ارزیابی توان پیش بینی مدل تعدیل شده آلتمن از مراحل درماندگی مالی نیوتن و ورشکستگی شرکتها
نویسندگان
چکیده مقاله:
ورشکستگی های اخیر در سطح ملی و بین المللی، وجود ابزارهای پیش بینی توان مالی شرکت ها را ضروری می سازد. یکی از ساده ترین و معروف ترین مدل های پیش بینی درماندگی مالی و تداوم فعالیت شرکت ها، مدل آلتمن است. این مدل در محیط اقتصادی دیگری طراحی شده و اجرای شکل تعدیل نشده آن در محیط ایران دارای خطای بالایی است. بنابراین این تحقیق ابتدا دقت مدل آلتمن را بدون تعدیل ضرایب، بررسی و سپس ضرایب مدل را متناسب با محیط مالی و اقتصادی ایران تعدیل و با طراحی الگویی ساده، تصمیم گیری برای کاربران اطلاعات مالی را تسهیل می کند. برای این منظور اطلاعات 112 شرکت تولیدی پذیرفته شده در بورس اوراق بهادار تهران، شامل 56 شرکت ورشکسته و 56 شرکت سالم برای یک دوره 17 ساله (1374- 1390) مورد مطالعه قرار گرفت. یافته ها نشان می دهد، مدل تعدیل نشده آلتمن بیش از 50 درصد شرکت های درمانده که در سال های قبل از ورشکستگی قرار دارند، و 18 درصد از شرکت های سالم را ورشکسته معرفی می کند. در حالی که الگوی تعدیل شده آلتمن، ورشکستگی شرکت ها را در سال ورشکستگی با دقت 95 درصد، و در مجموع مراحل درماندگی مالی در یک، دو و سه سال قبل از ورشکستگی، به ترتیب با دقت 63، 91 و 96 درصد پیش بینی می نماید.
منابع مشابه
ارزیابی توان پیش بینی مدل تعدیل شده آلتمن از مراحل درماندگی مالی نیوتن و ورشکستگی شرکت ها
ورشکستگی های اخیر در سطح ملی و بین المللی، وجود ابزارهای پیش بینی توان مالی شرکت ها را ضروری می سازد. یکی از ساده ترین و معروف ترین مدل های پیش بینی درماندگی مالی و تداوم فعالیت شرکت ها، مدل آلتمن است. این مدل در محیط اقتصادی دیگری طراحی شده و اجرای شکل تعدیل نشده آن در محیط ایران دارای خطای بالایی است. بنابراین این تحقیق ابتدا دقت مدل آلتمن را بدون تعدیل ضرایب، بررسی و سپس ضرایب مدل را متناسب...
متن کاملارزیابی توان پیش بینی مدل های ورشکستگی (مقایسه مدل های اولیه و تعدیل شده) ------دکتر غلامرضا کردستانی رشید تاتلی
این مقاله فاقد چکیده میباشد.
متن کاملپیش 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 ...
متن کاملیش بینی ورشکستگی شرکتها با استفاده از مدل لاجیت
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 1...
متن کاملپیش 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...
متن کاملبررسی 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...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 3 شماره 9
صفحات 83- 100
تاریخ انتشار 2014-01-10
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023