پیش‌بینی و شناسایی شرکت‎های با احتمال ورشکستگی بالا در بورس تهران (تحلیل متفاوتی از مدل‎ها)

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 239

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_DMOR-4-2_001

تاریخ نمایه سازی: 24 اسفند 1399

چکیده مقاله:

مقاله حاضر احتمال پیش‎بینی ورشکستگی شرکت‎ها با مدل‎های اسپرینگ، آلتمن، فولمر، زیمسکی و ژنتیک مک‌کی در بین شرکت‎های موجود در بورس تهران را به شکلی متفاوت نسبت به پژوهش‎های قبلی و با هدف معرفی شرکت‎هایی که احتمال ورشکستگی بالاتری با رویکرد مقایسه‎ای در بین مدل‎ها دارند مورد بررسی قرار داده است.برای دستیابی به این هدف 75 شرکت که مشمول ماده 141 قانون تجارت نیستند انتخاب گردید. داده‎های مورد نیاز برای دوره 10 ساله (86-95) جمع‎آوری شده است. با توجه به نتایج هر یک از مدل‎های فوق تعدادی شرکت به عنوان شرکت‎های با احتمال ورشکستگی بالا شناسایی شده و سپس شرکت‎هایی که در بیشتر این مدل‎ها به عنوان شرکت با احتمال ورشکسته معرفی شدند، تفکیک گردیدند. نتایج همچنین نشان می‎دهد که به استثنا مدل مک‎کی، در چهار مدل دیگر سه شرکت با احتمال ورشکستگی بالا قرار گرفتند و از بین این چهار مدل نیز، مدل زیمسکی ضریب تعیین بالاتری داشته، از این رو می‎توان گفت نسبت به سایر مدل‎ها جهت پیش‎بینی ورشکستگی دقت بیشتری داشته است و از بین نسبت‎های مالی، نسبت بدهی، گردش دارایی‎ها و بازده دارایی‎ها نقش مهمی در تعیین ورشکستگی شرکت‎ها دارند.

کلیدواژه ها:

نویسندگان

سید فخرالدین فخرحسینی

گروه حسابداری، واحد تنکابن، دانشگاه آزاد اسلامی، تنکابن، ایران.

امید آقایی میبدی

گروه مدیریت مالی، واحد ملارد، دانشگاه آزاد اسلامی، ملارد، 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 :
  • Panahi, H. Assadzadeh, A., & Jalili Marand, A. (1393). Predicting ...
  • Hosseini, S, M., & Rashidi, Z. (1392). Prediction of bankruptcy ...
  • Rahnamay Roodposhti, F. Alikhani, R., & Maranjori, M. (1388). Evaluation ...
  • Ghazanfari, M. Rahimi Kia, A. Askari, A. (1397). Predicting bankruptcy ...
  • Moghaddam, A., & Taqi Molla, M. (1392). Investigation of the ...
  • Nabavi Chashmi, S. A., Ahmadi, M., & Mahdavi Farahabadi, p. ...
  • Vazife Dust, h., & Zangane, T. (1394). Presentation of pridicting ...
  • Fulmer, J. G., Moon, J. E., Gavin, T. A., & ...
  • Inam, F., Inam, A., Mian, M. A., Sheikh, A. A., ...
  • Lu, A. J. (2017). EVA: An indicator of corporate bankruptcy? ...
  • Pozorska, J., & Scherer, M. (2018). Company bankruptcy prediction with ...
  • Ptak-Chmielewska, A., & Matuszyk, A. (2018). The importance of financial ...
  • Sudarsanam, S. K. (2016). A fuzzy neural network model for ...
  • Tian, Y., Yang, W., Lai, G., & Zhao, M. (2019). ...
  • نمایش کامل مراجع