بررسی توانایی مدل پیشبینی ورشکستگی اهلسون در بورس اوراق بهادار تهران سالهای 1394-1384
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 695
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
OICONFERENCE01_123
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
با توجه به اهمیت روزافزون سلامت مالی شرکتها و اهمیت پیشبینی ورشکستگی آنها، استفاده از مدلهای پیشبینی ورشکستگی بیش از پیش مورد توجه است. یکی از مدلهای پرکاربرد پیشبینی ورشکستگی در بسیاری از شرکتهای بینالمللی، مدل پیش ورشکستگیاهلسون است. سهولت کاربرد، جامعیت و درک ساده، از جمله دلایل استفاده از این مدل ورشکستگی میباشد. هدف این پژوهش، بررسی دقت مدل اهلسون در پیشبینی ریسک ورشکستگی شرکتهای عضو بورس اوراق بهادار تهران است. بدین منظور سعی شده است از یک نمونه آماری گسترده که شامل 581 شرکت عضو بورس اوراق بهادار تهران است، در خلال سالهای 5981الی 5931 ، استفاده شود. در این پژوهش، در مرحله اول، دقت مدل کلاسیک اهلسون، بدون تعدیل ضرایب و متغیرهای مستقل، مورد بررسی قرار گرفته است. در مرحله دوم، تلاش شده است با استفاده از روش رگرسیون پلکانی، متغیرهای موجود در این مدل تعدیل گردند و سپس با استفاده از مدلهای تعدیل شده، قدرت پیشبینی این مدلها مورد مطالعه قرار گیرد. نتایج پژوهش نشان میدهد دقت مدلهایتعدیل شده به شکل قابل توجهی نسبت به دقت مدل کلاسیک، برای پیش بینی ریسک ورشکستگی در یک سال و دو سال پیش از ورشکستگی، بیشتر است. لیکن مدل تعدیل شده برای پیشبینی ریسک ورشکستگی، سه سال پیش از وقوع آن، دارای دقت کمتری نسبت به مدل کلاسیک آن است. اما نکته قابل توجه در استفاده از مدلهای تعدیل شده، کاهش چشمگیر تعداد متغیرهای مورد استفاده برای برآورد ریسک ورشکستگی میباشد.
کلیدواژه ها:
نویسندگان
احمدرضا پورقادی
استادیار و عضو هیئت علمی دانشکده مهندسی صنایع دانشگاه عبدالله گل ترکیه، کایسری
ابراهیم صدرالدین
کارشناس ارشد مدیریت مالی، دانشگاه اصفهان
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 :