منبع پایان نامه درمورد درماندگی مالی، ورشکستگی، ارزش بازار، ارزش بازار سهام

دانلود پایان نامه ارشد

نسبت‌های فعالیت (گردش) و نسبت‌های سود خالص. مدل بیور در صورت وجود شرایط برابر در موارد دیگر، مبتنی بر 4 مفهوم بود. نخست اینکه، هرچه دارائی‌های نقدشونده یک شرکت بیشتر باشد، احتمال درماندگی مالی آن کمتر است. دوم اینکه، هرچه خالص جریان نقدی حاصل از عملیات بیشتر باشد، احتمال درماندگی مالی کمتر است. سوم اینکه، هرچه میزان بدهی در شرکت بیشتر باشد احتمال درماندگی مالی بیشتر است. و آخر اینکه، هرچه نیاز به نقدینگی برای تأمین هزینه‌های عملیاتی بیشتر باشد، احتمال درماندگی مالی بیشتر است.
بیور در پژوهش خود از یک نمونه 158تایی استفاده کرد که 79 مورد از آن‌ها شامل شرکت‌های درمانده مالی و 79 مورد دیگر شامل شرکت‌های سالم بود. بیور 30 نسبت یادشده را برای این شرکت‌ها محاسبه نمود. او نیز مانند محققان قبلی به این نتیجه رسید که این نسبت‌ها در شرکت‌های درمانده مالی و سالم با هم تفاوت دارند. او دریافت که توان پیشبینی برخی نسبت‌های مالی مشخص، بهویژه نسبت جریان نقدی به کل بدهی، در پیشبینی درماندگی مالی زیاد است.
تحقیقات او نشان داد که شرکت‌های درمانده مالی جریانات نقدی و دارایی‌های نقدشونده کمتری نسبت به شرکت‌های سالم دارند. مدل او قادر بود در 78 درصد موارد، پیشبینی درستی در 5 سال قبل از درماندگی مالی ارائه دهد. بهعلاوه بیور اعلام کرد که شرکت‌های درمانده مالی، توان کمتری در انجام تعهدات خود دارند و نسبت به شرکت‌های سالم، تمایل بیشتری به اخذ وام دارند (همان منبع).
ادوارد آلتمن58، در سال 1968 برای اولین بار اثر ترکیبات مختلف نسبت‌های مالی را برای پیشبینی درماندگی مالی شرکت‌ها بررسی کرد. آلتمن در این مطالعه از MDA استفاده کرد. مدلی که او بدست آورد و به « Z-Score» معروف است، هنوز به عنوان شاخصی برای سلامت مالی شرکت‌ها مورد استفاده قرار می‌گیرد. نظریه اصلی آلتمن این بود که مدل پیشبینی ورشکستگی او که از 5 نسبت مالی تشکیل می‌شود، می‌تواند برای تشخیص شرکت‌های ورشکسته از غیرورشکسته مورد استفاده قرار گیرد. او پیشنهاد کرد که از مدلش در ارزیابی اعطای وام‌های تجاری، فرآیندهای کنترل داخلی و بررسی گزینه‌های سرمایه‌گذاری استفاده شود (آلتمن، 1968).
آلتمن در ابتدای امر 22 متغیر (نسبت مالی) را مورد توجه قرار داد. این نسبت‌ها یا در مطالعات قبلی مورد توجه قرار گرفته بودند یا نسبت‌هایی بودند که خود آلتمن تصور می‌کرد شاخص مهمی برای درماندگی مالی باشند. آلتمن در این مطالعه از یک نمونه 66تایی استفاده کرد که به طور برابر به دو گروه ورشکسته و غیرورشکسته تقسیم شده بودند. گروه ورشکسته متشکل از شرکت‌های تولیدی بودند که در طول سال‌های 1946 تا 1965 اعلام ورشکستگی کرده بودند. میزان دارائی‌های شرکت‌های ورشکسته بین 7/0 میلیون دلار تا 9/25 میلیون دلار قرار داشت که متوسط آن 4/6 میلیون دلار بود. شرکت‌های ورشکسته که در سال 1946 هنوز پابرجا بودند نیز از همان دوره زمانی انتخاب شدند. میزان دارائی‌های این گروه بین 1 تا 25 میلیون دلار بود. آلتمن در مدل نهایی 5 نسبت را که به نظر می‌رسید برای پیشبینی ورشکستگی بیشترین اهمیت را داشته باشند انتخاب کرد.
مدل (Z-Score) آلتمن به صورت زیر است:
Z=0.012X_1+0.014X_2+0.033X_3+0.006X_4+0.999X_5
X_1= کل دارائیها / سرمایه در گردش
X_2= کل دارائیها / سود انباشته
X_3= کل دارائیها / سود قبل از بهره و مالیات
X_4=ارزش دفتری کل بدهیها / ارزش بازار سهام شرکت
X_5=کل دارائیها / فروش
Z= شاخص کل
اسپرینگیت در سال 1978 با استفاده از MDA مدلی را بر مبنای مدل آلتمن ارائه داد. مدل طراحی شده او به صورت زیر است:
Z=1.03X_1+3.07X_2+0.66X_3+0.4X_4
که در آن:
X_1=کل دارائیها / سرمایه در گردش
X_2= کل دارائیها / سود قبل از بهره و مالیات
X_3=بدهی جاری / سود قبل از مالیات
X_4=کل دارائیها / فروش
که دقت پیشبینی این مدل حدود 88 درصد بدست آمد.
شاکری (1382) مطالعه‌ای بر اساس مدل اسپرینگیت درمورد شرکت‌های ایرانی انجام داد. او در این مطالعه از همان ضرایب مدل اسپیرینگیت استفاده کرد که البته این کار با توجه به اینکه مطالعه اسپیرینگیت در یک کشور دیگر صورت گرفته است، نادرست به نظر می‌رسد.
البته او مدل دیگری را نیز با استفاده از رگرسیون چندگانه ارائه کرده است که در این مورد نیز باید گفت، از رگرسیون چندگانه در مسائلی از نوع دستهبندی استفاده نمی‌شود.
آلتمن (1983) مدل اولیه خود را که مربوط به سال 1968 بود مورد تجدید نظر قرار داد و به منظور بکارگیری آن درمورد شرکت‌های خصوصی (منظور شرکتهایی است که سهام آن‌ها در بازار مبادله نمی‌شود، مانند شرکت سهامی خاص)، وزن‌های دیگری را به هر یک از متغیرها اختصاص داد. یکی از محدودیت‌های مدل اولیه آلتمن این بود که برای استفاده از آن به قیمت سهام شرکت در بازار نیاز بود. در مدل تجدید نظر شده، ارزش دفتری سهام شرکت جایگزین ارزش بازار آن شد. نتایج این تحقیق نشان داد که این مدل فقط کمی نسبت به مدل اولیه قابلیت اعتماد کمتری دارد.
السون (1980) مدلی را با استفاده از فن لوجیت توسعه داد. هدف این مطالعه، ارائه 3 مدل برای پیشبینی درماندگی مالی تا 3 سال قبل از آن بود.
السون در ارتباط با مطالعات قبلی انجامشده با استفاده از MDA، 3 انتقاد را مطرح کرد. اولین انتقاد او درمورد پیش فرض آماری توزیع بود که به مدل تحمیل می‌شد. دومین انتقاد او این بود که امتیاز بدست آمده از MDA، امکان تفسیر زیادتری را فراهم نمی‌کند و سومین انتقاد او این بود که فرایندی که برای تطبیق شرکت‌های ورشکسته و غیرورشکسته استفاده می‌شود، فوایدی ندارد. تصور او این بود که با استفاده از تحلیل لوجیت می‌توان از این مشکلات اجتناب کرد.
السون در این پژوهش از 105 شرکت ورشکسته و 205 شرکت غیرورشکسته بین سالهای 1970 تا 1976 استفاده کرد. او 9 نسبت مالی را به عنوان متغیر مستقل به کار برد. 5 نسبت از این 9 نسبت مالی، در مطالعات قبلی نیز استفاده شده بودند. 2 متغیر دیگر تحت عنوان متغیرهای تصمیم اضافه شدند که در مورد اولی، در صورت بیشتر بودن میزان بدهیها از میزان دارائیها مقدار آن 1 و در غیر این صورت مقدار آن صفر در نظر گرفته می‌شد. متغیر دیگر براساس سود خالص سالهای قبل از ورشکستگی تعریف شد، به این ترتیب که اگر سود خالص 2 سال قبل از ورشکستگی منفی بود، مقدار این متغیر 1 و در غیر این صورت صفر در نظر گرفته می‌شد.
متغیرهای مستقلی که السون از آنها استفاده کرد، عبارت بودند از:
X_1=log⁡(ها دارائی کل/GNP-قیمت59 شاخص)
X_2= کل دارائیها / کل بدهیها60
X_3= کل داراییها / سرمایه در گردش
X_4=بدهیهای جاری / داراییهای جاری
X_5= کل دارائیها / درآمد خالص61
X_6= کل بدهیها / وجوه حاصل از عملیات62
X_7= اگر کل بدهیها بیشتر از کل دارائیها باشد، یک و در غیر آن، صفر
X_8=اگر درآمد خالص در دو سال گذشته منفی باشد، یک و در غیر آن، صفر
X_9=میزان تغییر در درآمد خالص
فریدمن، آلتمن و کااو63 اولین کسانی بودند که RPA را در مقایسه با تحلیل ممیز به کار بردند. در این مطالعه از اطلاعات 58 شرکت ورشکسته و 142 شرکت غیرورشکسته بین سالهای 1971 تا 1981 استفاده شد. در اولین مدل طراحی شده، از 9 متغیر استفاده شد که عبارت بودند از:
سود خالص به کل دارائیها
دارائیهای جاری به بدهیهای جاری
لگاریتم کل دارائیها
ارزش بازار سهام عادی به کل منابع تأمین مالی64
دارائیهای جاری به کل دارائیها
جریان نقدی به کل بدهیها
دارائیهای سریع65 به بدهیهای جاری
سود قبل از بهره و مالیات به کل دارائیها
لگاریتم ( پوشش هزینه بهره +15)
مدل دوم متشکل از 4 متغیر بود که عبارت بودند از:
سود خالص به کل دارائیها؛
دارائیهای جاری به بدهیهای جاری؛
لگاریتم کل دارائیها؛
ارزش بازار سهام عادی به کل منابع تأمین مالی.
دقت پیشبینی این مدل 90 درصد بود و عنوان شد بین این نسبتها، نسبت جریانات نقدی به کل بدهیها از همه با اهمیتتر است (فریدمن و همکاران، 1985).
مدل پیشبینی شبکههای عصبی مصنوعی(ANN)
اولین تلاش برای استفاده از شبکههای عصبی مصنوعی در پیشبینی ورشکستگی توسط اودوم و شاردا (1990) صورت گرفت. آنها در این مطالعه از یک شبکه پیشخور سه لایه66 استفاده کردند. نتایج مطالعات آنها نشان داد که شبکههای عصبی در مقایسه با تحلیل ممیز چندگانه از دقت و توان پیشبینی بیشتری برخوردارند.
سالچنبر، سینار و لش67 (1992) مطالعهای را در زمینه پیشبینی درماندگی مالی موسسات مالی و اعتباری68 با استفاده از شبکههای عصبی مصنوعی انجام دادند و نتایج آن را با مدل لوجیت مقایسه کردند. در این مطالعه آنها از 5 نسبت مالی استفاده کردند که بیانگر کفایت سرمایه69، کیفیت دارائیها70، کارائی مدیریت71، سود72 و نقدینگی73 بودند. 100 مؤسسه ورشکسته و 100 مؤسسه غیرورشکسته براساس مکان جغرافیایی و ارزش دارائیها، بین سالهای 1986 و 1987 انتخاب شدند. نتایج این تحقیق نشان داد که شبکههای عصبی عملکرد بهتری از مدل لوجیت دارند.
کتس و فانت74 (1992) با بکارگیری شبکههای عصبی و اطلاعات 47 شرکت درمانده مالی و 47 شرکت سالم مدلی ا برای پیشبینی درماندگی مالی ارائه دادند. آنها از 5 نسبت مالی استفاده کردند که عبارت بودند از:
نسبت سرمایه در گردش به کل دارائیها؛
نسبت سود انباشته به کل دارائیها؛
نسبت سود قبل از بهره و مالیات به کل دارائیها؛
نسبت ارزش بازار سهام عادی به ارزش دفتری کل بدهیها؛ و
نسبت فروش به کل دارائیها.
دقت پیشبینی مدل آنها در مورد شرکتهای درمانده مالی 91 درصد و در مورد شرکتهای سالم 96 درصد بود، درحالیکه این دقت با استفاده از MDA برای شرکتهای درمانده مالی و سالم به ترتیب 72 درصد و 89 درصد بود.
تام و کیانگ (1992) شبکههای عصبی را با مدل ممیز خطی، مدل رگرسیون لوجستیک، مدل نزدیکترین کای مجاور75 و مدل درخت تصمیم مقایسه کردند. آنها برای انجام این پژوهش از اطلاعات 59 بانک ورشکسته و 59 بانک غیرورشکسته بین سالهای 1985 و 1987 استفاده کردند. بانکهای ورشکسته و غیرورشکسته براساس عواملی همچون ارزش دارائیها، تعداد شعب و عمرشان با هم تطبیق داده شدهاند. نتایج این پژوهش نشان داد که مدل شبکههای عصبی از تمامی مدلهای دیگر عملکرد بهتری دارد.
نیتایا گاستوات76 (1994) مدلی را با استفاده از شبکههای عصبی مصنوعی ارائه کرد که نمونه آموزشی آن شامل 173 شرکت ورشکسته و 1578 شرکت غیرورشکسته و نمونه آزمایشی آن شامل 60 شرکت ورشکسته و 547 شرکت غیرورشکسته بود. دقت کلی پیشبینی مدل ارائه شده 80 درصد بود. نتایج این تحقیق نشان داد که شبکههای عصبی مصنوعی عملکرد بهتری از تحلیل لوجیت و RPA دارد.
لی، هان و کوان77 (1996) از مدل ترکیبی78 شبکههای عصبی مصنوعی برای پیشبینی ورشکستگی استفاده کردند. آنها از شبکه عصبی ترکیب شده با MDA79 ، شبکه عصبی ترکیب شده با ID3 و شبکه عصبی ترکیب شده با 80SOFM استفاده کردند. در این مطالعه از اطلاعات 166 شرکت کرهای (متشکل از 83 شرکت ورشکسته و 83 شرکت غیرورشکسته) بین سالهای 1979 تا 1992 استفاده شد. شرکتهای هر دو دسته بر اساس ارزش دارائیها، تعداد کارکنان، عمر شرکت و میزان سرمایه با هم تطبیق داده شدند. دقت کلی پیشبینی مدل شبکههای عصبی مصنوعی ترکیبی با MDA، 8/77 درصد و با ID3، 2/75 درصد بدست آمد. ولی دقت پیشبینی MDA و ID3 به ترتیب 6/68 درصد و 3/74 درصد بود. دقت پیشبینی در مورد ANN ترکیبی با SOFM(MDA) و با SOFM(ID3) به ترتیب 5/80 درصد و 7/76 درصد بدست آمد.
مطالعه دیگری توسط سرانو، سینکا81 (1997) با استفاده از پرسپترون چندلایه (MLP) صورت گرفت. در این مطالعه از 37 بانک غیرورشکسته و 29 بانک ورشکسته در طول سالهای 1977 تا 1985 استفاده شد. برای انجام این پژوهش از 9 نسبت مالی استفاده گردید که عواملی همچون نقدینگی، ظرفیت تأمین مالی داخلی82، سود نسبت به اقلام مختلف ترازنامه، سود ناخالص و جریانات نقدی نسبت به بدهیها را میسنجیدند. در این تحقیق MLP با MDA مورد استفاده قرار گرفت. دقت کلی پیشبینی با استفاده از MDA، 86

پایان نامه
Previous Entries منبع پایان نامه درمورد ورشکستگی، چند متغیره، درماندگی مالی، ریسک اعتباری Next Entries منبع پایان نامه درمورد ورشکستگی، اندازه شرکت، درماندگی مالی، بازده سهام