پیش بینی درماندگی مالی بر مبنای الگوی ترکیبی از اطلاعات حسابداری و بازار با رویکرد رگرسیون لجستیک

Authors

Abstract:

از آنجا که اطلاعات بازار و ارزش جاری داراییهای شرکت، هشدار مهمی در مورد وضعیت فعلی شرکت و حتی انتظارات نسبت به وضعیت آن در آینده است، استفاده از مدلی که تنها متکی بر داده های حسابداری نبوده و از اطلاعات بازار نیز جهت پیش بینی درماندگی مالی استفاده کند، ضروری به نظر می رسد و با توجه به پیامدهای نامطلوبی که درماندگی مالی برای شرکت ها، اقتصاد کشور و نهادهای پولی و مالی به همراه دارد، استفاده از روشهایی که بتواند وقوع ناتوانی مالی را پیش بینی نموده و از هدر رفتن ثروت جلوگیری نماید از اهمیت ویژه ای برخوردار است. با این اهمیت، هدف مقاله بررسی و برآورد الگوی مناسبی از اطلاعات حسابداری و بازار برای پیش بینی درماندگی مالی می باشد. بدین منظور تعداد سیزده متغیر که شامل هشت متغیر حسابداری و پنج متغیر بازار می باشد برای تعیین درماندگی مالی مورد استفاده قرار گرفت. روش آماری مورد استفاده در پژوهش حاضر رگرسیون لجستیک و دوره زمانی از 1383تا 1392 می باشد، در این دوره اطلاعات 104 شرکت پذیرفته شده در بورس اوراق بهادار تهران (1040 شرکت- سال) شامل40 شرکت درمانده و 64 شرکت غیردرمانده استفاده شد و نتایج نشان دهنده تایید فرضیه تحقیق در سطح اطمینان 95% می باشد. با توجه به نتایج تحقیق می توان گفت که ترکیبی از اطلاعات حسابداری و بازار، توانایی پیش بینی کنندگی درماندگی شرکت ها را داشته و باتوجه به بررسی تداوم فعالیت شرکت ها می تواند موجب ارتقاء کیفی تصمیم گیری سهامداران و ذینفعان گردد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی ریسک درماندگی مالی شرکت‌های بورس اوراق بهادار تهران با استفاده از مدل‌های تحلیل عاملی، درخت تصمیم و رگرسیون لجستیک

این پژوهش درصدد است تا با استفاده از مدلهای درخت تصمیم و رگرسیون لجستیک به پیش­بینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران بپردازد. برای این منظور 33 نسبت مالی در افق زمانی 5 ساله مورد بررسی قرار گرفته است، از سوی دیگر، جهت کاهش بعد داده ها و یافتن الگوی ارتباط درونی مجموعه متغیر ها، از مدل تحلیل عاملی استفاده شده است و متغیر ها با توجه به میزان ارتباط شان با درماندگی مالی...

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

پیش‌بینی درماندگی مالی شرکت‌های پذیرفته شده در فرابورس و بورس اوراق بهادار تهران با استفاده از رگرسیون لجستیک لاسو

هدف این مقاله، کشف درماندگی مالی بالقوه و هشدار زودهنگام درماندگی مالی قریب‌الوقوع شرکت‌های پذیرفته شده در فرابورس و بورس اوراق بهادار است. بدین منظور، دامنه گسترده‌ای از ویژگی‌ها از جمله متغیرهای حسابداری تعهدی، حسابداری نقدی، بازار سهام، مکانیسم‌های حاکمیت شرکتی و شاخص‌های اقتصاد کلان برای پیش‌بینی درماندگی مالی شرکت‌های نمونه شناسایی شده‌اند. نمونه نهایی شامل 421 شرکت و در نتیجه، 3670 شرکت-س...

full text

سودمندی اطلاعات حسابداری نسبت به اطلاعات بازار در پیش بینی ورشکستگی

سودمندی اطلاعات حسابداری همواره به عنوان یکی از دغدغه‌های استاندارد گذاران مطرح بوده است؛ به طوری که مفاهیم نظری هدف اصلی از گزارشگری مالی را ارائه اطلاعاتی سودمند در تصمیم‌گیری می‌داند. پیش‌بینی ورشکستگی یکی از حوزه‌هایی است که تاکنون پژوهشگران بسیاری به بررسی سودمندی اطلاعات حسابداری در آن پرداخته‌اند. با‌این‌حال، به منظور درک موقعیت فعلی سودمندی این منبع اطلاعاتی لازم است تا توان پیش‌بینی آن...

full text

توانایی ماشین بردار پشتیبان در پیش بینی درماندگی مالی

درماندگی مالی پیش از ورشکستگی مالی رخ می‌دهد و پیش بینی موثر آن یک مسئله‌ی مهم و چالش برانگیز برای شرکت‌ها می‌باشد. تحقیق حاضر به پیش بینی درماندگی مالی در قالب مدل ماشین بردار پشتیبان و با استفاده از ترکیبات جریان نقد می‌پردازد. اهمیت ابزارهای داده کاوی، و توانایی این ابزارها در پیش بینی و طبقه بندی متغیرها، استفاده از آن‌ها را در مباحث مختلف مالی از جمله پیش بینی ورشکستگی، پیش بینی درماندگی م...

full text

پیش بینی درماندگی مالی شرکتها با استفاده از شبکه های عصبی مصنوعی

درماندگی مالی،ورشکستگی، هزینه های زیادی به همراه دارد که به اقتصاد یک کشور صدمه وارد می کند. یکی از راه هایی که می تواند به جلوگیری از درماندگی مالی کمک شایان توجهی کند، پیش بینی درماندثی مالی الست. در این پژوهش، با استفاده از شبکه های عصبی مصنوعی (ANN)، به پیش بینی درماندگی مالی شرکت های تولیدی پرداخته شده است. مرور جامعی از مدل های پیش بینی درماندگی مالی، شبکه های عصبی مصنوعی نیز ارایه شده ...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 14  issue 55

pages  145- 168

publication date 2017-09-23

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