بررسی دقت مدل های پیش بینی ورشکستگی ) مدل های آلتمن، شیراتا، اهلسون، زمیسکی، اسپرینگیت، سی ای اسکور، فولمر، ژنتیک فرج زاده و ژنتیک مک کی ( در بورس اوراق بهادار تهران
Authors
Abstract:
یکی از روش های پیش بینی تداوم فعالیت شرکتها، استفاده از الگوهای پیش بینی بحران مالی است. در این راستا پژوهش حاضر به بررسی درجه کارآمدی مدل های آلتمن، شیراتا، اهلسون، زمیسکی، اسپرینگیت، سی ای اسکور، فولمر، ژنتیک فرج زاده و ژنتیک مک کی در واقعی بودن نتایج پیش بینی ومقایسه کارآمدی و نتایج پیش بینی مدلها با یکدیگر و همچنین تعدیل ضرایب و تعیین قدرت پیش بینی ورشکستگی آنها در شرکت های پذیرفته شده در بورس اوراق بهادار تهران می پردازد. تحقیق حاضر مطالعه ای کاربردی است. در این تحقیق از روش استنتاج تحلیلی (استقرایی) و طرح تحقیق پس رویدادی (توصیفی- تحلیلی مبتنی بر تجارب گذشته) استفاده شد. نتایج حاصل از آزمون فرضیه اول نشان داد که الگوهای پیش بینی بحران مالی زمیسکی، اسپرینگیت، سی ای اسکور، ژنتیک فرج زاده و ژنتیک مک کی توانایی پیش بینی تداوم فعالیت شرکت های پذیرفته شده در بورس اوراق بها دار تهران را دارند. فرضیه دوم نیز مورد تأیید قرار گرفت به این ترتیب که مدلهایی که با استفاده از تکنیک های هوش مصنوعی (الگوریتم ژنتیک) مدل سازی شده بودند، نسبت به مدلهایی که با استفاده از تکنیک های آماری مدل سازی شده بودند (مدل های کلاسیک) ، در پیش بینی ورشکستگی از قابلیت بیشتری بر خودار بودند.
similar resources
ارائه مدل ریاضی پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران
در این مقاله پنج مدل مهم پیشبینی ورشکستگی را مطالعه و از میان متغیرهای پنج مدل، مدل بازطراحی شده پیشبینی ورشکستگی را ارائه میکنیم که دربرگیرنده هشت متغیر میباشد. مسأله اصلی در این تحقیق این است که با بررسی و تحلیل صورتهای مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران بتوانیم مدلی برای پیشبینی ورشکستگی شرکتها ارائه نماییم. به منظور طراحی مدل، از اطلاعات دو گروه از شرکتهای پذیرفت...
full textبررسی کاربرد مدل های پیش بینی ورشکستگی آلتمن و فالمر در شرکت های پذیرفته شده در بورس اوراق بهادار تهران
پیش بینی ورشکستگی یکی از موضوعات اصلی طبقه بندی شرکت هاست. مالکان، مدیران، سرمایه گذاران، اعتباردهندگان، شرکای تجاری و همچنین موسسات دولتی علاقمند به ارزیابی وضعیت مالی شرکت هستند زیرا در صورت ورشکستگی هزینه های زیادی به آنها تحمیل می شود.امروزه مدل های مختلفی برای پیش بینی ورشکستگی مورد استفاده قرار می گیرد. هدف این مطالعه،ارائه مبانی تئوریکی تحقیق و مقایسه نتایج حاصل از به کارگیری مدل های آلت...
full textبررسی کاربرد مدل های آلتمن واسپرینگیت در پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادارتهران
سرمایه گذاران همواره می خواهند با پیش بینی امکان ورشکستگی یک شرکت از ریسک سوخت شدن اصل و فرع س رمایهخود جلوگیری کنند چون در صورت ورشکستگی قیمت اوراق بهادار به شدت کاهش می یابد از این رو در پی روش هاییهستندکه بتوانند بدان وسیله ورشکستگی را پیش بینی کنند، همچنین یکی از موضوعات مطرح شده در زمینه مدیریت مالی،سرمایه گذاری واطمینان به سرمایه گذاری می ب اشد واز مسایلی که می تواند به نحوه تصمیم گیری در...
full textمقایسه قدرت پیش بینی الگوهای ورشکستگی زاوگین ،زیمسکی و شیراتا در شرکت های پذیرفته شده در بورس اوراق بهادار تهران
full text
مقایسه کارآیی مدل z امتیازی آلتمن و مدل مبتنی بر جریان های نقدی در پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
هدف این تحقیق پیشبینی ورشکستگی شرکتها با استفاده از مدل Z امتیازی آلتمن و مقایسه کارایی آن با مدل مبتنی بر نسبت جریانهای نقدی است. برای این منظور، از طیفی از نسبتهای مالی مورد نظر در مدل آلتمن و نسبت جریان نقدی بهعنوان متغیرهای پیشبینی کنندهی درماندگی مالی شرکتها استفاده شد. یافتههای تحقیق نشان داد که در مدل آلتمن معرفی شده ارتباط بین نسبت جریانهای نقدی عملیاتی به فروش با ورشکستگی غیر...
full textکاربرد الگوریتم ژنتیک در پیش بینی ورشکستگی و مقایسه آن با مدل z آلتمن در شرکت های پذیرفته شده در بورس اوراق بهادار تهران
پیشبینی ورشکستگی یکی از موضوع های اصلی طبقه بندی ورشکستگی شرکت ها است. سرمایه گذاران، مالکان، مدیران، اعتباردهندگان و مؤسسات دولتی علاقه مند به ارزیابی وضعیت مالی شرکت هستند؛ زیرا درصورت ورشکستگی هزینه های زیادی به آن ها تحمیل می شود. امروزه مدل های مختلفی برای پیشبینی ورشکستگی مورد استفاده قرار می گیرد. این پژوهش درصدد پیشبینی ورشکستگی شرکت-های پذیرفته شده در بورس اوراق بهادار تهران با استف...
full textMy Resources
Journal title
volume 2 issue 7
pages 128- 140
publication date 2010-09-23
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023