یش بینی ورشکستگی شرکتها با استفاده از مدل لاجیت

Authors

  • سیدعلی نبوی چاشمی عضوهیات علمی دانشگاه آزاد اسلامی واحد بابل
  • صادق مهدوی فرح آبادی مدرس دانشگاه آزاد اسلامی واحد بابل
  • موسی احمدی عضو هیات علمی دانشگاه آزاد اسلامی واحد ابهر
Abstract:

یکی از ابزارهای مورد استفاده برای تصمیم به سرمایه گذاری در یک شرکت، مدلهای پیش بینی ورشکستگی است. هدف از این تحقیق ارائه بهترین مدل ورشکستگی شرکتها در ایران است. برای این منظور از مدل لاجیت استفاده شد و مدلی جهت پیش بینی ورشکستگی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران ارائه گردیده است.  جامعه آماری برای انجام تحقیق شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی از سال 1382 تا 1386 می باشد. برای انجام تحقیق ابتدای نمونه ای شامل 40 شرکت متشکل از 20 شرکت ورشکسته و 20 شرکت غیر ورشکسته انتخاب گردیده است به منظور طراحی مدل ابتدا از 9 نسبت مالی استفاده شد. بر اساس نتایج تحقیق، مدل لاجیت با متغیرهای توضیحی سرمایه در گردش بر کل دارایی، دارایی جاری بر بدهی جاری و سود ناویژه بر  فروش که به ترتیب نسبتهای نقدینگی، نقدینگی و سودآوری می باشند، بیشترین قدرت پیش بینی را نسبت به ورشکستگی شرکتها در ایران دارا می باشند. دقت پیش بینی مدل برای سال ورشکستگی 5/87درصد و برای یک سال قبل از ورشکستگی 5/72درصد و برای دو سال قبل 5/52درصد می باشد. بنابراین تحقیق حاضر نشان می دهد که روند ورشکستگی شرکتها در ایران، یک فرآیند تدریجی و درازمدت نیست، بلکه شرکتها تحت تأثیر نوسانات اقتصادی و متغیرهای سیاستی، در کوتاه مدت، دچار ورشکستگی می گردند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی ورشکستگی شرکتها با استفاده از مدل لوجیت

هدف اصلی این مقاله آزمون تجربی توانایی استفاده از نسبتهای مالی برای پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با بهره گیری از مدل لوجیت و متغیرهای مورد استفاده جوها نام بوده است. جامعه آماری شامل دو گروه مشمول ماده 141 قانون تجارت و عدم مشمول این قانون است. گروه مشمول ماده 141 قانون تجارت به شرکتهایی اطلاق می­شود که زیان انباشته آنها حداقل نیمی از سرمایه آنها باشد. گروه د...

full text

پیش‌بینی ورشکستگی شرکتها با استفاده از مدل لوجیت

هدف اصلی این مقاله آزمون تجربی توانایی استفاده از نسبتهای مالی برای پیش‌بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با بهره‌گیری از مدل لوجیت و متغیرهای مورد استفاده جوها نام بوده است. جامعة آماری شامل دو گروه مشمول مادة 141 قانون تجارت و عدم مشمول این قانون است. گروه مشمول مادة 141 قانون تجارت به شرکتهایی اطلاق می­شود که زیان انباشته آنها حداقل نیمی از سرمایه آنها باشد. گروه د...

full text

پیش بینی ورشکستگی با استفاده از مدل لاجیت باینری

با توجه به کاربرد متداولتر مدل های آماری کلاسیک نظیر مدل لاجیت در پیش بینی ورشکستگی در مقایسه با مدل های هوش مصنوعی؛ به دلیل سهولت در استفاده ی آن ها؛ در این پژوهش با انتخاب 30 نسبت مالی به مقایسه عملکرد مدل لاجیت با دو مدل آماری کلاسیکِ تحلیل تمایزی چندگانه و پروبیت در محیط اقتصادی ایران در بازه زمانی 11 ساله (1381-1391) پرداخته شد. نتایج این پژوهش حاکی از آن است که مدل لاجیت قدرت پیش بینی بهتر...

پیش بینی ورشکستگی شرکتها با استفاده از شبکه های عصبی

پژوهش حاضر به مطالعه پیش بینی ورشکستگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران به وسیله شبکه های عصبی مصنوعی می پردازد. بهترین نسبت های مالی پیش بین در پژوهش های صورت گرفته در پیشینه موضوع به عنوان ورودی شبکه های عصبی انتخاب شده اند. شبکه عصبی به کار گرفته شده در این پژوهش از نوع پرسپترون چند لایه می باشد که به روش الگوریتم پس انتشار خطا آموزش دیده اند، و شامل شبکه عصبی پیشخور سه ل...

15 صفحه اول

پیش بینی ورشکستگی مالی با استفاده از مدل لوجیت مرکب

برای پیش بینی ورشکستگی مالی روش های متعددی وجود دارد. یکی از این روش ها ، روش های آماری یا به عبارت بهتر، روش های اقتصادسنجی است. چون متغیر وابسته، یعنی ورشکسته شدن و ورشکته نشدن، متغیری گسسته و کیفی است، باید از مدل های گسسته برای پیش بینی استفاده کرد. در این مطالعه، از روش لوجیت مرکب استفاده شده است که یکی از روش های انعطاف پذیر در مدل های گسسته است . اساس این مدل ، تابع مطلوبیت تصادفی با ضرا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 2  issue 5

pages  55- 79

publication date 2010-12-22

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