق بهادار تهران
انواع شرکت های سرمایه گذاری
شرکت (صندوق)های سرمایه گذاری از نظر نوع سرمایه به سه دسته تقسیم می شوند:
1-15-2 شرکت های سرمایه گذاری با سرمایه متغیر
شرکت های سرمایه گذاری با سرمایه متغیر، پیوسته با فروش سهام خود به مردم، اقدام به جمع آوری سرمایه جدید، افزایش خالص دارایی و خرید انواع اوراق بهادار در کوتاه مدت و بلند مدت می کنند. این شرکت ها که به شرکت های سرمایه گذاری مشترک نیز معروفند، در هر زمان آماده باز خرید اوراق سهام خود بوده و در صورتی که سهامداران، سهام عرضه می کنند، اقدام به خرید می کنند و در حالت عکس، درصورت وجود تقاضا،اقدام به عرضه سهام می نمایند. اگر سهامداران بخواهند سهام خود را بفروشند، شرکت این گونه سهام را با قیمتی متناسب با ارزش خالص دارایی هر سهم که روزانه در پایان وقت محاسبه می شود، خریداری می کند. این نوع شرکت ها سهام ممتاز و اوراق قرضه منتشر نمی نمایند. سهام این نوع از شرکت ها نیز در بورس معامله نمی شود، بلکه خود یا کارگزاران توزیع، سهام شان را به فروش می رسانند. از آنجا که ممکن است هر روز سرمایه این شرکت ها تغییر کند، براساس ماده 8 لایحه اصلاحی قانون تجارت کشور مصوب 1347، مبنی براین که سرمایه شرکت ها باید ثبت شده و مشخص باشد، لذا در کشور ما امکان تشکیل این نوع شرکت ها وجود ندارد.
2-15-2 شرکت های سرمایه گذاری با سرمایه ثابت
شرکت های سرمایه گذاری با سرمایه ثابت، دارای سرمایه ثابت هستند و برخلاف شرکت های سرمایه گذاری با سرمایه متغیر، سهام خود را باز خرید نمی کنند. این شرکت ها می توانند اوراق قرضه و سهام ممتاز منتشر نموده واز بانک ها وام بگیرند. سرمایه گذاری آن ها نیز اغلب در اوراق بهادار و سهام شرکت ها ست. سرمایه ثابت در این گونه شرکت ها موجب می شود که برای سرمایه گذاران ارزش ایجاد کند و به گونه ای امنیت برای سرمایه گذاران بین المللی و همچنین برای سرمایه گذاران کوچک فراهم نماید. قیمت سهام این شرکت ها بر حسب عرضه و تقاضای بازار تعیین می شود، بنابراین می تواند کمتر یا بیشتر از NAV 38 باشد. بدین ترتیب برای معامله گران، فرصت هایی فراهم می آید تا این گونه شرکت ها مانند شرکت های سهامی عام که به ثبت می رسند و هیات مدیره ای دارد که توسط سهامداران انتخاب می شوند. هیات مدیره با هدف سرمایه گذاری و مدیریت سبد سهام، یک مشاور در سرمایه گذاری انتخاب می کند. مشاور نیز، مدیری را برای سبد سهام انتخاب می نماید. در این گونه شرکت ها معمولاً تیمی از متخصصان هستند که تصمیمات مربوط به سرمایه گذاری را اتخاذ می نمایند. ارسال گزارش جهت سهامداران و یا پاسخ به شکایات سهامداران توسط مشاور انجام می گیرد و یا ممکن است مدیر مربوط مسئولی را استخدام نماید.
3-15-2 صندوق های سرمایه گذاری غیرفعال
صندوق های سرمایه گذاری غیر فعال، شبیه شرکت های سرمایه گذاری با سرمایه بسته هستند و تعداد ثابتی گواهی سهم انتشار می دهند. این شرکت ها سهام خریداری نمی کنند و معمولاً در اوراق قرضه سرمایه گذاری می کنند و تا زمان سررسید بازپرداخت آن ها را نگهداری می نمایند. خرید و فروش دائمی و فعال روی اوراق قرضه موجود در سبد سهام آن ها صورت نمی گیرد. عمر این شرکت ها مشخص بوده و دارای تاریخ انحلال هستند.
4-15-2 شرکت مادر
در بسیاری از منابع نظری، شرکت مادر را یک شرکت سهامی با موقعیت مالیاتی ویژه می دانند. شرکت های مادر با کاهش درآمد مشمول مالیات، از بازده بالایی برخوردار می گردد یکی از تعاریف شرکت مادر بیان گر آن است که چنین شرکتی باید یکی از دو ویژگی زیر را دارا باشد :
1) 5 درصد از سود مشمول مالیات آن از سود سهام شرکت های تابعه (زیر مجموعه) باشد.
2) 51 درصد از سهام شرکت های تابعه را مالک باشد.
لازم به ذکر است که شرکت های مادر، در زمره شرکت های سرمایه گذاری قرار ندارند و بورس های جهان نیز آنان را براساس صنایع تخصصی و فعالیت شان طبقه بندی می نمایند. منافع ناشی از تاسیس شرکت های مادر عبارتند از:
* مرکزیت دادن به فعالیت های عملیاتی برای شرکت های سرمایه پذیر متعدد به منظور بهبود کارایی و ارتقای عوامل موثر بر عملکرد مانند: خرید تجهیزات و مواد خام، نمایندگی برای خرید و فروش، تهیه تسهیلات خانوار ها برای ذخایر و محصولات، تهیه خدمات پس از فروش، استخدام و آموزش کارمندان.
* عملکردR&D، خدمات تکنولوژی و امور مشابه بهبود یافته و صرفه جویی به مقیاس فراهم می شود.
* افزایش توان چانه زنی و رقابت.
5-15-2 شرکت های فعالیت تنوعی
شرکت هایی هستند که در چند فعالیت تجاری متنوع (صنعت) فعالیت دارند. بنابراین هر بخش اجرایی (صنعت) بخش اصلی درآمد را ایجاد نمی کند. به عبارت دیگر شرکت های مذکور شرکت هایی هستند که در صنایع مختلفی مشغول به کار می باشند. این شرکت ها در سال 1960 و 1970 رشد زیادی نمودند اما درسال 1980 بسیاری از آن ها، دچار معضلات شدیدی شدند، زیرا سرمایه گذاران به این نتیجه رسیدند که ارزش کل شرکت، نسبت به زیر مجموعه آن از ارزش کمتری برخوردار است. از ویژگی های اصلی این گونه شرکت های این است که نمی توانند به یک صنعت مجزا طبقه بندی شوند و بخش اجرایی (صنعت) مجزا نمی تواند درآمد اصلی آن ها را تولید کند
16-2 مفهوم پیش بینی
در فرهنگ لغات، دو اصطلاح Prediction, Forecasting وجود دارد که به معنای پیش بینی یا پیش گویی است. این دو اصطلاح گاه به معنای مشابه و گاه با دو معنی متفاوت به کار می روند. در فرهنگ وبستر39، Forecast به عنوان برآورد کردن یا محاسبه چیزی از قبل و یا به معنای Predict آمده، Predict نیز به معنای چیزی از قبل تعریف شده می باشد. در فرهنگ آریان پور، Forecasting به معنای حدس زدن وقایع آینده از علل و اسباب و قرائن موجود و Predication به معنای پیش گویی گفتن حوادث قبل از وقوع آنها تعریف شده اند. با این حال برای هر دو اصطلاح از جایگزین فارسی پیش بینی و پیش گویی استفاده شده است. برخی برای دو اصطلاح مذکور معنی یکسانی قائل نیستند. برای مثال Forecasting را به معنای فرآیند برآورد رویدادهای آتی بر مبنای ملاحظات ذهنی به جای داده های قبلی تعریف می کنند. با این تعریف Predication زمانی انجام می شود که داده های تاریخی در دست نیست و بر مبنای قضاوت تصمیم گیرنده و تجارب شخصی انجام می شود.
در علوم بازرگانی مفهوم عام این دو اصطلاح به جای یکدیگر به کار می رود و به معنای پیش بینی اقتصادی، یعنی محاسبات عینی به علاوه قضاوتهای شخصی می باشد. در ادبیات مالی هم برای بیان پیش بینی از هر دو اصطلاح استفاده می شود(احدیان پور، 1385،ص 30).
نهایتاً هدف پیش بینی کاهش ریسک در تصمیم گیری می باشد و امکان تایید پیش بینی ها به وسیله مدارک تجربی و کاربردهای علمی به دنبال آن به دست خواهد آمد(منصفی، 1384،ص 19).
17-2 مفهوم تصمیم گیری40
تصمیم گیری از اجزای جدایی ناپذیر مدیریت به شمار می رود و در واقع تصمیم گیری، انتخاب یک راه حل از میان راه حل های مختلف می باشد و مدیر همواره با مواردی مواجه است که اخذ تصمیم را از جانب او طلب می کند و کیفیت و چگونگی این تصمیم ها است که میزان توفیق و تحقق هدف های سازمان را تعیین می کند. به طور کلی فرآیند تصمیم گیری را می توان شامل مراحل شش گانه زیر دانست:
مرحله اول شامل تشخیص مسئله ای است که در راه تحقق هدف مانع ایجاد کرده است. در این مرحله باید کوشش شود تا مشکل اصلی شناخته شده و به درستی تعریف شود. مرحله بعدی، یافتن راه حل های ممکن برای رفع مشکل مذکور است. احصای راه حل ها با توجه به تجربه های علمی و عملی مدیر و اطلاعات و آمار در دسترس او انجام می گیرد. هر چه راه حل های بیشتری برای حل مشکل تعیین شوند، انتخاب بهتری در تصمیم گیری صورت خواهد گرفت.
مرحله سوم، انتخاب معیار برای سنجش و ارزیابی راه حل های ممکن است. برای آن که راه حل ها نسبت به هم مورد سنجش واقع شوند، بایستی آنها را بوسیله معیاری مورد بررسی قرار داد.
مرحله چهارم، تعیین نتایج حاصل از هر یک از راه حل های ممکن است. در این مرحله به عنوان مثال، هزینه هایی که از به کارگیری هر یک از راه حل ها حاصل می شود، محاسبه شده و اساس ارزیابی بعدی قرار می گیرند. بر اساس معیارهای انتخاب شده، نتایج مثبت و منفی هر یک از راه حل ها در این مرحله مشخص می شوند.
مرحله پنجم، ارزیابی راه حل ها از طریق نتایج حاصل از آنهاست. هر راه حل با توجه به نتایجی که از آن نصیب سازمان خواهد شد با سایر راه حل ها مقایسه شده و اولویت راه حل ها تعیین می شوند. گاهی اوقات، ارزیابی راه حل ها و تعیین اولویت آنها مشکل می شود، زیرا بر اساس یک معیار راه حلی در اولویت قرار می گیرد، در حالی که از جهت معیار دیگری آن اولویت را نخواهد داشت. در چنین حالاتی مدیر باید بکوشد تا معیاری تلفیقی بوجود آورده و ارزیابی را بر اساس آن انجام دهد.
مرحله نهایی در فرآیند تصمیم گیری، انتخاب یک راه حل از میان راه حل های مختلف و ارائه بیانیه تصمیم است. این مرحله در انتهای مرحله ارزیابی و تعیین اولویت ها، خود به خود تحقق می یابد و راه حلی که بهترین نتیجه را حاصل ساخته و بالاترین درجه اولویت را داشته باشد، راه حل انتخابی خواهد بود. اما منظور ما در اینجا، بیان راه حل مذکور به صورت تصمیم گیری به شمار می آید.
با توجه به اهمیت جریان اطلاعات و نقش آن در تصمیم گیری و نیاز مدیریت به وجود اطلاعات قابل اطمینان به منظور تصمیم گیری، وجود یک سیستم اطلاعاتی، امری لازم و ضروری است. در یک سازمان، وظیفه جمع آوری و پردازش اطلاعات و بیان آنها در قالب اعداد و ارقام پولی به عهده سیستم حسابداری می باشد. حسابداری در جهت هماهنگی و تطابق خود با تحولات گوناگون تجاری- اقتصادی و نیز ارائه هر چه مناسب تر اطلاعات مورد نیاز مدیریت، به ابلاغ و گسترش روزافزون تکنیک های مختلف و تخصصی نمودن موضوعات کاری توجه خاصی مبذول داشته است(سلیمانی امیری، 1381،ص 45).
18-2 پیش بینی مقدمه ای بر تصمیم گیری استفاده کنندگان اطلاعات مالی
پیش بینی آینده همواره به صورت یک ضرورت در زندگی روزمره به عنوان یک حوزه مشترک در بسیاری از علوم مطرح است. یکی از حوزه هایی که در آن پیش بینی از اهمیت خاصی برخوردار است، مسائل مالی و اقتصادی، خصوصاً بورس می باشد. در واقع پیش بینی عنصری کلیدی در تصمیم گیری برای مدریت و سرمایه گذاران است، زیرا اثربخشی نهایی هر تصمیم به نتایج واقعی بستگی دارد که به دنبال هر تصمیم روی می دهند. توانایی پیش بینی جوانب غیرقابل کنترل این وقایع از انجام تصمیم، انتخاب بهترین تصمیم را تسهیل می کند.
به طور کلی هدف از پیش بینی، کاهش ریسک در تصمیم گیری است. و چون پیش بینی نمی تواند ریسک را به طور کامل حذف کند، ضرورت دارد فرآیند تصمیم گیری به طور صریح نتایج عدم اطمینان باقیمانده برای پیش بینی را در نظر بگیرد(سلیمانی، 1385).
از آنجا که پیش بینی وقایع آتی در فرآیند تصمیم گیری نقش عمده ای را ایفا می کند، لذا مسئله پیش بینی برای بسیاری از سازمان ها و نهادها حائز اهمیت است و هر سازمانی جهت تصمیم گیری آگاهانه بایستی توانایی پیش بینی را داشته باشد. مثلاً در بخش بازاریابی، جهت برنامه ریزی فروش، باید مقدار تقاضا پیش بینی شود. در برنامه ریزی مالی جهت تامین مالی سرمایه جدید، باید پیش بینی نرخ بهره صورت گیرد. سایر پیش بینی ها نیز در بخش های مختلف برای اخذ تصمیم صحیح صورت می پذیرد، زیرا کنترل فرآیند، منوط به پیش بینی رفتار در آینده می باشد(سلیمانی امیری، 1381).
19-2فرض تداوم فعالیت41
فرض تداوم فعالیت یکی از مفروضات بنیادی حسابداری می باشد که مبنای نظری برای بسیاری از طبقه بندیهای متداول حسابداری را فراهم می آورد. بر اساس این مفهوم، واحد اقتصادی آن قدر فعالیت می کند تا تعهدات فعلی را پوشش دهد. برخی می گویند"از آن جایی که تعهدات در طی زمان تغییر می کنند و تعهدات جدید به وجود می آیند، بنابراین تعهدات نامحدودی برای واحد اقتصادی به وجود خواهند آورد"(احدیان پور، 1385).
پیش بینی اطلاعات با توجه به یک شرکت خاص، باید به نحوی ارائه شود که استفاده کنندگان از گزارش های مالی بتوانند از آینده موسسه ارزیابی داشته باشند. بنابراین فرض تداوم فعالیت نباید به عنوان فرض فعالیت موجود یا توجیه کاربرد ارزش تاریخی یا حتی مفهوم سود در ارزیابی دارایی ها به کار رود(آقایی و کردستانی، 1380).
تداوم فعالیت فرض ارتباط بین گذشته و آینده را در نظر می گیرد. 77SAS این هدف را اینگونه توضیح می دهد: هنگامی که ابهام درباره توانایی موسسه در تداوم فعالیت در یک دوره زمانی معقول وجود نداشته باشد، پس فرض می شود که هر واحد انتفاعی قادر است خود را با اوضاع و احوال و فعالیت های اقتصادی که دائماً در حال تغییر می باشد، وفق دهد و طرح ها و برنامه های موجود را اجرا کند. حال اگر به هر دلیلی، قهری یا اختیاری تردید اساسی نسبت به توانایی تداوم فعالیت واحد تجاری ایجاد شود و این فرض جایگاه خود را از دست دهد، تمایز اقلام جاری و بلندمدت در ترازنامه مفهوم خود را نخواهد داشت.
به عوان مثال دارایی های مشهود بلندمدت نظیر اموال و ماشین آلات نباید به بهای تمام شده تاریخی پس از کسر منافع تخصیص یافته گزارش شوند، بلکه بر اساس برآورد ارزش خالص فروش آنها هنگام انحلال گزارش می شوند. به عبارتی فرض تداوم فعالیت فراهم کننده منطقی برای اندازه گیری و ثبت منافع اقتصادی آتی به عنوان دارایی و پرداخت های آتی به عنوان بدهی است. هنگام وجود ابهام در خصوص فرض تداوم فعالیت، موضوع باید به طور دقیق بررسی و افشا شود. سپس اگر با تجزیه و تحلیل های بیشتر چشم انداز روشنی نسبت به آینده متصور نباشد، باید گزارشگری مالی بر اساس فرض توقف فعالیت انجام شود.
حسابرسان به عنوان ناظران اعتبار دهنده به صورت های مالی باید در تمام مراحل اجرای روش های رسیدگی خود و ارزیابی نتایج آنها به برقرار بودن فرض تداوم فعالیت توجه لازم را بنماید و در طی فرآیند کار حسابرسی، یک ارزیابی منطقی از خطر برقرار نبودن فرض تداوم فعالیت را داشته باشند(معتمدالشریعتی، 1380).
شرایط و رویدادهایی که ممکن است بر اساس آنها شک و تردیدی نسبت به تداوم فعالیت یک واحد تجاری ایجاد شود، متنوع است. برخی از موارد آن در سال 1971 طبق بیانیه انجمن حسابداران آمریکا42 در APB14 به شرح زیر بیان شده است:
1-وقوع مکرر زیان های عملیاتی، کسری سرمایه در گردش(سرمایه در گردش منفی)، جریان های نقدی منفی.
2-به تعویق انداختن بازپرداخت وام ها، تامین مالی از طریق بازارهای غیر رسمی، فروش دارایی های ثابت.
3- اعتصاب کارگری، توقف بعضی از خطوط تولید.
4- از دست دادن حق امتیاز و فرانشیز با اهمیت، مشتری یا فروشنده عمده.
کمیته تدوین استانداردها حسابداری ایران، تداوم فعالیت را به شرح زیر تعریف می کند:
تداوم فعالیت به معنای ادامه عملیات واحد تجاری در آینده قابل پیش بینی است. یعنی در تهیه و ارائه صورت های مالی هیچ قصد و الزامی به انحلال واحد تجاری یا کاهش قابل توجه در حجم عملیات واحد تجاری فرض نمی شود(احدیان پور، 1385).
مدیریت مالی باید در زمان تهیه صورت های مالی، توان ادامه فعالیت واحد تجاری را ارزیابی کند. صورت های مالی باید بر مبنای تداوم فعالیت تهیه شوند، مگر اینکه مدیریت مالی قصد انحلال یا توقف عملیات واحد تجاری را داشته باشد یا در عمل ناچار به انجام این امر شود. در مواردی که مدیریت از رویدادها و شرایطی آگاهی یابد که ممکن است ابهام اساسی نسبت به توانایی تداوم فعالیت واحد تجاری ایجاد کند، این ابهام باید افشاء شود. چنانچه صورت های مالی بر مبنای تداوم فعالیت تهیه نشوند، این واقعیت باید همراه با مبنای تهیه صورت های مالی و اینکه چرا واحد تجاری فاقد تداوم فعالیت تلقی شده است، افشا شود.
مدیریت برای ارزیابی تداوم فعالیت، تمام اطلاعات موجود در خصوص آینده قابل پیش بینی(حداقل 12 ماه پس از تاریخ ترازنامه) را بررسی می کند. میزان این بررسی به واقعیات موجود در هر مورد بستگی دارد. نتیجه گیری درباره مناسب بودن کاربرد مبنای تداوم فعالیت برای واحد تجاری می تواند بدون تجزیه و تحلیل امکان پذیر باشد، در غیر این صورت برای ارزیابی تداوم فعالیت ممکن است بررسی مواردی از قبیل عوامل موثر بر سودآوری جاری و مورد انتظار، جدول زمانی پرداخت بدهی ها و منابع بالقوه تامین مالی ضروری باشد.
1-19-2استانداردهای حسابداری مربوط به فرض تداوم فعالیت
هیئت استانداردهای بین المللی حسابداری فرض تداوم فعالیت را به عنوان یکی از مفروضات بنیادی حسابداری بین گونه تعریف نموده است:
فرض بر این است که هر واحد تجاری دارای تداوم فعالیت است. یعنی عملیات آن در آینده ای قابل پیش بینی ادامه دارد. به بیان دیگر فرض می شود که نه قصد بر این است که واحد تجاری منحل یا عملیات آن به نحو قابل ملاحظه ای کاهش داده شده و نه ضرورت این کار احساس می شود.
استانداردهای حسابداری ایران در مورد تداوم فعالیت بیان می کند که در تهیه صورت های مالی فرض بر این است که فعالیت واحد مورد بررسی در آینده ای قابل پیش بینی معمولاً دوره ای تا یک سال پس از پایان دوره مالی ادامه می یابد، مگر خلاف آن تصریح شود. بنابراین دارایی ها و بدهی ها بر مبنای توانایی واحد مورد رسیدگی در بازیافت دارایی ها و تسویه بدهی ها در جریان عادی فعالیت های تجاری، شناسایی و ثبت می شود(استانداردهای حسابداری ایران، بخش 57، بند 4).
در صورت نبود فرض تداوم فعالیت، واحد مورد رسیدگی ممکن است قادر به بازیافت دارایی ها به مبالغ ثبت شده نباشد و تغییراتی در مبالغ و سر رسید بازپرداخت بدهی ها ضرورت یابد، در نتیجه ممکن است تعدیل مبالغ و تغییر طبقه بندی دارایی ها و بدهی ها در صورت های مالی ضروری شود.
طبق استانداردهای حسابداری ایران مدیریت در زمان تهیه صورت های مالی، باید توان ادامه فعالیت واحد تجاری را ارزیابی کند. صورت های مالی باید بر مبنای فرض تداوم فعالیت تهیه شود. مگر این که مدیریت قصد انحلال یا توقف عملیات واحد تجاری را داشته باشد، یا عملاً ناچار به انجام این امر شود در مواردی که مدیریت از رویدادها و شرایطی آگاهی یابد که ممکن است ابهام اساسی نسبت به توانایی تداوم فعالیت واحد تجاری ایجاد کند، این ابهام باید افشاء شود. چنانچه صورت های مالی بر مبنای تداوم فعالیت تهیه نشود، این واقعیت باید همراه با مبنای تهیه صورت های مالی و این که چرا واحد تجاری فاقد تداوم فعالیت تلقی شده است افشاء شود(استانداردهای حسابداری ایران، استاندارد شماره 1، بند 20).
2-19-2 برقرار نبودن فرض تداوم فعالیت
حسابرس باید خطر برقرار نبودن فرض تداوم فعالیت را ارزیابی کند. نشانه های خطر تردید درباره تداوم فعالیت واحد مورد رسیدگی می تواند از صورت های مالی یا منابع دیگر به دست آید. بخش 57 استانداردهای حسابرسی ایران نشانه های خطرتردید تداوم فعالیت را به سه دسته تقسیم کرده است:
1-نشانه های مالی
-فزونی کامل بدهی ها بر کل دارایی ها یا فزونی بدهی های جاری بر دارایی های جاری
– نزدیک شدن سر رسید بدهی ها با شرایط غیر قابل تغییر که دور نمایی واقع بینانه برای پرداخت یا تمدید آنها وجود ندارد یا اتکای بیش از حد بر استقراض کوتاه مدت برای تامین مالی دارایی های بلند مدت.
– نامساعد بودن نسبت های مالی اصلی.
– زیان های عمده عملیاتی.
– عدم پرداخت سود سهام یا تعویض در پرداخت آن.
– ناتوانی در پرداخت به موقع حسابهای پرداختنی(تجاری).
– تغییر شرایط خرید کالا و دریافت خدمات از اعتباری به نقدی.
– ناتوانی در تامین منابع مالی لازم برای تولید عرضه محصول اصلی جدید یا سرمایه گذاری های ضروری.
2-نشانه های عملیاتی
-از دست دادن مدیران اصلی بدون جایگزین آن
– از دست دادن بازار عمده فروش محصولات، مجوز یا امتیاز ساخت با اهمیت یا تامین کننده اصلی کالا و خدمات.
– مشکلات کارگری یا کمبود مواد اولیه و قطعات با اهمیت.
3-سایر نشانه ها
– عدم رضایت الزامات مربوط به سرمایه یا سایر الزامات قانونی.
– وجود دعاوی حقوقی در جریان علیه واحد مورد رسیدگی که در صورت رای محکومیت واحد مذکور، تحول نتایج آن احتمالاً خارج از توان واحد مورد رسیدگی است.
– تغییر قوانین یا سیاست های دولت به گونه ای که آثار مالی منفی بر واحد مورد رسیدگی داشته باشد(استاندردهای حسابرسی ایران، بخش 57، بند 7).
20-2 تجزیه و تحلیل صورتهای مالی، نسبت های مالی و کاربرد آنها
مساله پیش بینی ورشکستگی شرکت ها، هم به وسیله مشاهده اثرات مستقیم عوامل داخلی و عوامل خارجی در ورشکستگی شرکت، میتواند مورد آزمون واقع شود و هم بوسیله بررسی موسسات ورشکسته از طریق نسبت های مالی که اصولاً اثرات عوامل داخلی و خارجی را بر موقعیت های مالی بر شرکت منعکس می کنند. پس از کارهای اولیه بیور در سال 1966 نسبت های مالی، روش غالب در بررسی ویژگی های شرکت های ورشکسته شدند.
با وجود این که سود گزارش شده حسابداری راهنمای خوبی در جهت پیش بینی وضعیت آتی شرکت است، ولی وجود محدودیت هایی همچون احتیاط و اهمیت باعث شده است که تحلیلگران، کیفیت سود را شاخص بهتری برای پیش بینی ها و تصمیمات خود بدانند و اشاره به مفید بودن سود برای تصمیم گیری و ارتباط آن با سود اقتصادی دارد که کیفیت بالای آن نشان دهنده مفید بودن اطلاعات می باشد. ولی کیفیت پایین یا بالا نشان دادن سود موجب پنهان کردن این حقیقت است که شرکت در معرض ورشکستگی است و در نتیجه منجر به اتخاذ سیاست های اعتباری نادرست در قبال شرکت از سوی اعتباردهندگان می شود و همچنین باعث تخصیص نامناسب سرمایه ها نیز می گردد(2007، Lin).
21-2 ارزیابی تداوم فعالیت با کمک نسبتهای مالی و مدلهای پیش بینی ورشکستگی
تلاشهای فراوانی برای پیشگویی شکست شرکتها به عمل آماده است. یک روش برای پیشگویی شکست، بهره گیری از نسبتهای نقدینگی است(نسبت جاری و سریع). تحقیقات متعددی ضعف این نسبتها را در شکست شرکتها نشان داده است. در سال 1950 جی.ای. والتر دلیل ضعف این نسبتها در پیشگویی شکست شرکتها را ناشی از ترازنامه دانست چرا که ترازنامه وضعیت مالی را در یک لحظه از زمان نشان می دهد در حالی که معیار بهتر شکست بالقوه، جریان نقدینگی یعنی حرکت وجوه در طول زمان می باشد. تحقیقات به عمل آمده برای کشف شکست احتمالی شرکتها در آینده توسط نسبت های مالی را می توان در دو گروه قرار داد:
1-مدلهایی که در پی تعیین یک نسبت کلیدی و مهم برای پیشگویی شکست می باشند.
2- مدلهایی که در پی بهره گیری از نسبت های مالی متعدد برای پیشگویی شکست می باشند(انواری رستمی، 1378).
ورشکستگیهای بی سابقه شرکتهای اروپایی و آمریکایی در سنوات اخیر و نگرانیهای منطقی سرمایه گذاری و سهامداران از بازگشت اصل و سود سرمایه شان، موجب تقاضای آنها برای ارائه ابزار بهتری به منظور ارزیابی میزان توانایی شرکت ها برای تداوم فعالیت و پرداخت بازده و سود مورد انتظارسرمایه گذاران، همچنین برگشت اصل سرمایه شان شده است. محققین مسائل مالی و حسابداری در پاسخ به تقاضای آنها، پا را از محاسبات اولیه نسبتهای مالی شرکتها فراتر گذاشته و سعی در ارائه مدلهای مالی که از ترکیب این نسبتها حاصل شده و قادر است عملکرد و توانایی پرداخت سود و تداوم فعالیت شرکتها را بهتر اندازه گیری کند، دارند.
هر یک از این مدلها با بکارگیری ترکیبی از نسبتهای فعالیت، اهرمی، عملیاتی، سودآوری و تسویه شرکتها سعی در پیش بینی فعالیت و نتایج عملیات آتی شرکت ها دارند. این شیوه ارزیابی تداوم فعالیت همانند شیوه های قبلی، پشتوانه تئوریکی قوی برای محاسباتشان ندارند ولی به دلیل ارزیابی بهتر و دقیق تر، بیشتر از روش های قبلی مورد توجه واقع شده اند. در مدلهایی که اخیراً ارائه شده اند، احتمال تداوم فعالیت و ورشکستگی در شرکتها با کمک تحلیل های آماری در دامنه ای از صفر تا یک بیان می شوند. در حالیکه، مدلهای قبلی و همچنین شیوه قبلی ارزیابی تداوم فعالیت که ذکر گردید، همگی بر تمیز شرکتهایی که ورشکست خواهند شد از شرکت های دارای تداوم فعالیت اصرار داشتند و هیچگونه اظهار نظری درباره درجه توانایی تداوم فعالیت شرکتهای دارای تداوم فعالیت ندارند(سلیمانی، 1385).
22-2 تحلیل پوششی داده ها
تحلیل پوششی داده ها روش مبتنی بر برنامه ریزی ریاضی جهت برآورد کارایی تکنیکی و ناکارایی ها در تولید است. این روش بدون تعیین فرضی از شکل تابع تولید و یا حل مدلهای ریاضی برای مجموعه ای از واحدهای تصمیم گیرنده و با استفاده از اطلاعات مربوط به میزان نهاده ها و ستاده های واقعی آن واحدها، تابع تولید یا تابع هزینه را به صورت یک پوشش قطعه ای برآورد می کند.(معین الدینی و دیگران به نقل از کاوه، 1384،ص 20)
منظور از واحد تصمیم گیرنده عبارت است از یک واحد سازمانی یا یک سازمان مجزا که توسط فردی بنام"مدیر" یا "رئیس" یا "مسئول" اداره می شود، به شرط آنکه این واحد سازمانی دارای فرایند سیستمی باشد، یعنی تعدادی عوامل تولید بکارگرفته شوند تا تعدادی محصول به دست آید. با توجه به اینکه سیستم موردنظر شامل سیستم های تولید و خدماتی یا انتفاعی و غیر انتفاعی و یا دولتی و غیر دولتی می شود، لذا در ادبیات تحلیل پوششی داده ها به منظور جلوگیری از پراکنده کاری، بجای عوامل ورودی سیستم در مفهوم نهاده ها و به جای محصولات(خروجی سیستم) از مفهوم ستاده استفاده می شود و نیز در این روش برای ارزیابی واحد تصمیم گیرنده این فرض که واحدهای تحت بررسی، نهاده های مشابه را برای تولید ستاده های مشابه به کار می گیرند، در نظر گرفته شده است.(غلامرضایی به نقل از کاوه، 1384،ص 21).
لزوم همگونی نهاده ها و ستاده ها شرط اول در انتخاب واحدهای مورد ارزیابی است، چرا که تماس این واحدها و پوشش بدست آمده در یک فضا، مورد بررسی قرار می گیرند. مرز بدست آمده همان مرز کارایی است که نقاط واقع بر آن کارا هستند. سایر واحدها که در داخل سطح پوششی قرار می گیرند ناکارا بوده و برای کارا شدن باید بر روی مرز قرار گیرند.
برای تعیین میزان کارایی هر واحد، آن واحد با یکی از تصاویر خود بر روی سطح پوششی مقایسه می شود که نحوه تصویر شدن واحدهای ناکارا بر روی مرز در مدلهای مختلف و بسته به ماهیت مدل متفاوت است.
در واقع تحلیل پوششی داده ها مبتنی بر یکسری بهینه سازی با استفاده از برنامه ریزی خطی می باشد که به آن روش ناپارامتریک نیز گفته می شود. در این روش منحنی مرزی کارا از یک سری نقاط که به وسیله برنامه ریزی خطی تعیین می شود ایجاد می گردد. برای تعیین این نقاط می توان از دو فرض بازدهی ثابت و متغیر نسبت به مقیاس استفاده کرد. روش برنامه ریزی خطی پس از یک سری بهینه سازی مشخص می کند که آیا واحد تصمیم گیرنده مورد نظر روی مرز کارایی قرار گرفته است و یا خارج آن قرار دارد؟ بدین وسیله واحدهای کارا و ناکارا از یکدیگر تفکیک می شوند. تکنیک DEA تمام داده ها را تحت پوشش قرار داده و به همین دلیل تحلیل پوششی داده ها نامیده شده است.(معین الدینی و دیگران به نقل از کاوه، 1384،ص 21)
23-2 انواع مدلهای تحلیلی پوششی داده ها
اگر چه مدلهای DEA روز به روز افزایش یافته و جنبه تخصصی پیدا می کند اما مبنای همه آنها تعدادی مدل اصلی است که توسط بنیان گذاران این روش طراحی و تبیین گردیده است.
1-23-2 مدل CCR
برای ساختن این مدل فرض می کنیم n واحد موجود است و هدف ارزیابی کارایی واحت تحت بررسی(واحد صفر یا واحد تصمیم گیرنده) که ورودی های را برای تولید خروجی های مصرف می کند، می باشد.
در صورتی که وزنهای تخصیص داده شده به خروجی ها( یا قیمت خروجی ها) با و وزنهای تخصیص داده شده به ورودی ها(یا هزینه خرید ورودی ها) با نشان داده شود، آنگاه کسر زیر باید حداکثر گردد:
روش فوق را برای سایر واحدها نیز به همین ترتیب به کار می بریم:
s.t
برای هر واحد
در این مدل اگر ها خیلی بزرگ و ها خیلی کوچک باشد، مقدار نسبتهای بیان کننده محدودیتها، بینهایت و نامحدود خواهد شد. برای جلوگیری از چنین مشکلی تمامی نسبتها(کارایی واحدها) را کوچکتر یا مساوی عدد یک در نظر می گیریم و به عنوان یک محدودیت وارد مدل می کنم. لازم به توضیح است که به جای یک هر عدد مثبت دلخواه دیگری مانند می توان قرار داد در این صورت کارایی واحدها نسبت به آن سطح سنجیده می شود.(مهرگان، 1383،ص 65).
2-23-2 مدل BCC
مدلهای بازده به مقیاس ثابت واحدهای کارای کمتری را در بر می گیرد. این به خاطر شرایط خاص حاکم بر این مدلها می باشد. زیرا حالت محدودکننده تری نسبت به مدلهای با"بازده به مقیاس متغیر" دارند43.
مدلهای با بازده ثابت به مقیاس زمانی مناسب است که همه واحدها در مقیاس بهینه عمل کنند. در ارزیابی کارایی واحدها هرگاه فضا و شرایط رقابت ناقص محدودیت هایی را در سرمایه گذاری تحمیل کند موجب عدم فعالیت واحد در مقیاس بهینه می گردد.
در سال 1984 بنکر، جارنز و کوپر با تغییر در مدل CCR مدل جدیدی را عرضه کردند که با توجه به حروف اول نام آنها به مدل BCC شهرت یافت. مدل BCC مدلی از انواع مدلهای تحلیلی پوششی داده ها است که ارزیابی کارایی نسبی واحدهایی با بازده متغیر نسبت به مقیاس می پردازد.(مهرگان، 1383،ص 84).
شکل2-2:مرز کارایی در مدل BCC-I
شکل 3-2: مرز کارایی در مدل BCC-O
24-2 مدلها و روشهای پیش بینی وقوع درماندگی مالی و ورشکستگی
مدلها و روشهای زیادی در خصوص پیش بینی بحران مالی و جداسازی شرکت های سالم و ناسالم وجود دارد که در اینجا سعی شده تعداد جامعی از آنها ارائه گردد:
1-24-2 مدل بیور
تحقیقات بیور به ایجاد مدلی منجر شد که به مدل تک متغیره معروف است. بیور در سال 1966 یک مجموعه شامل 30 نسبت مالی را انتخاب کرد که به نظر او بهترین نسبت ها برای ارزیابی سلامت یک شرکت می باشند. سپس او نسبت ها را بر اساس چگونگی ارزیابی سازمان ها، در شش گروه نسبت های جریان نقد، نسبت های درآمد خالص، نسبت های بدهی به درآمد کل، نسبت های درآمد نقدی به درآمد کل، نسبت های درآمد نقدی به بدهی موجود و نسبت های بازده حاصل از فروش طبقه بندی کرد. بیور مدل خود را بر اساس چهار اصل تنظیم کرد:
1-سود نقدی یک شرکت احتمال ورشکستگی را کاهش می دهد.
2- جریان نقد خالص بالا که ناشی از فعالیت شرکت در بازار می باشد احتمال ورشکستگی را پایین می آورد.
3- میزان بدهی بالا احتمال ورشکستگی را بالا می برد.
4- نرخ بالای سود نقدی نیاز به هزینه های عملیاتی سرمایه احتمال ورشکستگی را بالا خواهد برد.
او از این اصول برای سنجش توانایی نسبت ها در پیش بینی ورشکستگی استفاده کرد. بیور برای این کار 79 شرکت ورشکسته و 79 شرکت غیرورشکسته را انتخاب کرد. سپس هر یک از 30 نسبت را در این شرکت ها مورد سنجش قرار داد. او در این تحقیقات به این نتیجه رسید که میزان اعتبار پیش بینی هر یک از نسبت ها متفاوت است. همچنین شرکت های ورشکسته نه تنها جریان های نقدی کمتری نسبت به شرکت های غیرورشکسته دارند بلکه مقدار ذخیره درآمد نقدی کمتری را نیز دارا می باشند.
در ضمن وی پی برد که اگر چه شرکت های ورشکسته سرمایه کمتری برای پوشش تعهدات خود دارند، ولی تمایل بیشتری به استقراض در مقایسه با شرکت های غیرورشکسته دارند. بیور در انتهای تحقیقات خود به این نتیجه رسید که ارزش هر نسبت در میزان اعتبار طبقه بندی شرکت ها در گروه های شرکت های ورشکسته و غیرورشکسته می باشد و میزان خطای طبقه بندی کمتر، نشان دهنده ارزش بالای هر نسبت می باشد.
طبق این اصول بیور شش نسبت که دارای کمترین نرخ خطای طبقه بندی می باشند شامل جریان نقد به کل دارایی، درآمد خالص به کل دارایی، کل بدهی به کل دارایی، سرمایه در گردش به کل دارایی، نسبت جاری و نسبت فاصله عدم اطمینان را معرفی کرد. به نظر بیور بهترین نسبت از میان نسبت های بالا، نسبت جریان نقد به کل بدهی است که خطای طبقه بندی آن حدود 13% برای یک سال قبل از ورشکستگی بود44
2-24-2 مدل آلتمن
آلتمن در سال 1968 از طریق تجزیه و تحلیل ممیزی چندگانه و از میان 22 نسبت مالی 5 نسبت را به صورت ترکیبی به عنوان بهترین عوامل پیش بینی کننده ورشکستگی، انتخاب کرد. نسبت های ترکیبی شامل تصفیه، سودآوری، اهرمی، انعطاف پذیری و فعالیت بودند.
این متغیرها به ترتیب شامل فروش به کل دارایی، ارزش بازار حقوق صاحبان سهام به ارزش دفتری کل بدهی ها، سود قبل از بهره و مالیات به کل دارایی، سود انباشته به کل دارایی و سرمایه در گردش به کل دارایی می باشد.
در این مدل اگر Z محاسبه شده برای شرکتی کوچکتر از 81/1 باشد، آن شرکت ورشکسته و اگر بین 81/1 و 675/2 باشد، شرکت در ناحیه ورشکستگی قرار دارد و اگر بزرگتر از 675/2 باشد، احتمال ورشکستگی آن خیلی کم است. آلتمن برای آزمون مدلش 66 شرکت را که شامل 33 شرکت ورشکسته و 33 شرکت عادی بود، مورد استفاده قرار داد. میزان موفقیت مدل وی 95% بود که با ادامه تحقیق برای دو سال قبل از ورشکستگی مدل فوق دقتی حدود 83% را به دست آورد45
در سال های بعد از ایجاد مدل و استفاده گسترده از آن، یک سری انتقادات برای مدل مطرح شد. تحلیلگران مالی، حسابداران و حتی خود شرکت ها معتقد بودند که مدل تنها برای موسسات با ماهیت تجاری عمومی قابل استفاده است. آلتمن در سال 1983 یک اصلاحیه روی مدل انجام و مدل جدیدی به نام Z ارائه نمود. اساسی ترین اصلاح در مدل، جایگزین کردن ارزش دفتری حقوق صاحبان سهام به جای ارزش بازار آن و سپس تغییر ضرایب و محدوده های ورشکستگی مدل بود.
در این مدل اگر مقدار Z محاسبه شده برای شرکت ها کمتر زا 33/1 باشد، احتمال ورشکستگی شرکت خیلی بالا و اگر بین 33/1 و 9/2 باشد شرکت در ناحیه ورشکستگی و احتمال آن وجود دارد و اگر Z محاسبه شده شرکت بزرگتر از 9/2 باشد. احتمال ورشکستگی خیلی کم می باشد.
آلتمن برای آزمون مدل اصلاح شده از یک نمونه شامل 33 شرکت ورشکسته و 33 شرکت غیرورشکسته استفاده کرد46)آلتمن ،1983،ص1)
در تحقیقات دیگر آلتمن و مک گوگه اظهار داشتند که ارزیابی حسابرسان از تداوم فعالیت شرکتها فرآیندی پیچیده است. آنها بیان کردند که مدل های پیش بینی ورشکستگی می توانند به حسابرسان هنگام قضاوت درباره توانایی تداوم فعالیت کمک نمایند.
برای همین منظور آنها در سال 1974 مدارک 34 شرکت ورشکسته را در طول دوره 1970 تا 1973 بررسی کردند.
نتایج بررسی نشان می داد که مدل های خطی پیش بینی ورشکستگی47 در 82% موارد ورشکستگی آنها را پیش بینی و علامت دهی کرده است، ولی گزارش حسابرسی صادر شده در مورد آنها تنها در 46% موارد به ابهام درباره توانایی تداوم فعالیت آنها اشاره داشته است.
آلتمن در سال 1982 مجدداً همین آزمون را با کاربرد مدل خطی پیش بینی ورشکستگی خودش درباره دو دسته از شرکت های ورشکسته تکرار نمود که نتیجه این پژوهش به شرح زیر است:
الگوهای پیش بینی بحران مالی می تواند، به وسیله آگاه کردن حسابرس از مشکلات خاصی که ممکن است با کاربرد فرایندهای معمولی حسابرسی دستیابی به آنها مشکل باشد، کمک کنند48.
اصلاح بعدی مدل Z-Score به تحلیل مشخصات و دقت مدل، بدون در نظر گرفتن متغیر(نسبت فروش به کل دارایی) بود. آلتمن در سال 1993 این کار را برای به حداقل رساندن تاثیرات بالقوه نوع صنعت انجام داد. وی در اصطلاحات خود نسبت فروش به کل دارایی را حذف کرد و سپس تغییراتی در ضرایب مدل به وجود آورد.
در این مدل اگر Z محاسبه شده برای شرکتی کوچکتر از 1/1 باشد، آن شرکت ورشکسته و اگر Z محاسبه شده بین 1/1 و 6/2 باشد، احتمال ورشکستگی آن وجود دارد و اگر بزرگتر از 6/2 باشد، احتمال ورشکستگی شرکت خیلی کم می باشد.
آلتمن این مدل را برای پیش بینی ورشکستگی موسسات غیر تولیدی و به خصوص صنایعی ایجاد نمود که نوع سرمایه گذاری آنان در میان دیگر شرکت ها متفاوت است. نتایج آزمون این مدل با نمونه ای شامل 33 شرکت ورشکسته و 33 شرکت غیر ورشکسته تقریباً مشابه نتایج آزمون مدل Z به دست آمد.49(آلتمن، 1993،ص50)
در سال 2000 نیز آلتمن یک مدل 7 متغیره را ارائه نمود که متغیرهای آن شامل بازده دارایی ها، توانایی سود، شاخص بدهی، نسبت سودآوری انباشته، نقدینگی، سرمایه گذاری و اندازه شرکت می باشد50.(آلتمن،2000،ص،1)
3-24-2 مدل دی کین
بعد از آلتمن تحقیقات دیگری جهت پیش بینی ورشکستگی با استفاده از نسبت های مالی انجام شده که هر چند در این تحقیقات به واسطه بهبود در جمع آوری داده ها و روش های آماری، روشها اصلاح شد ولی نتایج به دست آمده توسط محققان به صورت قابل ملاحظه ای تغییر نیافت. به عنوان مثال دی کین در سال 1972 به نسبت های اولیه آزمایش شده توسط بیور مراجعه کرد و از تصادف به جای تطابق برای انتخاب نمونه شرکت های موفق استفاده کرد. معادله ممیز به دست آمده دقت طبقه بندی آلتمن را داشت و از توانایی تمایز تا سه سال قبل از ورشکستگی به صورت کارآمد برخوردار بود. اما وقتی با نمونه معتبر مطابقت داده شد در نتایج حاصله عدم یکنواختی حاصل شد یعنی تزلزل قابل ملاحظه ای در مدل برآوردی وجود داشت(دی کین، 1972، ص767)51.
4-24-2 مدل اسپرینگیت
فکر اولیه این مدل برای نخستین بار در دانشگاه سیمون توسط گوردون ال وی اسپرینگیت مطرح شد. وی همانند آلتمن از تجزیه و تحلیل ممیزی برای انتخاب 4 نسبت مالی از میان 19 نسبت که بهترین نسبت ها برای تشخیص شرکت های سالم و ورشکسته بود، استفاده کرد.
متغیرهای مدل فوق به ترتیب شامل فروش به کل دارایی، سود خالص قبل از مالیات به بدهی جاری، سود خالص قبل از بهره و مالیات به کل دارایی و سرمایه در گردش به کل دارایی می باشد. وقتی Z<0862 شود، شرکت ورشکسته خواهد شد.
اسپرینگیت با استفاده از 40 شرکت این مدل را آزمون کرد و با نرخ اطمینان 5/92% مواجه شد که این شرکتها جزو شرکت های تولیدی بودند52.
5-24-2 مدل اوهلسون
اوهلسون در سال 1980 تحقیقی تحت عنوان نسبت های مالی و پیش بینی ورشکستگی انحام داد. او مطالعات خود را بر روی سوابق انجام شده در طی 15 سال گذشته، یعنی از سال 1966 تا 1980 که در مورد پیش بینی بحران های مالی و ورشکستگی شرکت ها توسط اساتید معروف مالی انجام شده بود، متمرکز نمود. او تحقیق خود را بر اساس یک مدل پیش بینی اقتصاد سنجی یعنی مدل احتمال شرطی(لوجستیک یا لاجیت) انجام داد. در نهایت با استفاده از مدل لاجیت الگوی زیر را تدوین کرد:
متغیرهای الگوهای فوق به ترتیب شامل لوگاریتم کل دارایی ها به تولید ناخالص ملی، کل بدهی به کل دارایی، سرمایه در گردش به کل دارایی ها، بدهی جاری به دارایی جاری، سود ناخالص به کل دارایی، وجه نقد حاصل از عملیات به کل بدهی، اگر سود ناخالص برای آخرین دو سال منفی بود عدد یک، در غیر این صورت عدد صفر، اگر بدهی کل بیشتر از دارایی کل باشد عدد یک، در غیر این صورت عدد صفر و قدر مطلق تغییر سود می باشد. اوهلسون مدل خود را بر روی 105 شرکت ورشکسته و 2058 شرکت غیر ورشکسته آزمون کرد53.)اهلسون،1980،ص120)
6-24-2 مدل زمیسکی
زمیسکی از نسبت های مالی نقدینگی، عملکرد و اهرم های مالی برای ایجاد مدل پیش بینی ورشکستگی استفاده کرد. این نسبت ها تنها بر اساس دیدگاه نظری انتخاب نشده بودند بلکه آنها بر مبنای مطالعات پیشین زمیسکی روی نسبت های مالی انتخاب شده بودند. در ضمن وی از تجزیه و تحلیل پروبیت برای ایجاد مدل خود استفاده کرد.
متغیرهای این الگو عبارت از دارایی های جاری به بدهی های جاری، کل بدهی ها به کل دارایی ها و سود خالص به کل دارایی ها است. وقتی Z<0 باشد شرکت ورشکسته خواهد شد.
زمیسکی این مدل را روی 40 شرکت ورشکسته و 800 شرکت غیرورشکسته امتحان کرد که نرخ اطمینان حدود 78% برای یک سال قبل از ورشکستگی به دست آورد54.(زیمسکی،1984،ص60)
7-24-2 مدل فالمر
فالمر و همکاران در سال 1984 در آمریکا در یک دوره زمانی 5 ساله، 60 نمونه شرکت را برای دو گروه ناموفق و موفق انتخاب کردند. آنها پس از جمع آوری اطلاعات یک سال و دو سال قبل از سال مبنا(سال مشمول قانون ورشکستگی ) اقدام به محاسبه متغیرهای مدل نمودند. فالمر از تجزیه و تحلیل چند متغیره برای ارزیابی کاربرد 40نسبت مالی برای یک نمونه 60تایی شامل 30 شرکت ورشکسته و 30 شرکت غیرورشکسته استفاده کرد.
متغیرهای این مدل عبارت از سود تقسیمی با دارایی، فروش به دارایی، سود قبل از مالیات به دارایی، جریان نقدی به بدهی، بدهی جاری به دارایی، لگاریتم دارایی های مشهود، سرمایه در گردش به بدهی و لگاریتم سود قبل از بهره و مالیات به بهره است. وقتی Y<0 باشد شرکت ورشکسته خواهد شد.
فالمر و همکاران پس از جایگزینی متغیرها یک سال قبل از ورشکستگی در این مدل به این نتیجه رسیدند که مدل از میان 28 شرکت ناموفق توانست 27 شرکت را (96%) به درستی پیش بینی نماید و فقط در یک مورد شرکت را موفق پیش بینی کرده بود. در مورد شرکت های موفق که تعداد آنها 29 عدد بود مدل توانست هر 29 شرکت(100%) را به درستی پیش بینی نماید.
در مورد پیش بینی دو سال قبل از ورشکستگی در گروه شرکت های ناموفق که تعداد انها 27 شرکت بود مدل توانست 18 مورد (70%) از شرکت ها را به درستی پیش بینی و 10 مورد(حدود 30%) از شرکت ها را نادرست پیش بینی نماید. در مورد پیش بینی دو سال قبل از ورشکستگی در گروه شرکت های موفق از میان 27 شرکت جامعه، مدل توانسته 25 شرکت(935) را به درستی و دو شرکت را نادرست پیش بینی کند. در کل می توان گفت صحت پیش بینی مدل در یک سال قبل از ورشکستگی 98% و برای دو سال قبل از ورشکستگی 81% بود55.
8-24-2 مدل CA-Score
این مدل توسط دانشمندان الگالت و ورنوا دانشگاه در کبک در مونترال کانادا ایجاد شد. آنها از تجزیه و تحلیل چند متغیره برای ایجاد مدل استفاده کردند. آنها در این تحقیق از 30 نسبت مالی همراه با یک نمونه 172 تایی از کارخانجات تجاری لوکس که سالانه فروش معادل 1 تا 20 میلیون دلار داشتند، استفاده کردند.
متغیرهای این الگو عبارت از حقوق صاحبان سهام به کل دارایی، هزینه مالی منهای اقلام فوق العاده و درآمد قبل از مالیات به کل دارایی و فروش به کل دارایی می باشد.
وقتی CA-Score<-0/3 باشد شرکت ورشکسته خواهد شد. این مدل در سال 1987 توسط لانس مورد آزمایش قرار گرفت و نرخ اطمینان حدود 83% برای موسسات تولیدی به دست آمد56 (کیربس،1987،ص29)
9-24-2مدل گرایس
گرایس مجموعه ای از مدل های پیش بینی ورشکستگی را برای ارزیابی حساسیت حسابداری ساختار آنها نسبت به ترکیبات متعدد نسبت های مالی، مورد مطالعه قرار داد. او مخصوصاً به مدل ها و ضرایب مورد استفاده که شامل ترکیبات متعدد نسبت های مالی بودند، توجه خاصی مبذول داشت.
مدل پیش بینی ورشکستگی که توسط گرایس ارائه گردید، بر اساس مدل احتمال شرط لوجیت می باشد. در مدل های لوجیت، نسبت های مالی شرکت ها در ضرایب مدل ضرب می شود تا یک شاخص لوجیت (LCI) ایجاد شود.
e-LCI+1/1= احتمال ورشکستگی
شرکت هایی که احتمال ورشکستگی بزرگتر از 5/0 دارند به عنوان ورشکسته و شرکت هایی که احتمال کوچکتر از 5/0 دارند، به عنوان شرکت های غیر ورشکسته معرفی شدند.
گرایس در تحقیق خود از نسبت های درآمد خالص به کل دارایی و کل بدهی به کل دارایی استفاده کرد که نرخ اطمینانی در حدود 79% برای یک سال قبل از ورشکستگی و 78% برای دو سال قبل از ورشکستگی به دست آور57د.(گرایس،2001،ص100)
10-24- 2مدل زاوگرن
مشهورترین و کاربردی ترین مدل تحلیل ممیزی به وسیله ادوارد آلتمن پیشنهاد شده، مدل Z-Score آلتمن یا همان مدل Zeta، اندازه گیری های مختلفی از سود و ریسک را با هم ترکیب کرد و نتیجه مدل در ارائه اندازه ای از ریسک ورشکستگی شرکت به صورت استاندارد منعکس شد. در آزمونی که از مدل آلتمن بعمل آمد در 94% موارد نتایج درست بود. با این حال آلتمن در تدوین مدلش فرض کرده بود که متغیرها همگی دارای توزیع نرمال هستند.
زاوگرن برای حل این مشکل مدلی جدید تدوین نمود که در تدوین آن از تحلیل های آمار ناپارامتریک تحت عنوان لوجیت استفاده کرد و دیگر همانند آلتمن بر اساس فرض نرمال بودن متغیرها در جامعه عمل نکرد و خروجی مدلش را به صورت عددی در دامنه صفر و یک ارائه نمود که نمایشگر احتمال ورشکستگی شرکت می باشد.
مدل پیش بینی زاوگرن به دلیل استفاده از روش لوجیت از دقت بیشتری نسبت به مدل هایی که از این روش استفاده نکرده اند، برخوردار است.
مدل ارائه شده توسط زاوگرن به شرح زیر می باشد:
متغیرهای این مدل به ترتیب شامل متوسط موجودی ها به فروش، متوسط حساب های دریافتنی به متوسط موجودی ها، سرمایه گذاری کوتاه مدت به علاوه وجه نقد به کل دارایی ها، دارایی آنی به بدهی جاری، سود عملیاتی به( کل دارایی- بدهی جاری)، بدهی بلند مدت به (کل دارایی- بدهی جاری) و فروش به (دارایی ثابت + سرمایه در گردش) می باشد.
خروجی مدل که احتمال ورشکستگی شرکت مربوطه است، عددی در دامنه بین صفر و یک قرار دارد. هر چه این عدد بزرگتر و به یک نزدیکتر باشد، احتمال ورشکستگی شرکت بیشتر است و برعکس هر چه این عدد کوچکتر و به صفر نزدیک تر باشد، احتمال ورشکستگی پایین تری را برای شرکت نشان خواهد داد.
زاوگرن با استفاده از صورت های مالی شرکت های غیر ورشکسته و ورشکسته ضرایب متغیرهای مدلش را برای 5 سال محاسبه کرد. وی شرکت های ورشکسته سال 1980 را در نظر گرفته و ضرایب متغیرهای مدلش را برای 5 سال متوالی 1975 تا 1979 حساب کرد. سپس بر اساس ضرایب مربوطه، احتمال ورشکستگی یک شرکت ورشکسته را برای نمونه بررسی کرد. وی مشاهده کرد که در دوره سال های 1975 تا 1979 احتمال ورشکستگی شرکت مذکور روند صعودی داشته است. سپس تغییرات روند احتمال ورشکستگی شرکت مذکور را با روند قیمت سهام آن شرکت در طول آن سال ها بررسی کرد و مشاهده کرد که همزمان با روند صعودی احتمال ورشکستگی شرکت قیمت سهام شرکت تغییراتی نزولی داشته و سال به سال همراه با افزایش احتمال ورشکستگی تنزل پیدا کرده است.
مدل زاوگرن به دلیل عدم اتکاء به فرض نرمال بودن توزیع جامعه متغیرهای مورد استفاده در مدل پیش بینی ورشکستگی، به واقعیت نزدیک می باشد. با این حال یکی از ایرادات وارد بر مدل او آن است که در مدل زاوگرن به دلیل عدم اتکاء به فرض نرمال بودن توزیع متغیرها و استفاده مستقیم از تحلیل های آمار ناپارامتریک و مدل لوجیت جهت پیدا کردن ضرایب متغیرهای مدل پیش بینی، در مقایسه با مدل های تحلیل ممیزی مثل مدل آلتمن، ضرایب محاسب شده متغیرها با هم همبستگی کمتری دارند58.(زاوکرن،1985،ص20)
11-24-2 مدل SAF
مدل SAF، توسط کیندی یاشیکا از دانشگاه نیهون در سال 2003 تدوین شد و به طور وسیعی به عنوان یکی از مدل های پیش بینی ورشکستگی در ژاپن شناخته شد. این مدل به وسیله طبقه بندی و شناسایی اطلاعات مالی شرکت هایی که در بین سال های 1992 و 2001 در ژاپن ورشکست شده اند، به بررسی پیش بینی توقف فعالیت شرکت ها می پردازد.
متغیرهای این مدل شامل سود و زیان انباشته به کل دارایی، گردش موجودی کالا طی یک دوره مالی، هزینه بهره به فروش و سود خالص قبل از مالیات به کل دارایی می باشد59(کیندی،2002ریا،س20)
12-24-2 مدل Thai DA
این مدل در سال 2003 با آزمون 44 شرکت ورشکسته و غیرورشکسته در کشور تایلند برای سه سال قبل از ورشکستگی ارائه گردید.
مدل SAF به ترتیب زیر می باشد:
متغیرهای مدل فوق به ترتیب عبارت از فروش به کل دارایی، ارزش دفتری سرمایه به کل بدهی، بدهی جاری به کل دارایی و بدهی بلند مدت به کل دارایی است. اگر Z>6066 و Z<-0/6066 شرکت غیر ورشکسته خواهد بود و هرگاه 0/6066<Z<0/6066 شرکت ورشکسته خواهد بود60.(سانتری،2003،ص9)
13-24-2 مدلهای پیش بینی هوش مصنوعی
در این بخش به معرفی انواع روش های هوش مصنوعی61 استفاده شده در پیش بینی ورشکستگی شرکت ها می پردازیم. در سال های اخیر استفاده از روش های هوش مصنوعی و ابتکاری در تحقیقاتی در زمینه پیش بینی ورشکستگی عمومیت یافته اند. با توجه به این که روش های هوش مصنوعی در کاهش متغیرهای غیر واقعی و طبقه بندی صحیح کارایی بیشتری دارند، روش های دقیق تری برای پیش بینی ورشکستگی به کار می روند. تفاوت میان این روش و روش های سنتی و آماری این است که فرضیه آن ها،رویه های مختلفی را برای تولید ساختار دانش به کار می برند. روش های آماری سنتی فرض محدود کننده ای مثل خطی بودن، نرمال بودن متغیرها و استقلال آنها دارند در حالی که روش های هوش مصنوعی به این فرضیات محدود کننده نیازی ندارند. روش های آماری روی حداقل کردن احتمال خطا در طبقه بندی نادرست پایه گذاری شده اند، اما روش های هوش مصنوعی یک تکنولوژی برای استخراج دانش از نمونه های آموزشی ارائه می کنند. (شین و لی، 2002) 62.
در این بخش مروری بر انواع روش های هوش مصنوعی شامل شبکه های عصبی مصنوعی63، درخت تصمیم64، الگوریتم ژنتیک65، تئوری مجموعه فازی66، تحلیل پوششی داده ها67، استدلال مبتنی بر مورد68، مجموعه های ناهموار69 و ماشین بردار تکیه گاه و همچنین تعدادی از تحقیقات انجام شده بوسیله این روش ها ارائه شده است.
شبکه های عصبی مصنوعی یک الگوی محاسباتی الهام گرفته شده از شبکه های عصبی زیستی دستگاه عصبی انسان است. یک شبکه عصبی، سیستمی شامل انشعاب های فوق العاده زیاد و واحدهای محاسباتی به هم پیوسته و چند لایه ای است که نرون(رشته مغزی) نامیده می شود.
اولین تلاش برای استفاده از شبکه عصبی در پیش بینی ورشکستگی توسط ادم و شاردا70 (1990) صورت گرفت. نتایج مطالعات آنها نشان داد که شبکه های عصبی در مقایسه با تحلیل تمایز چندگانه از دقت و توان پیش بینی بیشتری برخوردارند.
سالچنبرگر و همکارانش(1992) مطالعه ای را در زمینه پیش بینی ورشکستگی موسسات وام و پس انداز71 با استفاده از شبکه های عصبی انجام دادند و نتایج آن را با مدل لاجیت مقایسه کردند. در این مطالعه آنها از پنج نسبت مالی استفاده کردند که بیانگر کفایت سرمایه، کیفیت بدهی ها، کارایی مدیریت، درآمد و نقدینگی بودند. 100 موسسه ورشکسته و 100 موسسه غیر ورشکسته بر اساس مکان جغرافیایی و ارزش دارایی ها، بین سال های 1986 تا 1987 انتخاب شدند. نتایج این تحقیق نشان داد که شبکه های عصبی عملکرد بهتری نسبت به مدل لاجیت دارند.72
والاس یک الگو با استفاده از روش شبکه های عصبی طراحی کرد. در الگوی او از مقادیر نسبت های مالی کلید که در مطالعات ورشکستگی گذشته که به عنوان بهترین نسبت ها گزارش شده بودند، استفاده شده بود.
الگوی والاس دارای دقت کلی 94% بوده و 65 نسبت مالی مختلف را در مطالعات گذشته بررسی کرد. والاس نسبت های مالی بکار رفته در الگوی خود را به ترتیب اهمیت نسبی در الگوی خود اولویت بندی کرد. جدول نتایج تحقیقی ولی را نشان می دهد(احدی و دولت سرا، 1387، 55)
جدول 2-2 نسبت ها و اهمیت نسبت آنها در الگوی والاس
نسبت مالی
درصد اهمیت نسبی
سود خالص به کل دارایی ها
26
سرمایه در گردش به کل دارایی ها
21
کل بدهی به کل دارایی ها
15
داریی های جاری به بدهی های جاری
13
جریان های نقدی به کل بدهی ها
13
دارایی های سریع به بدهی های جاری
12
تی سنگ و چانگ هو(2010) در کار تحقیقاتی خود از چهار روش متفاوت مدل لاجیت، مدل فاصله درجه دوم لاجیت73، مدل پرسپترون چند لایه پس انتشار74 و RBFN برای پیش بینی شرکت های ورشکسته و سالم در انگلستان استفاده کردند. در این مقاله از 5 متغیر جهت توضیح شکست شرکتی استفاده شده است که عبارتند از: کارایی مدیریت، ساختار سرمایه، ناتوانی در پرداخت دیون، تاثیرات زیان آور اقتصادی و عدم ثبات درآمد. نتایج آزمون نشان می دهد که مدل RBFN بهتر از سایل مدل ها عمل کرده، پس از آن مدل فاصله درجه دوم لاجیت و سپس مدل لاجیت و در نهایت مدل پرسپترون چند لایه پس انتشار در پیش بینی درماندگی مالی کارا عمل می کنند(تی سنگ و چان گو، 2010، 1848).
14-24-2 درخت های تصمیم
یکی دیگر از ابزارهای تحلیل مالی که در سال های 1984 و 1985 معرفی شد، درخت های تصمیم75 نام دارد. درخت های تصمیم از الگوریتم افراز بازگشتی76 استفاده می کند تا قوانینی را برای مجموعه داده های معین فراهم کنند. این الگوریم هم برای پیش بینی ورشکستگی و هم برای دسته بندی وام ها مورد استفاده قرار گرفته اند. در حقیقت درخت تصمیم یک روش کامپیوتری و ناپارامتریک در شناسایی الگوهاست که هم ویژگی های دسته بندی یک متغیری سنتی و هم ویژگی های تحلیل های چند متغیری را داراست. در درخت تصمیم هیچ فرض خاصی در مورد توزیع متغیرهای مستقل و وابسته در نظر گرفته نمی شود، بنابراین از این نظر مشکل تحلیل تمایز یا لاجیت را ندارد.77(گرین استین،200،ص3)
فریدمن و همکارانش(1985) اولین کسانی بودند که درخت تصمیم را در مقایسه با تحلیل تمایز بکار بردند. در این مطالعه از اطلاعات 58 شرکت ورشکسته و 142 شرکت غیر ورشکسته بین سال های 1971 تا 1981 استفاده شد. در اولین مدل طراحی شده، از ده متغیر استفاده گردید که عبارت بودند از: سود خالص به کل دارایی ها، دارایی های جاری به بدهی های جاری، لگاریتم کل دارایی ها، ارزش بازار سهام عادی به کل منابع تامین مالی78، دارایی های جاری به کل دارایی ها، جریان های نقدی به کل بدهی ها، دارایی های سریع79 به بدهی های جاری، سود قبل از بهره و مالیات به کل دارایی ها و لگاریتم(15+ پوشش هزینه بهره). مدل دوم متشکل از چهار متغیر بود که عبارت بودند از: سود خالص به کل بدهی ها، دارایی های جاری به بدهی های جاری، لگاریتم کل دارایی ها و ارزش بازار سهام عادی به کل منابع تامین مالی، دقت پیش بینی این مدل 90 درصد بود و عنوان شد در بین این نسبت ها، نسبت جریان های نقدی به کل بدهی ها از سایر متغیرها با اهمیت تر است.80
مک کی و گرینستین(2000) مطالعات قبلی انجام شده در زمینه ورشکستگی را مورد انتقاد قرار دادند. آنها که از درخت تصمیم برای پیش بینی ورشکستگی استفاده کردند، شش نسبت را به عنوان متغیرهای مستقل در نظر گرفتند که عبارت بودند از: سود خالص به کل دارایی ها، دارایی های جاری به کل دارایی ها، دارایی های جاری به بدهی های جاری، وجوه نقد به کل دارایی ها، دارایی های جاری به فروش، بدهی های بلندمدت به کل داراییها. نتایج این مطالعه نشان داد که با استفاده از این متغیرها، درخت تصمیم در مقایسه با روش های لاجیت و شبکه های عصبی دقت پیش بینی بیشتری ارائه می دهد.81 (گرین استین،200،ص3)
15-24-2 الگوریتم ژنتیک (GA)
الگوریتم ژنتیک یک رویکرد هوش مصنوعی مبتنی بر تئوری انتخاب طبیعی و تکاملی است. این الگوریتم از اصل بقای انسب82 به وسیله انتخاب بهترین راه حل برای حل مسائل استفاده می کند. این الگوریتم از فرایند زیستی وراثت، جهش ژنتیکی و تقاطع ژنتیکی والدین هنگام ایجاد فرزند الهام گرفته و نامگذاری شده است.83
شین و لی(2002) یک روش مبتنی ر الگوریتم ژنتیک برای پیش بینی ورشکستگی ارائه کردند. آنها عنوان کردند که قواعد ایجاد شده به وسیله الگوریتم ژنتیک راحت تر درک می شود و می تواند مانند سایر سیستم های هوش مصنوعی مورد استفاده قرار گیرد. در این مطالعه از الگوریتم ژنتیک برای استخراج قوانین قابل فهم برای کاربران مختلفی چون سیستم های خبره و محاسبه نقاط تسلیم برای متغیرهای مختلف در پیش بینی ورشکستگی استفاده شده است. از روی این نقاط شکست، قوانینی برای سیستم های خبره استخراج می شود. آنها داده های 528 شرکت را مورد استفاده قرار دادند و در نهایت پنج قاعده اصل را در نظر گرفتند. این پنج قاعده ایجاد شده دقتی برابر 808 درصد حاصل کرد. متغیرهای مورد استفاده در این مطالعه عبارتند از: ارزش افزوده به کل دارایی ها، درآمد خالص به حقوق صاحبان سهام، نسبت آنی(سریع)، نسبت نقدیندگی، بدهی جاری به کل دارایی ها، سود انباشته به کل دارایی ها، حقوق صاحبان سهام به کل دارایی ها، هزینه های مالی به فروش و درآمد علمیاتی به هزینه های عملیاتی. آنها نتیجه گرفتند که GA می تواند با موفقیت رابطه ای خطی را که بین متغیرهای ورودی استخراج کند(شین و لی 2002).
16-24-2 تئوری مجموعه فازی
تئوری مجموعه فازی84، پیشنهاد شده توسط علی عسگرزاده در سال 1965 کاربردهای فراوانی دارد. این تئوری شامل مفهوم طبقه بندی شده است. این تئوری یک چارچوب ریاضی برای موارد مبهم و برای مواردی که پدیده ها مفهومی دشوار دارند، ارائه می کند. مدل های منطق فازی، دانش فردی مبتنی بر تجزیه در هر حوزه ای است. هنگامی که منطق فازی برای کنترل فرایندها یا پیش بینی مسائل مورد استفاده قرار می گیرد، از دانش متخصص آن حوزه کمک می گیرد و نیز علوم ریاضی فازی را به کار می برد تا به وسیله آن سیستم های استنتاجی فازی را ایجاد کند. منطق فازی به علاوه برای نتیجه گرفتن از فرمان های if-then فازی از داده ها برای حل مسائل طبقه بندی شده، مورد استفاده قرار می گیرد. این روش نسبت به سایر روش ها کاربرد کمتری در پیش بینی ورشکستگی داشته است.85
17-24-2 تحلیل پوششی داده ها
معرفی DEA با پایان نامه رودز86 شروع شد. عنوان آن چگونگی ارزیابی عملکرد مدارس دولتی آمریکا بود. نخستین مقاله در مورد تشریح متدولوژی DEA توسط چارنز و کوپر و رودز در سال 1978 منتشر شد. البته عده ای از محققین هنوز اعتقاد دارند مقاله ارائه شده در این زمینه توسط چارنز و کوپر در بیست و چهارمین همایش بین المللی TIMES در ژوئن 1979 در هاوایی اولین مقاله ارائه شده در این زمینه است.
اکسو و وانگ(2009) مدل پیش بینی شکست شرکت را با استفاده از کارایی(به عنوان متغیر پیش بینی کننده) پیشنهاد دادند. آنها در این روش پیشنهادی DEA را بعنوان ابزاری برای ارزیابی کارایی هر شرکت به کار بردند. جامعه مورد مطالعه آنها شرکت های موجود در لیست بورس اواق بهادار شانهای87 می باشد. در این مطالعه متغیرها شامل دو قسمت می شدند: کارایی شرکت و متغیرهای منتخب از نسبت های مالی. با توجه به این که نسبت های انتخابی باید ویژگی های سودآوری، ثبات، رشد، فعالیت و جریان نقدی را مورد ملاحظه قرار دهند، از 20 نسبت مالی استفاده شد. نتایج تجربی سه مدل اصلی پیش بینی شکست مالی شرکت، روش تحلیل ممیزی چندگانه (MDA)، رگرسیون لجستیک و ماشین بردار پشتیبان (SVMS) همگی پیشنهاد می کردند که کارایی یک متغیر پیش بینی کننده موثر می باشد(اکسو و وانگ، 2009، ص366).
18-24-2 استدلال مبتنی بر مورد88
استدلال مبتنی بر مورد شاخه ای از هوش مصنوعی است. هنگامی که مردم با مشکل و یا مسئله جدی مواجه می شوند، اغلب به تجربه های مشابه قبلی مراجعه می کنند و راه حل های این تجربیات را دوباره و یا با کمی اصلاح برای دستیابی به یک جواب ممک برای مساله موجود، بکار می برند. نقطه قوت CBR قابلیت آن در ارائه توضیح و تفسیر برای اتخاذ یک تصمیم، بر اساس تصمیمات قبلی گرفته شده است. ذکر کردن تجارب یا موارد قبلی مناسب و مطابق آن، راهی برای توجیه یک موقعیت در تصمیم گیری انسانی است. قابلیت درک تصمیم گیری در حل مسائل مالی اغلب بسیار مهم و تعیین کننده است. هنگامی که یک شرکت در وضعیت در حال ورشکستگی شناخته می شود. CBR می تواند نمونه هایی از شرکت های مشابه که در گذشته ورشکسته شده اند را جهت دلیل آوری و توجیه پیش بینی وضعیت آن شرکت ارائه دهد(رسل،2003).89
نتایج مطالعات انجام شده نشان داد که مدل ترکیبی K0NN کاراتر از مدل های دیگر عمل می کند.90
ییپ(2004) مدل CBR را با K-NN به کار برد تا شکست تجاری یک شرکت استرالیایی را پیش بینی کند. او سنجش های آماری را برای تعیین ارتباط مشخصه ها در فاز بازاریابی الگوریتم به کار برد. او کارایی ترکیب مدل های CBR و K-NN را با DA مقایسه کرد. در این تحقیق دقت کلی CBR همراه با K-NN موزون و CBR با K-NN خالص و DA به ترتیب 9/90 درصد، 5/79 درصد و 4/86 درصد بود. او نتیجه گرفت که مدل CBR همراه با K-NN بهتر از DA عمل می کند(ییپ، 2004).91
19-24-2 مجموعه ناهموار
تئوری مجموعه ناهموار92 که نخستین بار به وسیله پاولک93 در سال 1982 ارائه شد، مبتنی بر این فرضیه است که با هر شی موجود در جهان، مقداری اطلاعات مرتبط وجود دارد و اشیایی که به وسیله اطلاعات مشابه آن شی توصیف و مشخص شده اند، غیر قابل تفکیک و تشخیص هستند. غیرقابل تفکیک بودن بیانگر این است که ما قادر نیستیم اجزای آنها را به صورت مجزا مورد بررسی قرار دهیم. لیکن ما می بایست دسته هایی از اشیای غیر قابل تفکیک یا طبقه بندی هایی هم ارز از رابطه غیرقابل تفکیک را مورد ملاحظه قرار دهیم. در تئوری مجموعه ناهموار دو مفهوم معین یعنی تقریب های پایینی و بالایی جایگزین هر مفهوم نامعین و مبهم می شود. تقریب های تئوری از دو عمل اصلی تشکیل می شوند. مجموعه های ناهموار از داده ها برای اتخاذ قواعد تصمیم برای حل مسائل طبقه بندی استفاده می کنند.
20-24-2 روش ماشین بردار پشتیبان
ماشین بردار پشتیبان94 که نخستین بار توسط واپنیک95 در سال 1998 ارائه شد، از یک مدل خطی برای اجرای حدود کلاس غیرخطی، به وسیله مسیردهی به بردارهای ورودی غیر خطی در داخل یک فضای چند بعدی استفاده می کند. در این فضای جدید برای ایجاد یک سطح افراز بهینه، جداسازی بهینه هموار96 انجام می شود. نمونه های آموزشی که به ماکزیمم حد سطح خیلی نزدیکند، بردارهای پشتیبان نامیده می شوند. سایر نمونه های آموزشی در تعریف حدود کلاس دودویی بی تاثیرند. روش ماشین بردار پشتیبان به قدری ساده است که می توان آن را به وسیله ریاضیات تجزیه و تحلیل کرد. از این جهت، این روش می تواند به عنوان یک جایگزین مطلوب برای ترکیب نقاط قوت روش های آماری مرسوم که به طور معمول دارای محیطی تئوری گرا هستند و به آسانی تجزیه و تحلیل می شوند و روش های فراگیری ماشینی که محیطی بیشتر داده ای گرا هستند و توزیع آزاد و قوی دارند، مورد استفاده قرار گیرد. اخیراً SVM در برنامه های کاربردی مالی مانند رتبه بندی اعتباری(مشتریان)، پیش بینی سری های زمانی و کشف سو استفاده در مورد ادعاهای بیمه ای کاربرد فراوان یافته است. مطالعات انجام شده به وسیله این روش نشان داده است که SVM از لحاظ کارایی، قابل قیاس و حتی بهتر از سایر روش های پیش بینی ورشکستگی از قبیل شبکه های عصبی، CBR,MDA و لاجیت است(راوی،2007).97
وو و همکاران در پژوهشی به دنبال تدوین یک مدل ماشین بردار تکیه گاه با استفاده از الگوریتم ژنتیک بودند تا پارامترهای روش مذکور را به بهترین نحو تهیه نمایند. آنها پس از تدوین مدل خود، آن را در بورس تایوان آزمون کردند تا دقت این مدل را با سایر مدلهای پیش بینی ورشکستگی از جمله مدلهای آماری پروبیت، لوجیت، تحلیلی تشخیصی چندگانه و مدل های هوش مصنوعی همچون شبکه های عصبی مقایسه کنند. نتایج تجربی حاصل از پژوهش آنها نشان داد که مدل ماشین بردار تکیه گاه(پشتیبان) با کاربرد روش الگوریتم ژنتیک آنها، از دو جنبه ی دقت پیش بینی و قابلیت تعمیم دهی نسبت به سایر روش ها برتری با اهمیتی دارد(وو، 2007،ص 397).
25-2 پیشینه تحقیق:
در این قسمت به ارائه ی پژوهش های انجام شده در زمینه ی پیش بینی درماندگی مالی و نتایج حاصل از آن در ایران و در خارج از ایران می پردازیم:
1-25-2 تحقیقات داخلی
تحقیقات داخلی انجام شده در زمینه پیش بینی ورشکستگی شرکت ها بیشتر در جهت شناخت توانایی مدل های خارجی برای پیش بینی ورشکستگی شرکت های بورس اوراق بهادار بوده است.
اولین پژوهش انجام شده برای ارائه یک مدل پیش بینی ورشکستگی در ایران، توسط مهدی رسول زاده(1380) با نام"بررسی کاربرد مدل آلتمن برای بررسی وضعیت ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران در دو گروه صنایع فلزات اساسی و نساجی" و به منظور ارزیابی اینکه، آیا به کار بردن مدل Z آلتمن در شرکت های بورس اوراق بهادار تهران و در دو گروه مورد بررسی او مناسب است یا خیر، انجام شده است. در این مطالعه او اطلاعات مالی حاصل از صورت های مالی شرکت های فوق را بین سال های 1375 تا 1378 مورد استفاده قرار داد. این پژوهش پیش بینی درست شرکت های ورشکسته معادل 75 درصد را به اثبات رساند.(رسول زاده، 1380، 1).
غلامرضا سلیمان امیری(1381) در تحقیقی تحت عنوان"بررسی شاخص های پیش بینی کننده ورشکستگی در شرایط محیطی ایران" که در مقطع دکترای حسابداری انجام شده است، سعی کرده با استفاده از روش دلفی و استناد به نظر متخصصین، به جمع آوری تعدادی شاخص بپردازد که به نظر وی توجه به این شاخص ها می تواند در پیش بینی ورشکستگی شرکت ها مفید واقع شود. البته ایشان از ارائه یک مدل کمی که توانایی پیش بینی ورشکستگی را داشته باشد، خودداری کرده است.(سلیمانی امیری، 1381، 1)
مطالعه دیگری توسط عبدالرضا شاکری(1382) با نام "بررسی کاربرد مدل اسپرینگیت برای پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار" انجام شده است. مدل اسپرینگیت که از روش آماری تحلیل تمایز چندگانه (MDA) استفاده می کند، می تواند با 88 درصد اطمینان ورشکستگی شرکت ها را دو سال قبل از وقوع آن پیش بینی کند. سوال مطرح شده در این تحقیق این است که آیا به وسیله مدل اسپرینگیت می توان با درصدی خطا خروج شرکت ها طی دو سال آینده از بازار سرمایه، طبق ملاک قانون 141 قانون تجارت را پیش بینی کرد یا خیر.(شاکری، 1382).
رضا یاریفر(1382) در تحقیق مشابهی به بررسی کاربرد مدل های ورشکستگی فولمر، اسپرینگیت و زیمجوسکی برای تعیین وضعیت ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران در صنعت نساجی پرداخت. فرضیات تحقیق او این است که با استفاده از این سه مدل می توان ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران را پیش بینی کرد. جامعه آماری تحقیق او 26 شرکت نساجی موجود در بورس اوراق بهادار تهران است. داده های مورد نیاز برای تجزیه و تحلیل در این تحقیق از صورت های مالی منتشر شده توسط سازمان بورس اوراق بهادار تهران بین سال های 1374 تا 1379 استخراج شده است. پس از جمع آوری داده ها و متغیرهای این سه مدل و انجام آزمون، نتیجه گرفته شد که دقت پیش بینی برای یک سال قبل از ورشکستگی مدل های فولمر، اسپرینگیت و زیمجوسکی به ترتیب 48/90 درصد، 19/76 درصد و 43/71 درصد، برای دو سال قبل از ورشکستگی به ترتیب 33/83 درصد، 22/72 درصد و 22/72 درصد و برای سه سال قبل 92/76 درصد، و 54/61 درصد و 23/69 درصد است.
زهره حاجیها(1382) در تحقیقی با عنوان"ارائه مدل پیش بینی قدرت پرداخت دیون با استفاده از نسبت های مالی در شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران" مشابه تحقیق آلتمن را برای شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار با اندازه متوسط به کار برد. نمونه اولیه با اندازه 230 شرکت به صورت تصادفی در نظر گرفته شد. سپس این تعداد نمونه با توجه به اندازه شرکت و نوع شرکت های تولیدی به 116 شرکت کاهش پیدا کرد. از نظر او با اندازه متوسط شرکت هایی بودند که دارایی آنها بین 10 تا 100 میلیارد ریال بود.
مدل او 7/75 درصد شرکت های پذیرفته شده در بورس اوراق بهادار تهران را در سال 1380 به درستی به دو گروه ورشکسته و غیر ورشکسته طبقه بندی می کرد(حاجیها، 1382).
سعید فلاح پور(1383) در تحقیقی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران را با کمک شبکه های عصبی مصنوعی پیش بینی کرد و نتایج کار خود را با نتایج حاصل از روش تحلیل تمایز مورد بررسی قرار داد. جامعه آماری آن شامل 80 شرکت بود. او در این مطالعه به این نتیجه رسید که روش شبکه های عصبی مصنوعی در پیش بینی درماندگی مالی به طور معناداری نسبت به روش تحلیل تمایز از دقت بیشتری برخوردار است.
ساره پورمهر(1386) در تحقیق خود با عنوان"بررسی امکان سنجی استفاده از الگوهای اسپرینگیت و زیمجوسکی در پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران" به دنبال طراحی الگویی برای پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس است. مبنای الگوهای ارائه شده در این پژوهش، الگوهای اسپرینگیت و زیمجوسکی است. نمونه انتخابی شامل 40 شرکت ورشکسته از صنایع مختلف که دو سال متوالی از طرف بورس ورشکسته اعلام شده اند و نیز 54 شرکت غیر ورشکسته در صنایع داروسازی و شیمیایی می باشد. در این مطالعه، ابتدا امکان سنجی استفاده از الگوهای اسپرینگیت و زیمجوسکی در پیش بینی ورشکستگی مورد بررسی قرار گرفته و سپس با استفاده از تکنیک رگرسیون لجستیک و تحلیل تمایزی الگوهای تعدیلی ارائه می شود. در نهایت اعتبار الگوها با استفاده از داده های سال 84 آزمون می گردد. نتایج نشان می دهد که دقت الگوی اسپرینگیت 5/94 درصد و زیمجوسکی 9/95 درصد می باشد(پورمهر،1386،ص1).
در تحقیق دیگری که توسط محسن سهرابی عراقی(1387) در مقطع دکترای دانشگاه علامه طباطبایی انجام شده است، پیش بینی ورشکستگی شرکت های داخلی با استفاده 21 نسبت مالی و به وسیله روش تحلیل تمایز چندگانه انجام شده است. شرکت های تحت بررسی این تحقیق 460 شرکت پذیرفته شده در بورس اوراق بهادار بودند. مدل به دست آمده در این پژوهش به شرح زیر است:
(2-2)
به طوری که سود قبل از مالیات به بدهی های جاری، ارزش بازار به بدهی، دارایی ها، سود انباشته به کل دارایی ها و بدهی بلند مدت به دارایی است(سهرابی عراقی،1387،92).
امینی در تحقیق خود به بررسی امکان سنجی استفاده از مدل فولمر در تخمین ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار پرداخته است. این مدل پیش بینی را برای یک سال و دو سال قبل از ورشکستگی انجام می دهد. نتایج تحقیق نشان می دهد که مدل در یک سال قبل از ورشکستگی در حدود 75 درصد و در دو سال قبل از ورشکستگی حدود 68 درصد موارد را توانسته به درستی پیش بینی نماید.
فرج زاده دهکردی در تحقیق خود درصدد مدل بندی پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از تکنیک الگوریتم ژنتیک بوده اند. نمونه تحت بررسی شامل 72 شرکت ورشکسته و 72 شرکت غیرورشکسته، طی دوره 8 ساله 76-73 است که این شرکتها به طور تصادفی به دو مجموعه آموزشی(شامل 51 شرکت ورشکسته و 53 شرکت غیرورشکسته) جهت ایجاد مدل ها و مجموعه آزمایشی (شامل 21 شرکت ورشکسته و 19 شرکت غیرورشکسته) جهت آزمون روایی مدل ها تقسیم شده اند.
به منظور ساخت مدل در ابتدا نیاز به تعیین متغیرهای پیش بینی کننده ورشکستگی است. به این منظور بررسی مبسوطی بر روی ادبیات تحقیق صورت گرفته و فهرست جامعی از نسبت های مالی که در تحقیقات پیشین از خود توانایی بالایی در پیش بینی ورشکستگی نشان داده اند، فراهم شده است. در ادامه با پالایش نظری این مجموعه نسبت ها و همچنین استفاده از تکنیک SDA، 5 نسبت مالی جهت ساختن مدل پیش بینی ورشکستگی انتخاب شد.
با استفاده از دو تکنیک برنامه ریزی ژنتیک و تحلیل تشخیصی چندگانه و به کارگیری 5 نسبت مالی منتخب، دو مدل جهت پیش بینی ورشکستگی استخراج شد و نتایج حاصل از آنها مورد مقایسه قرار گرفت.
مدل برنامه ریزی ژنتیک توانست 94% شرکت های نمونه آموزشی و 90% شرکت های نمونه آزمایشی را یک سال پیش از ورشکستگی در گروه های ورشکسته و غیرورشکسته به صورت صحیح طبقه بندی نماید. دقت مدل در تشخیص شرکت های ورشکسته در نمونه آموزشی و آزمایشی به ترتیب 96 و 90 درصد است. همچنین مدل تحلیلی توانسته است 77% شرکت های نمونه آموزشی و 73% شرکت های نمونه آزمایشی را یک سال پیش از ورشکستگی به درستی در گروه های ورشکسته و غیرورشکسته طبقه بندی نماید. آزمون McNamara نشان داد که مدل ژنتیکی نسبت به مدل تشخیصی از برتری قابل توجهی برخوردار است (فرج زاده دهکردی، 1386).
خانم راحله احدی دولت سرا در سال 1387 در پایان نامه کارشناسی ارشد خود به بررسی کارایی الگوهای پیش بینی بحران مالی پرداخت و به این منظور به بررسی و مقایسه قدرت پیش بینی توقف فعالیت یا تداوم فعالیت شرکت ها با استفاده از الگوهای زیمسکی، اسپرین گیت و آلتمن پرداخت و نتایج پژوهش او نشان داد که این الگوها توانایی پیش بینی توقف فعالیت را در شرکت های پذیرفته شده در بورس اوراق بهادار تهران دارا می باشند. اما بین نتایج آنها تفاوت معنی داری وجود دارد.(احدی دولت سرا، 1387،ص 97).
آقای نظام الدین مکیان جهت پیش بینی بحران مالی، از مدل شبکه عصبی به همراه مقایسه آن با دو روش آماری رگرسیون لجستیک و تحلیل ممیزی استفاده کردند و یک مدل برای پیش بینی ورشکستگی شرکت های تولیدی طراحی و در استان کرمان به کار گرفتند. نتیجه ی کلی پژوهش به برتری مدل شبکه عصبی بر دو روش آماری دیگر رای داد.(مکیان، 1389، ص141).
جناب محسن دستگیر در پژوهشی تحت عنوان "پیش بینی ورشکستگی شرکت ها با استفاده از مدل لوجیت" به این نتیجه دست یافتند که می توان ادعا کرد دقت مدل لوجیت در پیش بینی ورشکستگی شرکت ها همراه با 95% اطمینان بوده است(دستگیر، 1384،ص 1).
اکبر کمیجانی در سال 1385 به بررسی کاربرد مدلهای شبکه عصبی در پیش بینی ورشکستگی اقتصادی پرداخت و به این نتیجه دست یافت که در سال 1385 تحت تاثیر سیاست های شفاف سازی روند ورشکستگی اقتصادی شرکت ها به طور چشم گیری افزایش خواهد یافت که با سازگار شدن شرکت ها با شرایط جدید، تا حدی این روند در سال 1386 تعدیل می شود.(کمیجانی، 1385،ص 11).
محمدرضا طبرستانی در پژوهشی به پیش بینی درماندگی مالی با استفاده از تحلیل پوششی داده ها پرداخت و به این نتیجه دست یافت که الگوی طراحی شده مبتنی بر این روش قابلیت پیش بینی وقوع درماندگی مالی را تا دو سال قبل از وقوع آن دارد(طبرستانی، 1388،ص 158).
آقای غلامپور فرد با نمونه ای متشکل از 40 شرکت پذیرفته شده در بورس و 13 نسبت مالی به برآورد مدل پیش بینی ورشکستگی برای یک تا سه سال قبل از رویداد بحران مالی بر اساس رگرسیون چند متغیره و لوجستیک اقدام کرد و هدف نهایی او طی این پژوهش، اولاً مقایسه دو مدل پیش بینی ورشکستگی آلتمن و اوهلسون و ثانیاً ارائه مدل آماری مناسب جهت پیش بینی ورشکستگی شرکت ها در یک، دو و سه سال قبل از وقوع بحران مالی بود. یافته های تحقیق حاکی از آن، بود که مدل ارائه شده توسط اهلسون و مدل استخراج شده طی روش رگرسیون لجستیک، دقت بالاتری در پیش بینی ورشکستگی شرکت ها دارند(غلام پورفرد، 1387، ص1).
خانم سارویی در تحقیق خود به بررسی کارایی مدل های اسپرینگیت، زیمسکی و اهلسون در دو صنعت داروسازی و نساجی پرداخت و نتایج نشان داد که در سه سال مورد بررسی مدل اسپرینگیت نتایج بهتری را نشان می دهد(سارویی، 1389،ص 1).
آقای فریدون راهنمای رودپشتی در تحقیقی به مقایسه ی نتایج حاصل از به کارگیری مدلهای آلتمن و فالمر جهت پیش بینی ورشکستگی شرکت ها پرداختند و داده های خود را برای سال های 1379 تا 1383 مورد آزمون قرار دادند و به منظور تجزیه و تحلیل آنها روشهای آماری باینومیال ناپارامتریک را مورد استفاده قرار دادند، نتایج حاکی از آن بود که در پیش بینی یک شرکت، تفاوت معنی داری بین نتایج دو مدل وجود دارد. همچنین مدل آلتمن محافظه کارانه تر از مدل فالمر عمل می کند.(رهنمای رودپشتی، 1388،ص 19).
آقای قدرت ا… طالب نیا به پژوهشی با هدف"تعیین این مطلب که الگویی مشتمل بر متغیرهای کلان اقتصادی و متغیرهای مالی قدرت پیش بینی بحران مالی را دارد" پرداختند. در این پژوهش چهار الگوی پیش بینی بحران مالی اسپرینگیت، SAF شیراتا، والاس و تای دا) با نسبت های جریان وجوه نقد و متغیرهای کلان اقتصادی با وقفه زمانی یک سال و دو سال بسط داده شد. نهایتاً مشخص گردید الگوهای اسپرین گیت و والاس توسعه یافته دارای متغیرهای موثر برای پیش بینی می باشند.(طالب نیا، 1388،ص 67).
آقای علی سعیدی در سال 1388 به پیش بینی درماندگی مالی شرکت ها با استفاده از شبکه های بیز پرداختند و به این منظور دو مدل با استفاده از شبکه های بیز و یک مدل با استفاده از رگرسیون لوجستیک ارائه شد. اولین مدل شبکه ساده بیز که مبتنی بر همبستگی شرطی است می تواند با دقت 90% شرکت های ناسالم و سالم را درست پیش بینی کند. دومین مدل با دقت 93% به این مهم دست می یابد که مبتنی بر احتمال شرطی است. در نهایت مدل رگرسیون لوجستیک نیز می تواند با دقت 90% به این پیش بینی دست بزند(سعیدی، 1388،ص 59).
رضا راعی در پژوهش خود در سال 1387 به بررسی کارایی استفاده از ماشین بردار پشتیبان (SVM) در پیش بینی درماندگی مالی شرکت ها پرداخته اند. نتایج مدل SVM در مقایسه با مدل آماری رگرسیون لجستیک بررسی شده است. و نتایج نشان می دهد که مدل SVM نسبت به مدل رگرسیون لجستیک نه تنها از دقت کلی بهتری برخوردار است، بلکه توانایی بالاتری در تعمیم پذیری دارد(راعی، 1388،ص 17).
آقای غلامرضا کرمی در پژوهشی تحت عنوان"بررسی کاربردی الگوهای پیش بینی ورشکستگی زیمسکی و شیراتا در شرکت ها پذیرفته شده در بورس اوراق بهادار تهران" به این نتیجه دست یافتند که هر دو الگو توانایی تقسیم شرکت ها را به دو گروه سالم و ناسالم دارند(کرمی، 1384،ص 41).
سلیمانی امیری در پژوهش خود تحت عنوان بررسی شاخص های پیش بینی کننده ورشکستگی در شرایط محیطی ایران به ارائه الگویی برای پیش بینی ورشکستگی در ایران پرداخت. الگوی او شامل 15 متغیر مستقل بود که بعضی از آنها نسبت های مالی و بعضی متغیرهای کیفی بودند. در این الگو هر چه مقدار Z، به صفر نزدیک تر باشد، احتمال ورشکستگی شرکت بیشتر و هرچه مقدار Z به عدد 1 نزدیکتر باشد احتمال ورشکستگی شرکت کمتر است(مهرانی، 1384، ص 110).
مهرانی در پژوهش خود تحت عنوان بررسی کاربردی الگوهای پیش بینی ورشکستگی زیمسکی و شیراتا در شرکت های پذیرفته شده در بورس اوراق بهادار تهران برای به دست آوردن مدل های جدید بر مبنای الگوهای ورشکستگی یاد شده، متناسب با شرایط محیطی ایران تلاش کرد. نتایج پژوهش او نشان داد که هر دو الگو توانایی تقسیم شرکت ها را به دو گروه سالم و ناسالم دارند، اما متغیرهای مستقل الگوها تاثیر یک سانی در پیش بینی ورشکستگی شرکت ها ندارند(مهرانی، 1384، ص 105).
حسن عسگری در پژوهش خود به بررسی کارایی الگوهای اسپرینگیت، زاوگین و فولمر در پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران پرداخت و به این نتیجه رسید که در سطح اطمینان 90 درصد الگوی اسپرینگیت نسبت به الگوهای فولمر و زاوگین از دقت بیشتری برای پیش بینی ورشکستگی شرکت های برخوردار است.(عسگری، 1387، ص 1).
خالد شیخی در پژوهش خود به مقایسه توانایی مدل های اهلسون، آلتمن و زاوگین در پیش بینی توقف فعالیت شرکت های پذیرفته شده در اوراق بهادار تهران پرداخت و به این نتیجه رسید که این روش ها از توانایی کافی برای پیش بینی ورشکستگی شرکتها برخوردارند(شیخی، 1386، ص 1).
احمدی کاشانی در پژوهش خود به بررسی تعدیل ضرایب الگوی آلتمن در صنعت تجهیزات و لوازم خانگی پرداخت که طی نتیجه تحقیق وی الگوی تعدیل شده آلتمن در صنعت یاد شده با دقت 7/90 درصد شرکت های ورشکسته و غیرورشکسته را تفکیک می کرد(احمدی کاشانی، 1384، ص 95).
2-25-2 تحقیقات خارجی
با وجود رویداد نامطلوب درماندگی مالی در سطح جهان سالهای زیادی است که بحث پیش بینی این پدیده ی ناخوشایند و هزینه ساز در سراسر جهان مورد توجه قرار گرفته است. اولین تحقیق در زمینه ورشکستگی در سال 1900 توسط توماس و ولاک انجام شد. وی یک تجزیه و تحلیل کلاسیک در صنعت راه آهن انجام داد و نتایج را در مجموعه مقالاتی تحت عنوان"درصد هزینه های عملیاتی به سود انباشته ناخالص" و "نسبت هزینه های ثابت بر درآمد" و "تناسب نسبی که وجوه قرض و تعداد سهام یک شرکت بایستی هزینه واقعی تحصیل دارایی را در برگیرد" ارائه کرد.(سارویی، 1389، ص96).
در سال 1931 پاتریک، روند 13 نسبت مالی را برای حدود 20 شرکت ورشکسته و 20 شرکت غیرورشکسته در یک دوره 9 ساله بررسی کرد. پاتریک به این نتیجه رسید که تمامی نسبت های به کارگرفته شده تا حدی می تواند ورشکستگی را پیش بینی کنند ولی از بین آنها نسبت های سود خالص به ارزش ویژه، ارزش ویژه به بدهی و ارزش ویژه به دارایی های ثابت، بهترین نسبت های مالی برای پیش بینی ورشکستگی هستند(هوریگان، 1968،ص 5).
ادمیستر(1972) اولین فردی بود که مطالعه بر روی ورشکستگی شرکت های کوچک را انجام داد. او نسبت های مالی را با توجه به مطالعات قبلی صورت گرفته توسط بیور و آلتمن انتخاب کرد. نتایج تحقیقاتش نشان داد که نسبت های مربوط به شرکت های در حال ورشکستگی در سطح پایینی هستند. همچنین قدرت پیش بینی نسبت ها تجمعی است و هیچ یک به تنهایی نمی توانند پیش بینی خوبی ارائه دهند. مطالعه ادمیستر در شکل گیری مفاهیم کلی بکارگیری متوسط صنعت برای محاسبه ی نسبت های استاندارد و همچنین تبدیل نسبت ها به دو بخش مجزا، تاثیر مهمی داشت.
آلتمن نخستین فردی است که الگوهای پیش بینی ورشکستگی چند متغیره را عرضه کرد. او با به کارگیری روش تحلیل تمایزی چندگانه و استفاده از نسبت های مالی به عنوان متغیرهای مستقل به دنبال پیش بینی ورشکستگی بنگاه ها بود.
وی الگوی معروف خود را تحت عنوان الگوی رتبه Z 98 ارائه داد، که به پیش بینی ورشکستگی تجاری معروف است. او با این روش از میان 22 نسبت مالی که به نظر او بهترین نسبت ها برای پیش بینی ورشکستگی بودند، 5 نسبت را گزینش کرد. آلتمن با ترکیب این 5 نسبت الگویی ارائه داد که به زعم او بهترین عملکرد را در میان دیگر نسبتهای مالی داراست. در سالهای بعد انتقاداتی به الگوی Z وارد شد. تحلیلگران، حسابداران و حتی مدیران معتقد بودند که الگوی Z تنها برای موسسات همگانی کاربرد دارد. آلتمن در ادامه مطالعات خود موفق به اصلاح و رفع اشکالات الگو شد و الگویی جدید ارائه داد(آلتمن، 1968، ص 591).99
اسپرینگیت مطالعات آلتمن را ادامه داد و از تجزیه و تحلیل ممیزی برای انتخاب 4 نسبت مالی مناسب که شامل سرمایه در گردش به کل دارایی ها، سود قبل از بهره و مالیات به کل دارایی ها، سود قبل از مالیات به بدهی جاری، فروش به کل دارایی ها بود، از میان 19 نسبت که بهترین نسبت ها برای تشخیص شرکت های سالم و ورشکسته بودند، استفاده کرد. بعد از آزمون آن در 40 شرکت الگویی ارائه داد که به 5/92 درصد پیش بینی صحیح دست یافت(اسپرینگیت، 1978، ص 128).100
اهلسون برای ایجاد الگوی خود از روش تجزیه و تحلیل لوجستیک استفاده کرد و نمونه خود را در 105 کشور ورشکسته و 2058 شرکت غیرورشکسته آزمون کرد، او در الگوی خود از 9 متغیر مستقل استفاده کرد، الگوی او به 1/85 درصد پیش بینی صحیح دست یافت(اهسلون، 1980، ص 121).101
زیمسکی از نسبت های مالی نقدینگی، اهرمی و عملکرد استفاده کرد تا الگوی مناسب خود را ارائه دهد. این نسبت ها بر مبنای تئوریکی گزینش نشده بودند، بلکه بیشتر بر اساس تجربیات او در مطالعات قبلی اش بودند. الگوی زیمسکی بر مبنای نمونه ای شامل 40 شرکت ورشکسته و 800 شرکت غیر ورشکسته تولیدی پی ریزی شد و به 14/86 درصد پیش بینی صحیح دست یافت(زیمسکی، 1984، ص 22).102
شیراتا پس از بررسی مطالعات گذشته دریافت که نتایج تحقیقات گذشته در ژاپن به دلیل تعداد کم و محدود بودن نمونه ها به شرکت های تولیدی با سرمایه های تقریباً یکسان قابل تعمیم نیست.
شیراتا برای رفع این نقاط ضعف الگویی جامع ارائه داد تا ورشکستگی را برای تمام انواع شرکت های تولیدی، بازرگانی و خدماتی با هر مقدار سرمایه پیش بینی کند. شیراتا برای الگوی خود از روش تحلیل تمایزی چندگانه استفاده کرد. نمونه آماری او شامل 686 شرکت ناسالم و 300 شرکت سالم در فاصله زمانی سالهای 1986 تا 1996 بود. نتایج نشان داد که الگوی وی می تواند ورشکستگی را با دقت بیش از 14/86 درصد پیش بینی کند(شیراتا، 1998، ص 429).103
والاس در تحقیقات خود یک الگو با استفاده از روش شبکه های عصبی طراحی کرد. او در الگوی خود از نسبتهای مالی کلیدی که در مطالعات ورشکستگی گذشته به عنوان بهترین نسبتها گزارش شده بودند، استفاده کرد. الگوی والاس دارای دقت کلی 94 درصد بود و 65 نسبت مالی مختلف در مطالعات گذشته را بررسی کرد(والاس، 2004، ص 724)104.
چارلز مروین105 در سال 1942 مطالعه ای انجام داد که در آن نسبت های مالی را برای شرکت های ورشکسته و غیر ورشکسته در یک دوره شش ساله بررسی کرد، او اظهار داشت که سه نسبت سرمایه در گردش به کل دارایی ها ارزش ویژه به کل بدهی و نسبت جازی، پیش بینی کننده خوبی برای ورشکستگی می باشند. مروین به این نتیجه رسید که از بین این نسبتها نسبتسرمایه در گردش به کل دارایی ها بهترین شاخص برای پیش بینی ورشکستگی شرکت است.(هوریگان، 1968، ص 289).106
گریس و اینگرام(2001) مطالعه ای بر روی مدل اولیه Z-Score آلتمن(مدل سال 1968) انجام دادند تا با توجه به اینکه از این مدل امروزه برای ارزیابی سلامت مالی شرکت ها استفاده می شود، تعیین کنند آیا این مدل هنوز هم به صورت موثر و کارا عمل می کند یا خیر. نتایج این مطالعه نشان داد که دقت پیش بینی مدل آلتمن به طول قابل توجهی (از 5/83 به 8/57%) کاهش یافته است.
این امر بیانگر این است که نسبت های مالی و مدلهای ورشکستگی تحت تاثیر عامل زمان قرار دارند و با گذشت زمان ضرایب مدلها باید بار دیگر مورد تجدید نظر قرار گیرد(گریس و اینگرام، 2001، 50).
مارتین(1977) یکی از اولین محققانی بود که برای پیش بینی ورشکستگی از تحلیل لاجیت استفاده کرد. او در این تحقیق 58 بانک را که بین سال های 1970 تا 1976 دچار ورشکستگی شده بودند و 557 بانک غیرورشکسته را به عنوان نمونه انتخاب کرد. مارتین 25 نسبت مالی را به عنوان متغیر مستقل در نظر گرفت و آنها را به چهار دسته نشان دهنده ریسک دارایی، نقدیندگی، کفایت سرمایه و سود تقسیم کرد. دقت پیش بینی مارتین برای شرکت های ورشکسته بین 87 تا 96 درصد و برای شرکت های غیر ورشکسته 89% بود.
تام و کیانگ(1992) شبکه های عصبی را با مدل تمایز خطی، مدل لاجیت، مدل نزدیک ترین مجاور107 و مدل های درخت تصمیم مورد مقایسه قرار دادند. آنها برای انجام این پژوهش از اطلاعات 59 بانک ورشکسته و 59 بانک غیرورشکسته بین سالهای 1985 تا 1987 استفاده کردند. نتایج این پژوهش نشان داد که مدل شبکه های عصبی از تمامی مدلهای دیگر عملکرد بهتری دارد.
مطالعه ی دیگری توسط سرانو-سینکا(1997)با استفاده از ادراک چند لایه108 صورت گرفت. در این مطالعه از نه نسبت مالی استفاده گردید و عواملی همچون نقدیندگی، ظرفیت تامین مالی داخلی109، سود نسبت به اقلام ترازنامه، سود ناخالص و جریانات نقدی نسبت به بدهی ها مورد بررسی قرار گرفت. نتیجه ی این مطالعه دقت کلی پیش بینی 86% بود.
پومپ و بیلدریک(2005) به مطالعه پیش بینی ورشکستگی شرکت هایی با اندازه متوسط و کوچک با استفاده از روش تحلیل تمایز چندگانه و شبکه های عصبی پرداختند. مدل آنها شامل 476 شرکت ورشکسته و 1500 شرکت غیرورشکسته بود. آنها از 73 متغیر اولیه(نسبت های مالی) استفاده کردند و این تعداد را به کمک روش تحلیل عامل به 45 نسبت مالی با واریانس 70% کاهش دادند. آنها نتیجه گرفتند که مدلهای به دست آمده برای شرکت های جوان و شرکت های با عمر بالاتر با هم تفاوت دارند زیرا پیش بینی ورشکستگی شرکت های جوان دشوارتر است. بر خلاف بسیاری از پژوهش های انجام شده، در مطالعه ی آنها اهمیت متغیرها در تحلیل یک یا چند متغیره تفاوت چندانی نداشت(پومپ و بیلدریک، 2005،ص 50)110.
کوچران و همکاران، با استفاده از تکنیک Cox PH ، ورشکستگی را بین شرکت های اینترنتی برررسی کردند. نتایج پژوهش آنها نشان داد که، پارامترهای سود خالص به کل دارایی ها، جریان وجه نقه به کل بدهی ها و کل دارایی ها سه عنصر کلیدی در پیش بینی ورشکستگی شرکت ها هستند. علاوه بر این، آنها متوجه شدند که برای یک سال قبل از ورشکستگی، نقدینگی مهمترین معیار جهت پیش بینی ورشکستگی می باشد، در حالی که برای سه سال قبل از ورشکستگی سودآوری پارامتر مهم تری برای پیش بینی ورشکستگی است. آنها از داده های 225 شرکت در دوره ی 1997-2001 استفاده کردند که شامل 26 شرکت ورشکسته بود. علاوه بر آن، آن ها جهت تدوین مدل خود هم از متغیرهای بازار و هم از نسبت های حسابداری استفاده کردند111.(کوچران و دیگران ،2006،ص1193)
تی ساکوناس و همکارانش (2006) در کارتحقیقاتی خود، استفاده بهینه از سیستم های هوشمند ترکیبی را برای حل مسائل طبقه بندی ورشکستگی نشان می دهند. هدف از این مطالعه یافتن طرح طبقه بندی توانا برای پیش بینی ورشکستگی است. در این تحقیق، کاربرد شبکه های منطقی عصبی به وسیله ی برنامه ی ژنتیک ارائه می شود. فرآیند برنامه ریزی ژنتیک به وسیله ی دستور آزاد از محتوا112 و رمزگشایی غیر مستقیم از شبکه های منطقی عصبی در داخل برنامه ریزی ژنتیک هدایت می شود. نتایج نشان داد که متدولوژی پیشنهادی آنها نسبت به سایر روش ها بهتر عمل می کند(تی ساکوناس، 2006، 30)113.
چنگ(2006) مدل پیش بینی درماندگی مالی را که ترکیبی از روشهای یادگیری شبکه های عصبی و تحلیل لاجیت می باشد ارائه داد. او روش تابع شبکه ای اساسی شعاعی114 را برای ایجاد مدل پیش بینی به کار برد. در این مطالعه، عملکرد بهتر RBFN پیشنهادی با تحلیل سنتی لاجیت شبکه های عصبی مقایسه شده است. در این تحقیق از 7 متغیر توضیحی (3 متغیر کمی و 4 متغیر کیفی) استفاده شده است. جامعه آماری مورد استفاده او 64 شرکت تایوانی موجود در بورس اوراق بهادار بود که در فاصله بین سالهای 1996 تا 2004 با درماندگی مالی مواجه بودند. نتایج نشان داد که مدل RBFN پیشنهادی نسبت به دو مدل دیگر در صحت و دقت پیش بینی برای داده های نامشخص برتری دارد(چنگ، 2006،ص 580)115.
وو، لیانگ و یانگ(2008) روش شبکه های عصبی احتمال گرا را در تحقیقات خود پیشنهاد دادند. آنها این روش را با تحلیل تمایزی چندگانه مقایسه کردند. در این تحقیق از 48 شرکت عمومی چینی و 7 نسبت مالی استفاده شده است که عبارتند از: نسبت سودآوری، نسبت کل بدهی به کل دارایی، نسبت موجودی کالا، نسبت حسابهای دریافتنی، گردش کل دارایی ها، شاخص سود و شاخص جریانات نقدی، نتایج نشان می دهد که هم روش شبکه های عصبی احتمال گرا و هم روش تحلیلی ممیزی چندگانه طبقه بندی های خوبی را ارائه می دهند ولی نسبت به تحلیل ممیزی چندگانه، روش شبکه های عصبی دقت پیش بینی بیشتری دارد و مستلزم نرمال بودن چند متغیره داده ها نیز نمی باشد.(وو و همکاران، 2008،ص 206)116.
چونگ هو(2008) در مطالعه خود پرسپترون چند لایه را با روش تصمیم گیری غیر جمعی ترکیبی کرده و آن را برای تحلیل درماندگی مالی به کار برده است. او از 129 نمونه استفاده کرده که 65 تای آنها ورشکسته اند. 5 متغیر مورد استفاده ی ایشان عبارتند از: سرمایه در گردش به کل دارایی ها، سود انباشته به کل دارایی ها، سود قبل از بهره و مالیات به کل دارایی ها، ارزش بازار حقوق صاحبان سهام به کل بدهی و فروش به کل دارایی ها. نتایج نشان می دهد که مدل پیشنهادی او بهتر عمل می کند(چانگ هو، 2008،ص 383)117.
چن و دو(2009) بر اساس قوانین عملیاتی شرکت های پذیرفته شده در بورس اوراق بهادار تایوان، دامنه تجزیه و تحلیل خود را شرکت های متوقف شده و یا معلق شده در نظر گرفتند. آنها در مطالعه خود از نسبت های مالی، نسبت های غیر مالی و تحلیل عاملی برای استخراج متغیرهای مناسب استفاده کردند. روش های مورد استفاده توسط آنها، روش شبکه های عصبی مصنوعی و داده کاوی118 بود. نتایج نشان می دهد که دقت پیش بینی ANN از روش خوشه بندی DM بیشتر است(چن، 2009، 4075).
زونگ و لین(2009) توانایی پیش بینی چهار مدل پیش بینی درماندگی مالی را که بیشتر مورد استفاده قرار می گیرند و مدلهای پیش بینی قابل اعتمادی را برای شرکت های صنعتی تایوان فراهم می آورند مورد بررسی و آزمایش قرار دادند. تحلیل ممیزی چندگانه، لاجیت، پروبیت و شبکه های عصبی مصنوعی روش های انتخابی آنها در بین سالهای 1998 تا 2005 می باشد. در این مطالعه از 20 متغیر برای ایجاد مدل جهت پیش بینی درماندگی مالی استفاده شده است. نتایج نشان می دهد که مدل لاجیت و پروبیت و ANN به دقت پیش بینی بالاتری دست یافته اند و قابلیت تعمین نیز دارند(زونگ و لین، 2009،ص 3507)119.
چو و همکاران(2009) استراتژی منسجم و یک پارچه ای را راجع به این که چگونه به طور موثر و کارا تکنیک های هوش مصنوعی و تکنیک های آماری را که قابل استفاده نیز باشند با هم ادغام کنند، پیشنهاد دادند. با ادغام تحلیل ممیزی چندگانه، رگرسیون لجستیک، شبکه های عصبی و درخت تصمیم، مدل منسجم و یکپارچه ای را با موضوع وزن بر مبنای یادگیری شبکه های عصبی برای پیش بینی ورشکستگی معرفی کردند. قدرت مدل پیشنهادی آنها از تمایز وزن های روش های منبع120 برای هر یک از موضوعات، در مجموعه داده های آزمایشی ناشی می شود. نتایج نشان می دهد که مدل پیشنهادی می تواند صحت پیش بینی را در مقایسه با روش های منبع افزایش دهد(چو، 2009،ص 403)121.
هو(2009) در کار تحقیقاتی خود به دنبال توسعه پرسپترون تک لایه بر مبنای الکتر برای مسائل طبقه بندی چند معیاره بر اساس متدهای الکتر122 می باشد که شامل مقایسات زوجی بین الگوهاست. در این تحقیق، از متغیرهای زیر استفاده شده: سرمایه در گردش به کل دارایی ها، سود انباشته به به کل دارایی ها، سود قبل از بهره و مالیات به کل دارایی ها، ارزش بازار حقوق صاحبان سهام به کل دارایی ها و فروش به کل دارایی ها. نتایج نشان می دهد که مدل پیشنهادی نسبت به روش های طبقه بندی مشهور مانند روش های آماری و یادگیری ماشینی، بهتر عمل می کند(هو، 2009،ص 3150)123.
پرماچندرا و همکارانش(2009) در کار تحقیقاتی خود، تحلیل پوششی داده ها را به عنوان ابزاری سریع و آسان برای ارزیابی ورشکستگی شرکت در مقایسه با رگرسیون لجستیک معرفی کردند. جامعه آماری مورد استفاده آنها شامل 50 شرکت ورشکسته و 910 شرکت غیرورشکسته در بین سالهای 1991 تا 2004 می باشد. آنها 9 متغیر (2خروجی و 7 ورودی) را در مطالعات خود به کار بردند. نتایج حاصل از این پژوهش نشان می دهد که رگرسیون لجستیک در نمونه های داخلی بسیار خوب عمل می کند در حالی که تحلیل پوششی داده ها در نمونه های خارجی عملکرد خوبی از خود نشان می دهد. همچنین مدل تحلیل پوششی داده ها در شناسایی شرکت های ورشکسته بسیار خوب عمل کرد در حالی که مدل رگرسیون لجستیک در شناسایی شرکت های غیر ورشکسته بهتر از DEA عمل می کند(پرماچندرا، 2009،ص 412)124.
فصل سوم
روش اجرای تحقیق
1-3 مقدمه
علم زاده بارقه ناگهانی بلوغ و اندیشه یک یا چند دانشمند نیست، بلکه تلاشی آگاهانه، منظم و سازمان یافته است تا به حل یک مسئله یا دشواری ذهنی یا علمی نایل آید. بی تردید، توسعه کمی و کیفی جوامع متاثر از تولید علم در آن جوامع است و در این رابطه تحقیقات علمی از شان و اهمیت بالایی برخوردارند(خاکی، 1387، ص183)
تحقیق فرآیندی است منظم که از طریق آن می توان پاسخ هایی برای سوالات مطرح شده پیرامون تحقیق به دست آورد(نادری و سیف نراقی، 1375،ص 40).
هدف از انجام هر تحقیق کشف یک واقعیت است، این واقعیت با کاوش و روشنگری روابط منطقی مربوط به ویژگی های اجزای موضوع تحقیق حاصل می گردد. بنابراین هر پژوهش گر پس از تعیین موضوع باید به گزینش روش تحقیق بپردازد.
در این فصل به روش شناسی تحقیق و جامعه آماری و نمونه مطالعاتی، قلمرو تحقیق، چگونگی جمع آوری داده های مربوط به متغیرهای تحقیق و چگونگی تجزیه و تحلیل اطلاعات می پردازیم.
2-3 روش تحقیق
در هر تحقیق ابتدا باید ماهیت، اهداف و دامنه ی آن مشخص شود تا بتوان با استفاده از قواعد و ابزارها و از راه های معتبر به واقعیت ها دست یافت. فرآیند تحقیق، فرآیندی است که طی آن محقق می کوشد با پردازش علمی و منظم دروندادها، فرضیه های خود را به بوته ی آزمایش بسپارد.
به طور کلی تحقیقات را می توان به دوطبقه کلی بر مبنای هدف و بر مبنای روش طبقه بندی نمود. برای حل مسایل اجرایی و واقعی به کار می گیرند. از نظر هدف، این پژوهش از نوع تحقیقات کاربردی است، از آن جهت که نتایج آن توسط حسابرسان جهت بررسی تداوم فعالیت، سرمایه گذاران جهت تصمیم گیری در خصوص سرمایه گذاری، اعتباردهندگان جهت اعطای اعتبار به بنگاه های اقتصادی، و سایر افراد قابل استفاده است. از نظر روش و ماهیت نیز از نوع تحقیقات همبستگی می باشد.در تحقیق همبستگی هدف اصلی آن است که مشخص شود آیا رابطه ای بین دو یا چند متغیر وجود دارد و اگر این رابطه وجود دارداندازه و حد آن چقدر است؟ هدف از مطالعه همبستگی میتواند برقراری یک رابطه یا نبود آن و به کار گیر در انجام پیش بینی ها باشد .
3-3 جامعه مطالعاتی
برای آزمون فرضیات پژوهش می بایست جامعه آماری را به گونه ای انتخاب کرد که بتوان اطلاعات مورد نظر را با اعتماد و اطمینان بیشتری جمع آوری کرد. جامعه شامل همه ی افراد حقیقی یا فرضی می باشد که محقق علاقه مند است یافته های تحقیق را به آنها تعمیم دهد. مزیت انتخاب یک نمونه از یک جامعه ، جلوگیری از اتلاف وقت محقق و صرفه جویی در منابع مالی است (عسگری ،105،ص1387)
جامعه آماری این پژوهش کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. در این پژوهش برای برازش الگوهای پیش بینی ورشکستگی نیاز به اطلاعات دو گروه شرکت های دارای بحران مالی و شرکت های فاقد بحران مالی وجود داشت. برای انتخاب نمونه ی مورد نظر ابتدا شرایط زیر لحاظ شده است:
1-شرکت ها تولیدی باشند.
2- قبل از سال 84 در بورس اوراق بهادار تهران پذیرفته شده باشند.
3- سال مالی آنها به 29/12 ختم شود.
4- در مورد گروه شرکت های ناسالم: حداقل یک بار در دوره ی مورد بررسی مشمول ماده 141 شده باشند.
5- اطلاعات آنها در دسترس باشد.
6-جزو شرکتهای سرمایه گذاری (هلدینگ) نباشد.
با رعایت شرایط فوق ،نمونه گیری به صورت هدفمند و سیستماتیک شامل 52 شرکت دارای بحران مالی و 52 شرکت دارای سلامت مالی (در مجموع 104 شرکت ) گردیده است .
1-3-3 معیار تعیین درماندگی مالی
به منظور دسته بندی شرکت ها به دو گروه درمانده مالی و سلامت مالی از پیش فرض ماده 141 قانون تجارت به عنوان ملاک طبقه بندی استفاده گردیده است. اگرچه در تحقیقات مرتبط قبلی در ایران مشمول ماده 141 بودن به عنوان معیار ورشکستگی در نظر گرفته شده بود، اما با توجه به اینکه شرکت های مشمول این ماده لزوماً اعلام انحلال و ورشکستگی نمی کنند، در این تحقیق به چنین شرکت های درمانده مالی اطلاق می شود. مراحل اصلی اجرای این تحقیق به شرح زیر است.
2-3-3 انتخاب شرکت های درمانده
برای انتخاب شرکت های درمانده، از بین شرکت های تولیدی، کلیه ی شرکت هایی که در فاصله ی زمانی سال 1384 تا 1388 حداقل برای یک بار مشمول ماده 141 قانون تجارت شده اند(ملاک وقوع درماندگی مالی در این تحقیق) انتخاب گردیدند که تعداد آنها 52 شرکت بود. سال وقوع درماندگی به عنوان سال مبنا(t) در نظر گرفته شده.
3-3-3 انتخاب شرکت های سالم
پس از تعیین 52 شرکت درمانده، برای هر یک از این شرکتها، یک شرکت به عنوان زوج سالم انتخاب شد. برای انتخاب زوج سالم هر شرکت درمانده سه شرط در نظر گرفته شد: اول اینکه تولیدی باشد. دوم اینکه اطلاعات مالی آن در دوره مورد بررسی نمونه درمانده مربوط موجود باشد و سوم اینکه از نظر اندازه با نمونه درمانده مربوط(در سال وقوع درماندگی مالی) تطابق داشته باشد. ملاک و معیار نشان دهنده اندازه شرکت ها نیز جمع کل دارایی ها در نظر گرفته شد. با توجه به مقدور نبودن انتخاب شرکت های سالم و درمانده با جمع کل دارایی های تقریباً برابر از صنایع مشابه، تطابق شرکت های درمانده و سالم از نظر نوع صنعت صورت نگرفته است. به این ترتیب 52 زوج سالم انتخاب گردید.
4-3 حدود مطالعاتی
هر تحقیق باید دارای حدود مشخص و تعریف شده باشد تا پژوهشگر بتواند در تمامی مراحل انجام کار، احاطه کافی و قابل اطمینان بر آن داشته باشد.(حافظ نیا، 1380، 30).
تحقیق حاضر نیز از این امر مستثنی نبوده و از نظر موضوعی، مکانی و زمانی دارای ویژگی های زیر است:
1-4-3 قلمرو موضوعی
قلمرو موضوعی این تحقیق به بررسی امکان تشخیص بحران مالی با استفاده از تکنیک تحلیل پوششی داده ها و مدلهای اسپرینگیت، آلتمن، اهلسون، زیمسکی و شیراتا می باشد که در حوزه ی مدیریت سرمایه گذاری و مالی و حسابرسی قابل بحث است.
2-4-3 قلمرو مکانی
قلمرو مکانی این تحقیق کلیه شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران می باشد.
3-4-3 قلمرو زمانی
قلمرو زمانی این تحقیق فاصله زمانی بین سال های 1384 تا 1388 می باشد. لازم به ذکر است از آنجا که مطالعه ی این پژوهش به دو سال قبل از وقوع بحران مالی برای شرکت ها، مربوط می شود، یعنی اطلاعات سال 1-t و 2-t مورد استفاده قرار می گیرد. لذا از اطلاعات سالهای مالی 81، 82 و 83 نیز بسته به مورد، استفاده شده است.
در نهایت 104 شرکت که 52 تای آنها دارای بحران مالی و 52 تای دیگر دارای سلامت مالی می باشند ، انتخاب گردید که اسامی آنها در پیوست آمده است .
5-3 روش و ابزار گردآوری اطلاعات
روش گرد آوری اطلاعات ،روش کتابخانه ایست. برای گردآوری داده ها صورت های مالی شرکت ها موجود در کتابخانه بورس و اوراق بهادار تهران، صورت های مالی شرکت های موجود در سایت اینترنتی مدیریت پژوهش، توسعه و مطالعات اسلامی بوس و اوراق بهادار تهران و اطلاعات مالی موجود در نرم افزار تدبیر پرداز مورد استفاده قرار گرفته است. گردآوری داده ها برای شرکت های نمونه در سال های t، 1-t، 2-t، انجام شده است. این سالها برای شرکت های درمانده به ترتیب سالهای وقوع درماندگی مالی(مشمول ماده 141 شدن)، یک و دوسال قبل از آن و برای شرکت های سالم، سال وقوع درماندگی مالی، یک و دوسال قبل از آن در زوج درمانده ی آنها است.
همچنین در این تحقیق برای جمع آوری اطلاعات مورد نیاز مباحث نظری از کتب، مجلات، پایان نامه های تحصیلی، گزارشات و مقالات علمی داخلی و خارجی و شبکه جهانی اینترنت استفاده شده است. در این تحقیق ابزار اندازه گیری، نسبت های مالی به کار رفته در مدل ها می باشند که از اطلاعات صورت های مالی به دست می آیند. چون این اطلاعات به نوعی از داده های ثانویه می باشند، از اعتبار و روایی لازم برخوردارند.
6-3 روش تجزیه وتحلیل داده ها
آنچه مسلم است جهت تجزیه وتحلیل داده ها و آزمون فرضیه ها لازم است ابتدا ماهیت متغیرتحقیق را شناخت، درتحلیل های رگرسیونی متغیرهای تحقیق به دوگروه با ماهیت های متفاوت تقسیم می شوند:
گروه اول:متغیرهای مستقل، ماهیت این متغیرها می تواند کمی، کیفی یا ترکیبی ازکمی و کیفی باشد.
گروه دوم:متغیر وابسته، این متغیرنیز می تواند کمی یا کیفی باشد (گجراتی، 1383،ص516)1.
متغیرهای مستقل در این تحقیق کمی است ولی متغیروابسته کیفی می باشد. متغیرهای کیفی متغیرهایی هستند که عموماً دلالت بر وجود یا فقدان کیفیت یا صفتی (مثل مرد یا زن، غیرورشکسته یا ورشکسته) دارند. این متغیرهای کیفی می بایستی به کمی تبدیل شوند، این کار را می توان با قبول دو مقدارصفر یا یک عملی کرد. مقدار صفربیانگرفقدان یک صفت یا کیفیت ومقدار یک بیانگروجود آن صفت یا کیفیت می باشد.
Yi=0 برای پیش بینی شرکتهای ورشکسته
Yi=1 برای پیش بینی شرکتهای غیرورشکسته
بعد از تعیین متغیرهای تحقیق می بایستی با استفاده از اطلاعات مربوط به این متغیرها نسبتهای مالی ازنرم افرازاکسل بدست آید. بعد از بدست آوردن نسبتهای مالی با استفاده از نرم افزار اکسل به آزمون فرضیات پرداخته می شود. برای آزمون فرضیات ازروش آماری رگرسیون لوجستیک و ازنرم افزار SPSS استفاده می شود رگرسیون لوجستیک، شبیه رگرسیون معمولی است با این تفاوت که در روش تخمین ضرایب یکسان نمی باشد. در رگرسیون لوجستیک، به جای حداقل کردن مجذور خطاها ( که در رگرسیون معمولی انجام می گیرد)، احتمالی که یک واقعه رخ می دهد حداکثر می کند. همچنین در تحلیل رگرسیون معمولی، برای بررسی معنادار بودن رابطه از آماره های استاندارد F وt استفاده می شود در حالی که در رگرسیون لوجستیک از آماره های "کای دو" و "والد" استفاده می شود. آماره کای دو به منظور تعیین میزان اثرگذاری متغیرهای مستقل بر متغیر وابسته و به طور کلی برازش کل مدل می باشد و قابل مقایسه با آماره F در تحلیل رگرسیون معمولی است.
از آماره آزمون والد برای استخراج ضرایب موثربا توجه به شرایط مالی و اقتصادی ایران استفاده خواهد شد این آماره معنی دار بودن متغیرهای وارد شده در معادله رگرسیون را بررسی می کند و قابل مقایسه با آماره t در رگرسیون معمولی می باشد(مومنی، 1386،ص158)1.
اگر مدلها با توجه به آماره آزمون والد دارای متغیرموثرباشند، درنتیجه آن مدل شرکتها را به دوگروه غیرورشکسته و ورشکسته تفکیک می کند که فرآیند اعمال مدل به شرح زیر می باشد:
رابطه (1-3):
که درآن:
=Bi ضرایب متغیرهای مستقل .
=N تعداد افراد یا آزمودنیها (شرکتها).
X= نسبتهای مالی محاسبه شده یا متغیر مستقل.
=Y متغیر وابسته یا اعداد مشاهده شده.
سپس با استفاده ازخروجی های رگرسیون لوجستیک و درصد طبقه بندی درست شرکتها توسط مدل
ارائه شده دررگرسیون لوجستیک به مقایسه سه مدل ورشکستگی پرداخته و فرضیات را رد یا حفظ می کنیم. همچنین برای آزمون فرضیه اصلی دوم از آزمون مقایسه میانگین ناپارامتری کروسکال والیس125استفاده می شود.
توضیح درمورد رگرسیون لوجستیک:
احتمال وقوع پدیده مورد نظر(دراینجا ورشکستگی) بصورت زیر فرض می شود:
رابطه ( 2-3):
که e پایه لگاریتم طبیعی می باشد، رابطه (2-3) به صورت زیر قابل بازنویسی است:
رابطه ( 3-3):
که است.
رابطه (3-3) بیانگرآن چیزی است که تحت عنوان تابع توزیع تجمعی لوجستیک126 معروف شده است.
دراین حالت همچنان Zi بین - و+ تغییر می کند، pi بین 0 و1مقادیر خود را اختیار خواهد کرد ونیز آنکه pi به طور غیرخطی بهzi (یعنی xi) مربوط است (و به این ترتیب دوشرط موردنیاز را برآورده می کند). اگرpi احتمال ورشکستگی فرض شده باشد، دراین صورت (1-pi) که احتمال عدم ورشکستگی خواهد بود به قرار ذیل می باشد:
رابطه (4-3):
بنابراین:
رابطه (5-3):
حال بطورساده نسبت احتمال حادثه مورد نظربرآلترناتیو127 آن است که دراینجا بیانگرمیزان برتری احتمال وقوع حادثه ورشکستگی برعدم آن می باشد (نسبت حادثه مورد نظربر آلترناتیو آن ).
حال چنانچه ازرابطه (4-3) لگاریتم طبیعی گرفته شود،نتیجه زیر بدست می آید:
رابطه (6 -3):
یعنی L که لگاریتم برتری یا مزیت است، نه تنها برحسب Xبلکه (نکته مهم ازنظر تخمین) برحسب پارامترها هم خطی است. دربالاL بنام لوجیت معروف است وبنابراین اسم لوجیت به مدلهایی مانند رابطه (6-3) اطلاق می شود.
رابطه بین احتمال و لوجیت یا متغیرهای P و بصورت نمودار (1-3 ) قابل ترسیم است.
نمودارشماره (1-3): رابطه بین احتمال و لوجیت (علمشاهی، 1386،ص127)1.
بعبارت دیگر متغیر وابسته بر حسب مقادیرقابل مشاهده واقعی دارای محدودیت 1 p 0 خواهد بود. بنابراین + p/1-p 0 و + ln p/1-p - خواهد بود.
حال می توان برخی ازویژگی های مدل لوجیت را مورد بررسی قرارداد:
1- همچنانکه p بین 0 و1(یعنی z بین + و -) نوسان می کند L لوجیت از- تا+ تغییر می کند، یعنی اگرچه احتمال (برحسب ضرورت) بین0 و1 قرار می گیرد اما مدلهای لوجیت دراین فاصله محدود نیستند.
2- اگر چهL بر حسب X خطی است، اماخود احتمالها اینطور نیستند.
3- تعبیر مدل فوق (لوجیت) به قرارذیل است:2 (ضریب زاویه ) میزان تغییر درL رابه ازاء یک واحد تغییردر X اندازه گیری می کند. ضریب عرض ازمبدا 1 می باشد (علمشاهی،1386، ص127)2.
فصل چهارم
تجزیه و تحلیل داده ها
1-4 مقدمه
تجزیه و تحلیل آماری بخش مهم و پایه ای بسیاری از پیمایشها را شامل می شود آمار شاخه ای از روش شناسی علمی است که با جمع آوری ، طبقه بندی ، توصیف و تفسیر داده هایی که از اجرای زمینه یابیها و آزمایشها به دست می آید سرو کار داردو هدف اساسی آن ، توصیف و بیان استنباطهایی در باره ویژگیهای عددی جوامع است در مباحث آماری بر پایه اخذ نمونه گیری با روشهای مدون و از پیش تعیین شده دانش نمونه گیری و همچنین بکار گیری تکنیکهای استنباطی امکان تعمیم نتایج به جامعه فراهم می گردد در یک تقسیم بندی آن دسته از روشها را که به منظور توصیف ویژگیهای نمونه یا جامعه به کار گرفته می شود را آمار توصیفی می گویند آمار استنباطی نیز به روشهایی گفته می شود که در آنها ویژگیهای جامعه به کمک ویژگیهای نمونه استنباط می شود . در این با تکیه بر تکینیکهای آمار استنباطی و توصیفی به تجزیه و تحلیل آماری فرضیات تحقیق خواهیم پرداخت.مطالبی که در این فصل مورد بررسی قرار می گیرند شامل تحلیل توصیفی متغیر های کلیدی تحقیق که مهمترین هدف این تجزیه و تحلیل می باشد و تحلیل استنباطی فرضیات تحقیق پژوهشی که در این قسمت با تکیه بر تکنیکهای آمار استنباطی فرضیات پژوهشی را مورد بحث و بررسی قرار می دهیم .
2-4 تحلیل توصیفی متغیر های تحقیق
اولین گام در تجزیه و تحلیل داده ها ، توصیف و آگاهی از ویژگیها و خصوصیات صفات افراد مورد مطالعه تحقیق، آشنایی با تغییرات متغیر های کلیدی در نمونه مورد بررسی می باشد.. تکنیک مورد استفاده در این مورد جدول توزیع فراوانی و نمودارها ی ستونی و دایره ای ، و همچنین آماره های توصیفی همچون میانگین ، واریانس ،و….می باشد که به دلیل کاهش حجم این فصل در قسمت پیوست آورده شده است
3-4 تجزیه و تحلیل استنباطی فرضیات پژوهشی
تحقیق را می توان تجزیه و تحلیل مشاهدات ثبت شده از یک ،فرآیند سیستماتیک و کنترل شده که به پرورنداندن قوانین کلی ،اصول ،نظریه ها و همچنین به پیش بینی یا احتمالاً کنترل نهایی رویدادها منتج شود تعبیر کرد (جان بست ) .تعیین تکینک آماری مورد استقاده تا حد زیادی به اهداف تحقیق ،مقیاس و سطوح سنجش مشاهدات ، طبیعت داده ها و حجم نمونه مرتبط دانست .تحلیل آماری فرضیات پژوهشی هدف تهیه و تنظیم این قسمت می باشد. مطالب ارائه شده در این قسمت به تفکیک فرضیات پژوهشی ارائه می گردد و در هر یک استفاده از تکنیک رگرسیون لجستیک در دستور کار قرار می گیرد.
در این تحقیق از مدل رگرسیون لجستیک برای برازش مدلهای مورد بررسی اهلسون ، زیمسکی ، آلتمن و… بهره خواهیم برد در این بررسی متغیر پاسخ وضعیت شرکت (درمانده مالی ، غیر درمانده مالی )یک متغیر دو حالتی می باشد به همین دلیل مدل رگرسیون لجستیگ مبنای عمل قرار داده شده است . برای ورود متغیر ها به مدل از شیوه ورود ENTER بهره برده شده است .
در این تحقیق مسئله مورد بحث ،مقایسه موفقیت مدلهای
(1) تکنیک تحلیل پوششی داده ها، (2) اسپرین گیت، (3) آلتمن، (4)اهلسون ،(5)زیمسکی
(6) شیراتا، (7)اسپرین گیت با امتیاز کارایی، (8) آلتمن با امتیاز کارایی، (9) اهلسون با امتیاز کارایی ، (10)زیمسکی با امتیاز کارایی و (11) شیراتا با امتیاز کارایی
از نظر دقت برازش می باشد، با توجه به اینکه هر یک از مدلهای مذکور در قالب یک مدل رگرسیون طرح شده اند لذا از نقطه نظر عملیاتی (آماری)این بررسی بدین گونه صورت می پذیرد که کدام مدل رگرسیون برازش داده شده تواناتر می باشد ( مدل رگرسیون تواناتر دارای قابلیت تخمین ، پیش بینی و برآورد دقیق تر می باشد ) تشخیص مدل رگرسیون توانا بر اساس معیارهای نیکویی برازش" -2 Log likelihood" (لگاریتم درستنمایی ) و"درصد پیش بینی صحیح مدل رگرسیون لجستیک در خصوص ورشکستگی در شرکتهای مورد بررسی" صورت می پذیرد اساساً یک مدل رگرسیون که آماره -2 Log likelihood کوچکتر باشد در تخمین موفق تر عمل می نماید برای درک روشن از دومین معیار تشخیص مدل رگرسیون تواناتر به ارائه اندکی توضیح در ذیل می پردازیم :
بدیهی است که مدل رگرسیون لجستیک نهایتاً منجر به ارائه دو پیش بینی می گردد 1-ورشکستگی 2- عدم ورشکستگی حال وضعیتی را فرض نمائید که ما مفروضات مدلهای اهلسون یا زیمسکی و اسپیرینگت (مقادیر متغیر های مورد نیاز هر یک از این مدلها را در خصوص هر شرکت )را در هر یک از مدلهای رگرسیون محاسبه شده قرار دهیم به خاطر داشته باشید که با وضعیت شرکتهای مورد بحث (ورشکستگی یا عدم ورشکستگی ) اطلاع داریم بنا براین ما دارای یک برآورد مدل از وضعیت شرکت هستیم در حالیکه از وضعیت حقیقی آن شرکت اطلاع داریم بنابراین مجموعه حالات مورد انتظار عبارتند از :
جدول شماره (1-4) : مجموعه حالات مورد انتظار بررسی الگوهای بحران مالی
درصد تشخیص صحیح
وضعیت حقیقی
سلامت مالی
درمانده مالی
حالت دوم
حالت اول
درمانده مالی
وضعیت واقعی
حالت سوم
حالت چهارم
سلامت مالی
در حقیقت مدل تواناتر مدلیست که در حالت اول و سوم دارای درصد فراوانی بزرگتر باشد به عبارت ساده تر در ستون مقادیر درصد تشخیص صحیح موفقتر عمل نماید .
در این قسمت تحلیل استنباطی فرضیات تحقیق ارائه می گردد موضوعات ارائه شده در این قسمت به تفکیک فرضیات و به صورت زیر ارائه می گردد :
جدول شماره (2-4) : معرفی کدینگ متغیر وابسته
جدول معرفی کد ینگ متغیر وابسته
Original Value
Internal Value
t-1
درمانده مالی
0
سلامت مالی
1
t-2
درمانده مالی
0
سلامت مالی
1
1-3-4 تجزیه تحلیل و آزمون فرضیه 1:
"وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر تحلیل پوششی داده ها پیش بینی نمود."
تعیین نقطه انقطاع در مدل تحلیل پوششی داده ها
در این قسمت به منظور بررسی تاثیر متغیر کارایی در پیش بینی ورشکستگی ابتدا به مقایسه میانگین کارایی شرکتهای درمانده مالی و سلامت مالی خواهیم پرداخت سپس نسبت به معرفی نقطعه انقطاع متغیر کارایی جهت تشخیص ورشکستگی می پردازیم :
الف – بررسی مقایسه ای میانگین شاخص کارایی در میان شرکتهای درمانده مالی و سلامت مالی
در جدول زیر آماره های توصیفی در خصوص متغیر کارایی به تفکیک شرکتهای درمانده مالی و سلامت مالی ارائه شده است :
جدول شماره (3-4): آماره های توصیفی در خصوص متغیر کارایی
N
Mean
Std. Deviation
Std. Error Mean
X5
سلامت مالی
104
.4658
.29196
.02863
ورشکسته
104
.2826
.30509
.02992
در جدول Independent Samples Test آماره آزمون t برای مقایسه امتیازات هر یک از مولفه های مورد بررسی در میان دو گروه مورد بررسی ، ارائه شده است همچنین فرض همسانی واریانسها ( پراکنش مشاهدات حول معیار گرایش به مر کز ) مورد بحث قرار گرفته است .
جدول شماره (4-4): بررسی مقایسه ای میانگین شاخص کارایی در دو گروه شرکتهای سالم و درمانده
Levene's Test for Equality of Variances
t-test for Equality of Means
F
Sig.
T
Df
Sig. (2-tailed)
Mean Difference
Std. Error Difference
95% Confidence Interval of the Difference
Lower
Upper
X5
Equal variances assumed
.010
.922
4.424
206
.000
.18320
.04141
.10156
.26483
Equal variances not assumed
4.424
205.603
.000
.18320
.04141
.10156
.26483
–
فرض آماری آزمون عبارت است از :
– رد فرض H0 در سطــح معنادار.05 (sig <.05) نشانگر آنست که میان میانگین امتیازات محاسبه شده در خصوص شاخص کارایی در شرکتهای سلامت مالی به طور معنادار بزرگتر می باشد
ب – معرفی نقطه انقطاع متغیر کارایی :
– طبق بررسی های تجربی انجام شده در خصوص 104شرکت مورد بررسی طی دو سال ،(بررسی 208حالت متغیر کارایی و وضعیت شرکت ) نقطه انقطاع زیر جهت این بررسی مناسب ارزیابی گردید:
نقطه انقطاع 25/. به عنوان نقطه انقطاع شاخص کارایی مشخص گردید بر این مبنا :
"احتمال ورشکستگی شرکتی که دارای شاخص کارایی زیر 25/. می باشد بالاست "
نمودار(1-4): نسبت موفقیت پیش بینی ورشکستگی در سال t-1
نمودار(2-4): نسبت موفقیت پیش بینی ورشکستگی در سال t-2
2-3-4 تجزیه تحلیل و آزمون فرضیه 2:
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار را می توان با الگوی مبتنی بر مدل اسپرین گیت پیش بینی نمود
الف- به تفکیک سالهای مورد بررسی
طی جدول شماره( 5-4) و ( 6-4) آماره های نیکویی مدل مورد نقد و بررسی قرار گرفته است در جدول زیر رد فرض H0 در خصوص آزمون خی دو (Chi-Square )در سطح معنادار 05. ((Sig<.05نشانگر آنست که در هر دو محدوده زمانی(t-1 ,t-2 (:
"متغیر های مستقل در تبیین تغییرات متغیر وابسته موفق عمل نموده اند و به عبارت ساده تر فرض صحیح بودن مدل پذیرفته می شود "
جدول شماره (5-4): آزمون معنی دار بودن مدل های رگرسیونی مدل اسپرین گیت
Chi-square
df
Sig.
t-1
Step 1
Step
93.743
4
.000
Block
93.743
4
.000
Model
93.743
4
.000
t-2
Step 1
Step
50.287
4
.000
Block
50.287
4
.000
Model
50.287
4
.000
در جدول زیر برخی آماره های بررسی درستنمایی مدل ارائه شده است به آماره -2 Log likelihood، لگاریتم نسبت درستنمایی اطلاق می گردد که اندازه ای از نیکویی مدل را برآورد می کند بدین ترتیب که مقادیر کوچک آن دلالت بر موفق بودن مدل ومقادیر بزرگ آن دلالت بر ناموفق بودن مدل دارند . با توجه به مقدار کم این متغیرنیکویی مدل نتیجه می شود در بخشهای آتی این مقدار را با سایر مدلهای موجود مورد بررسی قرار می دهیم در جدول زیر آماره Cox & Snell R Square ارائه شده است این آماره در مدل رگرسیون لجستیک ، اندازه ای از درصد تغییرات شناسایی شده بوسیله مدل را تبیین می نماید به عبارت دیگر معین می نماید متغیر های مستقل در تبیین چند درصد از تغییرات متغیر وابسته توانا عمل نموده اند :
در سال t-1:
میزان ضریب مذکور برابر با 59.4%می باشد به عبارت ساده تر یعنی مدل در تبیین 59.4% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد .
در سال t-2:
میزان ضریب مذکور برابر با 38.3%می باشد به عبارت ساده تر یعنی مدل در تبیین 38.3% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد.
جدول (6-4): نتایج آماره های نیکویی برازش مدل اسپرین گیت
TStep
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
t-1
1
50.431(a)
.594
.792
t-2
1
93.888(b)
.383
.511
در جدول زیر میزان تطابق مقادیر مشاهده شده و مقادیر پیش بینی شده (درصد پیش بینی صحیح مدل )برای واحدهای مورد مطالعه ارائه شده است :
جدول (7-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اسپرین گیت
Predicted
Y
درصد پیش بینی صحیح
درمانده مالی
سلامت مالی
t-1
Step 1
Y
درمانده مالی
50
2
100.0
سلامت مالی
17
35
73.1
درصــد کل پیش بینی صحیح
81.7
t-2
Step 1
Y
درمانده مالی
50
2
98.1
سلامت مالی
37
15
40.4
درصــد کل پیش بینی صحیح
62.5
نتایج حاصله به شرح زیر است:
درسال t-1 :
مقادیر پیش بینی شده توسط مدل در 81.7% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت 81.7% از شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) مناسب عمل نموده است
درسال t-2 :
مقادیر پیش بینی شده توسط مدل در 62.5% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) به طور 62.5% مناسب عمل نموده است
در جدول زیر مدل رگرسیون برازش داده شده مورد نقد و بررسی قرار گرفته است در ستون B ضرایب رگرسیون و در ستونSE خطای معیار پارامتر برآورد ارائه شده است مدل رگرسیون پیشنهادی عبارت است از :
در حالت t-1 :
در حالت t-2 :
جدول (8-4): نتایج بررسی ضرایب رگرسیونی مدل اسپرین گیت
B
S.E.
Wald
df
Sig.
Exp(B)
t-1
Step 1(a)
X1
9.446
2.701
12.236
1
.000
12661.291
X2
-7.532
10.760
.490
1
.484
.001
X3
15.647
8.360
3.503
1
.061
6240862.708
X4
.641
.923
.482
1
.488
1.898
Constant
-1.347
1.019
1.750
1
.186
.260
t-2
Step 1(a)
X1
2.444
1.374
3.167
1
.075
11.524
X2
11.059
5.038
4.819
1
.028
63535.069
X3
-2.235
2.755
.658
1
.417
.107
X4
1.315
.740
3.153
1
.076
3.724
Constant
-1.092
.629
3.013
1
.083
.335
در جدول فوق با استفاده از آماره آزمون والدفرض معنادار بودن تاثیر متغیر های مورد بررسی مورد مطالعه قرار گرفته است فرض مورد بررسی در این این آزمون عبارت است از :
H0 :
i=1,2,3 : H1
بر اساس مقادیر مندرج در ستون sig ، :
در سال t-1 :
1-تاثیر معنادار متغیرx1 بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
2-تاثیر معنادار متغیرهای,x2 بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
بررسی تاثیر شدت تاثیر متغیر های مستقل در سال t-1 :
در سال t-1 متغیر x1 ( متغیر نسبت سرمایه در گردش به کل دارایی ) تنها متغیر با تاثیر معنادار در مدل رگرسیون لجستیک می باشد که دارای شدت تاثیر قابل ملاحظه (با ضریب رگرسیون برابر با 9.4 می باشد ) درقیاس با سایر متغیر های مورد بررسی می باشد ( در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . ) متغیر مذکور دارای رابطه معکوس با متغیر وضعیت شرکت (ورشکستگی) می باشد .
بررسی تاثیر شدت تاثیر متغیر های مستقل در سال t-2 :
همانگونه که ذکر گردید متغیر x2 (سود ویژه قبل از بهره و مالیات به کــل دارایی ) تنها متغیر با تاثیر معنادار ( در سطح معنادار .05 ) در مدل رگرسیون لجستیک با ضریب رگرسیونی برابر با 11.05 می باشد . ( در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . ) متغیر مذکور دارای رابطه معکوس با متغیر وضعیت شرکت (ورشکستگی) می باشد .
جدول (9-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اسپرین گیت طی دو سال مورد بررسی :
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
Y
سلامت مالی
101
3
97.1
درمانده مالی
55
49
47.1
درصــد کل پیش بینی صحیح
72.1
3-3-4 تجزیه تحلیل و آزمون فرضیه 3:
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار را می توان با الگوی مبتنی بر مدل آلتمن پیش بینی نمود
الف – مدل آلتمن به تفکیک سالهای مورد بررسی
طی دو جدول زیر آماره های نیکویی مدل مورد نقد و بررسی قرار گرفته است در جدول زیر رد فرض H0 در خصوص آزمون خی دو (Chi-Square )در سطح معنادار 05. ((Sig<.05نشانگر آنست که در هر دو محدوده زمانی(t-1 ,t-2 (:
"متغیر های مستقل در تبیین تغییرات متغیر وابسته موفق عمل نموده اند و به عبارت ساده تر فرض صحیح بودن مدل پذیرفته می شود "
جدول شماره (10-4): آزمون معنی دار بودن مدل های رگرسیونی مدل آلتمن
Chi-square
df
Sig.
t-1
Step 1
Step
117.043
6
.000
Block
117.043
6
.000
Model
117.043
6
.000
t-2
Step 1
Step
75.333
6
.000
Block
75.333
6
.000
Model
75.333
6
.000
در جدول زیر برخی آماره های بررسی درستنمایی مدل ارائه شده است به آماره -2 Log likelihood، لگاریتم نسبت درستنمایی اطلاق می گردد که اندازه ای از نیکویی مدل را برآورد می کند بدین ترتیب که مقادیر کوچک آن دلالت بر موفق بودن مدل ومقادیر بزرگ آن دلالت بر ناموفق بودن مدل دارند . با توجه به مقدار کم این متغیرنیکویی مدل نتیجه می شود در بخشهای آتی این مقدار را با سایر مدلهای موجود مورد بررسی قرار می دهیم در جدول زیر آماره Cox & Snell R Square ارائه شده است این آماره در مدل رگرسیون لجستیک ، اندازه ای از درصد تغییرات شناسایی شده بوسیله مدل را تبیین می نماید به عبارت دیگر معین می نماید متغیر های مستقل در تبیین چند درصد از تغییرات متغیر وابسته توانا عمل نموده اند :
در سال t-1:
میزان ضریب مذکور برابر با 67%می باشد به عبارت ساده تر یعنی مدل در تبیین 67% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد .
در سال t-2:
میزان ضریب مذکور برابر با 51%می باشد به عبارت ساده تر یعنی مدل در تبیین 51% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد
جدول (11-4): نتایج آماره های نیکویی برازش مدل آلتمن
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
t-1
1
27.131(a)
.675
.901
t-2
1
68.842(b)
.515
.687
در جدول زیر میزان تطابق مقادیر مشاهده شده و مقادیر پیش بینی شده (درصد پیش بینی صحیح مدل )برای واحدهای مورد مطالعه ارائه شده است
جدول (12-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل آلتمن
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
t-1
Step 1
Y
سلامت مالی
50
2
96.2
درمانده مالی
7
45
86.5
درصــد کل پیش بینی صحیح
91.4
t-2
Step 1
Y
سلامت مالی
51
1
98.1
درمانده مالی
20
32
61.5
درصــد کل پیش بینی صحیح
51
79.8
نتایج حاصله به شرح زیر است:
درسال t-1 :
مقادیر پیش بینی شده توسط مدل در 91.4% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت 91.4%از شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) مناسب عمل نموده است
درسال t-2 :
مقادیر پیش بینی شده توسط مدل در 79.8% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) به طور 79.8% مناسب عمل نموده است
در جدول زیر مدل رگرسیون برازش داده شده مورد نقد و بررسی قرار گرفته است در ستون B ضرایب رگرسیون و در ستونSE خطای معیار پارامتر برآورد ارائه شده است مدل رگرسیون پیشنهادی عبارت است از :
در حالت t-1 :
در حالت t-2 :
جدول (13-4): نتایج بررسی ضرایب رگرسیونی مدل آلتمن
B
S.E.
Wald
df
Sig.
Exp(B)
t-1
Step 1(a)
X1
.338
4.107
.007
1
.934
1.402
X6
20.569
9.098
5.111
1
.024
856667017.952
X2
29.505
10.727
7.565
1
.006
6516569390099.030
X7
5.738
3.733
2.363
1
.124
310.501
X4
-.500
1.432
.122
1
.727
.607
X14
-.972
4.907
.039
1
.843
.378
Constant
-1.251
1.671
.561
1
.454
.286
t-2
Step 1(a)
X1
-1.692
2.044
.685
1
.408
.184
X6
17.269
6.323
7.458
1
.006
31610210.419
X2
7.480
2.759
7.351
1
.007
1771.536
X7
.897
1.185
.573
1
.449
2.452
X4
.667
.843
.626
1
.429
1.948
X14
3.011
2.157
1.948
1
.163
20.299
Constant
-1.514
.912
2.753
1
.097
.220
در جدول فوق با استفاده از آماره آزمون والدفرض معنادار بودن تاثیر متغیر های مورد بررسی مورد مطالعه قرار گرفته است فرض مورد بررسی در این این آزمون عبارت است از :
H0 :
i=1,2,3 : H1
بر اساس مقادیر مندرج در ستون sig ، ( در هر دو سال مورد بحث ) :
1-تاثیر معنادار متغیر x 6 و x2بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
( در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . علامت منفی ضریب رگرسیون نشان دهنده تاثیرمستقیم بر ورشکستگی و علامت مثبت نشان دهنده تاثیر معکوس بر ورشکستگی می باشد )
جدول (14-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل آلتمن طی دو سال مورد بحث
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
Step 1
Y
سلامت مالی
96
8
92.3
درمانده مالی
15
89
85.6
درصــد کل پیش بینی صحیح
88.9
4-3-4 تجزیه تحلیل و آزمون فرضیه 4:
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار را می توان با الگوی مبتنی بر مدل اهلسون پیش بینی نمود
طی دو جدول زیر آماره های نیکویی مدل مورد نقد و بررسی قرار گرفته است در جدول زیر رد فرض H0 در خصوص آزمون خی دو (Chi-Square )در سطح معنادار 05. ((Sig<.05نشانگر آنست که در هر دو محدوده زمانی(t-1 ,t-2 (:
"متغیر های مستقل در تبیین تغییرات متغیر وابسته موفق عمل نموده اند و به عبارت ساده تر فرض صحیح بودن مدل پذیرفته می شود "
جدول شماره (15-4): آزمون معنی دار بودن مدل های رگرسیونی مدل اهلسون
Chi-square
df
Sig.
t-1
Step 1
Step
90.893
5
.000
Block
90.893
5
.000
Model
90.893
5
.000
t-2
Step 1
Step
60.688
5
.000
Block
60.688
5
.000
Model
60.688
5
.000
در جدول زیر برخی آماره های بررسی درستنمایی مدل ارائه شده است به آماره -2 Log likelihood، لگاریتم نسبت درستنمایی اطلاق می گردد که اندازه ای از نیکویی مدل را برآورد می کند بدین ترتیب که مقادیر کوچک آن دلالت بر موفق بودن مدل ومقادیر بزرگ آن دلالت بر ناموفق بودن مدل دارند . با توجه به مقدار کم این متغیرنیکویی مدل نتیجه می شود در بخشهای آتی این مقدار را با سایر مدلهای موجود مورد بررسی قرار می دهیم در جدول زیر آماره Cox & Snell R Square ارائه شده است این آماره در مدل رگرسیون لجستیک ، اندازه ای از درصد تغییرات شناسایی شده بوسیله مدل را تبیین می نماید به عبارت دیگر معین می نماید متغیر های مستقل در تبیین چند درصد از تغییرات متغیر وابسته توانا عمل نموده اند :
در سال t-1:
میزان ضریب مذکور برابر با 58.3%می باشد به عبارت ساده تر یعنی مدل در تبیین 58.3% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد .
در سال t-2:
میزان ضریب مذکور برابر با 442%می باشد به عبارت ساده تر یعنی مدل در تبیین 422% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد
جدول (16-4): نتایج آماره های نیکویی برازش مدل اهلسون
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
t-1
1
53.281(a)
.583
.777
t-2
1
83.487(b)
.442
.589
در جدول زیر میزان تطابق مقادیر مشاهده شده و مقادیر پیش بینی شده (درصد پیش بینی صحیح مدل )برای واحدهای مورد مطالعه ارائه شده است
جدول (17-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اهلسون
T
Observed
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
t-1
Step 1
Y
سلامت مالی
48
4
92.3
درمانده مالی
6
46
88.5
درصــد کل پیش بینی صحیح
90.4
t-2
Step 1
Y
سلامت مالی
44
8
84.6
درمانده مالی
7
45
86.5
درصــد کل پیش بینی صحیح
85.6
نتایج حاصله به شرح زیر است:
درسال t-1 :
مقادیر پیش بینی شده توسط مدل در 90.4% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت 90.4% از شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) مناسب عمل نموده است
درسال t-2 :
مقادیر پیش بینی شده توسط مدل در 85.6%با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) به طور 85.6% مناسب عمل نموده است
جدول (18-4): نتایج بررسی ضرایب رگرسیونی مدل اهلسون
B
S.E.
Wald
df
Sig.
Exp(B)
t-1
Step 1(a)
x_n
.0000001788
.000
.013
1
.909
1.000
X15_2
-1.163
.522
4.961
1
.026
.312
X13
15.061
3.886
15.025
1
.000
3474237.876
X14
7.396
2.400
9.495
1
.002
1629.832
X15
.535
.344
2.414
1
.120
1.707
Constant
.442
.631
.490
1
.484
1.555
t-2
Step 1(a)
x_n
.000000282
.000
.063
1
.801
1.000
X15_2
-.188
.113
2.791
1
.095
.828
X13
11.857
3.045
15.163
1
.000
141015.778
X14
3.666
2.249
2.658
1
.103
39.095
X15
.091
.095
.915
1
.339
1.095
Constant
-.829
.366
5.121
1
.024
.436
در جدول زیر مدل رگرسیون برازش داده شده مورد نقد و بررسی قرار گرفته است در ستون B ضرایب رگرسیون و در ستونSE خطای معیار پارامتر برآورد ارائه شده است مدل رگرسیون پیشنهادی عبارت است از :
در حالت t-1 :
در حالت t-2 :
در جدول فوق با استفاده از آماره آزمون والدفرض معنادار بودن تاثیر متغیر های مورد بررسی مورد مطالعه قرار گرفته است فرض مورد بررسی در این این آزمون عبارت است از :
H0 :
i=1,2,3 : H1
بر اساس مقادیر مندرج در ستون sig ، ( در هر دو سال مورد بحث ) :
1-تاثیر معنادار متغیرx13 و x 14بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
( در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . علامت منفی ضریب رگرسیون نشان دهنده تاثیرمستقیم بر ورشکستگی و علامت مثبت نشان دهنده تاثیر معکوس بر ورشکستگی می باشد )
جدول (19-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اهلسون طی دو سال مورد بحث
Classification Table(a)
Observed
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
Step 1
Y
سلامت مالی
93
11
89.4
درمانده مالی
17
87
83.7
درصــد کل پیش بینی صحیح
86.5
5-3-4 تجزیه تحلیل و آزمون فرضیه 5:
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار را می توان با الگوی مبتنی بر مدل زیمسکی پیش بینی نمود
– مدل زیمسکی به تفکیک سالهای مورد بررسی
طی دو جدول زیر آماره های نیکویی مدل مورد نقد و بررسی قرار گرفته است در جدول زیر رد فرض H0 در خصوص آزمون خی دو (Chi-Square )در سطح معنادار 05. ((Sig<.05نشانگر آنست که در هر دو محدوده زمانی(t-1 ,t-2 (:
"متغیر های مستقل در تبیین تغییرات متغیر وابسته موفق عمل نموده اند و به عبارت ساده تر فرض صحیح بودن مدل پذیرفته می شود "
جدول شماره (20-4): آزمون معنی دار بودن مدل های رگرسیونی زیمسکی
Chi-square
df
Sig.
t-1
Step 1
Step
98.033
3
.000
Block
98.033
3
.000
Model
98.033
3
.000
t-2
Step 1
Step
62.149
3
.000
Block
62.149
3
.000
Model
62.149
3
.000
در جدول زیر برخی آماره های بررسی درستنمایی مدل ارائه شده است به آماره -2 Log likelihood، لگاریتم نسبت درستنمایی اطلاق می گردد که اندازه ای از نیکویی مدل را برآورد می کند بدین ترتیب که مقادیر کوچک آن دلالت بر موفق بودن مدل ومقادیر بزرگ آن دلالت بر ناموفق بودن مدل دارند . با توجه به مقدار کم این متغیرنیکویی مدل نتیجه می شود در بخشهای آتی این مقدار را با سایر مدلهای موجود مورد بررسی قرار می دهیم در جدول زیر آماره Cox & Snell R Square ارائه شده است این آماره در مدل رگرسیون لجستیک ، اندازه ای از درصد تغییرات شناسایی شده بوسیله مدل را تبیین می نماید به عبارت دیگر معین می نماید متغیر های مستقل در تبیین چند درصد از تغییرات متغیر وابسته توانا عمل نموده اند :
در سال t-1:
میزان ضریب مذکور برابر با 61%می باشد به عبارت ساده تر یعنی مدل در تبیین 61% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد .
در سال t-2:
میزان ضریب مذکور برابر با 45%می باشد به عبارت ساده تر یعنی مدل در تبیین 45% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد
جدول (21-4): نتایج آماره های نیکویی برازش مدل زیمسکی
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
t-1
1
46.142(a)
.610
.814
t-2
1
82.026(b)
.450
.600
در جدول زیر میزان تطابق مقادیر مشاهده شده و مقادیر پیش بینی شده (درصد پیش بینی صحیح مدل )برای واحدهای مورد مطالعه ارائه شده است :
جدول (22-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل زیمسکی
Classification Table(a)
Observed
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
t-1
Step 1
Y
سلامت مالی
47
5
90.4
درمانده مالی
6
46
88.5
درصــد کل پیش بینی صحیح
89.4
t-2
Step 1
Y
سلامت مالی
44
8
84.6
درمانده مالی
10
42
80.8
درصــد کل پیش بینی صحیح
82.7
نتایج حاصله به شرح زیر است:
درسال t-1 :
مقادیر پیش بینی شده توسط مدل در 88.5% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت 88.5% از شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) مناسب عمل نموده است
درسال t-2 :
مقادیر پیش بینی شده توسط مدل در 82.7% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) به طور 82.7% مناسب عمل نموده است
در جدول زیر مدل رگرسیون برازش داده شده مورد نقد و بررسی قرار گرفته است در ستون B ضرایب رگرسیون و در ستونSE خطای معیار پارامتر برآورد ارائه شده است مدل رگرسیون پیشنهادی عبارت است از :
در حالت t-1 :
در حالت t-2 :
جدول (23-4): نتایج بررسی ضرایب رگرسیونی مدل زیمسکی
B
S.E.
Wald
df
Sig.
Exp(B)
t-1
Step 1(a)
X13
8.586
2.649
10.502
1
.001
5353.652
X9
-16.768
4.499
13.889
1
.000
.000
X16
1.896
1.720
1.215
1
.270
6.662
Constant
11.309
4.130
7.497
1
.006
81560.799
t-2
Step 1(a)
X13
7.415
2.762
7.209
1
.007
1661.086
X9
-8.531
2.296
13.803
1
.000
.000
X16
-1.857
1.023
3.295
1
.070
.156
Constant
8.066
2.574
9.819
1
.002
3184.608
جدول فوق با استفاده از آماره آزمون والدفرض معنادار بودن تاثیر متغیر های مورد بررسی مورد مطالعه قرار گرفته است فرض مورد بررسی در این این آزمون عبارت است از :
H0 :
i=1,2,3 : H1
بر اساس مقادیر مندرج در ستون sig ، ( در هر دو سال مورد بحث ) :
1-تاثیر معنادار متغیرx13 و x9 بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
( در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . علامت منفی ضریب رگرسیون نشان دهنده تاثیرمستقیم بر ورشکستگی و علامت مثبت نشان دهنده تاثیر معکوس بر ورشکستگی می باشد )
جدول (24-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل زیمسکی طی دو سال مورد بحث
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
Step 1
Y
سلامت مالی
92
12
88.5
درمانده مالی
17
87
83.7
درصــد کل پیش بینی صحیح
86.1
6-3-4 تجزیه تحلیل و آزمون فرضیه 6:
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار را می توان با الگوی مبتنی بر مدل شیراتا پیش بینی نمود
طی دو جدول زیر آماره های نیکویی مدل مورد نقد و بررسی قرار گرفته است در جدول زیر رد فرض H0 در خصوص آزمون خی دو (Chi-Square )در سطح معنادار 05. ((Sig<.05نشانگر آنست که در هر دو محدوده زمانی(t-1 ,t-2 (:
"متغیر های مستقل در تبیین تغییرات متغیر وابسته موفق عمل نموده اند و به عبارت ساده تر فرض صحیح بودن مدل پذیرفته می شود "
جدول شماره (25-4): آزمون معنی دار بودن مدل های رگرسیونی مدل شیراتا
Chi-square
df
Sig.
t-1
Step 1
Step
85.020
5
.000
Block
85.020
5
.000
Model
85.020
5
.000
t-2
Step 1
Step
56.000
5
.000
Block
56.000
5
.000
Model
56.000
5
.000
در جدول زیر برخی آماره های بررسی درستنمایی مدل ارائه شده است به آماره -2 Log likelihood، لگاریتم نسبت درستنمایی اطلاق می گردد که اندازه ای از نیکویی مدل را برآورد می کند بدین ترتیب که مقادیر کوچک آن دلالت بر موفق بودن مدل ومقادیر بزرگ آن دلالت بر ناموفق بودن مدل دارند . با توجه به مقدار کم این متغیرنیکویی مدل نتیجه می شود در بخشهای آتی این مقدار را با سایر مدلهای موجود مورد بررسی قرار می دهیم در جدول زیر آماره Cox & Snell R Square ارائه شده است این آماره در مدل رگرسیون لجستیک ، اندازه ای از درصد تغییرات شناسایی شده بوسیله مدل را تبیین می نماید به عبارت دیگر معین می نماید متغیر های مستقل در تبیین چند درصد از تغییرات متغیر وابسته توانا عمل نموده اند :
در سال t-1:
میزان ضریب مذکور برابر با 56.5%می باشد به عبارت ساده تر یعنی مدل در تبیین 56.5% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد .
در سال t-2:
میزان ضریب مذکور برابر با 88.17%می باشد به عبارت ساده تر یعنی مدل در تبیین 88.17% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد
جدول (26-4): نتایج آماره های نیکویی برازش مدل شیراتا
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
t-1
1
56.343(a)
.565
.754
t-2
1
88.175(b)
.416
.555
در جدول زیر میزان تطابق مقادیر مشاهده شده و مقادیر پیش بینی شده (درصد پیش بینی صحیح مدل )برای واحدهای مورد مطالعه ارائه شده است :
جدول (27-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل شیراتا
Classification Table(a)
Predicted
Y
درصد پیش بینی صحیح
درمانده مالی
سلامت مالی
t-1
Step 1
Y
درمانده مالی
42
8
84.0
سلامت مالی
1
51
98.1
درصــد کل پیش بینی صحیح
91.2
t-2
Step 1
Y
درمانده مالی
31
21
59.6
سلامت مالی
2
50
96.2
درصــد کل پیش بینی صحیح
77.9
نتایج حاصله به شرح زیر است:
درسال t-1 :
مقادیر پیش بینی شده توسط مدل در 91.2% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت 91.2% از شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) مناسب عمل نموده است
درسال t-2 :
مقادیر پیش بینی شده توسط مدل در 77.9% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) به طور 77.9% مناسب عمل نموده است
در جدول زیر مدل رگرسیون برازش داده شده مورد نقد و بررسی قرار گرفته است در ستون B ضرایب رگرسیون و در ستونSE خطای معیار پارامتر برآورد ارائه شده است مدل رگرسیون پیشنهادی عبارت است از :
در حالت t-1 :
در حالت t-2 :
جدول (28-4): نتایج بررسی ضرایب رگرسیونی مدل شیراتا
B
S.E.
Wald
df
Sig.
Exp(B)
t-1
Step 1(a)
X6
27.987
8.483
10.886
1
.001
1426982980378.527
X17
2.522
1.007
6.278
1
.012
12.455
X18
-11.425
6.355
3.232
1
.072
.000
X19
-.567
.226
6.314
1
.012
.567
X16
2.169
1.266
2.935
1
.087
8.754
Constant
-2.691
1.987
1.835
1
.176
.068
t-2
Step 1(a)
X6
13.016
4.053
10.312
1
.001
449325.343
X17
.388
.476
.666
1
.415
1.474
X18
-2.772
4.292
.417
1
.518
.063
X19
-.383
.208
3.390
1
.066
.682
X16
.628
.793
.627
1
.428
1.874
Constant
-.191
1.117
.029
1
.864
.826
در جدول فوق با استفاده از آماره آزمون والدفرض معنادار بودن تاثیر متغیر های مورد بررسی مورد مطالعه قرار گرفته است فرض مورد بررسی در این این آزمون عبارت است از :
H0 :
i=1,2,3 : H1
در سال t-1 :
– تاثیر معنادار متغیرهای x6 و x17 و x19 بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
در سال t-2 :
-تاثیر معنادار متغیرx6 بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
– بررسی تاثیر شدت تاثیر متغیر های مستقل در سال t-1 :
در سال t-1 متغیرهای x6 و x17 و x19 متغیرها با تاثیر معنادار در مدل رگرسیون لجستیک می باشد که دارای شدت تاثیر قابل ملاحظه (با ضریب رگرسیون به طور نسبی بزرگتر می باشند ( در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . ) مثبت بودن ضریب رگرسیون نشان دهنده رابطه معکوس با ورشکستگی و علامت منفی نشان دهنده رابطه مستقیم با ورشکستگی می باشد
بررسی تاثیر شدت تاثیر متغیر های مستقل در سال t-2 :
همانگونه که ذکر گردید متغیر x6 تنها متغیر با تاثیر معنادار ( در سطح معنادار .05 ) در مدل رگرسیون لجستیک با ضریب رگرسیونی برابر با13.01 می باشد . ( در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . ) متغیر مذکور دارای رابطه معکوس با ورشکستگی می باشد .
جدول (29-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل شیراتا طی دو سال مورد بحث
Predicted
Y
درصد پیش بینی صحیح
درمانده مالی
سلامت مالی
Step 1
Y
درمانده مالی
71
31
69.6
سلامت مالی
5
99
95.2
درصــد کل پیش بینی صحیح
82.5
7-3-4 تجزیه تحلیل و آزمون فرضیه 7:
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار را می توان با الگوی مبتنی بر مدل اسپرین گیت با امتیاز کارایی پیش بینی نمود
الف- برازش مدل به تفکیک سالهای مورد بررسی
طی دو جدول زیر آماره های نیکویی مدل مورد نقد و بررسی قرار گرفته است در جدول زیر رد فرض H0 در خصوص آزمون خی دو (Chi-Square )در سطح معنادار 05. ((Sig<.05نشانگر آنست که در هر دو محدوده زمانی(t-1 ,t-2 (:
"متغیر های مستقل در تبیین تغییرات متغیر وابسته موفق عمل نموده اند و به عبارت ساده تر فرض صحیح بودن مدل پذیرفته می شود "
جدول شماره (30-4): آزمون معنی دار بودن مدل های رگرسیونی مدل اسپرین گیت با امتیاز کارایی
Chi-square
df
Sig.
t-1
Step 1
Step
93.773
5
.000
Block
93.773
5
.000
Model
93.773
5
.000
t-2
Step 1
Step
51.114
5
.000
Block
51.114
5
.000
Model
51.114
5
.000
در جدول زیر برخی آماره های بررسی درستنمایی مدل ارائه شده است به آماره -2 Log likelihood، لگاریتم نسبت درستنمایی اطلاق می گردد که اندازه ای از نیکویی مدل را برآورد می کند بدین ترتیب که مقادیر کوچک آن دلالت بر موفق بودن مدل ومقادیر بزرگ آن دلالت بر ناموفق بودن مدل دارند . با توجه به مقدار کم این متغیرنیکویی مدل نتیجه می شود در بخشهای آتی این مقدار را با سایر مدلهای موجود مورد بررسی قرار می دهیم در جدول زیر آماره Cox & Snell R Square ارائه شده است این آماره در مدل رگرسیون لجستیک ، اندازه ای از درصد تغییرات شناسایی شده بوسیله مدل را تبیین می نماید به عبارت دیگر معین می نماید متغیر های مستقل در تبیین چند درصد از تغییرات متغیر وابسته توانا عمل نموده اند :
در سال t-1:
میزان ضریب مذکور برابر با 59%می باشد به عبارت ساده تر یعنی مدل در تبیین 59% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد .
در سال t-2:
میزان ضریب مذکور برابر با 38%می باشد به عبارت ساده تر یعنی مدل در تبیین 38% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد
جدول (31-4): نتایج آماره های نیکویی برازش مدل مدل اسپرین گیت با امتیاز کارایی
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
t-1
1
50.401(a)
.594
.792
t-2
1
93.061(b)
.388
.518
در جدول زیر میزان تطابق مقادیر مشاهده شده و مقادیر پیش بینی شده (درصد پیش بینی صحیح مدل )برای واحدهای مورد مطالعه ارائه شده است :
جدول (32-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اسپرین گیت با امتیاز کارایی
Observed
Predicted
Y
درصد پیش بینی صحیح
درمانده مالی
سلامت مالی
t-1
Step 1
Y
درمانده مالی
50
2
96.2
سلامت مالی
16
36
69.2
درصــد کل پیش بینی صحیح
82.7
t-2
Step 1
Y
درمانده مالی
50
2
96.2
سلامت مالی
34
18
34.6
درصــد کل پیش بینی صحیح
50
65.4
نتایج حاصله به شرح زیر است:
درسال t-1 :
مقادیر پیش بینی شده توسط مدل در 7 .28% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت 82.7% از شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) مناسب عمل نموده است
درسال t-2 :
مقادیر پیش بینی شده توسط مدل در 65.4% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) به طور 65.4% مناسب عمل نموده است
در جدول زیر مدل رگرسیون برازش داده شده مورد نقد و بررسی قرار گرفته است در ستون B ضرایب رگرسیون و در ستونSE خطای معیار پارامتر برآورد ارائه شده است
جدول (33-4): نتایج بررسی ضرایب رگرسیونی مدل مدل اسپرین گیت با امتیاز کارایی
B
S.E.
Wald
df
Sig.
Exp(B)
t-1
X1
9.582
2.830
11.469
1
.001
14507.378
X2
-8.024
11.042
.528
1
.467
.000
X3
16.218
8.976
3.265
1
.071
11052465.506
X4
.626
.927
.456
1
.500
1.870
X5
-.258
1.495
.030
1
.863
.773
Constant
-1.289
1.070
1.451
1
.228
.276
t-2
X1
2.420
1.390
3.030
1
.082
11.244
X2
11.705
5.057
5.357
1
.021
121201.331
X3
-2.787
2.772
1.011
1
.315
.062
X4
1.358
.741
3.357
1
.067
3.887
X5
.810
.897
.815
1
.367
2.248
Constant
-1.346
.691
3.794
1
.051
.260
مدل رگرسیون پیشنهادی عبارت است از :
در حالت t-1 :
در حالت t-2 :
در جدول فوق با استفاده از آماره آزمون والدفرض معنادار بودن تاثیر متغیر های مورد بررسی مورد مطالعه قرار گرفته است فرض مورد بررسی در این این آزمون عبارت است از :
H0 :
i=1,2,3 : H1
بر اساس مقادیر مندرج در ستون sig ، ( در هر دو سال مورد بحث ) :
1-تاثیر معنادار متغیرx1 بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
2-تاثیر معنادار متغیرهای,x2 بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
توجه : متغیر کارایی (x5 )در مدل رگرسیون مورد بررسی دارای تاثیر معنادار بر متغیر پاسخ نمی باشد .
– بررسی تاثیر شدت تاثیر متغیر های مستقل در سال t-1 :
در سال t-1 متغیر x1 تنها متغیر با تاثیر معنادار در مدل رگرسیون لجستیک می باشد که دارای شدت تاثیر قابل ملاحظه (با ضریب رگرسیون برابر با 9.582 می باشد ) درقیاس با سایر متغیر های مورد بررسی می باشد ( در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . ) متغیر مذکور دارای رابطه معکوس با متغیر وضعیت شرکت (ورشکستی) می باشد .
بررسی تاثیر شدت تاثیر متغیر های مستقل در سال t-2 :
همانگونه که ذکر گردید متغیر x2 تنها متغیر با تاثیر معنادار ( در سطح معنادار .05 ) در مدل رگرسیون لجستیک با ضریب رگرسیونی برابر با 11.07 می باشد . ( در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . ) متغیر مذکور دارای رابطه معکوس با متغیر وضعیت شرکت (ورشکستگی ) می باشد .
جدول (34-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اسپرین گیت با امتیاز متغیر کارایی در دو سال مورد بررسی
Predicted
Y
درصد پیش بینی صحیح
درمانده مالی
سلامت مالی
Step 1
Y
درمانده مالی
100
4
96.2
سلامت مالی
58
46
44.2
درصــد کل پیش بینی صحیح
70.2
8-3-4 تجزیه تحلیل و آزمون فرضیه 8 :
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار را می توان با الگوی مبتنی بر مدل آلتمن با امتیاز کارایی پیش بینی نمود
الف-مدل آلتمن با مدل کارایی به تفکیک سالهای مورد بحث
در جدول زیر رد فرض H0 در خصوص آزمون خی دو (Chi-Square )در سطح معنادار 05. ((Sig<.05نشانگر آنست که در هر دو محدوده زمانی(t-1 ,t-2 (:
"متغیر های مستقل در تبیین تغییرات متغیر وابسته موفق عمل نموده اند و به عبارت ساده تر فرض صحیح بودن مدل پذیرفته می شود "
جدول شماره (35-4): آزمون معنی دار بودن مدل های رگرسیونی مدل آلتمن با امتیاز کارایی
Chi-square
df
Sig.
t-1
Step 1
Step
117.303
7
.000
Block
117.303
7
.000
Model
117.303
7
.000
t-2
Step 1
Step
77.915
7
.000
Block
77.915
7
.000
Model
77.915
7
.000
در جدول زیر برخی آماره های بررسی درستنمایی مدل ارائه شده است به آماره -2 Log likelihood، لگاریتم نسبت درستنمایی اطلاق می گردد که اندازه ای از نیکویی مدل را برآورد می کند بدین ترتیب که مقادیر کوچک آن دلالت بر موفق بودن مدل ومقادیر بزرگ آن دلالت بر ناموفق بودن مدل دارند . با توجه به مقدار کم این متغیرنیکویی مدل نتیجه می شود در بخشهای آتی این مقدار را با سایر مدلهای موجود مورد بررسی قرار می دهیم در جدول زیر آماره Cox & Snell R Square ارائه شده است این آماره در مدل رگرسیون لجستیک ، اندازه ای از درصد تغییرات شناسایی شده بوسیله مدل را تبیین می نماید به عبارت دیگر معین می نماید متغیر های مستقل در تبیین چند درصد از تغییرات متغیر وابسته توانا عمل نموده اند :
جدول (36-4): نتایج آماره های نیکویی برازش مدل آلتمن با امتیاز کارایی
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
t-1
1
26.872(a)
.676
.902
t-2
1
66.259(b)
.527
.703
در سال t-1:
میزان ضریب مذکور برابر با 67%می باشد به عبارت ساده تر یعنی مدل در تبیین 67% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد .
در سال t-2:
میزان ضریب مذکور برابر با 52%می باشد به عبارت ساده تر یعنی مدل در تبیین 52% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد
در جدول زیر میزان تطابق مقادیر مشاهده شده و مقادیر پیش بینی شده (درصد پیش بینی صحیح مدل )برای واحدهای مورد مطالعه ارائه شده است
جدول (37-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل آلتمن با امتیاز کارایی
Classification Table(a)
T
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
t-1
Step 1
Y
سلامت مالی
48
4
92.3
درمانده مالی
3
49
94.2
درصــد کل پیش بینی صحیح
93.3
t-2
Step 1
Y
سلامت مالی
46
6
88.5
درمانده مالی
11
41
78.8
درصــد کل پیش بینی صحیح
83.7
نتایج حاصله به شرح زیر است:
درسال t-1 :
مقادیر پیش بینی شده توسط مدل در 93.3% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت 93.3%از شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) مناسب عمل نموده است
درسال t-2 :
مقادیر پیش بینی شده توسط مدل در 83.7% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) به طور 83.7% مناسب عمل نموده است
در جدول زیر مدل رگرسیون برازش داده شده مورد نقد و بررسی قرار گرفته است در ستون B ضرایب رگرسیون و در ستونSE خطای معیار پارامتر برآورد ارائه شده است مدل رگرسیون پیشنهادی عبارت است از :
در حالت t-1 :
در حالت t-2 :
جدول (38-4): نتایج بررسی ضرایب رگرسیونی مدل آلتمن با امتیاز کارایی
B
S.E.
Wald
df
Sig.
Exp(B)
t-1
Step 1(a)
X1
.867
4.123
.044
1
.833
2.381
X6
21.961
9.643
5.186
1
.023
3446670690.680
X2
30.410
11.176
7.403
1
.007
16100933173803.470
X7
5.981
3.783
2.499
1
.114
395.840
X4
-.733
1.581
.215
1
.643
.481
X14
-1.094
5.187
.045
1
.833
.335
X5
-1.026
2.042
.252
1
.616
.359
Constant
-.770
1.961
.154
1
.695
.463
t-2
Step 1(a)
X1
-1.622
2.047
.628
1
.428
.197
X6
22.535
7.729
8.501
1
.004
6118795716.523
X2
8.299
3.028
7.514
1
.006
4018.715
X7
.989
1.284
.594
1
.441
2.690
X4
.521
.865
.363
1
.547
1.684
X14
3.460
2.297
2.270
1
.132
31.828
X5
-1.766
1.117
2.501
1
.114
.171
Constant
-1.046
.975
1.152
1
.283
.351
در جدول فوق با استفاده از آماره آزمون والدفرض معنادار بودن تاثیر متغیر های مورد بررسی مورد مطالعه قرار گرفته است فرض مورد بررسی در این این آزمون عبارت است از :
H0 :
i=1,2,3 : H1
بر اساس مقادیر مندرج در ستون sig ، ( در هر دو سال مورد بحث ) :
1-تاثیر معنادار متغیر x 6 و x2بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 ) در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . علامت منفی ضریب رگرسیون نشان دهنده تاثیرمستقیم بر ورشکستگی و علامت مثبت نشان دهنده تاثیر معکوس بر ورشکستگی می باشد )
جدول (39-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل آلتمن با کارایی طی دو سال مورد بحث
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
Step 1
Y
سلامت مالی
94
10
90.4
درمانده مالی
17
87
83.7
درصــد کل پیش بینی صحیح
87.0
9-3-4 تجزیه تحلیل و آزمون فرضیه 9:
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار را می توان با الگوی مبتنی بر مدل اهلسون با امتیاز کارایی پیش بینی نمود
طی دو جدول زیر آماره های نیکویی مدل مورد نقد و بررسی قرار گرفته است در جدول زیر رد فرض H0 در خصوص آزمون خی دو (Chi-Square )در سطح معنادار 05. ((Sig<.05نشانگر آنست که در هر دو محدوده زمانی(t-1 ,t-2 (:
"متغیر های مستقل در تبیین تغییرات متغیر وابسته موفق عمل نموده اند و به عبارت ساده تر فرض صحیح بودن مدل پذیرفته می شود "
جدول شماره (40-4): آزمون معنی دار بودن مدل های رگرسیونی اهلسون با امتیاز کارایی
Chi-square
df
Sig.
t-1
Step 1
Step
91.063
6
.000
Block
91.063
6
.000
Model
91.063
6
.000
t-2
Step 1
Step
61.206
6
.000
Block
61.206
6
.000
Model
61.206
6
.000
در جدول زیر برخی آماره های بررسی درستنمایی مدل ارائه شده است به آماره -2 Log likelihood، لگاریتم نسبت درستنمایی اطلاق می گردد که اندازه ای از نیکویی مدل را برآورد می کند بدین ترتیب که مقادیر کوچک آن دلالت بر موفق بودن مدل ومقادیر بزرگ آن دلالت بر ناموفق بودن مدل دارند . با توجه به مقدار کم این متغیرنیکویی مدل نتیجه می شود در بخشهای آتی این مقدار را با سایر مدلهای موجود مورد بررسی قرار می دهیم در جدول زیر آماره Cox & Snell R Square ارائه شده است این آماره در مدل رگرسیون لجستیک ، اندازه ای از درصد تغییرات شناسایی شده بوسیله مدل را تبیین می نماید به عبارت دیگر معین می نماید متغیر های مستقل در تبیین چند درصد از تغییرات متغیر وابسته توانا عمل نموده اند :
در سال t-1:
میزان ضریب مذکور برابر با 58.3%می باشد به عبارت ساده تر یعنی مدل در تبیین 58.3% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد .
در سال t-2:
میزان ضریب مذکور برابر با 44.5%می باشد به عبارت ساده تر یعنی مدل در تبیین 44.5% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد
جدول (41-4): نتایج آماره های نیکویی برازش مدل اهلسون با امتیاز کارایی
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
t-1
1
53.111(a)
.583
.778
t-2
1
82.968(b)
.445
.593
در جدول زیر میزان تطابق مقادیر مشاهده شده و مقادیر پیش بینی شده (درصد پیش بینی صحیح مدل ) برای واحدهای مورد مطالعه ارائه شده است
جدول (42-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اهلسون با امتیاز کارایی
T
Observed
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
t-1
Step 1
Y
سلامت مالی
48
4
92.3
درمانده مالی
6
46
88.5
درصــد کل پیش بینی صحیح
90.4
t-2
Step 1
Y
سلامت مالی
44
8
84.6
درمانده مالی
7
45
86.5
درصــد کل پیش بینی صحیح
85.6
نتایج حاصله به شرح زیر است:
درسال t-1 :
مقادیر پیش بینی شده توسط مدل در 90.4% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت 90.4% از شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) مناسب عمل نموده است
درسال t-2 :
مقادیر پیش بینی شده توسط مدل در 85.6%با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) به طور 85.6% مناسب عمل نموده است
جدول (43-4): نتایج بررسی ضرایب رگرسیونی مدل اهلسون با امتیاز کارایی
B
S.E.
Wald
df
Sig.
Exp(B)
t-1
Step 1(a)
X13
14.427
4.115
12.294
1
.000
1842744.757
X14
7.214
2.414
8.933
1
.003
1358.507
X15
.554
.347
2.544
1
.111
1.740
X15_2
-1.181
.524
5.073
1
.024
.307
x_n
.000
.000
.003
1
.955
1.000
X5
.563
1.368
.170
1
.681
1.757
Constant
.304
.712
.182
1
.670
1.355
t-2
Step 1(a)
X13
11.815
3.051
15.001
1
.000
135304.828
X14
3.620
2.249
2.592
1
.010
37.348
X15
.101
.096
1.118
1
.290
1.107
X15_2
-.176
.113
2.406
1
.121
.839
x_n
.000
.000
.001
1
.980
1.000
X5
.730
1.019
.514
1
.474
2.076
Constant
-1.051
.485
4.688
1
.030
.350
در جدول زیر مدل رگرسیون برازش داده شده مورد نقد و بررسی قرار گرفته است در ستون B ضرایب رگرسیون و در ستونSE خطای معیار پارامتر برآورد ارائه شده است مدل رگرسیون پیشنهادی عبارت است از :
در حالت t-1 :
در حالت t-2 :
در جدول فوق با استفاده از آماره آزمون والدفرض معنادار بودن تاثیر متغیر های مورد بررسی مورد مطالعه قرار گرفته است فرض مورد بررسی در این این آزمون عبارت است از :
H0 :
i=1,2,3 : H1
بر اساس مقادیر مندرج در ستون sig ، ( در هر دو سال مورد بحث ) :
1-تاثیر معنادار متغیرx13 و x 14بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
جدول (44-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل اهلسون با امتیاز کارایی طی دو سال مورد بحث
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
Step 1
Y
سلامت مالی
93
11
89.4
درمانده مالی
15
89
85.6
درصــد کل پیش بینی صحیح
87.5
10-3-4 تجزیه تحلیل و آزمون فرضیه 10:
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار را می توان با الگوی مبتنی بر مدل زیمسکی با امتیاز کارایی پیش بینی نمود
الف- مدل زیمسکی با امتیاز کارایی
طی دو جدول زیر آماره های نیکویی مدل مورد نقد و بررسی قرار گرفته است در جدول زیر رد فرض H0 در خصوص آزمون خی دو (Chi-Square )در سطح معنادار 05. ((Sig<.05نشانگر آنست که در هر دو محدوده زمانی(t-1 ,t-2 (:
"متغیر های مستقل در تبیین تغییرات متغیر وابسته موفق عمل نموده اند و به عبارت ساده تر فرض صحیح بودن مدل پذیرفته می شود "
جدول شماره (45-4): آزمون معنی دار بودن مدل های رگرسیونی زیمسکی با امتیاز کارایی
Chi-square
df
Sig.
t-1
Step 1
Step
98.050
4
.000
Block
98.050
4
.000
Model
98.050
4
.000
t-2
Step 1
Step
62.178
4
.000
Block
62.178
4
.000
Model
62.178
4
.000
در جدول زیر برخی آماره های بررسی درستنمایی مدل ارائه شده است به آماره -2 Log likelihood، لگاریتم نسبت درستنمایی اطلاق می گردد که اندازه ای از نیکویی مدل را برآورد می کند بدین ترتیب که مقادیر کوچک آن دلالت بر موفق بودن مدل ومقادیر بزرگ آن دلالت بر ناموفق بودن مدل دارند . با توجه به مقدار کم این متغیرنیکویی مدل نتیجه می شود در بخشهای آتی این مقدار را با سایر مدلهای موجود مورد بررسی قرار می دهیم در جدول زیر آماره Cox & Snell R Square ارائه شده است این آماره در مدل رگرسیون لجستیک ، اندازه ای از درصد تغییرات شناسایی شده بوسیله مدل را تبیین می نماید به عبارت دیگر معین می نماید متغیر های مستقل در تبیین چند درصد از تغییرات متغیر وابسته توانا عمل نموده اند :
در سال t-1:
میزان ضریب مذکور برابر با 61%می باشد به عبارت ساده تر یعنی مدل در تبیین 61% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد .
در سال t-2:
میزان ضریب مذکور برابر با 45%می باشد به عبارت ساده تر یعنی مدل در تبیین 45% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد
جدول (46-4): نتایج آماره های نیکویی برازش مدل زیمسکی با امتیاز کارایی
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
t-1
1
46.124(a)
.610
.814
t-2
1
81.997(b)
.450
.600
در جدول زیر میزان تطابق مقادیر مشاهده شده و مقادیر پیش بینی شده (درصد پیش بینی صحیح مدل )برای واحدهای مورد مطالعه ارائه شده است :
جدول (47-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده زیمسکی با امتیاز کارایی
T
Observed
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
t-1
Step 1
Y
سلامت مالی
47
5
90.4
درمانده مالی
6
46
88.5
درصــد کل پیش بینی صحیح
89.4
t-2
Step 1
Y
سلامت مالی
44
8
84.6
درمانده مالی
10
42
80.8
درصــد کل پیش بینی صحیح
82.7
نتایج حاصله به شرح زیر است:
درسال t-1 :
مقادیر پیش بینی شده توسط مدل در 89.4% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت 89.4% از شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) مناسب عمل نموده است
درسال t-2 :
مقادیر پیش بینی شده توسط مدل در 82.7% با وضعیت واقعی شرکت تطابق دارند به عبارت ساده تر مدل رگرسیون لجستیک پیشنهادی در برآورد وضعیت شرکتها ی مورد بررسی (از نظرورشکستگی و فعالیت ) به طور 82.7% مناسب عمل نموده است
جدول (48-4): نتایج بررسی ضرایب رگرسیونی مدل زیمسکی با امتیاز کارایی
B
S.E.
Wald
df
Sig.
Exp(B)
t-1
Step 1(a)
X13
8.412
2.948
8.144
1
.004
4499.596
X9
-16.634
4.599
13.085
1
.000
.000
X16
1.904
1.725
1.218
1
.270
6.714
X5
.185
1.405
.017
1
.895
1.203
Constant
11.138
4.315
6.664
1
.010
68714.972
t-2
Step 1(a)
X13
7.390
2.760
7.170
1
.007
1619.182
X9
-8.476
2.308
13.483
1
.000
.000
X16
-1.874
1.035
3.280
1
.070
.153
X5
.168
.995
.029
1
.866
1.183
Constant
7.991
2.610
9.375
1
.002
2953.551
جدول زیر مدل رگرسیون برازش داده شده مورد نقد و بررسی قرار گرفته است در ستون B ضرایب رگرسیون و در ستونSE خطای معیار پارامتر برآورد ارائه شده است مدل رگرسیون پیشنهادی عبارت است از :
در حالت t-1 :
در حالت t-2 :
جدول فوق با استفاده از آماره آزمون والدفرض معنادار بودن تاثیر متغیر های مورد بررسی مورد مطالعه قرار گرفته است فرض مورد بررسی در این این آزمون عبارت است از :
H0 :
i=1,2,3 : H1
بر اساس مقادیر مندرج در ستون sig ، ( در هر دو سال مورد بحث ) :
1-تاثیر معنادار متغیرx13 و x9 بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
( در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . علامت منفی ضریب رگرسیون نشان دهنده تاثیرمستقیم بر ورشکستگی و علامت مثبت نشان دهنده تاثیر معکوس بر ورشکستگی می باشد )
جدول (49-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل زیمسکی با امتیاز کارایی طی دو سال مورد بررسی
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
Step 1
Y
سلامت مالی
92
12
88.5
درمانده مالی
18
86
82.7
درصــد کل پیش بینی صحیح
85.6
11-3-4 تجزیه تحلیل و آزمون فرضیه 11 :
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار را می توان با الگوی مبتنی بر مدل شیراتا با امتیاز کارایی پیش بینی نمود
طی دو جدول زیر آماره های نیکویی مدل مورد نقد و بررسی قرار گرفته است در جدول زیر رد فرض H0 در خصوص آزمون خی دو (Chi-Square )در سطح معنادار 05. ((Sig<.05نشانگر آنست که در هر دو محدوده زمانی(t-1 ,t-2 (:
"متغیر های مستقل در تبیین تغییرات متغیر وابسته موفق عمل نموده اند و به عبارت ساده تر فرض صحیح بودن مدل پذیرفته می شود "
جدول شماره (50-4): آزمون معنی دار بودن مدل های رگرسیونی شیراتا با امتیاز کارایی
Chi-square
df
Sig.
t-1
Step 1
Step
85.384
6
.000
Block
85.384
6
.000
Model
85.384
6
.000
t-2
Step 1
Step
57.725
6
.000
Block
57.725
6
.000
Model
57.725
6
.000
در جدول زیر برخی آماره های بررسی درستنمایی مدل ارائه شده است به آماره -2 Log likelihood، لگاریتم نسبت درستنمایی اطلاق می گردد که اندازه ای از نیکویی مدل را برآورد می کند بدین ترتیب که مقادیر کوچک آن دلالت بر موفق بودن مدل ومقادیر بزرگ آن دلالت بر ناموفق بودن مدل دارند . با توجه به مقدار کم این متغیرنیکویی مدل نتیجه می شود در بخشهای آتی این مقدار را با سایر مدلهای موجود مورد بررسی قرار می دهیم در جدول زیر آماره Cox & Snell R Square ارائه شده است این آماره در مدل رگرسیون لجستیک ، اندازه ای از درصد تغییرات شناسایی شده بوسیله مدل را تبیین می نماید به عبارت دیگر معین می نماید متغیر های مستقل در تبیین چند درصد از تغییرات متغیر وابسته توانا عمل نموده اند :
جدول (51-4): نتایج آماره های نیکویی برازش مدل شیراتا با امتیاز کارایی
Step
-2 Log likelihood
Cox & Snell R Square
Nagelkerke R Square
t-1
1
55.979(a)
.567
.756
t-2
1
86.450(b)
.426
.568
در سال t-1:
میزان ضریب مذکور برابر با 56.7%می باشد به عبارت ساده تر یعنی مدل در تبیین 56.7% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد .
در سال t-2:
میزان ضریب مذکور برابر با 42.6%می باشد به عبارت ساده تر یعنی مدل در تبیین 42.6% از موارد در پیش بینی ورشکستگی یا عدم ورشکستگی )توانا می باشد
جدول (52-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل شیراتا با امتیاز کارایی
Classification Table(a)
T
Observed
Predicted
Y
درصد پیش بینی صحیح
درمانده مالی
سلامت مالی
t-1
Step 1
Y
درمانده مالی
42
8
84.0
سلامت مالی
1
51
98.1
درصــد کل پیش بینی صحیح
91.2
t-2
Step 1
Y
درمانده مالی
32
20
61.5
سلامت مالی
3
49
94.2
درصــد کل پیش بینی صحیح
77.9
در جدول زیر میزان تطابق مقادیر مشاهده شده و مقادیر پیش بینی شده (درصد پیش بینی صحیح مدل ) برای واحدهای مورد مطالعه ارائه شده است :
جدول (53-4): نتایج بررسی ضرایب رگرسیونی مدل شیراتا با امتیاز کارایی
B
S.E.
Wald
df
Sig.
Exp(B)
t-1
Step 1(a)
X6
25.210
9.481
7.071
1
.008
88849960964.785
X17
2.323
1.046
4.934
1
.026
10.203
X18
-11.486
6.433
3.188
1
.074
.000
X19
-.508
.244
4.332
1
.037
.602
X16
2.274
1.327
2.937
1
.087
9.718
X5
.978
1.639
.356
1
.551
2.660
Constant
-2.957
2.064
2.052
1
.152
.052
t-2
Step 1(a)
X6
15.583
4.892
10.147
1
.001
5858792.605
X17
.281
.421
.446
1
.504
1.324
X18
-3.138
4.334
.524
1
.469
.043
X19
-.466
.225
4.299
1
.038
.628
X16
.636
.828
.591
1
.442
1.890
X5
-1.390
1.065
1.703
1
.192
.249
Constant
.478
1.194
.160
1
.689
1.612
.
در جدول فوق با استفاده از آماره آزمون والدفرض معنادار بودن تاثیر متغیر های مورد بررسی مورد مطالعه قرار گرفته است فرض مورد بررسی در این این آزمون عبارت است از :
H0 :
i=1,2,3 : H1
بر اساس مقادیر مندرج در ستون sig :
– تاثیر معنادار متغیرهای x6 و x17 و x19 بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
در سال t-2 :
-تاثیر معنادار متغیرx6 و x19 بر متغیر وضعیت شرکت (درمانده مالی -سلامت مالی) در سطح معنادار 05. تایید می گردد.(sig>.05 )
در مدل رگرسیون بزرگ تر بودن نسبی ضرایب متغیر مستقل به عنوان بزرگ تر بودن شدت تاثیر ارزیابی می گردد . ) مثبت بودن ضریب رگرسیون نشان دهنده رابطه معکوس با ورشکستگی و علامت منفی نشان دهنده رابطه مستقیم با ورشکستگی می باشد
جدول (54-4): درصد تطابق مقادیر مشاهده شده و پیش بینی شده مدل شیراتا برای دو سال مورد بحث
Predicted
Y
درصد پیش بینی صحیح
سلامت مالی
درمانده مالی
Step 1
Y
سلامت مالی
96
8
92.3
درمانده مالی
27
75
73.5
درصــد کل پیش بینی صحیح
83.0
12-3-4 تجزیه تحلیل و آزمون فرضیه 12:
بین دقت پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر مدل اسپرین گیت تفاوت معنادار وجود دارد
به منظور برسی و مطالعه این فرضیه ابتدا پیش بینی مدل اسپیرین گیت در نرم افزار spss بر مبنای مدل رگرسیون لجستیک برازش داده شده ، محاسبه گردید و بر اساس نقطه انقطاع مدل اسپیرین گیت نتیجه (پیش بینی ورشکستگی یا عدم ورشکستگی ) در خصوص هر شرکت معین گردید این نتیجه با وضعیت واقعی هر شرکت (ورشکستگی یا عدم ورشکستگی) مطابقت داده شد ، با تعریف متغیری جدید ، به پیش بینی صحیح کد یک و به پیش بینی ناصحیح کد صفر اختصاص داده شد. در خصوص مقادیر شاخص تحلیل پوششی داده ها نیز بر مبنای نقطعه انقطاع پیشنهادی به شیوه فوق الذکر اقدام شد و بدین ترتیب به دو متغیر دسترسی حاصل گردید که در خصوص هر شرکت پیش بینی صحیح و ناصحیح را متمایز می سازد در ذیل با استفاده از" آزمون من ویتنی " به مقایسه میزان موفقیت های دو مدل مورد بررسی خواهیم پرداخت :
در جدول زیر تعداد (N) ، میانگین رتبه ها ، و مجموع رتبه ها متغیر "میزان موفقیت پیش بینی دو مدل مورد بررسی " به تفکیک مدل اسپیرین گیت و شاخص کارایی ارائه شده است :
جدول (55-4): میانگین رتبه مشاهدات در دو مدل تحلیل پوششی داده ها و مدل اسپرین گیت
N
Mean Rank
Sum of Ranks
میزان موفقیت پیش بینی
اسپرین گیت
208
212.00
44096.00
شاخص کارایی
208
205.00
42640.00
Total
416
جدول (56-4): نتایج بررسی مقایسه ای دو مدل تحلیل پوششی داده ها و مدل اسپرین گیت با استفاده از آزمون من ویتنی
Mann-Whitney U
20904.000
Wilcoxon W
42640.000
Z
-.751
Asymp. Sig. (2-tailed)
.453
پذیرش فرض H0 در سطح معنادار.05 نشانگر آنست که میان میانگین رتبه های مشاهدات مربوط به متغیر " میزان موفقیت پیش بینی دو مدل مورد بررسی" در دو مدل مورد بحث اختلاف معناداری موجود نمی باشد
13-3-4 تجزیه تحلیل و آزمون فرضیه 13:
بین دقت پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر آلتمن تفاوت معنادار وجود دارد
به منظور برسی و مطالعه این فرضیه ابتدا پیش بینی مدل آلتمن در نرم افزار spss بر مبنای مدل رگرسیون لجستیک برازش داده شده ، محاسبه گردید و بر اساس نقطه انقطاع مدل آلتمن نتیجه (پیش بینی ورشکستگی یا عدم ورشکستگی ) در خصوص هر شرکت معین گردید این نتیجه با وضعیت واقعی هر شرکت (ورشکستگی یا عدم ورشکستگی) مطابقت داده شد ، با تعریف متغیری جدید ، به پیش بینی صحیح کد یک و به پیش بینی ناصحیح کد صفر اختصاص داده شد. در خصوص مقادیر شاخص تحلیل پوششی داده ها نیز بر مبنای نقطعه انقطاع پیشنهادی به شیوه فوق الذکر اقدام شد و بدین ترتیب به دو متغیر دسترسی حاصل گردید که در خصوص هر شرکت پیش بینی صحیح و ناصحیح را متمایز می سازد در ذیل با استفاده از" آزمون من ویتنی " به مقایسه میزان موفقیت های دو مدل مورد بررسی خواهیم پرداخت :
در جدول زیر تعداد (N) ، میانگین رتبه ها ، و مجموع رتبه ها متغیر "میزان موفقیت پیش بینی دو مدل مورد بررسی " به تفکیک مدل آلتمن و شاخص کارایی ارائه شده است :
جدول (57-4): میانگین رتبه مشاهدات در دو مدل تحلیل پوششی داده ها و مدل آلتمن
N
Mean Rank
Sum of Ranks
آلتمن
208
229.50
47736.00
شاخص کارایی
208
187.50
39000.00
Total
416
جدول (58-4): نتایج بررسی مقایسه ای دو مدل تحلیل پوششی داده ها و مدل اسپرین گیت با استفاده از آزمون من ویتنی
Mann-Whitney U
17264.000
Wilcoxon W
39000.000
Z
-5.036
Asymp. Sig. (2-tailed)
.000
رد فرض H0 در سطح معنادار.05 نشانگر آنست که میان میانگین رتبه های مشاهدات مربوط به متغیر " میزان موفقیت پیش بینی دو مدل مورد بررسی" در دو مدل مورد بحث اختلاف معنادار موجود می باشد به عبارت ساده تر مدل آلتمن به طور معنادار دارای موفقیت پیش بینی بیشتری در قیاس با شاخص کارایی (تحلیل پوششی داده ها ) می باشد .
14-3-4 تجزیه تحلیل و آزمون فرضیه 14:
بین دقت پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر اهلسون تفاوت معنادار وجود دارد
به منظور برسی و مطالعه این فرضیه ابتدا پیش بینی مدل اهلسون در نرم افزار spss بر مبنای مدل رگرسیون لجستیک برازش داده شده ، محاسبه گردید و بر اساس نقطه انقطاع مدل اهلسون نتیجه (پیش بینی ورشکستگی یا عدم ورشکستگی ) در خصوص هر شرکت معین گردید این نتیجه با وضعیت واقعی هر شرکت (ورشکستگی یا عدم ورشکستگی) مطابقت داده شد ، با تعریف متغیری جدید ، به پیش بینی صحیح کد یک و به پیش بینی ناصحیح کد صفر اختصاص داده شد. در خصوص مقادیر شاخص تحلیل پوششی داده ها نیز بر مبنای نقطعه انقطاع پیشنهادی به شیوه فوق الذکر اقدام شد و بدین ترتیب به دو متغیر دسترسی حاصل گردید که در خصوص هر شرکت پیش بینی صحیح و ناصحیح را متمایز می سازد در ذیل با استفاده از" آزمون من ویتنی " به مقایسه میزان موفقیت های دو مدل مورد بررسی خواهیم پرداخت :
در جدول زیر تعداد (N) ، میانگین رتبه ها ، و مجموع رتبه ها متغیر "میزان موفقیت پیش بینی دو مدل مورد بررسی " به تفکیک مدل اهلسون و شاخص کارایی ارائه شده است:
جدول (59-4): میانگین رتبه مشاهدات در دو مدل تحلیل پوششی داده ها و مدل اهلسون
N
Mean Rank
Sum of Ranks
اهلسون
اهلسون
208
227.50
47320.00
شاخص کارایی
208
189.50
39416.00
Total
416
جدول (60-4): نتایج بررسی مقایسه ای دو مدلتحلیل پوششی داده ها و مدل اسپرین گیت با استفاده از آزمون من ویتنی
Mann-Whitney U
17680.000
Wilcoxon W
39416.000
Z
-4.484
Asymp. Sig. (2-tailed)
.000
رد فرض H0 در سطح معنادار.05 نشانگر آنست که میان میانگین رتبه های مشاهدات مربوط به متغیر " میزان موفقیت پیش بینی دو مدل مورد بررسی" در دو مدل مورد بحث اختلاف معنادار موجود می باشد به عبارت ساده تر مدل اهلسون به طور معنادار دارای موفقیت پیش بینی بیشتری در قیاس با شاخص کارایی (تحلیل پوششی داده ها ) می باشد .
15-3-4 تجزیه تحلیل و آزمون فرضیه 15:
بین دقت پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر زیمسکی تفاوت معنادار وجود دارد
به منظور برسی و مطالعه این فرضیه ابتدا پیش بینی مدل زیمسکی در نرم افزار spss بر مبنای مدل رگرسیون لجستیک برازش داده شده ، محاسبه گردید و بر اساس نقطه انقطاع مدل زیمنسکی نتیجه (پیش بینی ورشکستگی یا عدم ورشکستگی ) در خصوص هر شرکت معین گردید این نتیجه با وضعیت واقعی هر شرکت (ورشکستگی یا عدم ورشکستگی) مطابقت داده شد ، با تعریف متغیری جدید ، به پیش بینی صحیح کد یک و به پیش بینی ناصحیح کد صفر اختصاص داده شد. در خصوص مقادیر شاخص تحلیل پوششی داده ها نیز بر مبنای نقطعه انقطاع پیشنهادی به شیوه فوق الذکر اقدام شد و بدین ترتیب به دو متغیر دسترسی حاصل گردید که در خصوص هر شرکت پیش بینی صحیح و ناصحیح را متمایز می سازد در ذیل با استفاده از" آزمون من ویتنی " به مقایسه میزان موفقیت های دو مدل مورد بررسی خواهیم پرداخت :
در جدول زیر تعداد (N) ، میانگین رتبه ها ، و مجموع رتبه ها متغیر "میزان موفقیت پیش بینی دو مدل مورد بررسی " به تفکیک مدل زیمسکی و شاخص کارایی ارائه شده است :
جدول (61-4): میانگین رتبه مشاهدات در دو مدل تحلیل پوششی داده ها و مدل زیمسکی
N
Mean Rank
Sum of Ranks
زیمسکی
بدون امتیاز کارایی
208
226.50
47112.00
شاخص کارایی
208
190.50
39624.00
Total
416
جدول (62-4): نتایج بررسی مقایسه ای دو مدل پوششی داده ها و مدل زیمسکی با استفاده از آزمون من ویتنی
Mann-Whitney U
17888.000
Wilcoxon W
39624.000
Z
-4.215
Asymp. Sig. (2-tailed)
.000
رد فرض H0 در سطح معنادار.05 نشانگر آنست که میان میانگین رتبه های مشاهدات مربوط به متغیر " میزان موفقیت پیش بینی دو مدل مورد بررسی" در دو مدل مورد بحث اختلاف معنادار موجود می باشد به عبارت ساده تر مدل زیمسکی به طور معنادار دارای موفقیت پیش بینی بیشتری در قیاس با شاخص کارایی (تحلیل پوششی داده ها ) می باشد .
16-3-4 تجزیه تحلیل و آزمون فرضیه 16:
بین دقت پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر شیراتا تفاوت معنادار وجود دارد
به منظور برسی و مطالعه این فرضیه ابتدا پیش بینی مدل شیراتا در نرم افزار spss بر مبنای مدل رگرسیون لجستیک برازش داده شده ، محاسبه گردید و بر اساس نقطه انقطاع مدل شیراتا نتیجه (پیش بینی ورشکستگی یا عدم ورشکستگی ) در خصوص هر شرکت معین گردید این نتیجه با وضعیت واقعی هر شرکت (ورشکستگی یا عدم ورشکستگی) مطابقت داده شد ، با تعریف متغیری جدید ، به پیش بینی صحیح کد یک و به پیش بینی ناصحیح کد صفر اختصاص داده شد. در خصوص مقادیر شاخص تحلیل پوششی داده ها نیز بر مبنای نقطعه انقطاع پیشنهادی به شیوه فوق الذکر اقدام شد و بدین ترتیب به دو متغیر دسترسی حاصل گردید که در خصوص هر شرکت پیش بینی صحیح و ناصحیح را متمایز می سازد در ذیل با استفاده از" آزمون من ویتنی " به مقایسه میزان موفقیت های دو مدل مورد بررسی خواهیم پرداخت :
در جدول زیر تعداد (N) ، میانگین رتبه ها ، و مجموع رتبه ها متغیر "میزان موفقیت پیش بینی دو مدل مورد بررسی " به تفکیک مدل شیراتا و شاخص کارایی ارائه شده است :
جدول (63-4): میانگین رتبه مشاهدات در دو مدل پوششی داده ها و مدل شیراتا
N
Mean Rank
Sum of Ranks
شیراتا
بدون امتیاز کارایی
208
222.00
46176.00
شاخص کارایی
208
195.00
40560.00
Total
416
جدول (64-4): نتایج بررسی مقایسه ای دو مدل پوششی داده ها و مدل شیراتا با استفاده از آزمون من ویتنی
Mann-Whitney U
18824.000
Wilcoxon W
40560.000
Z
-3.063
Asymp. Sig. (2-tailed)
.002
رد فرض H0 در سطح معنادار.05 نشانگر آنست که میان میانگین رتبه های مشاهدات مربوط به متغیر " میزان موفقیت پیش بینی دو مدل مورد بررسی" در دو مدل مورد بحث اختلاف معنادار موجود می باشد به عبارت ساده تر مدل شیراتا به طور معنادار دارای موفقیت پیش بینی بیشتری در قیاس با شاخص کارایی (تحلیل پوششی داده ها ) می باشد .
17-3-4 تجزیه تحلیل و آزمون فرضیه 17:
بین دقت پیش بینی الگوی مبتنی بر مدل اسپرین گیت و دقت پیش بینی الگوی مبتنی بر مدل اسپرین گیت با امتیاز کارایی تفاوت معنادار وجود دارد
در جداول زیر آماره های نیکویی برازش در مدل رگرسیون لجستیک در میان دو مدل مورد بررسی طی دو سال t-1و t-2مورد نقد و بررسی قرار گرفته است. همچنین طی جدول بعدی، این آماره ها در خصوص مدل کلی (مجموع دو سال ) ارائه گردیده است به طور کلی مدل مطلوب به طور نسبی دارای درصد تطابق و R2 بالاتر و -2 Log likelihood کوچکتر می باشد
جدول (65-4): بررسی مقایسه ای آماره های نیکویی برازش در دو مدل اسپرین گیت و مدل اسپرین گیت با امتیاز کارایی
نتیجه حاصل
اسپرین گیت با امتیاز کارایی
اسپرین گیت
سالهای مورد بررسی
درصد تطابق
-2 Log likelihood
– R2
درصد تطابق
-2 Log likelihood
– R2
با ورود متغیر کارایی به مدل شاخصهای نکوئی از بهبود نسبی برخوردار شده اند اما میزان بهبود حاصله چندان چشمگیر نیشت
82.7
50.401
.594
81.7
50.431
.594
t-1
65.4
93.061
.388
62.5
93.888
.383
t-2
70.2
158.678
.464
72.1
160.891
.458
طی دو سال مورد بررسی
به منظور بررسی مقایسه ای دو مدل اسپیرین گیت و اسپیرین گیت با امتیاز کارایی ، متغیر میزان موفقیت پیش بینی مدل (که در خصوص آن در تحلیل قبل پرداخته شد) را با استفاده از تکنیک آزمون من ویتنی مورد مقایسه قرار می دهیم :
در جدول زیر تعداد (N) ، میانگین رتبه ها ، و مجموع رتبه ها متغیر "میزان موفقیت پیش بینی دو مدل مورد بررسی " ارائه شده است :
جدول (66-4): میانگین رتبه مشاهدات در دو مدل اسپرین گیت و مدل اسپرین گیت با امتیاز کارایی
N
Mean Rank
Sum of Ranks
اسپیرین گیت
با امتیاز کارایی
208
206.50
42952.00
بدون امتیاز کارایی
208
210.50
43784.00
Total
416
جدول (67-4): نتایج بررسی مقایسه ای دو مدل اسپرین گیت و مدل اسپرین گیت با امتیاز کارایی با استفاده از آزمون من ویتنی
Mann-Whitney U
21216.000
Wilcoxon W
42952.000
Z
-.432
Asymp. Sig. (2-tailed)
.665
پذیرش فرض H0 در سطح معنادار.05 نشانگر آنست که میان میانگین رتبه های مشاهدات مربوط به متغیر " میزان موفقیت پیش بینی دو مدل مورد بررسی" در دو مدل مورد بحث اختلاف معناداری موجود نمی باشد
18-3-4 فرضیه تجزیه تحلیل و آزمون 18:
بین دقت پیش بینی الگوی مبتنی بر مدل آلتمن و دقت کلی پیش بینی الگوی مبتنی بر آلتمن با امتیاز کارایی تفاوت معنادار وجود دارد
جدول (68-4): بررسی مقایسه ای آماره های نیکویی برازش در دو مدل آلتمن و آلتمن با امتیاز کارایی
نتیجه حاصل
آلتمن با امتیاز کارایی
آلتمن
سالهای مورد بررسی
درصد تطابق
-2 Log likelihood
– R2
درصد تطابق
-2 Log likelihood
– R2
با ورود متغیر کارایی به مدل شاخصهای نکوئی از بهبود نسبی برخوردار شده اند اما میزان بهبود حاصله چندان چشمگیر نیست
93.3
26.872
.676
91.4
27.131
.675
t-1
83.7
66.259
.527
79.8
68.842
.515
t-2
87.0
115.658
.564
88.9
116.472
.562
طی دو سال مورد بررسی
به منظور بررسی مقایسه ای دو مدل آلتمن و آلتمن با امتیاز کارایی ، متغیر میزان موفقیت پیش بینی مدل (که در خصوص آن در تحلیل قبل پرداخته شد) را با استفاده از تکنیک آزمون من ویتنی مورد مقایسه قرار می دهیم :
در جدول زیر تعداد (N) ، میانگین رتبه ها ، و مجموع رتبه ها متغیر "میزان موفقیت پیش بینی دو مدل مورد بررسی " ارائه شده است :
جدول (69-4): میانگین رتبه مشاهدات در دو مدل آلتمن و آلتمن با امتیاز کارایی
N
Mean Rank
Sum of Ranks
آلتمن
با امتیاز کارایی
208
206.50
42952.00
بدون امتیاز کارایی
208
210.50
43784.00
Total
416
جدول (70-4): نتایج بررسی مقایسه ای دو مدل آلتمن و آلتمن با امتیاز کارایی با استفاده از آزمون من ویتنی
Mann-Whitney U
21216.000
Wilcoxon W
42952.000
Z
-.602
Asymp. Sig. (2-tailed)
.547
پذیرش فرض H0 در سطح معنادار.05 نشانگر آنست که میان میانگین رتبه های مشاهدات مربوط به متغیر " میزان موفقیت پیش بینی دو مدل مورد بررسی" در دو مدل مورد بحث اختلاف معناداری موجود نمی باشد
19-3-4 تجزیه تحلیل و آزمون فرضیه 19 :
بین دقت پیش بینی الگوی مبتنی بر مدل اهلسون و دقت کلی پیش بینی الگوی مبتنی بر اهلسون با امتیاز کارایی تفاوت معنادار وجود دارد
جدول (71-4): بررسی مقایسه ای آماره های نیکویی برازش در دو مدل اهلسون و اهلسون با امتیاز کارایی
نتیجه حاصل
اهلسون با امتیاز کارایی
اهلسون
سالهای مورد بررسی
درصد تطابق
-2 Log likelihood
– R2
درصد تطابق
-2 Log likelihood
– R2
با ورود متغیر کارایی به مدل شاخصهای نکوئی از بهبود نسبی برخوردار شده اند اما میزان بهبود حاصله چندان چشمگیر نیست
90.4
53.111
.583
90.4
53.281
.583
t-1
85.6
82.968
.445
85.6
83.487
.442
t-2
87.5
147.525
.492
86.5
148.392
.490
طی دو سال مورد بررسی
به منظور بررسی مقایسه ای دو مدل اهلسون و اهلسون با امتیاز کارایی ، متغیر میزان موفقیت پیش بینی مدل (که در خصوص آن در تحلیل قبل پرداخته شد) را با استفاده از تکنیک آزمون من ویتنی مورد مقایسه قرار می دهیم :
در جدول زیر تعداد (N) ، میانگین رتبه ها ، و مجموع رتبه ها متغیر "میزان موفقیت پیش بینی دو مدل مورد بررسی " ارائه شده است :
جدول (72-4): میانگین رتبه مشاهدات در دو مدل اهلسون و اهلسون با امتیاز کارایی
N
Mean Rank
Sum of Ranks
اهلسون
با امتیاز کارایی
208
209.00
43472.00
بدون امتیاز کارایی
208
208.00
43264.00
Total
416
جدول (73-4): نتایج بررسی مقایسه ای دو مدل اهلسون و اهلسون با امتیاز کارایی با استفاده از آزمون من ویتنی
Mann-Whitney U
21528.000
Wilcoxon W
43264.000
Z
-.147
Asymp. Sig. (2-tailed)
.883
پذیرش فرض H0 در سطح معنادار.05 نشانگر آنست که میان میانگین رتبه های مشاهدات مربوط به متغیر " میزان موفقیت پیش بینی دو مدل مورد بررسی" در دو مدل مورد بحث اختلاف معناداری موجود نمی باشد
20-3-4 تجزیه تحلیل و آزمون فرضیه 20:
بین دقت پیش بینی الگوی مبتنی بر مدل زیمسکی و دقت کلی پیش بینی الگوی مبتنی بر زیمسکی با امتیاز کارایی تفاوت معنادار وجود دارد
جدول (74-4): بررسی مقایسه ای آماره های نیکویی برازش در دو مدل زیمسکی و زیمسکی با امتیاز کارایی
نتیجه حاصل
زیمسکی با امتیاز کارایی
زیمسکی
سالهای مورد بررسی
درصد تطابق
-2 Log likelihood
– R2
درصد تطابق
-2 Log likelihood
– R2
با ورود متغیر کارایی به مدل شاخصهای نکوئی از بهبود نسبی برخوردار شده اند اما میزان بهبود حاصله چندان چشمگیر نیست
89.4
46.124
.610
89.4
46.142
.610
t-1
82.7
81.997
.450
82.7
82.026
.450
t-2
85.6
142.438
.504
86.1
142.772
.503
طی دو سال مورد بررسی
به منظور بررسی مقایسه ای دو مدل زیمسکی و زیمسکی با امتیاز کارایی ، متغیر میزان موفقیت پیش بینی مدل (که در خصوص آن در تحلیل قبل پرداخته شد) را با استفاده از تکنیک آزمون من ویتنی مورد مقایسه قرار می دهیم :
در جدول زیر تعداد (N) ، میانگین رتبه ها ، و مجموع رتبه ها متغیر "میزان موفقیت پیش بینی دو مدل مورد بررسی " ارائه شده است :
جدول (75-4): میانگین رتبه مشاهدات در دو مدل زیمسکی و زیمسکی با امتیاز کارایی
N
Mean Rank
Sum of Ranks
زیمسکی
با امتیاز کارایی
208
208.00
43264.00
بدون امتیاز کارایی
208
209.00
43472.00
Total
416
جدول (76-4): نتایج بررسی مقایسه ای دو مدل زیمسکی و زیمسکی با امتیاز کارایی با استفاده از آزمون من ویتنی
Mann-Whitney U
21528.000
Wilcoxon W
43264.000
Z
-.140
Asymp. Sig. (2-tailed)
.888
پذیرش فرض H0 در سطح معنادار.05 نشانگر آنست که میان میانگین رتبه های مشاهدات مربوط به متغیر " میزان موفقیت پیش بینی دو مدل مورد بررسی" در دو مدل مورد بحث اختلاف معناداری موجود نمی باشد
21-3-4 تجزیه تحلیل و آزمون فرضیه 21:
بین دقت پیش بینی الگوی مبتنی بر مدل شیراتا و دقت کلی پیش بینی الگوی مبتنی بر شیراتا با امتیاز کارایی تفاوت معنادار وجود دارد
جدول (77-4): بررسی مقایسه ای آماره های نیکویی برازش در دو مدل شیراتا و شیراتا با امتیاز کارایی
نتیجه حاصل
شیراتا با امتیاز کارایی
شیراتا
سالهای مورد بررسی
درصد تطابق
-2 Log likelihood
– R2
درصد تطابق
-2 Log likelihood
– R2
با ورود متغیر کارایی به مدل شاخصهای نکوئی از بهبود نسبی برخوردار شده اند اما میزان بهبود حاصله چندان چشمگیر نیست
93.1
55.979
.567
91.2
56.343
.565
t-1
79.8
86.450
.426
79.8
88.175
.416
t-2
83.0
153.275
.474
83.5
156.932
.464
طی دو سال مورد بررسی
به منظور بررسی مقایسه ای دو مدل شیراتا و شیراتا با امتیاز کارایی ، متغیر میزان موفقیت پیش بینی مدل (که در خصوص آن در تحلیل قبل پرداخته شد) را با استفاده از تکنیک آزمون من ویتنی مورد مقایسه قرار می دهیم :
در جدول زیر تعداد (N) ، میانگین رتبه ها ، و مجموع رتبه ها متغیر "میزان موفقیت پیش بینی دو مدل مورد بررسی " ارائه شده است :
جدول (78-4): میانگین رتبه مشاهدات در دو مدل شیراتا و شیراتا با امتیاز کارایی
N
Mean Rank
Sum of Ranks
شیراتا
با امتیاز کارایی
208
208.50
43368.00
بدون امتیاز کارایی
208
209.80
43368.00
Total
416
جدول (79-4): نتایج بررسی مقایسه ای دو مدل شیراتا و شیراتا با امتیاز کارایی با استفاده از آزمون من ویتنی
Mann-Whitney U
21632.000
Wilcoxon W
43368.000
Z
.000
Asymp. Sig. (2-tailed)
.654
پذیرش فرض H0 در سطح معنادار.05 نشانگر آنست که میان میانگین رتبه های مشاهدات مربوط به متغیر " میزان موفقیت پیش بینی دو مدل مورد بررسی" در دو مدل مورد بحث اختلاف معناداری موجود نمی باشد.
جدول (80-4) خلاصه نتایج بررسی مقایسه ای آماره های نیکویی برازش در مدل های مورد بررسی
نتیجه حاصل
با امتیاز کارایی
بدون امتیاز کارایی
سالهای مورد بررسی
مدل
درصد تطابق
-2 Log likelihood
– R2
درصد تطابق
-2 Log likelihood
– R2
با ورود متغیر کارایی به مدل شاخصهای نکوئی از بهبود نسبی برخوردار شده اند اما میزان بهبود حاصله چندان چشمگیر نیشت
70.2
158.678
.464
72.1
160.891
.458
طی دو سال مورد بررسی
اسپرین گیت
87.0
115.658
.564
88.9
116.472
.562
طی دو سال مورد بررسی
مدل آلتمن
87.5
147.525
.492
86.5
148.392
.490
طی دو سال مورد بررسی
مدل اهلسون
85.6
142.438
.504
86.1
142.772
.503
طی دو سال مورد بررسی
مدل زیمسکی
83.0
153.275
.474
83.5
156.932
.464
طی دو سال مورد بررسی
مدل شیراتا
جدول (81-4) خلاصه نتایج میانگین رتبه های مشاهدات در مدل تحلیلی پوششی داده هاو مدل های مورد بررسی
N
Mean Rank
Sum of Ranks
اسپرین گیت وDEA
اسپرین گیت
208
212.00
44096.00
تفاوت معناداری بین دو مدل وجود ندارد
( تایید فرض H0)
شاخص کارایی
208
205.00
42640.00
آلتمن وDEA
آلتمن
208
229.50
47736.00
مدل آلتمن به طور معناداری بهتر عمل می کند
(رد فرض H0)
شاخص کارایی
208
187.50
39000.00
اهلسون وDEA
اهلسون
208
227.50
47320.00
مدل اهلسون به طور معناداری بهتر عمل می کند
(رد فرض H0)
شاخص کارایی
208
189.50
39416.00
زیمسکی وDEA
زیمسکی
208
226.50
47112.00
مدل زیمسکی به طور معناداری بهتر عمل می کند
(رد فرض H0)
شاخص کارایی
208
190.50
39624.00
شیراتا وDEA
شیراتا
208
222.00
46176.00
مدل شیراتا به طور معناداری بهتر عمل می کند
(رد فرض H0)
شاخص کارایی
208
195.00
40560.00
فصل پنجم
نتیجه گیری و پیشنهادات
1-5 مقدمه
در پایان هر کار پژوهشی باید نتایج به دست آمده را بیان کرد. این نتایج از اهمیت به سزایی برخوردارند. چرا که می توانند مبنایی برای رفع مشکلات و یا بهبود وضعیت موجود به سمت وضعیت مطلوب و مطلوب تر باشند. در این پژوهش پس از جمع آوری اطلاعات و داده های لازم، محاسبه ی متغیرهای مورد مطالعه و مدلهای مورد بررسی، به تجزیه و تحلیل نتایج به دست آمده پرداختیم. در این فصل به بیان نتایج پژوهش، محدودیت ها و پیشنهادهای به دست آمده مبتنی بر نتایج می پردازیم.
2-5 ارزیابی و تشریح نتایج آزمون فرضیه ها
با توجه به تجزیه و تحلیل ارائه شده در فصل چهارم که در خصوص هر فرضیه انجام گرفت، ابتدا به نتایج هر فرضیه اشاره نموده و سپس به نتیجه یگری کلی در خصوص یافته های این پژوهش می پردازیم.
1-2-5 فرضیه اول:
"وقوع بحران مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران را می توان با الگوی مبتنی بر تحلیل پوششی داده ها پیش بینی نمود."
تکنیک تحلیل پوششی داده ها که اغلب برای ارزیابی کارایی بنگاه اقتصادی و ملاک رتبه بندی اعتباری شرکت هاست، برای هر شرکت عددی بین صفر و یک را ارائه می دهد، که صفر نشان دهنده ی ناکارایی کامل، و طبعاً عدد یک نشانگر شرکتی است که کاملاً کارا می باشد. در این پژوهش ما به دنبال روشی بودیم که بتوان از این تکنیک به عنوان روشی برای پیش بینی بحران مالی شرکت های تولیدی استفاده کرد. نهایتاً برای تعیین نقطه ی انقطاع مدل به مقایسه ی میانگین کارایی شرکت های ورشکسته و غیر ورشکسته پرداختیم(جدول شماره 3-4). نقطه ی 25/0 که با اطمینان 95% به عنوان نقطه برش الگو انتخاب گردید، دو سال قبل از بحران مالی در پیش بینی صحیح شرکت ها 60% موفق عمل نموده است. همچنین در یک سال قبل از وقوع بحران مالی 73% شرکت ها را در گروه واقعی آنها پیش بینی کرده است که اعداد قابل توجهی می باشد. در نتیجه تکنیک تحلیل پوششی داده ها، توان تفکیک شرکت ها به دو گروه دارای سلامت مالی و دارای بحران مالی را دارا می باشد و به این ترتیب فرضیه اول پژوهش تایید می گردد. این نتیجه با چارچوب نظری تحقیق هماهنگ می باشد.
2-2-5 فرضیه دوم
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل اسپرین گیت پیش بینی نمود.
برای بررسی امکان پیش بینی بحران مالی با استفاده از مدل اسپرین گیت، ابتدا آزمون خی دو جهت بررسی معناداری مدل به تفکیک دو سال مورد استفاده قرار گرفت و با توجه به نتایج مندرج در جدول شماره 5-4، فرض صحیح بودن مدل مورد تایید قرار می گیرد. سپس طبق جدول شماره 6-4 نتایج آماره های نیکویی برازش الگوی اسپرین گیت حاکی از توانایی مدل در تبیین متغیر وابسته می باشد. نهایتاً با توجه به نتایج مندرج در جدول 7-4، که به ارائه ی درصد تطابق مقادیر مشاهده شده و پیش بینی شده ی الگوی اسپرین گیت می پردازد، این الگو در سال 1-t (یک سال قبل از وقوع بحران مالی) و در سال 2-t به ترتیب 7/81% و 5/62% در پیش بینی شرکت ها موفق عمل می نماید. همچنین با توجه به نتایج مندرج در جدول 9-4 الگوی اسپرین گیت به موفقیت 1/72 درصدی در مجموع دو سال دست می یابد. با توجه به توضیحات فوق الذکر، فرضیه دوم مبنی بر اینکه "وقوع بحران مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران را می توان با الگوی مبتنی بر مدل اسپرین گیت پیش بینی نمود." در سطح خطای 05/0 (اطمینان 95%) مورد تایید قرار می گیرد.
3-2-5 فرضیه سوم
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل آلتمن پیش بینی نمود.
برای بررسی امکان پیش بینی بحران مالی با استفاده از مدل آلتمن ، ابتدا آزمون خی دو جهت بررسی معناداری مدل به تفکیک دو سال مورد استفاده قرار گرفت و با توجه به نتایج مندرج در جدول شماره 10-4، فرض صحیح بودن مدل مورد تایید قرار می گیرد. سپس طبق جدول شماره 11-4 نتایج آماره های نیکویی برازش الگوی آلتمن حاکی از توانایی مدل در تبیین متغیر وابسته می باشد. نهایتاً با توجه به نتایج مندرج در جدول 12-4، که به ارائه ی درصد تطابق مقادیر مشاهده شده و پیش بینی شده ی الگوی آلتمن می پردازد، این الگو در سال 1-t (یک سال قبل از وقوع بحران مالی) و در سال 2-t به ترتیب 4/91% و 8/79% در پیش بینی شرکت ها موفق عمل می نماید. همچنین با توجه به نتایج مندرج در جدول 14-4 الگوی آلتمن به موفقیت 9/88 درصدی در مجموع دو سال دست می یابد. با توجه به توضیحات فوق الذکر، فرضیه سوم مبنی بر اینکه "وقوع بحران مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران را می توان با الگوی مبتنی بر مدل آلتمن پیش بینی نمود." در سطح خطای 05/0 (اطمینان 95%) مورد تایید قرار می گیرد.
4-2-5 فرضیه چهارم
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل اهلسون پیش بینی نمود.
برای بررسی امکان پیش بینی بحران مالی با استفاده از مدل اهلسون ، ابتدا آزمون خی دو جهت بررسی معناداری مدل به تفکیک دو سال مورد استفاده قرار گرفت و با توجه به نتایج مندرج در جدول شماره 15-4، فرض صحیح بودن مدل مورد تایید قرار می گیرد. سپس طبق جدول شماره 16-4 نتایج آماره های نیکویی برازش الگوی اهلسون حاکی از توانایی مدل در تبیین متغیر وابسته می باشد. نهایتاً با توجه به نتایج مندرج در جدول 17-4، که به ارائه ی درصد تطابق مقادیر مشاهده شده و پیش بینی شده ی الگوی اهلسون می پردازد، این الگو در سال 1-t (یک سال قبل از وقوع بحران مالی) و در سال 2-t به ترتیب 4/90% و 6/85% در پیش بینی شرکت ها موفق عمل می نماید. همچنین با توجه به نتایج مندرج در جدول 19-4 الگوی اهلسون به موفقیت 5/86 درصدی در مجموع دو سال دست می یابد. با توجه به توضیحات فوق الذکر، فرضیه چهارم مبنی بر اینکه "وقوع بحران مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران را می توان با الگوی مبتنی بر مدل اهلسون پیش بینی نمود." در سطح خطای 05/0 (اطمینان 95%) مورد تایید قرار می گیرد.
5-2-5 فرضیه پنجم
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل زیمسکی پیش بینی نمود.
برای بررسی امکان پیش بینی بحران مالی با استفاده از مدل زیمسکی ، ابتدا آزمون خی دو جهت بررسی معناداری مدل به تفکیک دو سال مورد استفاده قرار گرفت و با توجه به نتایج مندرج در جدول شماره 20-4، فرض صحیح بودن مدل مورد تایید قرار می گیرد. سپس طبق جدول شماره 21-4 نتایج آماره های نیکویی برازش الگوی زیمسکی حاکی از توانایی مدل در تبیین متغیر وابسته می باشد. نهایتاً با توجه به نتایج مندرج در جدول 22-4، که به ارائه ی درصد تطابق مقادیر مشاهده شده و پیش بینی شده ی الگوی زیمسکی می پردازد، این الگو در سال 1-t (یک سال قبل از وقوع بحران مالی) و در سال 2-t به ترتیب 4/89% و 7/82% در پیش بینی شرکت ها موفق عمل می نماید. همچنین با توجه به نتایج مندرج در جدول 24-4 الگوی آلتمن به موفقیت 1/86 درصدی در مجموع دو سال دست می یابد. با توجه به توضیحات فوق الذکر، فرضیه پنجم مبنی بر اینکه "وقوع بحران مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران را می توان با الگوی مبتنی بر مدل زیمسکی پیش بینی نمود." در سطح خطای 05/0 (اطمینان 95%) مورد تایید قرار می گیرد.
6-2-5 فرضیه ششم
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل شیراتا پیش بینی نمود.
برای بررسی امکان پیش بینی بحران مالی با استفاده از مدل شیراتا ، ابتدا آزمون خی دو جهت بررسی معناداری مدل به تفکیک دو سال مورد استفاده قرار گرفت و با توجه به نتایج مندرج در جدول شماره 25-4، فرض صحیح بودن مدل مورد تایید قرار می گیرد. سپس طبق جدول شماره 26-4 نتایج آماره های نیکویی برازش الگوی شیراتا حاکی از توانایی مدل در تبیین متغیر وابسته می باشد. نهایتاً با توجه به نتایج مندرج در جدول 27-4، که به ارائه ی درصد تطابق مقادیر مشاهده شده و پیش بینی شده ی الگوی شیراتا می پردازد، این الگو در سال 1-t (یک سال قبل از وقوع بحران مالی) و در سال 2-t به ترتیب 2/91% و 9/77% در پیش بینی شرکت ها موفق عمل می نماید. همچنین با توجه به نتایج مندرج در جدول 29-4 الگوی شیراتا به موفقیت 5/82 درصدی در مجموع دو سال دست می یابد. با توجه به توضیحات فوق الذکر، فرضیه ششم مبنی بر اینکه "وقوع بحران مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران را می توان با الگوی مبتنی بر مدل شیراتا پیش بینی نمود." در سطح خطای 05/0 (اطمینان 95%) مورد تایید قرار می گیرد.
7-2-5 فرضیه هفتم
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل اسپرین گیت با استفاده از امتیاز کارایی پیش بینی نمود.
برای طراحی مدل اسپرین گیت با امتیاز کارایی، ابتدا متغیر کارایی(5x) به مدل اضافه گردیده و سپس برای آزمون معنی داری مدل به تفکیک دو سال از آزمون خی دو استفاده گردیده است. با توجه به نتایج مندرج در جدول شماره 30-4 فرض صحیح بودن مدل مورد تایید قرار می گیرد. سپس طبق جدول شماره 31-4 نتایج آماره های نیکویی برازش الگوی مدل اسپرین گیت با استفاده از امتیاز کارایی حاکی از توانایی مدل در تبیین متغیر وابسته می باشد. نهایتاً با توجه به نتایج مندرج در جدول 32-4، که به ارائه ی درصد تطابق مقادیر مشاهده شده و پیش بینی شده ی الگوی مدل اسپرین گیت با استفاده از امتیاز کارایی می پردازد، این الگو در سال 1-t (یک سال قبل از وقوع بحران مالی) و در سال 2-t به ترتیب 7/82% و 4/65% در پیش بینی شرکت ها موفق عمل می نماید. همچنین با توجه به نتایج مندرج در جدول 34-4 الگوی مدل اسپرین گیت با استفاده از امتیاز کارایی به موفقیت 4/70 درصدی در مجموع دو سال دست می یابد. با توجه به توضیحات فوق الذکر، فرضیه هفتم مبنی بر اینکه "وقوع بحران مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران را می توان با الگوی مبتنی بر مدل مدل اسپرین گیت با استفاده از امتیاز کارایی پیش بینی نمود." در سطح خطای 05/0 (اطمینان 95%) مورد تایید قرار می گیرد.
8-2-5 فرضیه هشتم
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل آلتمن با استفاده از امتیاز کارایی پیش بینی نمود.
برای طراحی مدل آلتمن با امتیاز کارایی، ابتدا متغیر کارایی(5x) به مدل اضافه گردیده و سپس برای آزمون معنی داری مدل به تفکیک دو سال از آزمون خی دو استفاده گردیده است. با توجه به نتایج مندرج در جدول شماره 35-4 فرض صحیح بودن مدل مورد تایید قرار می گیرد. سپس طبق جدول شماره 36-4 نتایج آماره های نیکویی برازش الگوی آلتمن با استفاده از امتیاز کارایی حاکی از توانایی مدل در تبیین متغیر وابسته می باشد. نهایتاً با توجه به نتایج مندرج در جدول 37-4، که به ارائه ی درصد تطابق مقادیر مشاهده شده و پیش بینی شده ی الگوی آلتمن با استفاده از امتیاز کارایی می پردازد، این الگو در سال 1-t (یک سال قبل از وقوع بحران مالی) و در سال 2-t به ترتیب 4/93% و 7/83% در پیش بینی شرکت ها موفق عمل می نماید. همچنین با توجه به نتایج مندرج در جدول 39-4 الگوی آلتمن با استفاده از امتیاز کارایی به موفقیت 87 درصدی در مجموع دو سال دست می یابد. با توجه به توضیحات فوق الذکر، فرضیه هشتم مبنی بر اینکه "وقوع بحران مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران را می توان با الگوی مبتنی بر مدل آلتمن با استفاده از امتیاز کارایی پیش بینی نمود." در سطح خطای 05/0 (اطمینان 95%) مورد تایید قرار می گیرد.
9-2-5 فرضیه نهم
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل اهلسون با استفاده از امتیاز کارایی پیش بینی نمود.
برای طراحی مدل اهلسون با استفاده از امتیاز کارایی ، ابتدا متغیر کارایی(5x) به مدل اضافه گردیده و سپس برای آزمون معنی داری مدل به تفکیک دو سال از آزمون خی دو استفاده گردیده است. با توجه به نتایج مندرج در جدول شماره 40-4 فرض صحیح بودن مدل مورد تایید قرار می گیرد. سپس طبق جدول شماره 41-4 نتایج آماره های نیکویی برازش الگوی مدل اهلسون با استفاده از امتیاز کارایی حاکی از توانایی مدل در تبیین متغیر وابسته می باشد. نهایتاً با توجه به نتایج مندرج در جدول 42-4، که به ارائه ی درصد تطابق مقادیر مشاهده شده و پیش بینی شده ی الگوی مدل اهلسون با استفاده از امتیاز کارایی می پردازد، این الگو در سال 1-t (یک سال قبل از وقوع بحران مالی) و در سال 2-t به ترتیب 4/90% و 6/85% در پیش بینی شرکت ها موفق عمل می نماید. همچنین با توجه به نتایج مندرج در جدول 44-4 الگوی مدل اهلسون با استفاده از امتیاز کارایی به موفقیت 5/87 درصدی در مجموع دو سال دست می یابد. با توجه به توضیحات فوق الذکر، فرضیه نهم مبنی بر اینکه "وقوع بحران مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران را می توان با الگوی مبتنی بر مدل مدل اهلسون با استفاده از امتیاز کارایی پیش بینی نمود." در سطح خطای 05/0 (اطمینان 95%) مورد تایید قرار می گیرد.
10-2-5 فرضیه دهم
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل زیمسکی با استفاده از امتیاز کارایی پیش بینی نمود.
برای طراحی مدل زیمسکی با استفاده از امتیاز کارایی ، ابتدا متغیر کارایی(5x) به مدل اضافه گردیده و سپس برای آزمون معنی داری مدل به تفکیک دو سال از آزمون خی دو استفاده گردیده است. با توجه به نتایج مندرج در جدول شماره 45-4 فرض صحیح بودن مدل مورد تایید قرار می گیرد. سپس طبق جدول شماره 46-4 نتایج آماره های نیکویی برازش الگوی مدل زیمسکی با استفاده از امتیاز کارایی حاکی از توانایی مدل در تبیین متغیر وابسته می باشد. نهایتاً با توجه به نتایج مندرج در جدول 47-4، که به ارائه ی درصد تطابق مقادیر مشاهده شده و پیش بینی شده ی الگوی مدل زیمسکی با استفاده از امتیاز کارایی می پردازد، این الگو در سال 1-t (یک سال قبل از وقوع بحران مالی) و در سال 2-t به ترتیب 4/89% و 8/82% در پیش بینی شرکت ها موفق عمل می نماید. همچنین با توجه به نتایج مندرج در جدول 49-4 الگوی مدل زیمسکی با استفاده از امتیاز کارایی به موفقیت 6/85 درصدی در مجموع دو سال دست می یابد. با توجه به توضیحات فوق الذکر، فرضیه دهم مبنی بر اینکه "وقوع بحران مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران را می توان با الگوی مبتنی بر مدل زیمسکی با استفاده از امتیاز کارایی پیش بینی نمود." در سطح خطای 05/0 (اطمینان 95%) مورد تایید قرار می گیرد.
11-2-5 فرضیه یازدهم
وقوع بحران مالی شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را میتوان با الگوی مبتنی بر مدل شیراتا با استفاده از امتیاز کارایی پیش بینی نمود.
برای طراحی الگوی مبتنی بر مدل شیراتا با استفاده از امتیاز کارایی ، ابتدا متغیر کارایی(5x) به مدل اضافه گردیده و سپس برای آزمون معنی داری مدل به تفکیک دو سال از آزمون خی دو استفاده گردیده است. با توجه به نتایج مندرج در جدول شماره 50-4 فرض صحیح بودن مدل مورد تایید قرار می گیرد. سپس طبق جدول شماره 51-4 نتایج آماره های نیکویی برازش الگوی الگوی مبتنی بر مدل شیراتا با استفاده از امتیاز کارایی حاکی از توانایی مدل در تبیین متغیر وابسته می باشد. نهایتاً با توجه به نتایج مندرج در جدول 52-4، که به ارائه ی درصد تطابق مقادیر مشاهده شده و پیش بینی شده ی الگوی الگوی مبتنی بر مدل شیراتا با استفاده از امتیاز کارایی می پردازد، این الگو در سال 1-t (یک سال قبل از وقوع بحران مالی) و در سال 2-t به ترتیب 2/91% و 9/77% در پیش بینی شرکت ها موفق عمل می نماید. همچنین با توجه به نتایج مندرج در جدول 54-4 الگوی الگوی مبتنی بر مدل شیراتا با استفاده از امتیاز کارایی به موفقیت 83 درصدی در مجموع دو سال دست می یابد. با توجه به توضیحات فوق الذکر، فرضیه یازدهم مبنی بر اینکه "وقوع بحران مالی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران را می توان با الگوی مبتنی بر مدل الگوی مبتنی بر مدل شیراتا با استفاده از امتیاز کارایی پیش بینی نمود." در سطح خطای 05/0 (اطمینان 95%) مورد تایید قرار می گیرد.
12-2-5 فرضیه دوازدهم
بین دقت کلی پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر مدل اسپرین گیت تفاوت معنی داری وجود دارد.
به منظور بررسی این فرضیه، همانطور که در فصل چهارم شرح داده شد، از آزمون من ویتنی استفاده گردید. نتایج این آزمون در جدول شماره 56-4 آمده است که حاکی از آن است که میان میانگین رتبه های مشاهدات مربوط به متغیر"میزان موفقیت پیش بینی دو مدل مورد بررسی" اختلاف معناداری موجود نمی باشد. در واقع پذیرش فرض در سطح معناداری 5% بیانگر رد فرضیه دوازدهم می باشد. شایان ذکر است که رد این فرضیه بیانگر قابلیت بالای تکنیک تحلیل پوششی داده ها در پیش بینی وضعیت مالی شرکت ها می باشد، چرا که مدل اسپرین گیت یکی از مدل های موفق و پر کاربرد در زمینه ی پیش بینی درماندگی مالی می باشد و از آنجایی که میان نتایج این مدل و نتایج حاصل از تکنیک DEA اختلاف معناداری وجود ندارد. می توان نتیجه گرفت قدرت پیش بینی درماندگی مالی با استفاده از تکنیک DEA در سطح یکی از بهترین و پرکاربردترین مدلهای پیش بینی بحران مالی است.
13-2-5 فرضیه سیزدهم
بین دقت کلی پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر مدل آلتمن تفاوت معنی داری وجود دارد.
به منظور بررسی این فرضیه، همانطور که در فصل چهارم به طور مشروح بحث شد، از آزمون من ویتنی استفاده گردید: نتایج این آزمون در جدول شماره 58-4 آمده است که حاکی از تفاوت معنادار میان"میزان موفقیت پیش بینی دو مدل مورد بررسی" می باشد.
به عبارت ساده تر مدل آلتمن در پیش بینی وضعیت مالی شرکت ها به طور معناداری موفق تر از تکنیک DEA عمل می کند. در نتیجه فرضیه سیزدهم در سطح اطمینان 95% تایید می گردد.
14-2-5 فرضیه چهاردهم
بین دقت کلی پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر مدل اهلسون تفاوت معنی داری وجود دارد.
به منظور بررسی این فرضیه، همانطور که در فصل چهارم به طور مشروح بحث شد، از آزمون من ویتنی استفاده گردید: نتایج این آزمون در جدول شماره 60-4 آمده است که حاکی از تفاوت معنادار میان"میزان موفقیت پیش بینی دو مدل مورد بررسی" می باشد. به عبارت ساده تر مدل اهلسون در پیش بینی وضعیت مالی شرکت ها به طور معناداری موفق تر از تکنیک DEA عمل می کند. در نتیجه فرضیه چهاردهم در سطح اطمینان 95% تایید می گردد.
15-2-5 فرضیه پانزدهم
بین دقت کلی پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر مدل زیمسکی تفاوت معنی داری وجود دارد.
به منظور بررسی این فرضیه، همانطور که در فصل چهارم به طور مشروح بحث شد، از آزمون من ویتنی استفاده گردید: نتایج این آزمون در جدول شماره 62-4 آمده است که حاکی از تفاوت معنادار میان"میزان موفقیت پیش بینی دو مدل مورد بررسی" می باشد. به عبارت ساده تر مدل زیمسکی در پیش بینی وضعیت مالی شرکت ها به طور معناداری موفق تر از تکنیک DEA عمل می کند. در نتیجه فرضیه پانزدهم در سطح اطمینان 95% تایید می گردد.
16-2-5 فرضیه شانزدهم
بین دقت کلی پیش بینی الگوی مبتنی بر تحلیل پوششی داده ها و دقت کلی پیش بینی الگوی مبتنی بر مدل شیراتا تفاوت معنی داری وجود دارد.
به منظور بررسی این فرضیه، همانطور که در فصل چهارم به طور مشروح بحث شد، از آزمون من ویتنی استفاده گردید: نتایج این آزمون در جدول شماره 63-4 آمده است که حاکی از تفاوت معنادار میان"میزان موفقیت پیش بینی دو مدل مورد بررسی" می باشد.
به عبارت ساده تر مدل شیراتا در پیش بینی وضعیت مالی شرکت ها به طور معناداری موفق تر از تکنیک DEA عمل می کند. در نتیجه فرضیه شانزدهم در سطح اطمینان 95% تایید می گردد.
17-2-5 فرضیه هفدهم
بین دقت کلی پیش بینی الگوی مبتنی بر مدل اسپرین گیت و دقت کلی پیش بینی الگوی مبتنی بر مدل اسپرین گیت با امتیاز کارایی تفاوت معنی داری وجود دارد.
در مدلهای پیش بینی درماندگی مالی، مدلی بهتر عمل می کند که از میان آماره های نیکویی برازش، لگاریتم نسبت درستنمایی آن کوچکتر و درصد تطابق یپش بینی صحیح آن بزرگتر باشد.
با توجه به نتایج مندرج در جدول شماره (64-4) آماره های نیکویی برازش مدل رگرسینی دو مدل مذکور به تفکیک دو سال و در مجموع دو سال، با یکدیگر مورد مقایسه قرار گرفته است. این نتایج حاکی از آن است که در دو متغیر کارایی به مدل شاخص های نیکویی برازش را از بهبود نسبی برخوردار ساخته است. در واقع ضریب تعیین بالاتر، لگاریتم درستنمایی کوچکتر و درصد تطابق بیشتر شده است. اما میزان بهبود حاصله چشم گیر نیست، لذا نتایج حاصل از آزمون من ویتنی که در جدول شماره(66-4) آمده است، بیانگر آن است که میان "میزان موفقیت پیش بینی دو مدل مورد بررسی" اختلاف معناداری وجود ندارد و نهایتاً در سطح اطمینان 95% رای به پذیرش فرض و رد فرضیه محقق می دهد.
18-2-5 فرضیه هیجد هم
بین دقت کلی پیش بینی الگوی مبتنی بر مدل آلتمن و دقت کلی پیش بینی الگوی مبتنی بر مدل آلتمن با امتیاز کارایی تفاوت معنی داری وجود دارد
در مدلهای پیش بینی درماندگی مالی، مدلی بهتر عمل می کند که از میان آماره های نیکویی برازش، لگاریتم نسبت درستنمایی آن کوچکتر و درصد تطابق یپش بینی صحیح آن بزرگتر باشد.
با توجه به نتایج مندرج در جدول شماره (67-4) آماره های نیکویی برازش مدل رگرسینی دو مدل مذکور به تفکیک دو سال و در مجموع دو سال، با یکدیگر مورد مقایسه قرار گرفته است. این نتایج حاکی از آن است که در دو متغیر کارایی به مدل شاخص های نیکویی برازش را از بهبود نسبی برخوردار ساخته است. در واقع ضریب تعیین بالاتر، لگاریتم درستنمایی کوچکتر و درصد تطابق بیشتر شده است. اما میزان بهبود حاصله چشم گیر نیست، لذا نتایج حاصل از آزمون من ویتنی که در جدول شماره(69-4) آمده است، بیانگر آن است که میان "میزان موفقیت پیش بینی دو مدل مورد بررسی" اختلاف معناداری وجود ندارد و نهایتاً در سطح اطمینان 95% رای به پذیرش فرض و رد فرضیه محقق می دهد.
19-2-5 فرضیه نوزدهم
بین دقت کلی پیش بینی الگوی مبتنی بر مدل اهلسون و دقت کلی پیش بینی الگوی مبتنی بر مدل اهلسون با امتیاز کارایی تفاوت معنی داری وجود دارد
در مدلهای پیش بینی درماندگی مالی، مدلی بهتر عمل می کند که از میان آماره های نیکویی برازش، لگاریتم نسبت درستنمایی آن کوچکتر و درصد تطابق یپش بینی صحیح آن بزرگتر باشد.
با توجه به نتایج مندرج در جدول شماره (70-4) آماره های نیکویی برازش مدل رگرسینی دو مدل مذکور به تفکیک دو سال و در مجموع دو سال، با یکدیگر مورد مقایسه قرار گرفته است. این نتایج حاکی از آن است که در دو متغیر کارایی به مدل شاخص های نیکویی برازش را از بهبود نسبی برخوردار ساخته است. در واقع ضریب تعیین بالاتر، لگاریتم درستنمایی کوچکتر و درصد تطابق بیشتر شده است. اما میزان بهبود حاصله چشم گیر نیست، لذا نتایج حاصل از آزمون من ویتنی که در جدول شماره(72-4) آمده است، بیانگر آن است که میان "میزان موفقیت پیش بینی دو مدل مورد بررسی" اختلاف معناداری وجود ندارد و نهایتاً در سطح اطمینان 95% رای به پذیرش فرض و رد فرضیه محقق می دهد.
20-2-5 فرضیه بیستم
بین دقت کلی پیش بینی الگوی مبتنی بر مدل زیمسکی و دقت کلی پیش بینی الگوی مبتنی بر مدل زیمسکی با امتیاز کارایی تفاوت معنی داری وجود دارد.
در مدلهای پیش بینی درماندگی مالی، مدلی بهتر عمل می کند که از میان آماره های نیکویی برازش، لگاریتم نسبت درستنمایی آن کوچکتر و درصد تطابق یپش بینی صحیح آن بزرگتر باشد.
با توجه به نتایج مندرج در جدول شماره (73-4) آماره های نیکویی برازش مدل رگرسینی دو مدل مذکور به تفکیک دو سال و در مجموع دو سال، با یکدیگر مورد مقایسه قرار گرفته است. این نتایج حاکی از آن است که در دو متغیر کارایی به مدل شاخص های نیکویی برازش را از بهبود نسبی برخوردار ساخته است. در واقع ضریب تعیین بالاتز، لگاریتم درستنمایی کوچکتر شده است. اما میزان بهبود حاصله چشم گیر نیست، لذا نتایج حاصل از آزمون من ویتنی که در جدول شماره(75-4) آمده است، بیانگر آن است که میان "میزان موفقیت پیش بینی دو مدل مورد بررسی" اختلاف معناداری وجود ندارد و نهایتاً در سطح اطمینان 95% رای به پذیرش فرض و رد فرضیه محقق می دهد.
21-2-5 فرضیه بیست یکم
بین دقت کلی پیش بینی الگوی مبتنی بر مدل شیراتا و دقت کلی پیش بینی الگوی مبتنی بر مدل شیراتا با امتیاز کارایی تفاوت معنی داری وجود دارد
در مدلهای پیش بینی درماندگی مالی، مدلی بهتر عمل می کند که از میان آماره های نیکویی برازش، لگاریتم نسبت درستنمایی آن کوچکتر و درصد تطابق یپش بینی صحیح آن بزرگتر باشد.
با توجه به نتایج مندرج در جدول شماره (76-4) آماره های نیکویی برازش مدل رگرسینی دو مدل مذکور به تفکیک دو سال و در مجموع دو سال، با یکدیگر مورد مقایسه قرار گرفته است. این نتایج حاکی از آن است که در دو متغیر کارایی به مدل شاخص های نیکویی برازش را از بهبود نسبی برخوردار ساخته است. در واقع ضریب تعیین بالاتر، لگاریتم درستنمایی کوچکتر و درصد تطابق بیشتر شده است. اما میزان بهبود حاصله چشم گیر نیست، لذا نتایج حاصل از آزمون من ویتنی که در جدول شماره(78-4) آمده است، بیانگر آن است که میان "میزان موفقیت پیش بینی دو مدل مورد بررسی" اختلاف معناداری وجود ندارد و نهایتاً در سطح اطمینان 95% رای به پذیرش فرض و رد فرضیه محقق می دهد.
3-5 نتیجه گیری کلی تحقیق
در این پژوهش به امکان سنجی پیش بینی وقوع درماندگی مالی در بازار سرمایه ایران با استفاده از تکنیک تحلیل پوششی داده ها پرداختیم. طبق فرضیه شماره یک، این ادعا که می توان از تکنیک DEA برای پیش بینی بحران مالی استفاده کرد، تایید می گردد. سپس پنج مدل اسپرین گیت، آلتمن، اهلسون، زیمسکی و شیراتا را مورد بحث و بررسی قرار دادیم، که تمامی آنها با درصد قابل توجهی توان پیش بینی صحیح شرکت ها را در خصوص طبقه بندی به دو گروه سالم و ناسالم دار می باشند. سپس ورود متغیر کارایی به مدلهای مذکور مورد بررسی قررا گرفت که هر چند باعث تغییر چشم گیری نشد، اما بهبود نسبی شاخص های کارایی را نمی توان نادیده گرفت، چرا که هرگاه پژوهشگری بخواهد از میان دو مدل یکی ار انتخاب کند، قطعاً مدلی را انتخاب می کند که آماره های نیکوی برازش مطلوب تری را داشته باشند. نهایتاً در مقایسه تکنیک DEA با مدل های پیش بینی بحران مالی، به جز مدل اسپرین گیت در مقایسه باقی مدلها با DEA رای به برتری مدلها داده شد.
4-5 پیشنهادهایی مبتنی بر یافته های تحقیق
از آنجا که پیش بینی هر چه سریع تر و دقیق تر برای هر ذینفعی مطلوب می باشد و می تواند از وقوع پدیده های بحران مالی پیشگیری کند، به سرمایه گذاران، اعتباردهندگان، مدیران، حسابرسان و … پیشنهاد می شود که از مدلهای پیش بینی درماندگی مالی استفاده کرده، تا بر مبنای نتایج آنها به اتخاذ تصمیمات راهبردی تر دست بزنند و از هدر رفتن منابع کمیاب اقتصادی جلوگیری نمایند. اگر بخواهیم از بین مدل های بررسی شده در این پژوهش، بهترین مدل را به ذینفعان معرفی نماییم، باید به نتیجه ی حاصل از فرضیه ی نهم که حاکی از موفقیت 6/85 درصدی مدل اوهلسون در دو سال قبل از وقوع بحران مالی می باشد، توجه کنیم. اگر چه در سال 1-t یعنی یک سال قبل از وقوع پدیده ی ناگوار درماندگی مالی، مدل آلتمن با امتیاز کارایی با عدد 3/93% موفق تر از همه عمل می کند، اما توجه به این نکته ضروری است که پیش بینی هر چه سریع تر ملاک مهمی است که رای به مدل اهلسون با امتیاز کارایی که در سال 2-t بالاترین درصد موفقیت را دارد می دهد.
تکنیک DEA که در این پژوهش به عنوان یکی از روشهای پیش بینی بحران مالی مطرح شد، طبق فرضیه شماره یک، درصد مطلوبی از شرکت ها را در جایگاه صحیح خود قرار می دهد و طبق فرضیه شماره دوازده، نتیجه ی آزمون مدل اسپرین گیت با تکنیک DEA چندان متفاوت نیست و توانایی تقریباً برابر DEA با یکی از مدلهای پرکاربرد و موفق در زمینه پیش بینی بحران مالی، حاکی از مطلوبیت این روش دارد، چرا که در بسیاری از تحقیقات مدل که مقایسه مدلهای مختلف پیش بینی بحران مالی پرداخته اند، مدل اسپرین گیت به عنوان موفق ترین مدل پیشنهاد شده است. همچنین ورود متغیر کارایی به مدلها، اگر چه تاثیر چشم گیری در نتیجه ی آنها نداشته است، اما بهبود آماره های نیکویی برازش را با ورود امتیاز کارایی نمی توان نادیده گرفت و همانطور که ذکر شد، هنگام انتخاب یک مدل از بین چندین مدل، توجه به این آماره ها ضروری است.
5-5 پیشنهادهایی جهت تحقیقات آتی
1-بررسی ارتباط بین متغیر امتیاز کارایی محاسبه شده با استفاده از تحلیل پوششی داده ها با سایر متغیرهای مالی
2- بررسی تاثیر ورود متغیر امتیاز کارایی محاسبه شده با استفاده از تحلیل پوششی داده ها بر دقت پیش بینی الگوهای شکل گرفته با استفاده از سایر فنون از جمله تحلیل لوجیت و شبکه عصبی مصنوعی
3- مقایسه توانایی مدلهای مختلف با توجه به تفکیک صنعت و نیز با استفاده از آزمونهای آماری دیگری رگرسیون لوجستیک
4- مقایسه توانایی مدلهای مختلف با استفاده از صورت های مالی تعدیل شده بر اساس ارزش جاری
5- توسعه مدل های پیش بینی بحران مالی با استفاده از شاخص های کلان یا خرد اقتصادی موثر در این زمینه نظیر تورم، نرخ مالیات و …
6-5 محدودیت های تحقیق
بسیاری از پژوهش های دانشجویی با محدودیت هایی مواجه اند، این پژوهش نیز از این امر مستثنی نبوده است و با محدودیت های زیر مواجه گردیده:
1-عدم امکان تطابق شرکت های نمونه سالم و شرکت های نمونه درمانده از نظر نوع صنعت به دلیل مقدور نبودن انتخاب شرکت های سالم و درمانده با جمع دارایی های تقریباً برابر از صنایع مشابه.
2- کارا نبودن بازار سرمایه ایران، به عنوان یک عامل مداخله گر می تواند نتایج پژوهش را تحت تاثیر قرار دهد که کنترل آن توسط محقق امکان پذیر نمی باشد. این موضوع یکی از تنگناهای موجود در اجرای تحقیقات متکی به بازار سرمایه از جمله تحقیق حاضر است.
3- مشکلات مربوط به جمع آوری اطلاعات بخصوص مشکلات دسترسی به صورت های مالی و یادداشتهای پیوست شرکت های جامعه آماری و در نهایت عدم پشتیبانی مراکز پژوهشی و علمی از تحقیقات انجام شده.
پیوست ها
.
جدول آماره های توصیفی در خصوص متغیر جمع داراییهای جاری به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
جمع دارایی ها جاری
52
12446449.00
18231.00
12464680.00
451979.6154
1721219.71146
2962597295131.3390000
t-2
جمع دارایی ها جاری
52
9880786.00
17383.00
9898169.00
345878.8846
1359939.87149
1849436454073.359
ورشکسته
t-1
جمع دارایی ها جاری
52
4049565.00
2905.00
4052470.00
313862.5385
636571.30641
405223028150.607
t-2
جمع دارایی ها جاری
52
3270901.00
3796.00
3274697.00
266737.5192
499105.70158
249106501353.000
جدول آماره های توصیفی در خصوص متغیر جمع بدهی های جاری به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
جمع بدهی های جاری
52
12716152.00
5848.00
12722000.00
437656.0769
1751167.92156
3066589089485.880
t-2
جمع بدهی های جاری
52
10240830.00
11920.00
10252750.00
369158.7500
1420884.43265
2018912570947.603
ورشکسته
t-1
جمع بدهی های جاری
52
3512818.00
4335.00
3517153.00
399763.3846
598876.72097
358653326916.712
t-2
جمع بدهی های جاری
52
2435976.00
10628.00
2446604.00
304114.2500
433567.51666
187980791504.780
جدول آماره های توصیفی در خصوص متغیر سرمایه در گردش به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
سرمایه در گردش
52
759046.00
-276776.00
482270.00
14323.5385
109121.27250
11907452112.097
t-2
سرمایه در گردش
52
1050524.00
-857651.00
192873.00
-23279.8654
156252.27958
24414774875.060
ورشکسته
t-1
سرمایه در گردش
52
1224181.00
-688864.00
535317.00
-85900.8462
175078.51497
30652486405.819
t-2
سرمایه در گردش
52
1274895.00
-446802.00
828093.00
-37376.7308
167969.82741
28213862920.907
جدول آماره های توصیفی در خصوص متغیر جمع داراییها به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
جمع داراییها
52
16405337.00
23113.00
16428450.00
728633.1731
2334747.34442
5451045162276.060
t-2
جمع داراییها
52
13341711.00
23659.00
13365370.00
596056.7500
1907479.92243
3638479654463.176
ورشکسته
t-1
جمع داراییها
52
4817354.00
3718.00
4821072.00
469911.1731
895106.58813
801215804119.794
t-2
جمع داراییها
52
3917946.00
7406.00
3925352.00
398879.2885
712169.89760
507185963050.327
جدول آماره های توصیفی در خصوص متغیسود قبل از کسر مالیات به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
سود قبل از کسر مالیات
52
954510.00
60.00
954570.00
80104.1154
181957.00196
33108350561.242
t-2
سود قبل از کسر مالیات
52
1412449.00
-30307.00
1382142.00
83121.5577
224731.97508
50504460623.742
ورشکسته
t-1
سود قبل از کسر مالیات
52
492027.00
-247436.00
244591.00
-13701.6538
74439.86803
5541293952.780
t-2
سود قبل از کسر مالیات
52
598769.00
-88647.00
510122.00
16486.0769
103635.09955
10740233859.249
.
جدول آماره های توصیفی در خصوص متغیرسود قبل از بهره و مالیات به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
سود قبل از بهره و مالیات
52
1067305.00
-185656.00
881649.00
47649.5962
129157.75715
16681726232.599
t-2
سود قبل از بهره و مالیات
52
1428103.00
-134859.00
1293244.00
54239.8846
181168.79615
32822132699.712
ورشکسته
t-1
سود قبل از بهره و مالیات
52
533848.00
-343156.00
190692.00
-41350.2885
85572.27243
7322613809.347
t-2
سود قبل از بهره و مالیات
52
563517.00
-120857.00
442660.00
-5675.4038
77732.75248
6042380808.050
جدول آماره های توصیفی در خصوص متغیرفروش خالص به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
فروش خالص
52
8685047.00
17110.00
8702157.00
449271.6154
1242649.38810
1544177501752.282
t-2
فروش خالص
52
10648153.00
12387.00
10660540.00
451639.8269
1492582.44783
2227802363565.480
ورشکسته
t-1
فروش خالص
52
2720067.00
.00
2720067.00
267913.9231
493013.67932
243062487992.269
t-2
فروش خالص
52
3168973.00
4.00
3168977.00
293742.4615
613082.99137
375870754304.254
جدول آماره های توصیفی در خصوص جمع در امد یا هزینه عملیاتی به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
جمع درآمدها یا هزینه های عملیاتی
52
591159.00
-591165.00
-6.00
-25101.3846
81207.53504
6594663747.340
t-2
جمع درآمدها یا هزینه های عملیاتی
52
392470.00
-392504.00
-34.00
-23928.9615
63206.31617
3995038403.175
ورشکسته
t-1
جمع درآمدها یا هزینه های عملیاتی
52
85995.00
-83513.00
2482.00
-16468.0962
18487.82870
341799809.971
t-2
جمع درآمدها یا هزینه های عملیاتی
52
120783.00
-121349.00
-566.00
-16679.9808
23614.53305
557646171.117
جدول آماره های توصیفی در خصوص متغیرسودانباشته تعدیل شده در ابتدای سال به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
سود انباشته تعدیل شده ابتدای سال
52
1474431.00
-2469.00
1471962.00
57874.7115
231365.17386
53529843676.131
t-2
سود انباشته تعدیل شده ابتدای سال
52
814114.00
.00
814114.00
32595.1154
115877.11356
13427505447.085
ورشکسته
t-1
سود انباشته تعدیل شده ابتدای سال
52
994910.00
-546268.00
448642.00
-62363.1346
147454.27073
21742761956.590
t-2
سود انباشته تعدیل شده ابتدای سال
52
722669.00
-456466.00
266203.00
-43632.2885
103974.69911
10810738055.269
جدول آماره های توصیفی در خصوص متغیر سود عملیاتی در ابتدای سال به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
سود عملیاتی
52
1563748.00
-102.00
1563646.00
95892.7308
250567.18665
62783915023.613
t-2
سود عملیاتی
52
1733094.00
1478.00
1734572.00
108271.0769
319577.93622
102130057321.406
ورشکسته
t-1
سود عملیاتی
52
610152.00
-155008.00
455144.00
8796.2885
85300.67998
7276206005.661
t-2
سود عملیاتی
52
721793.00
-64309.00
657484.00
28861.3077
126219.03107
15931243805.473
جدول آماره های توصیفی در خصوص متغیر حقوق صاحبان سهام به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
جمع حقوق صاحبان سهام
52
2515119.00
7660.00
2522779.00
200278.2885
477553.72066
228057556116.798
t-2
جمع حقوق صاحبان سهام
52
1901949.00
7358.00
1909307.00
144035.4038
306083.62175
93687183500.560
ورشکسته
t-1
جمع حقوق صاحبان سهام
52
1832555.00
-636079.00
1196476.00
845.2500
261536.90028
68401550207.996
t-2
جمع حقوق صاحبان سهام
52
1931983.00
-518233.00
1413750.00
39854.5769
257743.12578
66431518884.798
جدول آماره های توصیفی در خصوص جمع بدهی (ارزش دفتری کل بدهی )به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
جمع بدهی ها (ارزش دفتری کل بدهی)
52
13946200.00
14460.00
13960660.00
528354.8654
1938738.51884
3758707044414.863
t-2
جمع بدهی ها (ارزش دفتری کل بدهی)
52
11442853.00
13207.00
11456060.00
452098.2115
1618072.09153
2618157293394.092
ورشکسته
t-1
جمع بدهی ها (ارزش دفتری کل بدهی)
52
3620187.00
4409.00
3624596.00
469065.9423
713733.27134
509415182621.860
t-2
جمع بدهی ها (ارزش دفتری کل بدهی)
52
2499204.00
12398.00
2511602.00
359028.5577
502648.66766
252655683102.801
جدول آماره های توصیفی در خصوص متغیر سود خالص در ابتدای سال به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
سود خالص
52
954510.00
60.00
954570.00
75209.6538
181838.35796
33065188426.270
t-2
سود خالص
52
1412449.00
-30307.00
1382142.00
75664.0577
216339.38609
46802729974.919
ورشکسته
t-1
سود خالص
52
492027.00
-247436.00
244591.00
-14959.0577
71853.08492
5162865813.115
t-2
سود خالص
52
585105.00
-88647.00
496458.00
13465.9615
94559.81029
8941557722.313
جدول آماره های توصیفی در خصوص متغیر سود خالص سال گذشته به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
سود خالص سال گذشته
52
2001689.00
-82926.00
1918763.00
86554.3462
289324.78163
83708829263.133
t-2
سود خالص سال گذشته
52
3514983.00
-559270.00
2955713.00
88496.8846
417964.64601
174694445313.634
ورشکسته
t-1
سود خالص سال گذشته
52
585105.00
-88647.00
496458.00
13465.9615
94559.81029
8941557722.313
t-2
سود خالص سال گذشته
52
625608.00
-119336.00
506272.00
-2437.6154
79466.17297
6314872646.085
جدول آماره های توصیفی در خصوص متغیر وجوه حاصل از فعالیت به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
وجوه حاصل از فعالیت
52
1412449.00
-30307.00
1382142.00
75664.0577
216339.38609
46802729974.919
t-2
وجوه حاصل از فعالیت
52
875273.00
1234.00
876507.00
59376.2500
155340.92593
24130803269.447
ورشکسته
t-1
وجوه حاصل از فعالیت
52
846328.00
-678774.00
167554.00
-19964.8269
118483.10460
14038246076.735
t-2
وجوه حاصل از فعالیت
52
1065755.00
-330416.00
735339.00
24169.1346
149334.08895
22300670122.708
جدول آماره های توصیفی در خصوص متغیرجمع بدهی ها و حقوق صاحبان سهام به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
جمع بدهی ها و حقوق صاحبان سهام
52
13341711.00
23659.00
13365370.00
596133.6731
1907469.99701
3638441789488.814
t-2
جمع بدهی ها و حقوق صاحبان سهام
52
13341711.00
23659.00
13365370.00
596133.6731
1907469.99701
3638441789488.814
ورشکسته
t-1
جمع بدهی ها و حقوق صاحبان سهام
52
4817354.00
3718.00
4821072.00
469911.1923
895106.58068
801215790782.982
t-2
جمع بدهی ها و حقوق صاحبان سهام
52
3917946.00
7406.00
3925352.00
398883.1346
712124.57541
507121410899.649
جدول آماره های توصیفی در خصوص متغیرجمع بدهی ها و حقوق صاحبان سهام سال قبل به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
بدهی ها و حقوق صاحبان سهام سال قبل
52
16405337.00
23113.00
16428450.00
728633.1731
2334747.34442
5451045162276.060
t-2
بدهی ها و حقوق صاحبان سهام سال قبل
52
15505279.00
2128.00
15507407.00
609942.5577
2185784.79325
4777655162410.950
ورشکسته
t-1
بدهی ها و حقوق صاحبان سهام سال قبل
52
3917946.00
7406.00
3925352.00
398883.1346
712124.57541
507121410899.649
t-2
بدهی ها و حقوق صاحبان سهام سال قبل
52
5321582.00
8612.00
5330194.00
392069.4038
843602.57656
711665307184.520
جدول آماره های توصیفی در خصوص متغیر هزینه بهره به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
هزینه بهره (هزینه مالی)
52
1134597.00
-1134597.00
.00
-32454.5192
156928.44555
24626537022.333
t-2
هزینه بهره (هزینه مالی)
52
1067312.00
-1067312.00
.00
-28881.6731
147511.44306
21759625833.558
ورشکسته
t-1
هزینه بهره (هزینه مالی)
52
340704.00
-340739.00
-35.00
-27648.6346
54201.13850
2937763414.315
t-2
هزینه بهره (هزینه مالی)
52
299201.00
-299451.00
-250.00
-22161.4808
46517.55134
2163882583.039
جدول آماره های توصیفی در خصوص میانگین حاصل از جمع وامها ، بدهی ها و اوراق قرضه و اسناد دریافتنی تنزیل شده به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
میانگین حاصل جمع وامها بدهی ها و اوراق قرضه و اسناد دریافتنی تنزیل شده
52
7125234.33
4882.00
7130116.33
260159.8333
988045.21229
976233341524.969
t-2
میانگین حاصل جمع وامها بدهی ها و اوراق قرضه و اسناد دریافتنی تنزیل شده
52
5821121.33
4466.00
5825587.33
215561.7628
812718.90142
660512012730.259
ورشکسته
t-1
میانگین حاصل جمع وامها بدهی ها و اوراق قرضه و اسناد دریافتنی تنزیل شده
52
2234915.00
2054.00
2236969.00
240639.0641
391662.23074
153399302988.288
t-2
میانگین حاصل جمع وامها بدهی ها و اوراق قرضه و اسناد دریافتنی تنزیل شده
52
1706472.00
5623.67
1712095.67
186026.8846
291789.94756
85141373498.959
جدول آماره های توصیفی در خصوص میانگین حاصل از حسابها و اسناد پرداختنی تجاری به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
حساب ها و اسناد پرداختنی تجاری
52
737659.00
.00
737659.00
36991.2308
107302.85276
11513902210.103
t-2
حساب ها و اسناد پرداختنی تجاری
52
790455.00
.00
790455.00
34254.5962
113419.41524
12863963752.952
ورشکسته
t-1
حساب ها و اسناد پرداختنی تجاری
52
401551.00
.00
401551.00
56545.4038
95494.31510
9119164217.266
t-2
حساب ها و اسناد پرداختنی تجاری
52
382793.00
.00
382793.00
37904.9615
70991.22095
5039753451.372
جدول توزیع فراوانی در خصوص متغیر " اگر سود خالص برای 2 سال گذشته منفی عدد1 و غیر آن 0"
فراوانی
درصــد
درصــد خالص
درصــدتجمعی
غیر ورشکسته
t-1
Valid
.00
51
98.1
98.1
98.1
1.00
1
1.9
1.9
100.0
Total
52
100.0
100.0
t-2
Valid
.00
52
100.0
100.0
100.0
ورشکسته
t-1
Valid
.00
18
34.6
34.6
34.6
1.00
34
65.4
65.4
100.0
Total
52
100.0
100.0
t-2
Valid
.00
18
34.6
34.6
34.6
1.00
34
65.4
65.4
100.0
Total
52
100.0
100.0
جدول آماره های توصیفی در خصوص متغیر شاخص GNP به تفکیک نوع شرکت (ورشکسته و غیر ورشکسته ) طی سالهای مورد بررسی
N
دامنه تغییرات
مینیمم
ماکسیمم
میانگین
انحراف معیار
واریانس
غیر ورشکسته
t-1
شاخص GNP
52
2355650000.00
1116460000.00
3472110000.00
1949706211.5385
761456300.34563
579815697336052000.000
t-2
شاخص GNP
52
1946545000.00
907344000.00
2853889000.00
1541407865.3847
633894628.55366
401822400109177600.000
ورشکسته
t-1
شاخص GNP
52
2355650000.00
1116460000.00
3472110000.00
1996651269.2308
745145199.78380
555241368760828000.000
t-2
شاخص GNP
52
1946545000.00
907344000.00
2853889000.00
1591134692.3077
620802273.47549
385395462752334800.000
منابع و ماخذ
منابع فارسی:
1.
2. آذر، عادل، مومنی، منصور، 1387، آمار و کاربرد آن در مدیریت، تهران، جلد2.
3. آقایی، م و غلامرضا کردستانی، 1380،" توانایی سود برای پیش بینی جریان نقدی و سودهای آتی"، بررسی های حسابداری، سال پنجم، شماره 18 و 19.
4. احدیان پور، پ، 1385،"پیش بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی"، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد علوم تحقیقات
5. احمدی، علیرضا، بررسی کارایی نسبی قسمت های توزیع برق استان مرکزی با استفاده از رویکرد تحلیل پوششی داده ها (DEA) و ارائه راهکار در جهت افزایش کارایی، پژوهش شرکت توزیع برق استان مرکزی، زمستان 1387.
6. امامی ، عباس ، پیاده سازی الگوی آلتمن در صنایع نساجی پذیرفته شده در بورس اوراق بهادار ، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد اراک، سال 86.
7. امینی، ع، ارزیابی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از مدل آلتمن ، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد تهران مرکزی ، 1384
8. پورمهر، س، بررسی امکان سنجی استفاده از الگوهای اسپرینگیت و زمیجوسکی در پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران مرکزی،1386.
9. ثقفی، ع، 1381، بررسی شاخص های پیش بینی کننده های ورشکستگی در شرایط محیطی ایران، رساله دکتری دانشکده مدیریت تهران
10. جهانخانی، ع و علی پارسائیان، 1385، "مدیریت مالی"، جلد اول، انتشارات سمت.
11. حاجیها، ز،1384، "سقوط شرکت، علل و مراحل آن، مطالعه سیستم های قانونی ورشکستگی در ایران و جهان"، حسابرس، شماره 29.
12. حافظ نیا، م، 1380،"مقدمه ای بر روش تحقیق در علوم انسانی"، تهران، انتشارات سمت.
13. خاکی، غلامرضا، 1387، روش تحقیق با رویکردی به پایان نامه نویسی، تهران.
14. دستگیر، محسن، سجادی، سید حسین ، مقدم، جواد، پیش بینی ورشکستگی با استفاده از مدل لوجیت، پژوهش های اقتصادی، www.SID.ir
15. دلاور، ع،1384، "مبانی نظری و عملی پژوهش در علوم انسانی و اجتماعی"، چاپ چهارم، انتشارات رشد.
16. راعی ، رضا، فلاح پور ، سعید، پیش بینی درماندگی مالی شرکت ها با استفاده از شبکه های عصبی مصنوعی، تحقیقات مالی، بهار و تابستان 83، شماره17.
17. راعی ، رضا، فلاح پور ، سعید، کاربرد ماشین بردار پشتیبان در پیش بینی درماندگی مالی شرکت ها با استفاده از نسبت های مالی، بررسی های حسابداری و حسابرسی، پائیز 87 ، دوره 15، شماره 53، صفحه 17.
18. رسول زاده، م، بررسی کاربرد مدل آلتمن برای پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران، تدبیر،1380شماره120.
19. رهنمای رود پشتی، فریدون، علی خانی، راضیه، مران جوری، مهدی، بررسی کاربرد مدلهای پیش بینی ورشکستگی آلتمن و فالمر در شرکت های پذیرفته شده در بورس اوراق بهادار تهران، بررسی های حسابداری و حسابرسی ، بهار88 ، دوره 16 ، شماره 55، صفحه 19.
20. رهنمای رود پشتی، فریدون، نیکو مرام، هاشم، شاهوردیانی، شادی، 1385، مدیریت مالی راهبردی، تهران.
21. ساروئی، سمیه، بررسی کارایی مدل های اسپرینگیت، زیمسکی و اهلسون در امکان پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی ، وهحد اراک، تابستان 1389.
22. سپردار، م، بررسی کاربرد مدل اسپرینگیت در پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران ( صنعت محصولات غذایی و آشامیدنی)، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران مرکزی، 1386.
23. ستایش، محمد حسین، غیوری مقدم ، علی، تعیین ساختار بهینه سرمایه در سطح صنایع با استفاده از تکنیک تحلیل پوششی داده ها (DEA) ، پژوهش های حسابداری مالی، پائیز و زمستان 1388، سال اول و دوم، صص52-33
24. سعیدی، علی ، آقایی ، آرزو، پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های بیز، بررسی های حسابداری و حسابرسی، تابستان 88، دوره 16، شماره 56، صفحه 59.
25. سعیدی، علی، آقایی، آرزو، مروری بر روشها و مدلهای پیشبینی ورشکستگی، دانش و پژوهش حسابداری، 1388، 5، 16، 30.
26. سلیمانی امیری، غ ، 1381،"بررسی شاخص های پیش بینی ورشکستگی در محیط ایران"، رساله دکتری، دانشگاه تهران، دانشکده مدیریت.
27. سلیمانی، ا ، 1385،"ارزیابی توانمندی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و ارائه مدل مناسب ارزیابی" رساله دکتری، دانشگاه آزاد اسلامی، واحد علوم تحقیقات.
28. سلیمانی، غ ، نسبت های مالی و پیش بینی بحران مالی شرکت ها در بورس اوراق بهادار تهران، تحقیقات مالی، بهار و تابستان 82، سال 5، شماره15 ، صص121-136.
29. شاه ولی زاده، ع ، کاربرد مدل زمیجوسکی در تعیین ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد اراک، سال 85.
30. شباهنگ، ر،1387، "مدیریت مالی"، جلد اول، چاپ پنجم، انتشارات سازمان حسابرسی، نشریه 92.
31. شقاقی نژاد، ف ، 1382، "مقررات ورشکستگی در ایران"، مجله حسابدار، سال نهم.
32. طالب نیا، ق ،و آزیتا جهانشاد، ، شاهی، پنجه، ارزیابی کارایی متغیرهای مالی و متغیرهای اقتصادی در پیش بینی بحران مالی شرکتها ( مطالعه شرکتهای پذیرفته شده در بورس اوراق بهادار تهران)، 1388، بررسی های حسابداری و حسابرسی، 16، 55، 67-84.
33. عسگری، ح، 1387، " بررسی کارایی الگوهای اسپرینگیت، زاوگین و فولمر درپیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اورافق بهادار تهران"، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران مرکزی.
34. علمشاهی، الف،1386،" بررسی توان پیش بینی مدل زاوگین و رویکرد ارزشیابی نسبی جهت ارزیابی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران"، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد تهران مرکزی.
35. علی خانی، م، 1385، "ارزیابی مدلهای ورشکستگی در بورس اوراق بهادار تهران"، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات.
36. غلامعلی، غ،1384، " بررسی تطبیقی شاخص پیش بینی توقف ورشکستگی آلتمن و نسبت های مالی معین در پیش بینی عدم تادیه تسهیلات اعطایی"، پایان نامه کارشناسی ارشد، موسسه عالی بانکداری، بانک مرکزی ج.ا.ا.
37. فرج زاده دهکردی، ح ، 1386، "کاربرد الگوریتم ژنتیک در مدل بندی پیش بینی ورشکستگی"، پایان نامه کارشناسی ارشد، دانشگاه تربیت مدرس، دانشکده علوم انسانی.
38. قالیباف اصل، ح، 1387، " مدیریت مالی"، چاپ پنجم، انتشارات پوران پژوهش.
39. کمیته تدوین استانداردهای حسابداری، 1386، "استانداردهای حسابداری"، تهران، سازمان حسابداری، چاپ ششم.
40. کمیته تدوین استانداردهای حسابداری، 1386، "استانداردهای حسابداری"، تهران، سازمان حسابداری، چاپ ششم.
41. کمیجانی، اکبر، سعادت فر، جواد، کاربرد مدل های شبکه عصبی در پیش بینی ورشکستگی اقتصادی شرکت های بورس، دو فصلنامه علمی پژوهشی جستارهای اقتصادی، پائیز و زمستان 85، سال سوم، شماره 6.
42. گجراتی، د. و حمید ابریشمی، 1383،" مبانی اقتصادسنجی"، جلد دوم، انتشارات دانشگاه تهران.
43. لانگمن هندی لرنز، دیکشنری، 1386، تهران، موسسه کتاب آراد.
44. لعل بار، ع، 1388، حسابداری مالی، قم، نشر رادنگار.
45. مسیح آبادی، ا، واحدیان، میثم، کارایی شرکتها بر مبنای تکنیک تحلیل پوششی داده ها و توانایی پرداخت بدهی در سررسید، تحقیقات حسابداری، 1388، 1، 4.
46. معتمدالشریعتی، ن ، 1380،"تاثیر تجربه بر استفاده از شواهد نامربوط در قضاوت حسابرسان از تداوم فعالیت"، پایان نامه کارشناسی ارشد، دانشگاه علامه طباطبایی، دانشکده حسابداری و مدیریت.
47. مکیان، س، آلمدرسی، سید محمد تقی،کیزمی تکلو، سلیم، مقایسه مدل شبکه های عصبی مصنوعی با روش رگرسیون لجستیک و تحلیل ممیزی در پیش بینی ورشکستگی شرکتها، 1389، فصلنامه پژوهشهای اقتصادی، 10، 2، 141-161.
48. موسوی شیری، م، محمدرضا طبرستانی، ،پیش بینی درماندگی مالی شرکتها با استفاده از تحلیل پوششی داده ها، تحقیقات حسابداری، 1388،1، 2.
49. مومنی، م، 1386،" تحلیلهای آماری با استفاده از SPSS "، چاپ اول، انتشارات کتاب نو.
50. مهرانی، س ، مهرانی، کاوه، منصفی، یاشار، کرمی، غلامرضا، بررسی کاربردی الگوهای پیش بینی ورشکستگی زیمسکی و شیراتا در شرکتهای پذیرفته شده در بورس اوراق بهادار، 1384، بررسی های حسابداری و حسابرسی، 12، 41، 131-105
51. مهرگان، م، (1383)، مدل های کمی در ارزیابی عملکرد سازمان ها(تحلیل پوششی داده ها)، تهران: انتشارات دانشکده مدیریت دانشگاه تهران.
52. نادری، س، و سیف نراقی، 1375،"روش های تحقیق و چگونگی ارزشیابی آن در علوم انسانی"، تهران، دفتر تحقیقات و انتشار بدر، چاپ سیزدهم.
53. نیکو مرام، ه. و همکاران،1381،"مبانی مدیریت مالی"، جلد اول، چاپ دوم، انتشارات ترمه.
54. وکیلی فرد، ح. و مسعود وکیلی فرد،1380،" مدیریت مالی"، جلد اول، انتشارات علمی فوج.
منابع لاتین:
1. Adnan Aziz. M & Humayon a.Dar, 2002,"Predicting Corporate Bankruptcy", Department of Economics, Loughborough University. UK.
2. Alteman.E.I, 2000,"predicting Financial Distress of Companies Revisiting the Z-Score and Zeta Models.
3. Altman, E.I, 1982, "Accounting Implications of Failure prediction Models". Journal of Accounting, Auditing, and Finance(fall), pp:4-19.
4. Altman,E.I, 1993,"Corporate Financial Distress and Bankruptcy:AComplete Guide to predicting and Avoiding Distress and Profiting from Bankruptcy". Second edition, John wiley and sons.
5. Altman. E.I, 1983,"Corporate Financial Distress- A Complete Guide to predicting, Acoiding and Dealing whit Bankruptcy, New York Wiley.
6. Anja Cielen, Iudo peters, Keon vornhoof, Bankruptcy prediction using a data envelopment analysis,16 April 2004, Euroupean Journal of Operational Research, Vol154, Issue 2, pp 526-532.
7. Beaver. W, 1966, "Financial Ratios as prediction of Failure".Journal of Accounting Research. Vol: 6(2),pp:179-192.
8. Buggakupta & Suntaree, 2003, "The Development of Thai DA Model in Predicting Failure of Thai listed Companies", pp:9-10.
9. Chen, Wei- Sen; Du, Yin- kua(2009). "using neural networks and data mining techniques for the financial distress prediction model". Expert systems with Application, 36, pp: 4075-4086.
10. Cheng Chi- Bin; Chen, Chin-Lung; Fu, Chung- jen(2006)."Financial distress prediction by a radial basis function network with Applicatons,51, pp: 579- 588.
11. Cho, Sungbin; Kim, jinh Wa; Ba, Jae kwon(2009)."An integrative model with subject weight based on neural network learning for bankruptcy prediction." Expert Systems with applications, 36, pp: 403-410.
12. Cindy Yoshiko Shirata 2002,"An attempt to Rate Companies Based on Bankuruptcy Prediction Model". Nihon University.
13. Cochran. James. Ali F. Darrat, Khaled Elkhal, 2006,"om Bankruptcy of internet Companies: An Emprical Inquiry", Journal of Business Research, Vol: 59. pp:1193-1200.
14. Deakin, E.B. (1972)," A discriminant analysis of predictors of Business Failure". Journal of Accounting Research, 10(1).
15. Etemadi, Hossein; Anvary Rostamy, Ali Asghar; Farajzadeh Dehkordi, Hassan(2009)."A genetic programming model for bankruptcu prediction: Empiricial evidence from iran".Expert Systems with Applications, 36, pp: 3199-3207.
16. Fulmer, Jouhn G, jr.,Moon, James E., Gavin, Thomas A., Erwin, Micheal J., 1984, " A Bankruptcy Classitication Model for Small Firms". Journal of Commerical Bank Lending, pp:25-37.
17. Gordon, Myron J, 1971,"Towarsd A Theory of Financial Distress". Journal of Finance, Vole 29. pp: 347-356.
18. Grice, John.Stephen, R. Ingram, 2001, "Tests of the generalizability of Altman bankruptcy prediction model". Journal of Business Research, Vol. 54.Iss.1.
19. Horrigan, J.O.(1968)," A short history of financial ratio analysis". The Accounting Review.
20. Hu, Yi- Chung(2008)." Incorporating a non- additive decision making method into multi- layer neural networks and its applications to financial distress analysis". Knowledge- Based Systems, 21, pp: 383- 390.
21. Hu, Yi-Chung (2009)."Bankruptcy prediction using ELECTRE- based single- layer perceptron". Neurocomputing, 72. pp:3150- 3157.
22. Lee, Yong- joo; Shin, kyung-Shik(2002)."A genetic algorithm application in bankruptcy prediction modeling". Expert systems with Applications.
23. Lin, Chia-liangs, 2007, "Validation of a Rolling- logit Model to Predict TSE Corporate Bankruptcy". Degree of doctor philosophy, Lynn University.
24. Mckee, T.E., & Greenstein, M. (2000), Predicting bankruptcy using recursive partitionhng and a realistically proportioned date set". Journal of forecasting, 19(3).
25. Min, Jae H; jeong chulwoo(2009)."A binary classification method for bankruptcy prediction". Expert systems with Applications, 36, pp: 5256-5263.
26. Ohlson, J. A. 1980. "Financial Ratios and the Probabilisic prediction of Bankruptcy." Journal of Accounting Research(spring)pp:109-131.
27. Premachandra, I.M. Gurmeet, Singh Bhabra Toshiyule, Sueyoshi, DEA as tool for bankruptcy assessment: A Comprative study with Logestic Regression technique, 2009, Euroupean Journal of Operational Research, Vol 193, pp412-424.
28. Premachandra. I.M; Bhabra, Gurmeet singh; Sueyoshi, Toshiyuki(2009)."DEA as a tool for bankryptcy assessment: A comparatice study with logistic regression technique". European journal of Operational Research, 193, pp: 412-424.
29. Quebec CA`s, 1987, "CA-Score, a warning System for small Business Failures", Bilanas, pp:29-31.
30. Tsakonas Athanasois; Dounias, George; Doumpos, Michael; Zopounidis, Constantin(2006). Bankruptcy prediction with neural logic networks by means of grammer- guided genetic programming Expert System with Applicatios, 30, pp: 449-461.
31. Tseng, Fang- Mei; Hu Yi- Chung (2010)."Comparing four bankruptcy prediction models: Logit, quadratic interval logit, neural and fuzzy neural networks". Expert Systems with Applications, 37,pp: 1846-1853.
32. Whitaker, R. 1999, "The Early Stays of Financial Distress". Journal of Economics and Finance, Vol 23, pp:122-133.
33. Wu, Desheng(Dash); Liang, Liang; Yang, Zijiang(2008). "Analyzing the financial distress of Chinese public Companies using probabilistic neural networks and multivariate discriminate analysis". Socio- Economic planning Sciences, 42, pp: 206-220.
34. Xu, Xiaoyan; Wang Yu(2009). "Financial failure prediction using efficiency as a preditor". Expert System with Applications, 36,pp:366-373.
35. Yeh, Ching-Chiang, Chi, Der-Jang, Hsu, Ming-Fu, A hybrid approach of DEA, rough set and support vector machines for business failure prediction, 2010, Expert Systems with Applications,vol 37,pp1535-1541.
36. Zavgren, C. 1983."The prediction fo Corporate Failure: The State of the Art. " Journal of Accounting Literature, Vol: 2, pp: 1-38.
37. Zhang, Guoqiang; Y. Hu, Micheal; Patuwo, B. Eddy; C.indro, Daniel(1999)."Artificial neural networks in bankruptcy prediction: General framework and cross- validation analysis". European journal of Operational Research, 166, pp: 16-32.
38. Zmijewski, M. E. 1984. Methodological Issues Related to the Estimation of Financial Distress Prediction Models, Journal of Accounting Research, Vol: 24(Supplement), pp: 59-82.
Islamic Azad University
Arak Branch
Faculty of Management-Department of ———–
((M.A)) Thesis
Subject:
Investigating The effect of Publishing the different percentages of stock dividends on return of stocks of the SEC (Tehran Securities and Exchange commissions
Thesis Advisor:
————— Ph.D.
Consulted by:
—————— Ph.D.
By:
——————
Autumn 2010
1- Beaver, 1966,p71
2- Ohlson, 1980,p109
3- Zmijewski, 1984,p22
4-Shirata,1998,p429
5- DEA
6- Working Capital / Total Assets
7- Earning Before Interest and Tax, EBIT
8 -Earning Before Interest and Tax / Total Assets
9 -Earning Before Tax / Current Liabilities
10 -Current Assets / Current Liabilities
11- Sale / Total Assets
12-Total Debt / Total Assets
2- Net income / Total Assets
3-Funds provide by operation / Total Liabilities
4-Gross National Product, GNP
16 -Adnan,2002
17 -Financial Distress
18-longman, 2007
19- Gordon, Myron J, 1971
20- Whitaker, R. 1999
21 -Technical Default
22 -Failure
23 -Insolvency
24 -Default
25 -Bankruptcy
26 . Nyoton,1998
27 -Branch,2002
1-Nyoton,1998
3-Jonah Aiyabei
28 -Laportal
29 -Lopez
30 -De-silanse
31 -Shleifer
32 -Vishny
33 -Classens
34 -Djanko
35 -Klapper
1 – www.Irbourse.com
2 – www.seo.ir
1-Net Asset Value
39 -Webster
40 -Making Decision
41 -Going concern Assumption
42 -American Institute of Certified public Accountants
43- Bowlin, 2002
44- Beaver, 1966
45- Altman, 1968
46-Altman, 1983
47-(Z-Score
48-Altman & McGough, 1974
49-Altamn, 1993
50- Altman, 2000
51-dea kin,1972,p767
52- Springate, 1978
53- Ohelson, 1980
54- Zemijewski, 1984
55-Fulmer,1978
56- Quebec CA's, 1987
57- Geice, 2001
58- Zavgren, 1985
59- Cindy, 2002
60-Buggakupta & Suntaree, 2003
61 -intelligent Techniques
62 -Shin & Lee(2002)
63 -Artifiaial Neural Networks(ANN)
64 -Decision Tree
65 -Genetic Algorithm(GA)
66 -Fuzzy Set Theory
67 -Data Envelopment Analysis
68 -Case-based Reasoning
69 -Rough set theory
70 -Odem & Sharda (1990)
71 -saving & Loan institution
72 -Salchenberger. Et al(1992)
73 -Quadratic interval logit model
74 -Backpropagation multi-layer perceptron(MLP)
75 -Decision trees
76 -Recursive partitioning algorithm(RPA)
77 -Jones(1978); cited by Mckee & Greenstein (2000)
78 -Total Capitalization
79 -Quick Assets
80 -Frydman, et al(1985); cited by Ravi(2007)
81 -Mckee & Greenstein (2000)
82 -Survival of fittest
83 -Goldberg (1988), Cited by Min; et al(2009)
84 -Fuzzy set theory
85 -Ravi(2007)
86 -Rhoodes
87 -Shanghai Stock Exchange(SSE)
88 -Case-based Reasoning (CBR)
89 -Russel(2003)
90 -Park & Han(2002)
91 -Yip(2004)
92 -Rough set theory
93 -Pawlak
94 -Support vector machines(SVM)
95 -Vapnik
96 -Optimal separating hyperplane(OSH)
97 -Ravi (2007)
98 -Z-Score
99 -Alteman,E.I.. 1968,P591
100 – Springate, Gord,L.V.,1978,P128
101 -Ohlson,J.A,1980,p121
102 -Zimijewski Mark. E,1984, p 22
103 -Shirata Cindy Yoshiko,1998,p429
104 -Wallace Wanha A.,2004,P724
105 -Marvin, 1942
106 -Horrigan, J.O.,1968,P 289
107 -Knearest Neihtbor Mode (KNN)
108 -Multilayer perceptron(MLP)
109 -Self-Financing Capcity
110-Poump & Bildrick, 2005, p 50
111- Cochran, et al, 2006
112 -Context-free grammer
113- Tsakonas,2006,p30
114 -Radial basis function network (RBFN)
115- Cheng,2006,p580
116- Wu et al,2008,p206
117- Cheng Chi,2008,p383
118 -Data mining (DM)
119- Zhang& lin,2009,p3507
120 -Source Methods
121- Cho,2009,p403
122 -Electre
123- Hu,2009,p3150
124- Premachandra,2009,p412
125.Kruskal-Wallis
126 . Cumulative Logistic Function
127 . Odd ration
—————
————————————————————
—————
————————————————————
د
فهرست مطالب
عنوان صفحه
ک
فهرست جداول
عنوان صفحه
ص
فهرست نمودارها
عنوان صفحه
فهرست اشکال
عنوان صفحه
2
فصل اول …………………………………………………………………………………… کلیات تحقیق
22
فصل دوم ………………………………………………………………………. مروری بر ادبیات تحقیق
90
فصل سوم ………………………………………………………………………. روش اجرای تحقیق
99
فصل چهارم ………………………………………………………………………. تجزیه و تحلیل داده ها
139
فصل پنجم …………………………………………………………………….. نتیجه گیری و پیشنهادات
173
176
203
208