بررسی توانایی شاخص های حسابداری و غیرحسابداری موثر بر پیش بینی درماندگی مالی و مقایسه روشهای پارامتریک و ناپارامتریک

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 414

فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEMRA-9-2_003

تاریخ نمایه سازی: 6 خرداد 1399

چکیده مقاله:

هدف این تحقیق، بررسی توانایی شاخصهای حسابداری و غیرحسابداری موثر بر پیش بینی درماندگی مالی و مقایسه روشهای پارامتریک و ناپارامتریک است. بدین منظور اطلاعات 211 سال-شرکت درمانده منتخب بر اساس معیارهای خاص درماندگی و 211 سال-شرکت سالم پذیرفته شده در بورس اوراق بهادار تهران در فاصله بین سالهای 1384 الی 1393 مورد استفاده قرار گرفته است. در این مطالعه از 32 شاخص حسابداری و 20 شاخص غیرحسابداری به همراه دو روش پارامتریک شامل روشهای رگرسیون لوجستیک و تحلیل ممیزی چندگانه و هفت روش ناپارامتریک شامل ماشین بردار پشتیبان، شبکه عصبی مصنوعی، درخت تصمیم (با 4 الگوریتم) و شبکه بیزین جهت پیش بینی درماندگی مالی استفاده گردیده است. نتایج تحقیق نشان می دهد مدلهای مستخرج از شاخصهای حسابداری به طور معنی داری نسبت به مدلهای مبتنی بر شاخصهای غیرحسابداری از دقت پیش بینی بالاتری برخوردارند و اضافه نمودن شاخصهای غیرحسابداری به مدلهای مبتی بر شاخصهای حسابداری، قدرت پیش بینی آنها را به طور معنی داری افزایش نمی دهد. همچنین، علیرغم بالاتر بودن میانگین توانایی پیش بینی روشهای ناپارمتریک نسبت به روشهای پارامتریک، این تفاوت از نظر آماری معنی دار نیست.

نویسندگان

ساسان مهرانی

دانشیار گروه حسابداری، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

یحیی کامیابی

دانشیار گروه حسابداری، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، بابلسر، ایران

فرزاد غیور

دانشجوی دکتری حسابداری، دانشکده علوم اداری و اقتصادی، دانشگاه مازندران، بابلسر، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alizadeh, S. & Malek Mohamadi, S. (2012). Data mining & ...
  • Bredart, X. (2014). Financial Distress and Corporate Governance around Lehman ...
  • Chen, M. Y. (2011). Predicting corporate financial distress based on ...
  • Chi, X. , Lou, C. , & Yu, X. (2011). ...
  • Esmaeilzadeh Mogheri, A. & Shakeri, H. (2015). Financial distress prediction of ...
  • Etemadi, H. , Anvari Rostamy, A. A. , & Dehkordi, ...
  • Gestel, T. V. , Baesens, B. , Suykens, J. , ...
  • Hu, H. , & Sathye, M. (2015). Predicting Financial Distress ...
  • Jantadej, P. (2006). Using the combinations of cash flow components ...
  • Khalifeh soltani, S. A. & Esmaili, F. (2014). Business Cycle ...
  • Kubíčková, D. & Nulíček, V. (2016). Predictors of Financial Distress ...
  • Lee, M. (2015). Comparision of Wavelet Network and Logistics Regression ...
  • Liu, Z. J. & Wang, Y. S. (2016). Corporate failure ...
  • Mansourfar, Gh. Ghayour, F. & Lotfi, B. (2015). The Ability ...
  • Mohseni, R. Agha babee, R. & Mohammad Ghorbani, V. (2013). ...
  • Mokhatab Rafiei, F. , Manzari, S. M. , & Bostanian, ...
  • Moradi, M. Shafiee Sardasht, M. & Ebrahimipour, M. (2012). Bankruptcy ...
  • Opler, T. , & Titman, S. (1994). Financial Distress and ...
  • Raie, R. & Fallahpour, S. (2009). Support vector machines application ...
  • Sadeghi, H. Rahimi, P. & Salmani, Y. (2014). The effect ...
  • Shleifer, A. , & Vishny, R. W. (1997). A survey ...
  • Xu, X. , & Wang, Y. (2009). Financial Failure Prediction ...
  • Zohra, K. F. , Mohamed, B. , Elhamoud, T. , ...
  • نمایش کامل مراجع