پایان نامه ارشد درمورد ورشکستگی، پیش بینی ورشکستگی، مدل لجستیک، بورس اوراق بهادار

دانلود پایان نامه ارشد

ی حسابها توسط مدیریت) : حالتی است که مدیریت یک شرکت جهت نشان دادن وضعیتی مطلوب یا پنهان کردن وضع نا بسامان مالی شرکت اقدام به دستکاری حسابها نموده و باعث میشود نسبتهای مالی و سایر شاخصهای اقتصادی غیر واقعی نشان داده شود.
روش تحقيق:
روش تحقیق در پژوهش حاضر به صورت میدانی از نوع تحقیقات پس رویدادی خواهد بود.برای انجام بررسی میدانی معیارهای سلامت مالی شرکت از طریق منابع و همچنین مدلهای پیش بینی ورشکستگی ارائه شده Altman وLogistic و DEA بدست آمده و ارتباط آن را با نوسانات EPS بررسی می گردد.صورت های مالی حسابرسی شده از طریق بورس اوراق بهادار تهران بدست می آید و معیار های سلامتی مالی و همچنین EPS شرکت ها با استفاده از این صورتهای مالی محاسبه می گردد.سپس فرضیات فرعی تحقیق با استفاده از داده های گرد آوری شده آزمون می گردند.روش آزمون فرضیات فرعی تحقیق همبستگی می باشد. سپس بر اساس نسبت های مالی سال 87 شرکت های سالم و 2 سال قبل از ورشکستگی شرکت های مشمول ماده 141 قانون تجارت اقدام به ساخت مدل لجستیک میشود،پس از ساخت مدل لجستیک متغیرهای مستقل بکار رفته در مدل و ضریب اهمیت آنها در مدل مشخص و با ضرایب همبستگی بدست آمده در آزمون فرضیات فرعی مقایسه می گردد و در نهایت نسبت به فرضیه اصلی پژوهش تصمیم گیری می گردد.
ب- متغيرهاي مورد بررسي در قالب يک‌‌ مدل مفهومی و شرح چگونگی بررسی و اندازه گيری متغيرها:
1)متغیر های مربوط به شرکت های پذیرفته شده در بورس اوراق بهادار تهران .
2)متغیر مربوط به EPS سنوات مختلف شرکت های مزبور.
3)متغیرهای مربوط به معیارهای سلامت مالی شرکت ها.
12 – شرح کامل‌ روش (ميداني، كتابخانه‏اي) و ابزار (مشاهده و آزمون، پرسشنامه، مصاحبه، فيش‏برداري و غيره) گردآوري داده‏ها :
میدانی(فرضیه اول):
به منظور اجرای روش میدانی معیارهایی برای سلامت مالی شرکت در نظر گرفته شده است که از مدلهای پیش بینی ورشکستگی Altman ، Logestic،DEA و سایر منابع بدست می آیدکه به صورت زیر عنوان شده است:
1)مدل آلتمن((Altman:
این مدل در سال 1968 میلادی توسط آلتمن برای پیش بینی ورشکستگی شرکت ها ارائه گردیده است.که به صورت زیر است:
Z= 0/012X1 + 0/014X2 + /033X3 + 0/006X4 +0/999X5

Z= شاخص کلی.

X1= نسبت سرمایه در گردش به جمع داراییها. X2=نسبت سود انباشته به جمع داراییها.
X3=نسبت سود قبل از بهره و مالیات به ارزش دفتری بدهیها. X4=نسبت ارزش بازار سرمایه به بدهیها.
X5=نسبت فروش به جمع دارائیها.
تحلیل مدل:

ورشکستگی شرکت منتفی است.
شرکت ممکن است که در آینده ورشکسته شود.
این مدل قادر به پیش بینی ورشکستگی یا سلامت مالی نیست. 1/8این مدل در سال 1980 توسط اولسون ،کیسی و واتسون برای پیش بینی ورشکستگی شرکت ها ارئه شده است.که به صورت زیر است:

Zi=β1+β2TDTA+ β3CLTA+ β4CFTA+ β5NITA+ β6WCTA+ β7CATA+ β8EBTA+ β9EBIE+ β10MVCE

TDTA : نسبت جمع بدهی ها به جمع داراییها.
CLTA :نسبت بدهی های جاری به جمع داراییها.
CFTA :نسبت جریان نقدی به جمع دارا ییها.
NITA :نسبت سود خالص به جمع داراییها.
WCTA :نسبت سرمایه در گردش به جمع داراییها.
CATA :نسبت داراییهای جاری به کل داراییها.
EBTA :نسبت سود قبل از بهره و مالیات به کل داراییها.
EBIE :نسبت سود قبل از بهره و مالیات به هزینه های بهره.
MVCE :نسبت ارزش بازار سرمایه به ارزش دفتری سرمایه.

3)مدل DEA (data envelopment analysis ):
این مدل در سال 2006 برای اولین بار توسط لوزانو و ویلا بکار رفته است.از آنجا که مدل DEA یک مدل برنامه ریزی خطی است و مدلهای برنامه ریزی خطی در انتخاب متغیرهای ورودی و خروجی رنج می برند لذا در سال 2007 آقای کوپر ویژگی هایی را برای متغیر های ورودی و خروجی کشف کرده است.متغیر های ورودی و خروجی در این مدل به صورت زیر است.
نسبت جریان نقدی به جمع داراییها.
نسبت سود خالص به جمع داراییها.
نسبت سرمایه در گردش به جمع داراییها.
نسبت داراییهای جاری به جمع داراییها.
متغیر های ورودی: 5) نسبت سود قبل از بهره و مالیات به جمع داراییها.
6)نسبت سود قبل از بهره و مالیات به هزینه بهره.
7)نسبت ارزش بازار سرمایه به ارزش دفتری سرمایه.

1) نسبت جمع بدهی ها به جمع داراییها.
متغیر های خروجی:
2)نسبت بدهی های جاری به جمع داراییها.

4)نسبت بدهی های بلند مدت به خالص ارزش داراییها(اهرم مالی):
اخذ وام شرکت را قادر می سازد تا فعالیتش را بیش از آنچه که فقط متکی به سهامداران خود باشد،گسترش دهد.اما خطر هنگامی تهدید می کند که بیش از حد وام اخذ شده باشد،به ویژه اگر از پس دوران رونق ،رکود اقتصادی حاکم گردد.در چنین حالتی ،احتمالا شرکت با توجه به کاهش سود ،قادر نخواهد بود که بهره وامهایش را بپردازد چه برسد که اصل وامها را پرداخت کند.(استیفن والدز- جولیان وود،مبانی بازارهای مالی جهانی،ترجمه دکتر منوچهر فکری ارشاد.)

13 – جامعه آماري، روش نمونه‏گيري و حجم نمونه (در صورت وجود و امکان‌):
محدوده زماني تحقیق با در نظرگرفتن اطلاعات نزديك به زمان انجام تحقيق و در دسترس بودن آنها يك دوره 8 ساله از ابتداي سال 1380 لغايت انتهاي سال 1387 خواهد بود. باتوجه به قلمرو مكاني تحقيق، جامعه آماري شامل كليه شركت هاي پذيرفته شده در بورس اوراق بهادار تهران تعيين شده است. نمونه آماري به روش حذفي با در نظر گرفتن قلمرو مكاني و زماني تحقيق براساس شرايط زير انتخاب خواهد شد:
تا ابتداي سال1379در بورس اوراق بهادار تهران پذيرفته شده باشند.
صورت هاي مالي آنها براي هريك از سالهاي 1379لغايت 1387 در دسترس باشد.
شركت هاي سرمايه گذاري و نظاير آنها نباشند.

14 – روش‌ها و ابزار تجزيه و تحليل داده‏ها:
برای تجزیه و تحلیل داده های بدست آمده از طریق مطالعات میدانی در بورس اوراق بهادار از تجزیه و تحلیل همبستگی و رگرسیون لجستیک استفاده می شود و همچنین ابزار آزمون فرضیات نیز T استیودنت می باشد.

مقدمه:
از دیدگاه اقتصاد خرد ،تخصیص منابع از اهمیت گسترده ای برخوردار است.اگر منابع کمیاب جامعه به سمت فعالیتهایی که فاقد ارزش افزوده و یا از ارزش افزوده کمتری برخوردار می باشند میل پیدا کند،منتج به ضایع شدن منابع و یا استفاده ناکارا از منابع خواهد شد.با شناسایی به موقع ورشکستگی5 و بحران مالی در شرکتها می توان به تخصیص بهتر منابع کمک کرد،به گونه ای که منابع کمیاب جامعه تنها به سمت فعالیتهایی میل پیدا کند که کارا بوده و از دید اقتصاد کلان به صلاح کشور باشد.بحث ورشکستگی و دلایل مرتبط با آن از موضوعات مهم بازار سرمایه می باشد.جهت شناسایی به موقع ورشکستگی و بحران مالی در شرکت ها به ابزار هایی نیاز است که بتواند بین شرکت های سالم و دچار بحران تمایز قائل شود.سابقه تحقیقات مرتبط با ورشکستگی به دهه 1930 میلادی بر می گردد.در ابتدا محققان یک سری ویژگی ها را برای شرکت های ورشکسته تعریف کردند و با استفاده از آن ویژگی ها بین شرکتهای سالم و ورشکسته تمایز قائل می شدند.( Ramser and Foster،1931؛ Fitzpatrick،1932؛ Winnakor and Smit 1935؛Merwin،1942).در دهه 1960 محققان برای شناسایی شرکت های دچار بحران و تمایز بین شرکت های سالم و دچار بحران اقدام به ساخت مدلهایی نمودند،به این صورت که در این مدلها از مقادیر نسبت های مالی شرکت به عنوان متغیر مستقل استفاده شده بود.( Beaver،1966؛Altman،1968؛Meyer and Pifer،1970،Deakin،1972؛Blum،1974؛Altman et. Al،1977).در دهه 1980،محققان مدل های پیش بینی ورشکستگی گذشته را با استفاده از مدل های جدید تری همچون لاجیت6 و پروبیت7 گسترش دادند.( Ohlson،1980؛Zavgren،1983؛Zmijewski،1984).در دهه 1990 و دوران پس از آن دانشمندان و محققان به سمت مدل های جدیدتر و علمی تری همچون شبکه عصبی8،درخت تصمیم گیری9 و الگوریتم ژنتیک10 و …………. گرایش یافتند.( Serrano Cinca et. Al،1993؛Back et Al. ،1994،Wilson and Sharda،1994؛Tae, Namsik, Gunhee،1999).عمده تحقیقات مرتبط با پیش بینی ورشکستگی اقدام به ساخت مدلهایی شده است که با استفاده از آنها بتوان بین شرکت های سالم و ورشکسته تمایز قائل شد.ویلفورد موانزا(2008) به بررسی و تحلیل EPS جهت شناسایی شرکتهای ورشکسته و سالم پرداخته است.وی در نهایت به این نتیجه رسید که با بررسی نوسانات EPS به همراه تحلیل های فاندمنتال و تکنیکال می توان بین شرکت های سالم و ورشکسته تمایز قائل شد.در این فصل اقدام به ارائه تعاریفی از ورشکستگی شرکتها از دید محققان و از منظر قانون تجارت و همچنین به ارائه تعاریفی از سود هر سهم و کاربرد آن جهت شناسایی سلامت مالی11 و سایر کاربردهای آن پرداخته می شود.در ادامه بحث، تحقیقات صورت گرفته در ارتباط با پیش بینی ورشکستگی به طور مفصل تشریح می گردد.و در نهایت مروری جامع بر تحقیقات صورت گرفته در کشور را نیز بحث می کنیم.
تعاریف ورشکستگی:
ورشکستگی می تواند به عنوان عدم موفقیت در بدست آوردن یک نرخ بازدهی در ارتباط با سرمایه بکار رفته به همراه یک میزان ریسک مفروض در واحد تجاری تعریف کرد ، ورشکستگی قانونی از طریق تسویه از محل داراییهای شرکت انجام می شود ، برابازون و دیگران(2000).یک شرکت قبل از تجربه کردن مشکلات مالی مفرط 4 مرحله را طی میکند.نیوتن(1985) بیان نموده است که”یک دوره کمبود نقدینگی ، درماندگی مالی و درماندگی کلی وجود دارد.مدیران جاه طلب و بلند پرواز می توانند با انجام دادن فعالیتهایی برای پنهان سازی یکی از مراحل ذکر شده، علائم درماندگی مالی و ورشکستگی در شرکت را پنهان سازند.مضیغه های مالی به طور معمول به دو شکل وجود دارد.درماندگی مالی می تواند به شکل درماندگی تکنیکی12 یا ورشکستگی باشد.درماندگی تکنیکی زمانی رخ می دهد که یک شرکت در زمان به سررسید رسیدن دیون قادر به پرداخت آنها نباشد.ورشکستگی زمانی رخ می دهد که ارزش بازار داراییهای یک شرکت کمتر از بدهی هایش باشد، هیرت و بلوک(1992).
ورشكستگي، اقدامي‌ قانوني‌ كه‌ به‌ موجب‌ آن‌ به‌طوركلي‌ يك‌ بدهكار عاجز از پرداخت‌ بدهي‌ خود به‌سودطلبكاران‌ضبط‌مي‌شود(منوچهرفرهنگ،1374).
‌ ‌ورشكستگي‌ هنگامي‌ رخ‌ مي‌دهد كه‌ بدهيهاي‌ يك‌ شركت‌ از ارزش‌ دارائيهاي‌ موجود در شركت‌ تجاوزكند.(گیتمن،1996).
‌ ‌ازنظر حقوقي، ورشكستگي‌ عبارت‌ است‌ از اين‌ كه‌ بدهكار از كل‌ دارايي‌ خود به‌ نفع‌ طلبكار صرف‌نظر كند. ولي‌ هرگاه‌ از ورشكستگي‌ برائت‌ حاصل‌ كند. مي‌تواند مجدداً‌ كار خود را آغاز كند(قائم مقام فراهانی،1368)
‌ویتاکر درماندگی مالی را وضعیتی در نظر می گیرد که در آن جریان های نقدی شرکت از مجموع هزینه های بهره مربوط به بدهی بلند مدت کمتر است.
‌در بورس‌ اوراق‌ بهادار تهران، ملاك‌ ورشكستگي‌ و خروج‌ شركتها از بورس، ماده‌ 141 قانون‌ تجارت‌ ‌ است. در اين‌ ماده‌ آمده‌ است: اگر بر اثر زيانهاي‌ وارده، حداقل‌ نصف‌ سرمايه‌ شركت‌ از ميان‌ برود، هيات‌ مديره‌ مكلف‌ است‌ بلافاصله‌ مجمع‌ عمومي‌ فوق‌العاده‌ صاحبان‌ سهام‌ را دعوت‌ كند تا موضوع‌ انحلال‌ يا بقاء شركت، مورد شور و راي‌ واقع‌ شود. هرگاه‌ مجمع‌ مزبور راي‌ به‌ انحلال‌ شركت‌ ندهد، بايد درهمان‌ جلسه‌ و با رعايت‌ مقررات‌ ماده‌ 6 اين‌ قانون، سرمايه‌ شركت‌ را به‌ مبلغ‌ سرمايه‌ موجود كاهش‌ دهد (منصور، 1377).
ورشكستگي را مي توان به عادي به تقصير و به تقلب تقسيم نمود.
الف – ورشكستگي عادي
برابر مواد ٤١٢ و ٤١٣ قانون تجارت كسي ورشكسته عادي محسوب مي شود كه تاجر يا شركت تجارتي بوده و از پرداخت وجوهي كه برعهده دارد متوقف گردد و ظرف ٣ روز از تاريخ وقفه كه در اداي قروض ياساير تعهدات نقدي او حاصل شده باشد توقف خود را به دفتر دادگاه عمومي محل اقامت خوداظهار نموده و صورت حساب دارائي و كليه دفاتر تجارتي خود را به دفتر دادگاه مزبور تسليم نمايد. صورت حساب موصوف بايد مورخ بوده و به امضا تاجر رسيده و تعداد و تقويم كليه اموال منقول و غير منقول تاجر متوقف بطور مشروح صورت كليه قروض و مطالبات و نيز صورت نفع و ضرر و صورت مخارج شخصي در آن مندرج گردد.بنابراين اگر تاجر يا شركت تجارتي بدهكار ظرف مهلت مقرر توقف از تاديه ديون خود را به دادگاه صلاحيتدار به انضمام مدارك موردنظر اعلام كرد، ورشكستگي عادی تلقی می شود.

ب – ورشكستگي به تقصير:
الف – موارد چهارگانه الزامي صدور حكم ورشستگي به تقصير(ماده ٥٤١ ق.ت)
١- مخارج شخصي يامخارج افراد تحت تكفل تاجر در ايام عادي به نسبت عايدي او فوق العاده شود.
٢- تاجر مبالغ زيادي از سرمايه خود را صرف معاملاتي كند كه در عرف تجارتي موهوم بوده و يا سودآوري معاملات مذكور منوط به اتفاق محض باشد.
تاجر به منظور به تاخير انداختن ورشكستگي خود خريدي گرانتر يا فروشي ارازانتر از قيمت روز كند و براي بدست آوردن وجه نقد به روش دور از صرفه متوسل شود مثل استقراض يا صدور برات سازشي وغيره.

٤- تاجر پس از تاريخ توقف از اداي ديون و قروضي كه بر عهده دارد يكي از طلبكاران خود را بر سايرين ترجيح داده و طلب او را بپردازد.
دوم – موارد سه گانه اختياري صدور حكم ورشستگي به تقصير(ماده ٥٤٢ ق.ت)
١- تاجر به حساب ديگري و بدون آنكه عوضي دريافت نمايد تعهداتي كرده باشد كه نظر به وضعيت مالي او انجام تعهدات مزبور فوق العاده باشد.
2)عمليات تجارتي او متوقف شده و مطابق ماده ٤١٣ قانون تجارت رفتار نكرده باشد.
٣- تاجر دفاتر نداشته يا دفاتر او ناقص يا بي ترتيب بوده يا در صورت دارائي وضعيت واقعي خود را اعم از قروض و مطالبات بطور صريح معين نكند مشروط بر آنكه مورد اخير الذكر تقلبي نكرده باشد.

سوم – تعقيب جزائي و مجازات تاجر ورشكسته به تقصير
تعقيب تاجر ورشكسته به تقصير بنا به تقاضاي هر يك از طلبكاران يا دادستان و يا مدير تصفيه پس از تصويب اكثريت بستانكاران به عمل مي آيد (مواد ٥٤٤ و ٥٤٧ قانون تجارت.) اگر
تعقيب تاجر ورشكسته به تقصير از طرف دادستان به عمل آمده باشد هزينه دادرسي آن به هيچ وجه به عهده هيئت طلبكاران نمي باشد. اگر مدير تصفيه ورشكسته به تقصير را به نام بستانكاران تعقيب نمايد در صورت برائت ورشكسته موصوف هزينه تعقيب به عهده بستانكاران مي باشد و چنانچه تعقيب از طرف يكي از طلبكاران به عمل آمده باشد و ورشكسته برائت حاصل نمايد هزينه دادرسي به عهده طلبكار است اما درصورت محكوميت ورشكسته مزبور هزينه دادرسي به عهده دولت خواهد بود. مجازات تاجر ورشكسته به تقصير از ٦ ماه تا ٢ سال حبس مي باشد(ماده ٦٧١ قانون مجازات اسلامي .(
ج – ورشكستگي به تقلب
مطابق ماده ٥٤٩ ق.ت. اگر تاجر دفاتر تجارتي خود را از روي عمد و سوء نيت مفقود نمايد يا قسمتي از دارائي خود را مخفي كند و يا به طريق مواضعه و معاملات صوري آن را از بين ببرد و بالاخره اگر به وسيله اسناد يا به وسيله صورت دارائي و قروض به طور تقلب به ميزاني كه در واقع مديون نمي باشد خود را مديون قلمداد نمايد ورشكسته به تقلب محسوب مي شود.بحران مالي ممكن است منجر به ” نقض تعهدات مربوط به قراردادها 13″ شود. بحران مالي ممكن است تجديد سازمان بين مالكان و بستانكاران را ايجاب كند. شركت در هنگام مواجهه با بحران مالي معمولا مجبور به انجام اقداماتي مي‌شود كه درصورت دارا بودن وجه نقد كافي اين اقدامات را انجام نميداد.
مراحل ورشكستگي
واحد تجاري بطور ناگهاني و غير منتظره ورشكسته نمي‌شود. نيوتن (1998) مراحل ايجاد بحران مالي را به دوره نهفتگي، كسري وجه نقد، عدم قدرت پرداخت ديون مالي يا تجاري، عدم پرداخت ديون كامل و در نهايت ورشكستگي تقسيم كرد. گر چه اغلب ورشكستگي‌ها از اين مراحل پيروي مي‌كنند، اما برخي از شركتها ممكن است بدون طي مراحل فوق به ورشكستگي كامل برسند.درمرحله نهفتگي ممكن است يك يا چند وضعيت نامطلوب براي واحد تجاري داشته باشد بدون اينكه فوراً قابل شناسايي باشد. تغيير در تقاضاي توليد، افزايش مستمر در هزينه‌هاي سربار، منسوخ شدن روشهای توليد و … از جمله اين عوامل هستند. اغلب در دوره نهفتگي است كه زيان اقتصادي واقع مي‌شود، بازده دارايي‌ها سقوط مي‌كند. بهترين وضع براي شركت اين است كه مشكل در همين مرحله كشف گردد. مسئله دوم اينكه راه حلهاي آسانتري كه در اين مرحله موثر است، در مراحل بعد پاسخ گو نخواهد بود. سوما اگر مشكل در همين مرحله كشف و رفع گردد، اعتماد عمومي دستخوش تزلزل نخواهد شد، در مراحل بعدي برطرف ساختن مشكل باعث كاهش اعتماد عمومي به شركت و دسترسي به وجوه سخت‌تر مي‌شود و شايد شركت ناچار به رد پروژه هاي سودآور گردد. مرحله كسري نقد وقتي شروع مي‌شود كه براي اولين بار يك واحد تجاري براي ايفاي تعهدات جاري يا نياز فوري، به وجد نقد دسترسي نداشته باشد اگر چه ممكن است كه چندين برابر نياز خود داراييهاي فيزيكي و سابقه سودآوري كافي داشته باشد. مسئله اين است كه داراييها به قدر كافي قابل نقد شدن نيستند و سرمايه حبس شده است. درمرحله عدم قدرت پرداخت ديون مالي يا تجاري، شركت هنوز قادر به تحصيل وجه كافي از كانالهاي مصرف مي‌باشد. مديريت ابزارهاي مناسب دارد مثلا استفاده از افراد حرفه‌اي مالي يا تجاري، كميته اعتبار دهنده و تجديد ساختار درتكنيك‌هاي مالي. از طريق اين روشها هنوز هم مي‌توان مشكل را در اين مرحله شناسايي و رفع نمود.درمرحله عدم قدرت پرداخت ديون كامل است كه ديگر شركت رو به نابودي رفته است. كل بدهي‌ها از ارزش دارايي‌هايي شركت فزوني دارد و شركت ديگر نمي‌تواند از ورشكستگي كامل خود اجتناب كند.
دلایل درماندگی مالی شرکت ها:
ادبیات مربوط به دلایل درماندگی مالی شرکت در زیر تجدید نظر و بحث شده است،و شامل 2 دسته دلایل مالی و غیر مالی می باشد.

1)بی کفایتی مدیریت14:
مدیریت به عنوان با اهمیت ترین عامل در درماندگی مالی یک شرکت شناسایی شده است ، دی آونی و مک میلان(1990)، گریتینگ و جانسون(1996).قبل از هر چیز ، میزان انگیزه مدیران ، کیفیت کاری آنها و میزان مهارت آنها در اینکه شرکت به چه صورت مدیریت شود موثر می باشد. یکی از پیامد های مدیریت با میزان مهارت ناکافی و نامناسب، میل کردن بسیاری از شرکت ها به سمت ورشکستگی می باشد.بسیاری از مدیران و موسسان شرکت ها دارای مهارت تنها در یک زمینه می باشند.اگر مدیران برای پذیرش توصیه های حرفه ای رقبتی نداشته باشند ، شانس شرکت برای بقای میانمدت کاهش می یابد،(نیوتن 1985).نه تنها کیفیت کاری و مهارت های مدیران بر شانس بقای شرکت موثر است ، این امر که چگونه بسیاری از ویژگی های افراد به نحو قوی بر عملکرد شرکت موثر است نیز حائز اهمیت است.
2)توسعه سریع15:
واتس(1996) بیان داشته است که اگر رشد سریع وجود دارد ، درماندگی مالی می تواند رخ دهد ، مخصوصا اگر توسعه به طور سنگینی از محل سرمایه تامین مالی شود، شرکت هایی که در مقابل ورشکستگی خیلی آسیب پذیرند در زمان استراتژی توسعه نتیجه بدتری از آنچه را که انتظار رفته است می بینند.
وجود بدهی های بیش از اندازه(ساختار سرمایه نا متوازن16) و اعطای وامهای داخلی و رشوه ها از دیگر عوامل بوجود آمدن درماندگی مالی در شرکت ها می باشد.
علائم هشدار دهنده ورشكستگي:
بعد از سوخت مطالبات و يا زيانهاي ناشي از ورشكستگي، واحدهاي تجاري از خود سوال مي‌كنند كه آيا آنها مي‌توانستند از وقوع اين زيانها جلوگيري كنند؟ آيا آنها مي‌توانند ورشكستگي را پيش‌بيني كنند؟ آيا علائم هشدار دهنده‌اي وجود داشت كه آنها به آن توجه نكردند؟ علائم ورشكستگي از شركت از ماهها قبل از اينكه ورشكستگي واقعي جامه عمل بپوشاند معلوم هستند. چندين علامت هشدار دهنده اوليه وجود دارد كه حاكي از مواجهه شركت با مشكلاتي است. اين علائم را درسه گروه عملياتي، مديريتي و مالي طبقه‌بندي مي‌كنيم.

علائم عملياتي
از دست دادن مديران اصلي بدون جايگزيني آنها، تغييرات در مديريت ارشد، جابجايي كارمندان رده بالا و استعفاي اعضاي هيات مديره.
ازدست دادن بازارهاي عمده فروش محصولات، مجوز امتياز ساخت يا تامين كننده اصلي كالاها و خدمات
رويدادهاي گذشته مانند مطالبات سوخت شده زياد و يا مطالبات مربوط به گارانتي، اعتصابات و يا آتش‌سوزي و سرقت‌هاي بيمه نشده
تغييرات بازار، منسوخي محصولات، تغييرات در عرضه كنندگان و يا نحوه پرداخت به عرضه كنندگان.
موضوعات قيمت گذاري و يا تنزل مثل مشكلات كنترل كيفيت.
علائم مديريتي
مربوط به سيستم مديريت ناكارآمد، مهارت مديريت مياني مي‌باشد. براي مثال سيستم مديريتي كه فاقد عمق و در تصميم گيري متكي به يك نفر باشد
نشانه‌هاي مالي
1)فزوني كل بدهي بر كل دارايي‌ها و يا فزوني بدهي‌هاي جاري بر دارايي‌هاي جاري
2)نزديك شدن سررسيد بدهيها با شرايط غير قابل تغيير كه دورنماي واقعبينانه‌اي براي پرداخت و يا تمديد آنها وجود ندارد.
3)اتكاي بيش از حد براي استقراض كوتاه مدت براي تامين مالي دارايي‌هاي بلند مدت .
4)نامساعد بودن نسبت‌هاي عملياتي اصلي
5)زيانهاي عمده عملياتي
6)نپرداختن سود سهام و يا تاخير طولاني در پرداخت آن
7)تغيير شرايط خريد كالا و دريافت خدمات از اعتباري به نقد
8)ناتواني درتامين منابع مالي لازم براي توليد و عرضه محصول اصلي جديد يا ساير سرمايه گذاري‌هاي ضروري
تاریخچه مدل های پیش بینی ورشکستگی :
تا کنون محققان زیادی در زمینه پیش بینی ورشکستگی و ساخت مدل برای پیش بینی ورشکستگی شرکتها تحقیقات گسترده ای انجام داده اند،عمده تحقیقات صورت گرفته در این زمینه از داده های کشور امریکا جهت ساخت مدل خود استفاده نموده اند.پیش بینی ورشکستگی قلمرو جدیدی از تحقیقات مالی نمی باشد.از سال 1930 و در طول 60 سال بعد از آن مدل های گوناگون پیش بینی ورشکستگی گسترش یافته است.
دوغان و فورسیت(1995)در مطالعات خود،تحقیقات گذشته در زمینه پیش بینی ورشکستگی را به دو دسته تقسیم بندی کرده اند:
گروه اول شامل توسعه مدل هایی می شود که می تواند بین شرکت های سالم و ورشکسته تمایز قائل شود که عمدتا آنها وابسته به متغیرهایی(بعنوان مثال،نسبتهای حسابداری17) می شوند که از صورتهای مالی شرکت های نمونه بدست آمده اند.گروه دوم تحقیقات مرتبط با پیش بینی ورشکستگی تلاش می کنند که بین مدل های پیش بینی ورشکستگی و قیمت سهام ارتباط برقرار کنند.
مطالعات اولیه پیرامون پیش بینی ورشکستگی در 1930 نتیجه گرفتند که بین نوسانات نسبت های مالی شرکت ها ی سالم و ورشکسته تفاوت وجود دارد.شرکت هایی که نسبت های مالی آنها ضعیف و از نوسان بیشتری برخوردار است در مقایسه با شرکت هایی که نسبت های مالی آنها قویتر و از ثبات بیشتری برخوردار است احتمال بیشتری وجود دارد که ورشکسته شوند.
رامستر و فوستر(1931)،فیتز پاتریک(1932)،ویناکور و اسمیت(1935) و مروین(1942)، تفاوت با اهمیتی را بین نوسانات نسبت های مالی شرکت ها ی ورشکسته و سالم پیدا کردند.
اوهلسون(1980)،مدل لاجیت شرایطی18 را برای پیش بینی احتمال ورشکستگی بکار گرفته است و چهار عامل اساسی را که بر روی احتمال ورشکستگی موثر می باشند را مشخص نموده است:
1)اندازه شرکت19
2)ساختار مالی20
3)عملکرد شرکت21
4)نقدینگی فعلی22
محمد سوری و دیگران(2001)،یک مدل پیش بینی ورشکستگی را برای بخش صنعت کشور مالزی با استفاده از داده های شرکت های پذیرفته شده در بورس آن کشور گسترش دادند.شرکت های نمونه شامل 24 شرکت ورشکسته و 24 شرکت سالم در محدوده زمانی 1980 و 1996 می باشد.درجه دقت مدل بدست آمده برای تشخیص شرکت های ورشکسته معادل 1/91./. و برای تشخیص شرکت های سالم نیز دقت کلی 3/89./. بدست آمده است.
روزلیزا(2006)به این نتیجه رسید که نسبت های نقدینگی در زمان تعین دلایل درماندگی مالی شرکت در کشور مالزی نقش اساسی را ایفا می کنند.او همچنین به این نتیجه رسید که رویکرد MDA23در مقایسه با رویکرد رگرسیون لجستیک(24LR) از دقت بالاتری در طبقه بندی شرکت ها دارد.دقت مدل MDA معادل 84% و دقت مدل LR معادل 83% بدست آمده است.
در تحقیق که توسط کرینکر و دیگران(1996)،جهت استفاده از نسبت های مالی به عنوان معیاری برای سلامت مالی اشخاص و خانوارها انجام شده است 22 نسبت به محققین و برنامه ریزان مالی داده شده است و نظر آنان را در خصوص این نسبت ها جویا شده اند.(تحقیق مورد نظر به روش دلفی انجام شده است.)مقایسه میانگین آماری پاسخ دهندگان نشان می دهد که در 20 مورد از 22 مورد تفاوت معنی داری بین جواب های بدست آمده از دو گروه پاسخ دهندگان وجود ندارد و فقط در دو نسبت تفاوت معنی داری وجود داشته است. جدول شماره 1 تحقیقات مرتبط با پیش بینی ورشکستگی را به ترتیب تاریخ وقوع نمایش می دهد.همچنین جدول شماره 2 مدلهای پیش بینی ورشکستگی موجود را معرفی می کند.

جدول شماره 1
دوره زمانی
شرح
شرکت کنندگان
1930s
تفاوت ویژگی های مالی شرکت های سالم و ناسالم
رامستر و فوستر(سال1931)

فیتز پاتریک(سال 1932)

ویناکور و اسمیت(سال 1935)

مروین(1942)
1960s
مدل های پیش بینی ورشکستگی با استفاده از تحلیل های یک متغیره و چند متغیره
بیور(سال 1966)

آلتمن(سال 1968)

می یر و پیفر(سال 1970)

دی کین(سال 1972)

بلوم(سال 1974)

آلتمن و دیگران(سال 1977)
s1980
توسعه مدل های پیش بینی ورشکستگی با استفاده از لوجیت،پروبیت و غیره.
اوهلسون(سال 1980)

زاوگرن(سال 1983)

زیمسکی(سال 1984)
1990s
توسعه مدل های پیش بینی ورشکستگی و صحت آنها با استفاده از شبکه های عصبی،درخت تصمیم گیری،الگوریتم ژنتیک و غیره.
سارانوسینکا و دیگران(سال 1993)

بک و دیگران(سال 1994)

ویلسون و شاردا(سال 1994)

تای،نامسیک،گونهی(سال 1999)

گروه مدل
نوع مدل

تک متغیری
چند متغیری
تکراری(شبیه سازی)25
______
الف)تجربی(رتبه اعتباری)26

ب)طبقه بندی بازگشتی27

ج)هوش مصنوعی28

د)شبکه عصبی
آماری29
الف)تجزیه و تحلیل نسبت های مرسوم
الف)تجزیه و تحلیل تمایزی

ب)تجزیه و تحلیل نسبت سیستماتیک
ب)تجزیه و تحلیل رگرسیون

ج)تجزیه ترازنامه30
ج)تجزیه و تحلیل لوجیت/پروبیت

د)ورشکستگی قمارباز31
د)لوجیت بسط یافته32

______
ه)تحلیل بقا33
عکس العمل رفتاری34
______
الف)قیمت سهام

ب)کنترل های جفتی تطبیق یافته35

ج)کنترل های عامل سیستماتیک36

د)تجربیات آزمایشگاهی37
جدول شماره 2

یک بررسی جامع در رابطه با ادبیات پیش بینی ورشکستگی توسط عزیز و دار در سال 2006 ادبیات حاکم بر تجزیه و تحلیل آمار تمایزی(DA38 ) و LR (همانند یک رویکرد اقتصاد سنجی39 )را یادآوری می کند.تجزیه و تحلیل آمار تمایزی در سال 1968 برای اولین بار توسط ادوارد آلتمن بکار برده شد.طبق گفته کولنس و گرین در سال 1982،رگرسیون لجستیک بهتر از تجزیه و تحلیل تمایزی است.آزمون های بعدی از عملکرد مدل آلتمن در پیش بینی ورشکستگی در داده اخیر نارسائی هایی را در مدل DA آشکار ساخته است.(اسنبیز1977،گریس و اینگرام 2001).
روش شناسی مدل های پیش بینی ورشکستگی شرکت:
تا کنون مدل های پیش بینی ورشکستگی از اطلاعات ترازنامه به عنوان نشانه های ناتوانی تجاری استفاده کرده اند.سایر مدل ها با تاکید بر دلایل ورشکستگی شرکت ها و تشریح کیفی چرایی ورشکستگی ساخته شده اند.هر دوی این گرایش ها منجر به ایجاد تعداد روش ها و مدل های پیش بینی شده اند.در حقیقت هدف تمام مدل ها، پیش بینی ورشکستگی شرکت ها است و در این راه از روش چند متغیره40 استفاده می کنند.تنها استثنا در این میان مدل های ساخته شده قبل از دهه 60 میلادی اند که از یک متغیره پیش بینی استفاده می کردند.
مدل های پیش بینی ورشکستگی به طور کلی به سه دسته به صورت زیر تقسیم می شوند:
1)مدل های آماری:این مدل ها به دنبال نشانه های ورشکستگی شرکت می باشند.
2)مدل های هوش مصنوعی(سیستم خبره):این مدل ها همانند مدل های آماری به دنبال نشانه های ورشکستگی شرکت می باشند.
3)مدلهای نظری41:این مدل ها دلایل ورشکستگی شرکت ها را مد نظر قرار می دهند.
زاوگرن(1981)فقط محدود به مدل های آماری پیش بینی ورشکستگی می شود و به مدل های نظری پیش بینی ورشکستگی اشاره ای نمی کند.آلتمن(1984)ارزیابی جالبی از مد لهای پیش بینی ورشکستگی در ده کشور دنیا انجام داده است(غیر از آمریکا)و پژوهش او بر مدل های آماری ورشکستگی تمرکز دارد.جونز(1987)تحقیقات اخیر در زمینه پیش بینی ورشکستگی را با هدف ارائه یک راهنمای جامع روشهای پیش بینی خلاصه می کند.به هر حال این تحقیق نمی تواند به دقت در باره مدل های نظری بحث کند.کیسی و واتسون(1991)کاربرد های مدیریتی و محدودیت های مدل ها را در مورد مفید بودن برای تصمیم گیری نشان می دهند.دیمیتراس و دیگران(1996)به خوبی روشهای مختلف ساخت مدل های ورشکستگی را با تاکید بیشتر بر مدل های جدیدتر بررسی و مرور می کند.هر چند تحقیق آنها جامع تر از تحقیقات قبلی است ولی کلا مدل های نظری را شامل نمی شود.در مجموع موریس(1998)جامع ترین بررسی مدل های پیش بینی ورشکستگی تا آن زمان را ارائه کرده است.کتاب او یک راهنمای جامع در ارتباط با مدل های پیش بینی ورشکستگی ارائه کرده است،اما در ارتباط با سیستم های خبره هوش مصنوعی آنچنان که شایسته است بحث نمی کند،بعلاوه پیشرفت های تئوریک پس از تحقیق هم در آن لحاظ نشده است.ژانگ و دیگران(1999)بر ارائه یک چارچوب کلی به منظور درک نقش شبکه های عصبی در پیش بینی ورشکستگی تاکید دارند.کروهی و دیگران(2000)به طور ویژه مدل های ریسک اعتبار جاری را مورد بررسی قرار می دهند.هر چند این پژوهش مهمترین مدل های تئوریکی پیش بینی ورشکستگی را شامل می شود اما انواع دیگر مدل های پیش بینی ورشکستگی را مورد بررسی قرار نمی دهد.
مدل های آماری:
مدل های آماری شامل مدل های یک متغیره و چند متغیره می باشند که مدل های چند متغیره
نسبت به یک متغیره برتری دارند.مهمترین مدل های آماری چند متغیره شامل تحلیل تمایزی چند گانه،احتمالی خطی،لاجیت،پروبیت،مجموع تجمعی و فرآیند های تعدیل جزئی(ناقص) می باشند.
مدل های آماری تک متغیره:
تحلیل تک متغیره از نخستین تکنیک های مورد استفاده برای تفسیر صورت های مالی با استفاده از نسبت های مالی واحد تجاری است.این نسبت ها بعنوان متغیرهای توصیف کننده وضعیت شرکت یا پیش بینی کننده ورشکستگی به کار می روند و احتمالا تفاوت های با اهمیت میان شرکت های موفق و ناموفق را آشکار خواهند ساخت.در هر حال ماهیت این روش یک متغیره است یعنی متغیر ها یکی پس از دیگری(نه به صورت یکجا)مورد مشاهده قرار می گیرند.پس از بررسی موشکافانه این نسبت ها ، پژوهشگران به یک نتیجه قطعی در مورد وضعیت سلامت مالی واحد تجاری دست می یابند.
1-2- مدل های آماری چند متغیره:
این مدل ها نسبت های مالی را به صورت یکجا مورد مشاهده قرار می دهند و سپس در ارتباط با وضعیت سلامت مالی شرکت در آینده نتیجه لازم کسب می شود.

1-2-1- تحلیل تمایزی چند گانه(MDA):
تحلیل تمایزی چند گانه گونه ای تکنیک چند متغیره است که پدیده ها را با استفاد از چندین
متغیر به صورت یکجا به دو یا چند گروه طبقه بندی می کند(بر اساس ویژگی های هر یک از پدیده ها).
با توجه به مفروضات تحلیل رگرسیون،تابع پیش بینی این مدل،ترکیبی خطی از متغیر های تشخیص به صورت زیر است:
Zi=〖a+β〗_1 〖X_1+β〗_2 X_2+………….β_n X_n………[A]
Zi = امتیاز شرکت i ام است و برای دسته بندی شرکت استفاده می شود.
a = یک عدد ثابت است.
β = ضرایب تشخیص در مدل می باشند.
X ها = مقادیر متغیر های مستقل(نسبت های مالی)در مدل می باشند.
بر اساس امتیاز Z و نقطه تفکیک تعین شده برای هر یک از دسته ها یک شرکت در یکی از گروههای ورشکسته و غیر ورشکسته دسته بندی می شود.نقطه تفکیک بر اساس مرکز ثقل هر یک از دسته ها تعین می شود و جایی است که از مرکز ثقل ها فاصله برابر دارد(میانه)و درصد شرکتهایی که درست طبقه بندی شده اند(یعنی مثلا شرکتی که ورشکسته است و مدل هم آن را به درستی در گروه ورشکسته ها طبقه بندی می کند)بهترین عامل تعیین کننده دقت و درستی پیش بینی کنندگی مدل است.
1-2-2- مدل احتمالی خطی(42LPM ):
تابع مدل احتمال خطی به صورت زیر است:
Y_1=β_1+β_2 X_1+μ_i……………………………[B]

Yi = 1اگر شرکت از نظر تجاری ناتوان باشد.
Yi = 0 اگر شرکت از نظر تجاری ناتوان نباشد.
برای استفاده از LPM در پیش بینی ورشکستگی باید حدی پیدا شود که به وسیله آن بتوان شرکت های ناتوان را از شرکت های دارای سلامت مالی تفکیک کرد.این حد(نقطه تفکیک)همان عددی است که اشتباهات طبقه بندی را به حداقل می رساند.ضرایب LPM به منظور محاسبه میزان کارائی واحد تجاری بکار می روند،از سوی دیگر مقدار تابع احتمال خطی را می توان به عنوان احتمال ورشکستگی تعبیر کرد.
1-2-3- مدل لاجیت(logit):
در مدل لاجیت متغیر وابسته دو ارزشی،لگاریتم احتمال روی دادن یک پیش آمد خاص(ورشکسته بودن و نبودن)است.در اینجا هدف مدلسازی،اندازه گیری احتمال(لگاریتمی)تعلق شرکت به یکی از گروههای از پیش تعین شده می باشد و نه مدلسازی عضویت گروه(یعنی به جای اینکه در این مدل یک نقطه تفکیک تعیین کنیم و شرکت را بر اساس نقطه و امتیاز حاصل از تابع پیش بین دو دسته ورشکسته و غیر ورشکسته دسته بندی کنیم؛احتمال ورشکستگی آنها را با توجه به ویژگی مالی آنها تعیین می کنیم).
P(z)=1/(1+e^(-z) )=1/(1+e^(-(β_1+β_2 X_i ) ) )………………..………………….[D]
رابطه [D] بوسیله روش احتمال حداکثری محاسبه می شود.با این فرض که عدد صفر نشانگر ورشکستگی است.هر چه عدد اعشاری بدست آمده(بین 0 و1)بیشتر از 50%(که این نشانگر شانس مساوی شرکت برای ورشکسته شدن یا ورشکسته نشدن است)باشد،احتمال ورشکسته شدن شرکت کمتر خواهد شد.
1-2-4- روش مجموع تجمعی (CUSUM):
مدل مجموع تجمعی از قویترین ابزارهای تعیین تغییر در وضعیت یک توزیع(تغییر از توزیع با کیفیت به توزیع بی کیفیت)به شمار می روند.این روشها،عملیاتی متوالی(پی در پی)بر اساس مقادیر احتمالات برای یافتن تغییرات در یک فرآیند می باشد.
مدل مجموع تجمعی ،به صورت بهینه نقطه شروع تغییرات را تعیین می کند و نشانه های ورشکستگی شرکت را در کمترین زمان ممکن پس از وقوع تغییرات آشکار می سازد.طبق مدل مجموع تجمعی عملکرد کلی شرکت در هر نقطه از زمان توسط امتیاز عملکرد سری های زمانی تجمعی(متحرک)ارزیابی می شود،تا زمانی که امتیاز عملکرد سری های زمانی مثبت بوده و از یک پارامتر حساسیت خاص بزرگتر باشد،بیانگر عدم تغییر در شرایط مالی شرکت ها خواهد بود و امتیاز مجموع تجمعی صفر در نظر گرفته می شود.امتیاز منفی،تغییر در وضعیت شرکت و احتمال ورشکستگی آن را نشان می دهد.
مدل CUSUM داراي چند مزيت است (Theodossiou، 1993) اول اينكه سلامت مالي يك شركت بر اساس اطلاعات آن درباره عملكرد گذشته و حال شركت تحليل مي‌شود. ويژگي مثبت دوم اين مدل اين است كه مدل حافظه خيلي كوتاهي درباره عملكرد خوب شركت دارد در حاليكه حافظه خيلي خوبي درباره عملكرد ضعيف شركت دارد.
1-2-5- مدل فرآیند تعدیل جزئی(تعدیل ناقص):
مدل فرآیند تعدیل جزئی بنیان نظری روش مشهور Koyck برای برآورد مدل های توزیع فاصله زمانی است.کاربرد این روش برای پیش بینی ورشکستگی ، می تواند به بهترین شکل توسط رفتار مدیریت وجه نقد توسط شرکت توضیح داده شود.بر اساس لایتنین (1998)مدیریت وجه نقد به هدایت وجه نقد توسط شرکت از جریان های نقدی ورودی تا جریان های نقدی خروجی اشاره دارد.ناتوانی در مدیریت وجه نقد را می توان به عنوان عدم تعادل میان جریان های نقدی ورودی و خروجی تعریف کرد که منجر به عدم توانایی شرکت در پرداخت تعهدات مالی در سررسید آنها می شود.عقیده رایج بر این است که رفتار نقدی یک شرکت بر اساس مدل های مختلف تقاضای پول توضیح داده می شود، برای نمونه،تئوری مقدار تقاضای پول،که فرض می کند تقاضای پول تفاوتی با تقاضای سایر وجوه در شرکت ندارد.ساده ترین و پرطرفدار ترین روش برای تقاضای پول در این زمینه روشی است که به وسیله روش مدیریت موجودی وجه نقد بکار می رود.که در آن وجه نقد مورد نیاز شرکت وابسته به حجم معاملات آن شرکت فرض می شود.
این روش به صورت خلاصه به صورت زیر تشریح می شود:
موجودی نقد یک شرکت در دوره t تابعی مستقیم از s وi است ، به صورت زیر:
lnM(t)=lnD+e_s lnS(t)+e_i lni(t)+U(t)……………………..[E]
در این رابطه داریم:
لگاریتم عدد طبیعی Ln =
مانده وجه نقد واقعی در دوره t ام M(t) =
یک مقدار ثابت D =
حجم معاملات شرکت ها S(t) =
هزینه فرصت I(t)=
انعطاف پذیری موجودی نقد نسبت به حجم معاملاتe_s=
انعطاف پذیری موجودی نقد نسبت به هزینه فرصتe_i=
متغیر اشتباه تصادفی با خاصیت خود کاهندگی U(t) =
معادله E ماهیتی آماری دارد که نسخه دینامیکی آن در فرم تعدیل ناقص ارائه شد به شکل زیر است:
lnM(t)=y{lnD+e_s lnS(t)+e_i lni(t)+U(t)}+(1-y)M(t-1)+yu(t)………………………[F]
که در آن y و (1-y) اوزانی هستند که نمایانگر نرخ تعدیل می باشند.به طور کلی فرآیند دسته بندی و پیش بینی در این مثال خاص مدل تعدیل ناقص بر اساس معیارهای زیر می باشد :
برای شرکتهای ورشکسته ، مقادیر نهایی انعطاف پذیری موجودی نقد نسبت به عوامل محرک کوچکتر از این مقادیر برای شرکتهای مشابه غیر ورشکسته می باشد.
برای یک شرکت ورشکسته ، نرخ تعدیل y می تواندحتی از یک هم بیشتر باشد و به طور قطع بیشتر از نرخ تعدیل y برای شرکتهای دارای سلامت مالی خواهد بود.
مدل سیستم خبره هوش مصنوعی(AIES):
کامپیوتر ها در آغاز تنها به عنوان محاسبه گر عددی به کار می رفتند ولی بعدها معلوم شد که می تواند بسیاری از رفتارهای انسان مانند مهارت در حل مساله،را در پردازش انجام دهند.این یافته موجب شد که جستجوی برای یافتن برنامه ای که بتواند هوش و منطق انسان را تقلید و شبیه سازی کند آغاز شود.از این رو یک روند تبادل اطلاعات برای طراحی و بکارگیری چنین برنامه هایی از دهه 1950 به بعد رو به گسترش نهاد.از آنجایی که این هوشمندی در درون ماشین ها قرار داده شده است ،و نه در مغز انسان،به آن هوش مصنوعی(AI)می گویند.
انسان ها از هوش خود با بکارگیری استدلال مبتنی بر دانسته های قبلی خود که در مغز آنها وجود دارد برای حل مسائل استفاده می کنند.از این رو دانش نقش اساسی را در هوش انسان ایفا می کند.هوش مصنوعی،اگر قرار باشد که با مغز انسان در حل مسائل رقابت کند،باید از همان دانش در بکارگیری استدلالات برخوردار باشد.سیستم خبره(ES)به همین منظور طراحی شده است.”یاد گیرنده”به معنای سیستمی است که می تواند،بر اساس تجربیات گذشته،عملکرد خود را در حل مسائل بهبود ببخشد.ماشین می تواند،با نظارت انسان یا بدون نظارت او یاد بگیرد،که هم اکنون نظارت محدود انسان در عمل بیشتر مورد استفاده قرار می گیرد.

2-1- مدل درخت تصمیم طبقه بندی شده بازگشتی(مدل یادگیری قیاسی یا استنتاجی):
یکی از شکل های یادگیری تحت نظارت انسان یادگیری استنتاجی است.یک برنامه که به صورت استنتاجی صورت می گیرد می تواند مثال های ارائه شده به آن را تعمیم دهد و اینگونه با تعمیم مفاهیم،دانش خود را گسترش دهد.بسیاری از انسان های متخصص هم به همین شکل یاد می گیرند.درخت های تصمیم یکی از راههای یادگیری استنتاجی می باشد.یک درخت تصمیم دسته داده های آزمایشی را به دسته های فرعی تقسیم بندی می کند.سپس این فرآیند هر یک از این دسته های فرعی را به صورت استنتاجی قیاسی با یک درخت تصمیم جایگزین می کنند و این روند به ایجاد یک درخت تصمیم نهایی برای داده های آزمایشی اولیه می انجامد.
در ابتدا فریدمن(1977)قانون تصمیمگیری طبقه بندی بازگشتی را برای دسته بندی ناپارامتریک معرفی کرد.چنان که توسط پامپه و فیلدرز(1977)پیشنهاد شده،هدف اصلی طبقه بندی بازگشتی جفت کردن و تطبیق دادن یک درخت بر روی نمونه آزمایشی است.این کار به وسیله تفکیک کردن آن به زیر مجموعه هایی همگن به طور فزاینده،تا هنگامی که گره های لایه فقط شامل اعضای خاص شوند یا هر معیار دیگری که مد نظر است محقق شود،انجام میشود.
در طبقه بندی ورشکستگی،درخت تصمیم بوسیله دسته بندی بازگشتی نمونه آزمایشی تا هنگامی که گره های نهایی درخت فقط شرکت هایی را شامل شوند که از یک نوعند(ورشکسته و یا غیر ورشکسته)گسترش می یابد.یعنی یک درخت طبقه بندی دو ارزشی(دوشاخه ای)ایجاد می شود و هر کدام از واحد های تجاری به یکی آنها جفت می شوند.برای طبقه بندی هر شرکت جدید،شرکت بر روی درخت خود فرود آمده و بر روی یک گره نهایی که مشخص کننده عضویت گروه برای یک شرکت خاص احتمال منتسب به آن است می نشیند.
2-2- مدل های استدلال مبتنی بر افته(CBR):
همانند انسانهای خبره،CBR یک فرآیند استدلال مبتنی بر افته کسب دانش فرآیند 4 مرحله ای زیر را بکار می برد:
1)تشخیص،پذیرش و تجدید ارائه مسئله جدید.
2)بازیابی مسائل مشابه از مخزن مسائل.
3)تطبیق مسائل حل شده مرحله 2 با مسئله جدید جهت یافتن راه حل مساله جدید.
4)ارزیابی راه حل پیشنهاد شده و ذخیره آن در مخزن مسائل برای کاربرد های آتی.
2-3- شبکه های عصبی(NN):
هر چند کامپیوتر در محاسبات عددی(مانند ضرب و تقسیم و ……..)پیش افتاده بهتر از مغز انسان عمل می کنند،مطمئنا زمانی که پای تشخیص نشانه های رویدادها و قضاوت در مورد آنها(مانند پیش بینی ورشکستگی شرکت) به میان می آید ضعیف تر از مغز انسان هستند.شبکه های عصبی به منظور غلبه بر این نقض از فعالیتهای زیستی مربوط به مغز و سامانه عصبی آن الهام می گیرد.شبکه های عصبی دسته بندی را با توجه به نشانه های سلامت مالی واحد های تجاری ، همانطور که مغز انسان از روی نشانه طعم غذا تصمیم می گیرد که غذا شور است یا شیرین ، انجام می دهند.
مغز انسان به گونه خاصی از نورون ها(رشته مغزی یا یافته عصبی)ساخته شده است،که اساس علم عصب شناسی است.نورون ها در شبکه های عصبی،عناصر محاسبه گر یا گره نامیده می شوند.همانند نورون های واقعی ، این گره ها در درون لایه ها سازماندهی شده اند.هر گروه یک سیگنال ورودی از دیگر گره ها یا ورودی های خارجی دریافت می کند و آن را از طریق اتصالات میان گره ای پس از پردازش و تبدیل به سیگنال ورودی به سیگنال خروجی،به سایر گره ها می فرستد.اگر این سیگنال معیارهای پژوهشگر را برآورده کند در این صورت به عنوان تصمیم نهایی انتخاب می شوند،در غیر اینصورت به عنوان سیگنال ورودی به گره های دیگر ارسال می شود.(حتی می تواند مجددا به همان گره ارسال شود).پردازش تا هنگامی که پژوهشگر از نتیجه راضی شود ادامه پیدا میکند.شاید وظیفه اصلی هر شبکه عصبی تعین وزن مناسب اتصالات میان گره ای مختلف می باشد.شبکه های عصبی با انجام یک پردازش آزمایشی این وزن را تعیین می کنند که در آن شبکه عصبی دانش رابطه میان سیگنال های ورودی و خروجی را بر اساس اصول از پیش تعین شده یاد می گیرد.این دانش ساختار مجزائی از گره ها را تولید می کند(در یکی از لایه های شبکه به نام لایه مخفی)و همچنین وزن های ارتباطی را تعین می کند،که در نتیجه آنها شبکه عصبی می تواند مشاهدات(شرکت)را در گروههای شناخته شده خودشان دسته بندی کند.اصطلاحا این فرآیند نقشه برداری همگرائی(تقارب)نامیده می شود.
در مورد ورشکستگی ، NN اطلاعات ورودی مربوط به متغیرهای مستقل (نسبت های مالی)را از طریق لایه ورودی دریافت می کند(گره های ورودی)،سپس گره های لایه مخفی که از طریق اتصالات موزون به گره های لایه ورودی متصل اند،این اطلاعات را گردآوری و پردازش می کنند تا حاصل ورشکستگی یا موفقیت یک واحد تجاری را تخمین بزنند.

2-4- الگوریتم های ژنتیک(GA):
الگوریتم های ژنتیک بر اساس وراثت ژنتیکی و تئوری داروین در مورد تکامل طبیعی(اصل بقای اصلح)به عنوان یک روش جستجوی احتمالی عمل می کنند.الگوریتم های ژنتیکی از میان پاسخ های بالقوه پر شماره موجود به دنبال پاسخ بهینه می گردند.
2-5- مدل های مجموعه های سخت(غیر صریح):
مساله اصلی تئوری مجموعه های سخت طبقه بندی است.هدف این تئوری،طبقه بندی مشاهدات بر اساس اطلاعات مبهم و ناقص است.بنابر این این اطلاعات مبهم و غیر دقیق در مورد مشاهداتی که باید دسته بندی شوند اساس ریاضیاتی تئوری مجموعه های سخت است.دسته ای که شامل تمام مشاهدات مبهم باشد دسته ابتدائی نامیده می شود،که همان مجموعه مرجع مشاهدات است.مجموعه ای از مشاهدات که از اعضای برخی دسته های ابتدایی تشکیل شده است،مجموعه صریح نامیده می شود.در غیر اینصورت مجموعه را مجموعه سخت(غیر صریح) می نامیم.
در یک مدل مجموعه سخت،اطلاعات ناقص مربوط به مشاهدات در یک جدول اطلاعاتی ارائه می شود که می توان آن را به عنوان”جدول تصمیم”در نظر گرفت که شامل شرایط مختلف و ویژگی های تصمیم است.سطرها و ستون ها به ترتیب مشاهدات و ویژگی ها را نشان می دهد و در درون هر یک از خانه های جدول مقادیر هر یک از ویژگی ها قرار می گیرد.از جدول تصمیم برای بدست آوردن قواعد تصمیم گیری استفاده می شود و برای این منظور از اصول یادگیری استقرایی(استنتاجی)بهره برداری می شود.این قواعد تصمیم،نتیجه نهایی مدل مجموعه های سخت می باشند.هر مشاهده جدید می تواند با تطبیق ویژگی های آن با مجموعه قواعد استخراج شده طبقه بندی شود.
در کاربرد این مدل برای پیش بینی ورشکستگی،مدل مجموعه سخت اطلاعات در دسترس شرکت هایی که قرار است به دو دسته ورشکسته و یا غیر ورشکسته تقسیم شوند را گرد آوری و در یک جدول ارائه می کند.بر اساس اصول یادگیری استقرائی،مدل قواعدی را ایجاد می کند که برای تعین عضویت شرکتها در گروههای ورشکسته و یا غیر ورشکسته بکار می رود.
3- مدل های نظری:
تمرکز مدل های آماری و هوش مصنوعی بر نشانه های ناتوانی تجاری شرکت ها می باشد و نه بر دلایل ورشکسته شدن شرکت ها،آن مدل ها قادرند با مشاهده شرایط درماندگی مالی موجود در شرکت،ورشکستگی شرکت را پیش بینی کنند.روش دیگری هم برای حل این مساله وجود دارد ، می توان به جای یافتن نشانه های در ماندگی مالی به دنبال یافتن عوامل ایجاد درماندگی مالی و ورشکسته شدن شرکت ها بود.این مدل ها بر اساس برخی مباحث نظری ساخته می شوند و در تلاش است تا دلایل ناتوانی تجاری را تعیین کنند.
3-1- معیارهای تجزیه ترازنامه BSDM (یا تئوری بی نظمی):
یکی از راههای شناسایی بحران مالی،بررسی تغییرات ایجاد شده در ساختار ترازنامه است.بر اساس این تئوری،شرکت ها در تلاشند تا تعادل ساختار مالی خود را حفظ کنند تا هر چه قوی تر و فعال تر باقی بمانند؛چنانچه صورت های مالی یک شرکت تغییرات با اهمیتی در ترکیب دارائیها و بدهی ها،در طی یک دوره زمانی،منعکس کند،احتمال اینکه شرکت قادر به حفظ وضعیت تعادل خود نباشد،افزایش می یابد.از آنجایی که ممکن است این تغییرات در آینده غیر قابل کنترل شوند،می توان بحران مالی در این شرکت ها را پیش بینی کرد.به این مفهوم اقتصادی احتمال ورشکستگی شرکت ها ،استدلال معیار تجزیه ترازنامه یا تئوری بی نظمی می گوییم.
3-2- تئوری ورشکستگی قمار باز:
بنیان اصلی این تئوری به بازی قماربازها مرتبط است،در آن شرکت همانند قمار بازی در نظر گرفته می شود که با مبلغی پول بازی می کند.قمار باز ممکن است در این بازی سود یا زیان کند.این بازی(فعالیت در مورد شرکت ها )تا زمانی ادامه یابد که قمار باز تمام پولش را از دست بدهد.این تئوری همچنین در باره ورشکستگی نهایی قمار باز و مدت زمان مورد انتظار هم بحث می کند.
در زمینه پیش بینی ناتوانی شرکت ها،شرکت مانند قمار بازی در نظر گرفته می شود و تا هنگامی به عملیات ادامه می دهد تا خالص ارزش دفتری آن صفر شود،نقطه ای که شرکت در آستانه ورشکستگی قرار می گیرد.فرض این تئوری این است که شرکت مقداری سرمایه به صورت وجه نقد دارد؛که این وجه می تواند به صورت تصادفی و بر اساس عملیات شرکت،از شرکت خارج یا به شرکت وارد شود.در هر دوره مشخص،شرکت ممکن است خالص جریان نقدی مثبت یا منفی داشته باشد.در طی دوره های متوالی؛ممکن است همیشه جریان نقدی خالص شرکت منفی باشد،چنین شرایطی ممکن است شرکت را مجبور کند،چراکه با کمبود وجه نقد مواجه می شود.از این رو شرکت تا زمانی که خالص دارائیهایش مثبت باشد،توانایی پرداخت قروضش را دارد.منظور از خالص دارائیها،ارزش انحلال حقوق صاحبان سهام می باشد.

3-3- تئوری مدیریت وجوه نقد:
مدیریت کوتاهمدت وجوه نقد بنگاه ،یکی از نگرانی های اصلی هر شرکتی است.صورت جریان های نقدی شرکت ها این عملکرد مدیریت نقدی شرکت ها را افشا می کند.عدم تعادل بین جریان های نقدی ورودی و خروجی،می تواند به معنی ناتوانی عملکرد مدیریت وجوه نقد شرکت باشد.استمرار چنین وضعیتی می تواند به بحران های مالی و در نهایت ورشکستگی شرکت بینجامد.
3-4- تئوری ریسک اعتباری:
وست گاردویست(2001)بیان کرده است که،ریسک اعتباری یعنی ورشکسته شدن شخصی که به بانک بدهکار است و یا ورشکسته شدن یکی از طرفین معامله با بانک و در نتیجه ناتوانی آن شخص در بازپرداخت مبلغ بدهی به بانک.این ریسک تمام طرفین معامله با بانک را در بر می گیرد همچنین فرقی نمی کند که به چه دلیل تعهدات آنها بازپرداخت نمی شود.مدل هایی برای محاسبه ریسک اعتباری در سالهای اخیر ارائه شده است که شامل؛مدل اعتبار سنجی مورگان،مدل KMV مودی ،ریسک اعتباریCSFP و نظریه پرتفوی اعتباری مک کیسنی می باشد.خلاصه ویژگی های مدلهای مختلف پیش بینی ورشکستگی در جدول شماره 3 ارائه شده است.

جدول شماره 3

گروه مدل
ویژگی های اصلی گروه
مدل های آماری
تمرکز بر نشانه های ورشکستگی

اطلاعات مورد نیاز از دفاتر شرکت استخراج می شوند.

می توانند تک متغیره یا چند متغیره با شند.

از فرآیند های مدل سازی سنتی استفاده می کنند.
مدل های هوش مصنوعی
تمرکز بر نشانه های ورشکستگی

اطلاعات مورد نیاز از دفاتر شرکت استخراج می شوند.

معمولا ماهیت چند متغیره دارند.

حاصل پیشرفت فنآوری و توسعه اطلاعاتی اند.

شدیدا به فن آوری رایانه ای وابسته اند.
مدل های نظری
تمرکز بر دلایل کیفی ورشکستگی.

از اطلاعاتی استخراج می شوند که بتوانند مباحث نظری مطرح شده در مورد ورشکستگی را پاسخ دهند.

3) ماهیت چند متغیره دارند.
4) معمولا از تکنیک های آماری برای پشتیبانی کمی مباحث نظری استفاده می شود.

نقد و بررسی مدل های پیش بینی ورشکستگی:
1)نقدی بر مدل های آماری:
تحلیل یک متغیره نسبت های مالی،در ابتدا توسط محققانی مانند بیور(1966)مورد استفاده قرار گرفت.یکی از مفروضات بحث بر انگیز این روش این است که رابطه ای نسبی میان متغیر های صورت و مخرج نسبت های مالی مورد محاسبه وجود دارد.به هر حال آنچنان که ویتینگتون(1980)و کیسی و واتسون(1991)اشاره کرده اند ،این فرض می تواند در دو مورد نقض شود؛1)رابطه میان دو متغیر ممکن است غیر خطی باشد و در نتیجه به تغییر نسبت مالی منجر شود؛2)یک عبارت ثابت(مقدار ثابت)ممکن است در رابطه میان دو متغیر مداخله کند،که این مورد می تواند جلوی تناسب را بگیرد.علاوه بر این تحلیل تک متغیره بر نشانه های منفرد ناتوانی قریب الوقوع شرکت تاکید می کند و از این رو در هر بار آلتمن(1993)هشدار داده اند که این روش تحلیل نسبت های مالی ممکن است موجب تفسیر نادرست شود و به طور بالقوه گیج کننده است.بدیهی است که وضعیت مالی یک شرکت به عوامل مختلفی وابسته است،و هیچ یک از نسبت های مالی نمی تواند به تنهایی وضعیت مالی شرکت را توصیف کند.
به دلیل نوع محدودیت ها،تحلیل یک متغیره جای خود را به تحلیل چند متغیره داد.در میان مدل های چند متغیره،تحلیل تمایزی چند گانه(MDA)بیشتر از دیگر مدل ها مورد استفاده قرار گرفته و در ابتدا توسط آلتمن(1968)مطرح شده است.تحلیل تمایزی چند گانه بر فرض هایی استوار است از جمله،ماتریس پراکندگی(واریانس-کواریانس)گروه برای شرکت های ورشکسته و غیر ورشکسته یکسان است؛و یا اینکه جامعه آماری باید دارای توزیع چند متغیره باشد.بسیاری از مطالعات،ازجمله کارلز و پراکاش(1978)نشان داده اند که این فرض ها اغلب در داده های مورد استفاده در مطالعات نقض می شوند.انتخاب غیر تصادفی شرکت های مورد بررسی در تحقیقات اغلب موجب عدم بی طرفی آنها می شود و تخطی از فرض توزیع نرمال را در پی دارد(لینو گیه، 2001).
در مجموع تحلیل تشخیصی چند گانه بر اساس مفروضات دست و پاگیری کار می کند،که حتی برخی از آنها در عمل نقض می شوند. در جستجو برای یافتن یک مدل پیش بینی ورشکستگی با مفروضات ساده تر،محققان مدل های احتمال شرطی را پیشنهاد کردند،کهLPM،لاجیت و پروبیت از آن جمله اند.LPM متکی به مفروضاتی می باشد که معمولا تحقق نمی یابد؛برای نمونه،معمولا ناهمگنی توزیع خطا در مطالعات فرض توزیع نرمال را نقض می کند.علاوه بر این،اعتبار و دقت این مدل کمتر از تحلیل تشخیصی چند گانه است و امکان تفسیر نتایج حاصل از این مدل هنگامی که مقدار احتمال محاسبه شده خارج از محدوده(1-0)باشد وجود ندارد(گوجاراتی،1998).
مشکلاتی که LPM با آنها روبروست را می توان با بکارگیری یک تابع احتمال تجمعی،همانند توابع مورد استفاده در لاجیت و پروبیت،بر طرف کرد.برخی فقط به دلیل سادگی کاربرد،روش لاجیت را بر پروبیت ارجح دانسته اند.هر دو مدل لاجیت و پروبیت هنگامی که حجم نمونه بزرگ باشد بسیار خوب عمل می کند.متاسفانه معمولا تعداد شرکت های ورشکسته به اندازه ای زیاد نیست تا بتوان از این مدل ها در بهترین حالت عملکردشان بهره مند شد.حجم نمونه کوچک معمولا بکارگیری مدل های لاجیت و پروبیت را با محدودیت هایی مواجه می کند(استون و رسپ،1991).این مدل ها همچنین هنگامی که تعداد متغیرهای پیش بینی خیلی زیاد باشد و یا وقتی که مقادیر پیوسته است هم تحت تاثیر قرار می گیرند(موریس ، 1998).علاوه بر این،لاجیت و پروبیت در مقایسه با تحلیل تشخیصی چند گانه نیازمند محاسبات سخت تری است.
2)نقدی بر مدل های هوش مصنوعی:
مدل های سیستم خبره هوش مصنوعی هم محدودیت هایی را پیش رو دارند.برای نمونه مدل استنتاجی(درخت های تصمیم طبقه بندی بازگشتی)یک روش گزینشی رو به جلو(پیش رونده)است که در آن باید گاهی متغیرهایی که قبلا مورد تجزیه و تحلیل قرار گرفته اند مجددا مورد تجدید نظر قرار بگیرند.(دیمیتراس و دیگران،1996).
برخی از مدل های هوش مصنوعی،مانند استدلال مبتنی بر افته(CBR)از نظر روش شناسی مباحثه،با انسانهای متخصص و گردآوری اطلاعات دارای نقص است.انتخاب فهرست راهنما(یا انتخاب موضوعات)یکی از مشکلات کنونی CBR است.جواب های بدست آمده توسط CBR با کمک مسائل حل شده قبلی بدست می آیند.به هر حال،بدست آوردن جواب های درست نیازمند مطالعه بیشتر فرآیند تفکر انسان های متخصص است.(کولودنر،1993).
با این وجود تعدادی از مطالعات پشتیبان شبکه های عصبی(NN)بوده اند،در این مدل ها کمبود هایی هم وجود دارد.شین و لی(2002)بیان کرده اند که،یافتن یک مدل شبکه عصبی مناسب به منظور آشکار ساختن مشخصات و ویژگی های یک مساله خاص کار ساده ای نیست.این موضوع به این دلیل است که تعداد زیادی چیدمان شبکه،روش های یادگیری و پارامترهای مختلف وجود دارند.آلتمن و وارتو(1994)،اشاره می کنند که مدت زمان پردازش طولانی برای انجام مرحله آزمایشی مدل های شبکه عصبی،و نیاز به آزمون های متعدد به منظور تعیین ساختار مناسب شبکه عصبی می تواند به طور قابل ملاحظه ای استفاده از شبکه های عصبی را محدود کند.
مدل های الگوریتم ژنتیک هم در حال توسعه هستند.مشکل بزرگ GA ها این است که وفق دادن آنها دشوار است و معیار های مشخصی ندارند(شاپیرو،2002).یکی دیگر از نقص های الگوریتم های ژنتیک،نبود الگوریتم از پیش تعین شده برای تعریف محدودیت ها به آنها می باشند(آیکلین و داوسلند،2003).این مشکل خاص موجب می شود که نتوان برای بسیاری از مسائل واقعی بهینه سازی دنیای امروز از GA ها استفاده کرد.و در نهایت ، مدل های مجموعه سخت(غیر صریح)در مواجهه با مجموعه داده های عددی عملکرد خوبی ندارند.در این تئوری باید داده های عددی(کمی)قبل از استفاده به داده های غیر عددی(کیفی)تبدیل شود(مک و موناکاتا،2002).اشکالات اساسی مجموعه های سخت به اعتقاد یسدی(1995)؛حساسیت بالا نسبت به اختلافات،قید و شرط های زیاد،و انعطاف پذیری پایین نسبت به الزامات تکالیف محوله به مدل و هماهنگ شدن با آنها است.
3)نقدی بر مدل های نظری:
هر دوی مدل های آماری و هوش مصنوعی فاقد زیر بنای نظری بودند.پیش بینی ورشکستگی شرکتها با استفاده از مدل هایی که فاقد زیر بنای تئوری هستند همواره مورد تردید بوده است و بنابراین،محققان تلاش کرده اندتا فرآیند ورشکستگی شرکتها را با کمک نظریه هایی،که نمونه آنها پیشتر ذکر شد توصیف کنند.
معیارهای تجزیه ترازنامه(BSDM)یا تئوری بی نظمی یک نقص عمده ساختاری دارند؛این مدل تمام تمرکز خود را صرف تغییر ساختار ترازنامه می کند.صرف نظر از دلیل این تغییرات ساختاری این موضوع موجب ناتوانی این تئوری در تمیز میان تغییرات ساختاری ترازنامه در اثر ناتوانی تجاری در مقایسه با تغییرات ساختاری در اثر رشد شرکت می شود؛بوث و هاجینسون(1986)این محدودیت ها را در یک مطالعه تجربی یافتند.بعلاوه برخی محققان،از جمله مویر(1977)در مطالعاتشان عنوان کردند که BSDM روش مطلوبی برای پیش بینی ورشکستگی نیست.
مدل ورشکستگی قمار باز فرض می کند که واحد تجاری به هیچ وجه به منابع مالی خارج از شرکت دسترسی ندارد تا بتواند زیانهایش را تامین کند.به هرحال به اعتقاد اسکات(1981)تلاش برای استفاده از این مدل ناامید کننده بوده است.روشن است که،شرکت ها،آنچنان که مدل اسکات هم پیشنهاد می کند دسترسی هر چند محدود به بازارهای مالی خارج از شرکت دارند.اگر چه مدل پیشنهاد شده توسط اسکات اشکال مدل ساده ورشکستگی قمارباز را برطرف کرده است اما هیچ کس در عمل از آن استفاده نکرده است.
تئوری های مدیریت وجوه نقد یک توضیح منطقی و مستدل از ناتوانی تجاری شرکت ارائه می دهند؛ولی هنوز هم می توان گفت که این تنها دلیل ورشکستگی نیست.بسیاری دیگر از عوامل ورشکستگی در این مدل ها مد نظر قرار نگرفته اند.به عنوان مثال،سهام شرکت و حقوق سهامداران می تواند نقش مهمی در این زمینه ایفا کند(آنچنان که توسط مدل های ریسک اعتباری هم این موضوع مورد تاکید قرار گرفته است.).

تحقیقات پیشین در زمینه بکارگیری مدل های پیش بینی ورشکستگی:
یافته های حاصل از تحقیقات پیشین حکایت از آن دارد که 64% درصد از مطالعات گذشته پیش بینی ورشکستگی روش های آماری را ترجیح داده اند و مدل های هوش مصنوعی و نظری به ترتیب با 25% و 11% در رتبه های بعدی قرار دارند.نمودار شماره 1 بیانگر این مطلب می باشد.

شاید دانستن اینکه کدام مدل بیشتر از بقیه استفاده شده مفید باشد.شکل شماره 2 نشان می دهد که بیش از 30% مطالعات پیش بینی ورشکستگی از مدل های تحلیل تشخیصی چندگانه استفاده کرده اند،در حالیکه سهم مدل لاجیت 21% می باشد و هر دوی این مدل ها جزء مدل های آماری اند.در کل سهم مدل های آماری در مطالعات پیش بینی ورشکستگی 77% می باشد.در میان مدل های سیستم خبره هوش مصنوعی،بیشترین موارد استفاده از شبکه های عصبی داشته است و 9% کل مطالعات را تشکیل می دهد.پس از شبکه های عصبی،طبقه بندی بازگشتی جایگاه دوم را داشته است.تئوری های بی نظمی با سهم 5/4% از کل مطالعات ورشکستگی رتبه اول مدل های نظری را دارد.جدول شماره 4 مطالعات مرتبط با پیش بینی ورشکستگی در دنیا را نشان می دهد.

جدول شماره 4

نمودار شماره 2 میزان استفاده از هر گروه از مدلها در تحقیقات پیشین را نمایش می دهد که تحلیل تمایزی چند گانه بیشترین سهم را در مطالعات مربوط به پیش بینی ورشکستگی دارا می باشد.

شکل شماره 3 دقت پیش بینی نهایی هر یک از مدل ها را یکسال قبل از ورشکستگی نشان می دهد.تقریبا تمامی روش ها توانایی مطلوبی در پیش بینی ورشکستگی شرکت ها داشته اند و میانگین موزون دقت پیش بینی مدل ها بیش از 85% می باشد.به نظر می رسد تئوری ورشکستگی قمارباز دقت بیشتری دارد(حدود94%)ولی از طرف دیگر از این مدل تنها در 12/1% تحقیقات استفاده شده است.دقت بالای پیش بینی مدل های مجموعه های سخت،ریسک اعتباری،پروبیت و الگوریتم های ژنتیک هم به همین شکل به دلیل کاربرد کم آنها سوال بر انگیز است.مطالعات بیشتری نیاز است تا این مدل ها به جایگاه در خورشان ارتقا یابند.نمودار شماره 3 دقت پیش بینی هر یک از مدل ها را نشان می دهد.

بر اساس مطالعه انجام شده مشخص شد که مدل های هوش مصنوعی در مجموع با میانگین 88% نسبت به مدل های آماری و مدل های نظری در زمینه پیشبینی ورشکستگی شرکتها دقیقتر می باشند.میانگین دقت پیش بینی ورشکستگی مدل های آماری و نظری به ترتیب 84% و 85% میباشد.نمودار شماره 4 میانگین دقت هر یک از مدلها را نشان می دهد.

در زمینه پیش بینی ورشکستگی حدود 47% از مطالعات داده های شرکت های کشور آمریکا را جهت انجام پژوهش مورد استفاده قرار داده اند،لذا در مطالعات مربوط به پیش بینی ورشکستگی آمریکا در رتبه نخست قرار دارد.پس از آمریکا انگلستان با 18% مطالعات در رتبه دوم قرار دارد.در مجموع 7/42% مطالعات،شرکت های اروپایی را مورد بررسی قرار داده اند.سهم شرکت های آسیایی در مطالعات مربوط به ورشکستگی حدود 10% می باشد.شکل شماره 5 موضوع گفته شده را نشان می دهد.نمودار شماره 5 میزان استفاده از داده های هر کشور را در مطالعات پیشین نمایش می دهد که کشور آمریکا در رتبه نخست قرار دارد.

کاربرد EPS43 در پیش بینی ورشکستگی:
تعریف سود هر سهم و چگونگی محاسبه آن:
Investopedia سود هر سهم را به عنوان بخشی از سود شرکت ها که به هر یک از سهام عادی در دست سهامداران تخصیص داده شده است ، تعریف می کند. سود هر سهم به عنوان شاخص سود آوری شرکت ها بکار می رود.که به صورت زیر محاسبه می گردد.

EPS=(net income-dividends on preferred stock)/(average outstanding shares)

یا
EPS=(share price)/(price-to-earnings ratio)

در محاسبه سود هر سهم بهتر این است که از میانگین وزنی تعداد سهام در دست سهامداران در دوره گزارشگری استفاده شود ، زیرا تعداد سهام در دست سهامداران می تواند در طول زمان تغییر کند.با این حال، استفاده از تعداد سهام در دست سهامداران در انتهای دوره، موجب سهولت در محاسبه EPS می گردد. EPS رقیق شده از طریق گنجاندن سهام قابل تبدیل و تضمین شده در تعداد سهام در دست سهامداران موجب توسعه EPS میگردد.
اهداف محاسبه سود هر سهم:
1)بند 10 استاندارد حسابداری شماره 30 بیان میدارد که هدف سود پايه هر سهم، ارائه شاخصي براي اندازه‌گيري منافع هر سهم عادي از عملکرد واحد تجاري طي دوره گزارشگري است.
2)هدف محاسبه سود پايه هر سهم، بهبود مقايسه عملکرد واحدهاي تجاري در يک دوره گزارشگري و مقايسه عملکرد يک واحد تجاري در دوره‌هاي گزارشگري مختلف است. هدف محاسبه سود تقليل‌يافته هر سهم نيز هماهنگ با هدف محاسبه سود پايه هر سهم مي‌باشد، با اين تفاوت که آثار تبديل فرضي تمام سهام عادي بالقوه تقليل‌دهنده موجود در طي دوره را نيز درنظر مي‌گيرد. در واقع هدف از محاسبه سود تقليل‌يافته هر سهم، انعکاس اثر احتمالي تبديل فرضي سهام عادي بالقوه و کاهش احتمالي سود پايه هر سهم، به منظور علامت‌دهي در مورد کاهش بالقوه سود پايه هر سهم است.
رابطه بین EPS و قیمت سهام:
سود هر سهم معمولا به عنوان تنها متغیر با اهمیت در تعیین قیمت سهام در نظر گرفته شده است.سود هر سهم به عنوان یک عنصر اصلی نسبت ارزشگذاری P/Eتلقی می شود.این امر نیز حائز اهمیت می باشد که سرمایه مورد نیاز برای ایجاد درآمد(سود خالص) در محاسبات در نظر گرفته شود.دو شرکت می توانند میزان EPS یکسانی را ایجاد کنند ، اما یکی از آنها میتواند با میزان سرمایه گذاری کمتری این کار را به انجام برساند – این شرکت به نحو کاراتری توانسته است که از سرمایه خود برای ایجاد در آمد استفاده نماید ، با فرض ثابت بودن سایر شرایط ، این شرکت در مقایسه با شرکت دیگر بهتر عمل کرده است.
به طور معمول این سوال پیش خواهد آمد که چرا علارغم اخبار خوبی که منتشر می شود ارزش شرکتها کاهش پیدا می کند؟در اغلب موارد ، زمانی که شرکت گزارش مربوط به عایدات منتشر کرده است ،بازار این اخبار را به وسیله تعدیل ارزش سهام شرکت ها منعکس خواهد کرد.
مک کلار(2006) بیان کرده است که عایدات انباشته توسط بسیاری از سرمایه گذاران مورد توجه واقع شده است و یک نقش اساسی را در ارزیابی ارزشگذاری مناسب از قیمت سهام بازی می کند.سرمایه گذاران عملکرد شرکت ها را بر اساس قدرت سود آوری آنها اندازه گیری می کنند.برای ایجاد یک ارزیابی مناسب ، سرمایه گذاران یک برآورد دقیق از EPS سال جاری و سنوات آتی را پیگیری می کنند.
قیمت سهام بر اساس انتظاراتی که سرمایه گذاران از عایدات بالقوه شرکتها دارند تعیین خواهد شد.عایدات به عنوان یک عامل ارزشگذاری بسیار با اهمیت در تعین قیمت سهام محسوب می شود ، همچنین آن عاملی است که می تواند قیمت سهام را خیلی سریع تغییر دهد.
اگر شرکتی گزارشی مرتبط با عایدات منتشر نماید و این گزارش انتظارات سرمایه گذاران را برآورده نسازد ، قیمت سهام به احتمال زیاد پایین خواهد آمد.
اولسون در ارتباط با سود هر سهم و ارزش دفتری هر سهم و نقش این دو در تعین قیمت سهام مدلی ارائه داده است که در این مدل قیمت سهام تابعی از سود هر سهم و ارزش دفتری هر سهم می باشد.مدل اولسون به صورت زیر است:
P_it=β_0+β_1 〖EPS〗_it 〖+β〗_2 〖BV〗_it+ε_it
=P_it قیمت سهام شرکت i در قبل از مجمع سال t
=BVit ارزش دفتری هر سهم شرکت i در پایان سال t
EPSit = سود هر سهم شرکت i در پایان سال t
امیر پور حیدری و دیگران(1384) به بررسی ارتباط بین سود هر سهم و قیمت هر سهم پرداختند،آنها فرضیه فوق را در سطح اطمینان 99% با استفاده از آزمون t استیودنت آزمون کردند و به این نتیجه دست یافتند که بین سود هر سهم و قیمت هر سهم ارتباط معناداری وجود دارد.
آیا قیمت های سهام و EPS روی ورشکستگی تاثیر دارند؟
جونز(1943) بیان می دارد که قیمت های سهام بوسیله چگونگی انتظارات بازار از روند رشد عایدات و خطراتی که منتسب به سهام است تعین شده است.از این رو اطلاعات تعین کننده اصلی قیمتهای سهام است و بنابراین آن اساس فرضیات بازار کارا است .FAMA در سال 1970 سه شکل از کارائی بازار را مشخص نموده است،شکل ضعیف،شکل نیمه قوی و شکل قوی بازار کارا.بنابر این یک بازار زمانی قوی است که قیمت های سهام همه اطلاعات موجود و قابل درک را منعکس نماید.اگر کارایی بازار به شکل قوی نباشد،آنوقت برخی سرمایه گذاران به نسبت دیگران آگاهی کمتری دارند.از این رو سرمایه گذارانی که آگاهی کمتری دارند نمی توانند از نوسانات عایدات و قیمت سهام برای تشخیص سلامت مالی یک شرکت و انجام تصمیمات اقتصادی استفاده نمایند.کارا بودن بازار شایان اهمیت بسیاری است ، چرا که در صورت کارا بودن بازار سرمایه ، هم قیمت اوراق بهادار به درستی تعین می شود و هم تخصیص سرمایه که مهمترین عامل تولید و توسعه اقتصادی است ، به صورت مطلوب و بهینه انجام می شود(جهانخانی و عبده تبریزی،1372).به طور کلی 3 نوع کارایی در بازار مالی وجود دارد:کارائی تخصیصی ، کارائی عملیاتی و کارائی اطلاعاتی.
کارائی تخصیصی:پروژه های سرمایه گذاری با بهره وری نهایی سرمایه ، تامین مالی می شوند.
کارائی عملیاتی: هزینه انجام مبادلات در حداقل ممکن می باشد.
کارائی اطلاعاتی: قیمت یک دارائی منعکس کننده کلیه اطلاعات موجود در بازار می باشد.
عوامل موثر بر سود هر سهم و ارزش سهام شرکت:
4 عامل مهمی که بر تصمیمات مالی آینده و سود هر سهم تاثیر می گذارند عبارتند از:
1)ریسک ناشی از بدهی مازاد:تامین مالی پروژه ها از طریق اخذ وام،هزینه کمتری را نسبت به سرمایه گذاری از طریق سهام ممتاز یا سهام عادی را دارد.ولی اخذ وام ریسک بیشتری نسبت به تامین مالی از طریق حقوق صاحبان سهام دارد.اگر امکان بازپرداخت بهره میسر نباشد،شرکت با وضع نامناسبی از جمله ورشکستگی روبرو خواهد شد،زیرا نرخ بهره افزایش یافته و ریسک شرکت نیز بیشتر خواهد شد.که در صورت عدم موفقیت در سرمایه گذاری وام اخذ شده،ارزش سهام شرکت در بازار کاهش خواهد یافت.
2)رشد:سود هر سهم آینده یک شرکت می تواند در پیش بینی میزان رشد شرکت در طول یک سال بکار گرفته شود،ولی رشد بلند مدت شرکت با رشد آن در طول یکسال تفاوت دارد،و شاخص رشد مورد انتظار طرح مثل سود نیز بر ارزش آتی سهام یک شرکت در بازار تاثیر دارد.
3)مشکلات اجرای طرح:اصولا شرکت ها از سرمایه گذاری در پروژه های سود آوری که حرکت سایر پروژه ها را مختل می سازد،صرفه نظر می کنند.این پروژه ها ممکن است وقت زیادی از مدیریت را بگیرد که موجب کاهش صرف وقت مناسب مدیریت برای سایر پروژه ها می شود.این شرایط می تواند بر ارزش بازار سهام شرکت تاثیر منفی گذاشته و پذیرش پروژه جدید را با تردید مواجه نماید.
در پژوهشی که در سال 2008 توسط ویلفورد موانزا در بورس اوراق بهادار زینباوه تحت عنوان”ورشکستگی شرکت،دلیلی برای نگرانی در بخش تجارت زینباوه:آیا سرمایه گذاران و سهامداران به صورت مداوم از رشد سود هر سهم برای تشخیص سلامت مالی یک شرکت استفاده می کنند.”هدف اصلی از پژوهش انجام شده این بود که تعیین شود آیا رشد EPS می تواند برای تشخیص سلامتی مالی یک شرکت مورد استفاده قرار گیرد؟تحقیق صورت گرفته همچنین فعالیتهایی را که توسط مدیریت برای پنهان سازی درماندگی مالی انجام می شود را نشان می دهد.تحقیق حاضر از طریق مطالعه تعدادی شرکت ورشکسته و سالم در محدوده زمانی 2002 الی 2008 انجام شده است.داده های مربوط به سود و قیمتهای سهام پشتیبان آنها مربوط به Barbican holding ،Century holding ، CBZH در دوره زمانی مورد نظر بررسی شده است.تجزیه و تحلیل از طریق نمودارهای میله ای و خطی برای نشان دادن روند سود هر سهم انجام گردیده است.یافته های تحقیق حاکی از آن است که ورشکستگی شرکت می تواند توسط رشد سود هر سهم از طریق ترکیب با تجزیه و تحلیلهای فاندمنتال44 و تکنیکال45 پیش بینی شود.بسیاری از سرمایه گذاران در زمان ارزیابی سلامت مالی یک شرکت به صورت های مالی یک شرکت اتکا می کنند.دریک محیط با تورم شدید به بزرگی 60% درسال صورت های مالی دیگر نمی تواند برای تفکیک شرکت های سالم و ورشکسته مورد استفاده قرار گیرد.
علاوه بر آن مدیریت شرکت ها راههایی برای پنهان سازی درماندگی مالی از طریق حسابداری ساختگی و پرداخت سود سهام به وسیله قرض پول پیدا می کنند.تحقیق حاضر پیشنهاد می کند که برای پیش بینی درماندگی مالی شرکت ها استفاده از تحلیلهای تکنیکال با فاندمنتال ترکیب شوند.
پرماچاندرا و دیگران(2007)در پژوهشی که تحت عنوان”DEA به عنوان ابزاری برای ارزیابی ورشکستگی:یک مطالعه مقایسه ای با رگرسیون لجستیک.”که به تفصیل در زیر خلاصه ای پژوهش آنها و نتایج بدست آمده از آن مطالعه شرح داده می شود.
پژوهش انجام شده ( 46Data envelopment analysis)DEA را به عنوان ابزاری سریع و آسان برای ارزیابی ورشکستگی پیشنهاد کرده است.DEA یک روش ناپارامتریک47 است که برآوردهای وزنی(برآوردهای ناپارامتریک)از یک طبقه بندی عملکرد را برای تفکیک شرکت های ورشکسته و غیر ورشکسته مورد استفاده قرار می دهد.از طریق یک نمونه از شرکت های بزرگ ورشکسته در ایالت متحده توانایی DEA در ارزیابی ورشکستگی از طریق مقایسه با رگرسیون لجستیک(LR) اندازه گیری شده است.
یافته های تحقیق انجام شده حکایت از آن دارد که درنمونه بررسی شده DEA نسبت به مدل LR عملکرد بهتری دارد.دیگر مزیت DEA نسبت به مدل LR این است که آن عاری از فرضیات مرتبط با رویکردهای آماری و اقتصاد سنجی می باشد.علاوه بر این مدل DEA در ارزیابی ورشکستگی برخلاف رویکردهای آماری و اقتصاد سنجی که به حجم نمونه بالایی نیاز دارند،نیاز ندارد.نیاز به نمونه بالا در زمانی که قرار است تصمیم گیری با حجم نمونه پایینی انجام شود یکی از ایرادات با اهمیت رویکردهای آماری و اقتصاد سنجی می باشد.DEA می تواند چنین دشواری مرتبط با اندازه نمونه را دور بزند.بنابراین DEA تقریبا یک روش جذاب برای ارزیابی ورشکستگی است.
در گذشته تصمیم گیران پرتفولیو به طور گسترده از رگرسیون لجستیک(LR)(اهلسون،1980 و کیسی و واتسون،1991) جهت ارزیابی ورشکستگی استفاده می کردند.DEA یک رویکرد ناپارامتریک برای تجزیه و تحلیل عملکرد بر مبنای تولید48 می باشد.در این تحقیق مسیر پژوهش از تجزیه و تحلیل بر مبنای عملکرد به ارزیابی ورشکستگی تغییر کرده است.
ارزیابی ورشکستگی از اهمیت بالایی برخوردار است زیرا یک شرکت ورشکسته مخارج مستقیم و غیر مستقیم با اهمیتی را بر دوش سهامداران تحمیل می کند.شواهد موجود بیان می کند که مخارج مستقیم(همچون مخارج دادگاهی49،حق الزحمه های وکیل دادگستری50 و حسابداران)شاید به کوچکی 05% باشد(وارنر،1977) یا در زمانی که هر دوی مخارج مستقیم و غیر مستقیم(همچون فروش های از دست رفته51،سود های از دست رفته52 ، مخارج بالای تامین مالی،ناتوانی در صدور اوراق بهادارجدید و از دست دادن موقعیت سرمایه گذاری مناسب) با هم مد نظر قرار گیرند به بزرگی 28% باشد(آلتمن،1984).بنابراین برای شناسایی سریع درماندگی بالقوه این امر خیلی اهمیت دارد زیرا مالکان و سرمایه گذاران شرکتها تصمیماتشان را در یک دنیای همراه با توسعه تکنولوژی پویا،دانش ناقص و نا اطمینان اتخاذ می کنند.
تحقیقات صورت گرفته در زمینه ورشکستگی را می توان به 2 گروه طبقه بندی کرد.اول تحقیقاتی که بر یک مدل خاص تمرکز دارند.مطالعات در این زمینه این امر را که چگونه یک مدل خاص در ارزیابی ورشکستگی در مقایسه با مدل دیگر عمل می کند،آزمون می کند(لو،1986).دومین تحقیقات،تحقیقاتی است که بر انتخاب یک مجموعه مناسب از متغیرها و ساخت یک مدل خاص تمرکز دارند.
تجزیه و تحلیل آمار تمایزی از ترکیبات خطی متغیرهای مستقل برای تعین یک امتیاز (اغلب به مدل Score Z- مراجعه شده است.)برای یک شرکت خاص استفاده می کند.سپس این امتیاز برای تفکیک بین شرکت های ورشکسته و غیر ورشکسته با استفاده نقطه انقطاع53 بکار برده می شود.
تحقیق انجام شده حاکی از این است که مدل DEA در مقایسه با LR دارای مزیت های زیر است:
1)ناپارامتریک:در ابتدا،DEA برآوردهای وزنی از یک شکل کارکردی برای طبقه بندی مشاهدات به دو گروه را اندازه می گیرد.هر برآورد وزنی بین صفر و یک اندازه گیری می شود.بنابراین برآوردهای وزنی میتوانند به صورت درصد بیان شوند و اهمیت نسبی متغیرهای مستقل برخلاف مدل های رگرسیون خطی کلاسیک تعیین می شود.از این رو DEA یک رویکرد ناپارامتریک دارد.در مقابل،تجزیه و تحلیل تمایزی آماری و روشهای اقتصاد سنجی به یک رویکرد پارامتریک تعلق دارند زیرا آنها برآوردهای پارامتری از یک شکل کارکردی را اندازه می گیرند.
2)توزیع آزاد54 :دوم اینکه،تجزیه و تحلیل آماری تمایزی فرض می کنند که متغیرهای استفاده شده برای طبقه بندی گروه به صورت نرمال توزیع شده اند.در مالیه،اکثر متغیرهای استفاده شده در تجزیه و تحلیل تمایزی همچون اندازه شرکت55،اندازه وام56 و بازده سرمایه57 با یک رویداد با ارزش بی نهایت اندک به سمت اریب بودن58 گرایش دارد.چنین رویدادی ممکن است منجر به توزیع متغیرها به سمت نرمال شود.
در مقابل DEA دارای یک توزیع آزاد است زیرا آن به یک توزیع مشخص ازمتغیرها نیاز ندارد.با این حال،فرآیند های محاسباتیDEA همه مشاهدات را به کارا و ناکارا گروه بندی می کند.همه مشاهدات کارا59 شامل یک مرز کارائی60 می باشند.انتظار می رود که شرکت های سالم در داخل مجموعه احتمال ورشکستگی61 که به شکل ناحیه ورشکستگی می باشد. قرار گیرند.همه مشاهدات ناکارا زیر ناحیه ورشکستگی قرار می گیرند.
برای سهولت در تفصیر ،نمودار شماره (6) شامل یک متغیر ورودی62(X) و یک متغیر خروجی63(Y) میباشد.علامت (O) عملکرد یک شرکت ورشکسته را نشان می دهد و علامت(*)عملکرد یک شرکت سالم را نشان می دهد.

شکل 6
3)رویکرد اقتصاد سنجی به برآورد پارامترهای مدل با استفاده از یک نمونه مقدماتی64 از شرکت های ورشکسته و سالم و سپس برون یابی یک مدل برآورد برای پیش بینی ورشکستگی ها در یک نمونه بسط یافته نیاز دارد.اگر برآورد نمونه ناکارا یا جانبدارانه باشد(نشانگر جمعیت واقعی شرکت های ورشکسته و غیر ورشکسته نباشد.)،مدل برآورد شده این نمونه ناکارا یا جانبدارانه می شود.(کیسی و واتسون ،1991).از این رو پیش بینی جانبدارانه می شود.چنین ناکارائی هایی در مدل های اقتصاد سنجی را می توان با استفاده کردن از DEA از بین برد.
تشریح مدل DEA :
DEA روشی بر اساس برنامه ریزی خطی65 است،که کارائی های نسبی واحد های تصمیم گیرنده(( 66DMUS را با اختصاص وزن هایی برای ورودی ها و خروجی ها اندازه گیری می کند.متغیرهای تابشی67 و غیر تابشی68 مدلهای DEA در ادبیات گذشته پیشنهاد شده است.شکل مدل به صورت زیر است.
MAX:〖es〗^-+〖es〗^+
Subject to:Xλ+s^-=x_0
Yλ-s^+=y_0
eλ=1
λ≥0, s^-≥0 ,s^+≥0
تعداد واحد های تصمیم گیرنده n =
تعداد ورودی ها K=
تعداد خروجی ها m=
یک ماتریس k*n از ورودی ها X=(Xj)ϵR^(k*n)
یک ماتریس m*n از خروجی ها y=(yj)ϵR^(m*n)
یک بردار سطری با عناصر مساوی یک e =
یک بردار از متغیرهای ورودی کمبود69s^-=
یک بردار از متغیرهای خروجی کمبود70s^+=
یک بردار ستونی از ورودی های واحد های تصمیم گیرندهx_0=
یک بردار ستونی از خروجی های واحد های تصمیم گیرندهy_0=
یک بردار از متغیرهای قوت در ارتباط با ورودی ها و خروجی هاλϵR^n=

متغیرهای ورودی و خروجی در مدل DEA :
در این متن از ارزیابی ورشکستگی ، ارزش های کوچک تر در نسبت های مالی که می توانند دلیلی برای درماندگی مالی باشند،به عنوان متغیرهای ورودی در نظر گرفته می شوند.در مقابل مقادیر بزرگتر از نسبت های مالی که می توانند دلیلی برای درماندگی مالی باشند به عنوان متغیرهای خروجی در نظر گرفته می شوند.با حل مدل بالا برای شرکت های ورشکسته تابع هدف71 مدل ارزشی برابر صفر یا نزدیک به صفر می باشد.و تابع هدف شرکت های سالم دارای ارزشی بزرگتر از صفر می باشد.
متغیرهای خروجی:
1)نسبت بدهی ها به دارائی ها72 (TDTA):
این متغیر به عنوان یک مقیاس اهرمی که تعهدات مالی بلند مدت را نشان می دهد استفاده شده است.افزایش در این اهرم احتمال درماندگی مالی را افزایش خواهد داد.با اهرم بالا ممکن است که برخی وضعیت های آتی که در دنیا وجود دارد،جریان نقدی جهت پرداخت بدهی ها ناکافی باشد و منجر به ورشکستگی گردد.ارزش های بزرگتر برای TDTA منجر به ایجاد یک ارزش صفر برای تابع هدف مدل برای شرکت هایی می شود که به احتمال زیاد به سمت ورشکستگی قدم برمی دارند، از این رو در ناحیه ورشکستگی ظاهر می شوند.به عبارت دیگر،شرکت هایی با TDTA اندک احتمال کمتری وجود دارد که به سمت ورشکستگی قدم بردارند و این امر منجر به ایجاد ارزش مثبت برای تابع هدف می شود.
2)بدهی جاری به جمع دارائیها73(CLTA):
یک شرکت با CLTA بالا در برآورده کردن تعهدات کوتاهمدت مشکل خواهد داشت.این شاخص کمبود جریان نقدی را برای تامین مالی عملیات شرکت نشان می دهد.شرکتی که این موقعیت را دارد،در انجام عملیات روزانه خود مشکل خواهد داشت،زیرا انعطاف پذیری خود را در جذب سرمایه در گردش کاهش داده است.ارزش های بزرگتر برای CLTA منجر به ایجاد ارزش صفر برای تابع هدف می شود.از این رو یک شرکت با CLTA بالا ممکن است در ناحیه ورشکستگی قرار گیرد.به عبارت دیگر،شرکت با CLTA کوچک احتمال کمتری وجود دارد که با یک ارزش مثبت برای تابع هدف ورشکسته شود.

متغیرهای ورودی:
1)CFTA cash flow/total assets
2)NITA net income/total assets
3)WCTA working capital/total assets
4)CATA current assets/total assets
5)EBTA earning before interest and taxes/total assets
6)EBIE earning before interest and taxes/interest Expence
7)MVCE Market value of equity/book value of common equity

مدل رگرسیون لجستیک:
جهت انجام یک مقایسه مناسب ، دو مدل DEA و LR با استفاده از متغیرهای یکسانی که توضیح داده شد فرمول بندی شده اند.احتمال ورشکستگی به وسیله معادله زیر محاسبه شده است.
P_j=1/(1+e^(〖-z〗_j ) )=E(y_i |〖TDTA〗_i,CLTA_i,CFTA_i,NITA_i,WCTA_i,
CATA_i,EBTA_i,EBIE_i & MVCE)
اگر شرکت ورشکسته باشد y_i مساوی یک است و اگر سالم باشد مساوی صفر می باشد.
Z_i=β_1+β_2 TDTA+β_3 CLTA+β_4 CFTA+β_5 NITA+β_6 WCTA
+β_7 CATA+β_8 EBTA+β_9 EBIE+β_10 MVCE
Pj احتمال ورشکستگی شرکت را نشان می دهد.زمانی که متغیرها در معادله مشخص می شوند، نیاز است که به این واقعیت توجه شود که DEA همه متغیرها را به ورودی و خروجی گروه بندی می کند.برای مثال،TDTA و CLTA به عنوان متغیرهای خروجی مدل DEA می باشند.ضمنا دو گروه متغیر در مدل ورودی و خروجی در مدل DEA در مدل رگرسیون لجستیک به عنوان متغیر مستقل74 استفاده شده اند،زیرا رگرسیون لجستیک به این تمایز بین ورودی ها و خروجی ها نیاز ندارد.متغیرهای مستقل در مدل رگرسیون لجستیک دلالت بر متغیرهای ورودی و خروجی مدل DEA دارند.
نتایج مقایسه مدل LR با DEA :
با مقایسه بین مدل DEA و LR مشخص شد که مدل DEA بسیار مفید تر از LR عمل می کند.درجه دقت مدل DEA در این مطالعه بین 86-74% می باشد که در مقایسه با عدد 67% در
مدل LR نشان از کارائی بالاتر این مدل دارد.
در تشخیص شرکتهای ورشکسته دقت کلی مدل DEA بین 89-84% می باشد اما در مدل LR بین 64-16% می باشد.در تشخیص شرکتهای سالم مدل LR بهتر از مدل DEA عمل می کند،میانگین دقت این مدل در تشخیص شرکتهای سالم بین 99.47-69.3% می باشد در حالیکه در مدل DEA 83.33-68.42% می باشد.
لالیت ساماراخون و تنویر حسن(1997) قابلیت 3 ورژن مدل آلتمن را برای پیش بینی ورشکستگی در بورس اوراق بهادار سریلانکا بررس کردند.آنها شرکت های پذیرفته شده در بازار بورس سریلانکا را در دوره زمانی 1986 الی 1997 جهت انجام پژوهش مورد نظر بررسی نمودند،و 13 شرکت ورشکسته از 8 صنعت متفاوت را جهت انجام پژوهش برگزیدند و یک نمونه 13 تایی نیز از شرکتهای سالم که هم صنعت با شرکتهای ورشکسته هستند را انتخاب کردند، نسبت های مالی را از طریق صورت های مالی یک سال قبل از ورشکستگی شرکتها محاسبه کردند و به این نتیجه رسیدند که این مدل ها برای پیش بینی ورشکستگی دارای درجه بالایی از دقت می باشند. درجه دقت کلی مدل معادل 81% محاسبه شده است.
اوهلسون در سال 1980 مدلی را با استفاده از تکنیک لوجیت توسعه داد.وی در این پژوهش از 105 شرکت ورشکسته و 205 شرکت غیر ورشکسته بین سالهای 1970 تا 1976 استفاده کرد.او نه نسبت مالی را بعنوان متغیر مستقل بکار برد.
مک کی و گرینس تین در سال 2000 که از طبقه بندی بازگشتی(RPA) برای پیش بینی ورشکستگی استفاده کردند،شش نسبت را به عنوان متغیر مستقل در نظر گرفتند.
شاه و مرتزا در سال 2000 مدلی را با استفاده از ANN برای پیش بینی ورشکستگی ارائه دادند.در این مطالعه از اطلاعات 60 شرکت ورشکسته و 54 شرکت غیر ورشکسته بین سالهای 1992تا1994 استفاده شد.دقت پیش بینی این مدل 73% بدست آمد.
مین و لی نیز در سال 2005 با استفاده از ماشین بردار پشتیبان75 اقدام به طراحی مدلی برای پیش بینی ورشکستگی شرکت ها نمودند.پژوهش آنها نشان داد که SVM نسبت به مدل های آماری سنتی،از عملکرد بهتری برخوردار است.
آلتمن در سال 2000 شرکت های ورشکسته در 3 دوره زمانی مجزا(1975-1969،1995-1976،1999-1997)را با استفاده از مدل Z-Score آزمون کرده است.با استفاده از داده های بدست آمده از گزارشگری مالی یک سال قبل از ورشکستگی،شواهد بدست آمده نشان از آن دارد که مدل Z-Score دارای درجه دقت 80% تا 90% می باشد.
آلیسیا کریتسونیس(2005)مراحلی را برای ارزیابی سلامت مالی یک شرکت بیان نموده است و عنوان می دارد که با کمک این مراحل و همچنین نسبتهای مالی شرکتها می توان به این نتیجه رسید که آیا شرکت در طول 2 الی3 سال آینده در حالت تعادل باقی خواهد ماند یا نه؟وی جهت انجام این پژوهش از صورتهای مالی شرکت هارلی دیویدسون76 بهره گرفته است.مراحل ارزیابی سلامت مالی عنوان شده توسط آلیسیا کریتسونیس به صورت نمودار شماره 7 می باشد.

نمودار 7 سیستم حسابداری مالی

قدم اول Product-

قدم دوم

قدم سوم

قدم چهارم

قدم ششم قدم پنجم

قدم هفتم

قدم هشتم

قدم نهم
قدم اول:اهداف،استراتژی ها و ویژگی های عملیاتی77
نقطه شروع ارزیابی سلامت مالی یک شرکت با مرحله 1 یا یک بررسی از اهداف عملیاتی،استراتژی ها و ویژگی های عملیاتی آغاز می شود.یک بررسی کامل باید از طریق فهم کامل اهداف مدیران از شرکت و هر یک از خطوط تولید که برای رقابت انتخاب می کند،انجام شود.اهداف باید با استراتژی شرکتها در ارتباط با هر یک از خطوط تولید منطبق باشد.
ویژگی های عملیاتی شرکتها در سلامتی مالی آنها یک نقش اساسی را ایفا می کند.مدیران باید اطمینان یابند که همه دارائیها به نحو کارا مورد استفاده قرار گرفته شده اند.در اغلب موارد سرمایه گذاری در پیشرفت های تکنولوژیکی می تواند کارائی عملیاتی را افزایش دهد.
قدم دوم:چشم انداز فروش شرکتها78 :
بازار باید برای تسهیل افزایش در فروش ها و درآمدها در آینده دارای ظرفیت باقوه باشد.بعلاوه،الزامات رقابتی باید در نظر گرفته شود.بازاری که به طور سنگین اشباع شده است می تواند شرکتها را مجبور کند که قیمتهای خود را کاهش دهند،بنابراین حاشیه سود کاهش می یابد.
مدیریت باید مقدار قابل ملاحظه ای از زمان خود را جهت کشف قلمروهایی از سیستم مالی شرکت که از طریق اهداف شرکتها،استراتژی ها،شرایط بازار و ویژگی های عملیاتی بدست آمده است،اختصاص دهد.هر قلمرو از سیستم مالی شرکت به طور مستقیم بر تصمیمات مالی که می تواند بر سایر قلمروهایی که در کل شرکت وجود دارد تاثیر گذارد.برای مثال،استراتژی شرکتها و رشد فروشها در هر یک از خطوط تولید شرکتها به تعین کردن سرمایه گذاری در دارائیها برای حمایت از این استراتژی کمک خواهد کرد.
قدم سوم:سرمایه گذاری به منظور حمایت از استراتژی بازار محصول79 :
قدم سوم برای ارزیابی سلامت مالی آتی شرکتها شامل برآورد ارزش جاری سرمایه گذاری ها یی است که برای حمایت از استراتژی بازار محصول انجام می شود.استراتژی بازار محصول به سرمایه گذاری در حسابهای دریافتنی،موجودی ها،تجهیزات،یا مالکیت های ممکن نیازمند است.بعلاوه،ارزش این دارائیها باید در طول 2 الی 3 سال آینده برآورد شود.این برآورد از طریق مطالعه الگوی گذشته شرکتها می تواند انجام شود.نسبت ها وشاخص های خوب از طریق مطالعه صورت های مالی جاری و گذشته شرکتها بدست می آید.شامل:دوره وصول،دوره گردش موجودی کالا،درصد اموال،ماشین آلات و تجهیزات به بهای تمام شده کالای فروش رفته.در زمانی که تلاش می شود که یک پیش بینی صحیح توسعه یابد باید یک ارزش معقول برای فروش ها و بهای تمام شده کالای فروش رفته بکار برده شود.
قدم چهارم:سود آوری آتی و عملکرد رقابتی80 :
شرکت باید برای آینده دارای یک چشم انداز سود ده باشد.سطح سود آوری تاثیری قوی بر چندین عنصر مالی حیاتی دارد.عملکرد مالی گذشته شرکتها یک شاخصی است از اینکه شرکت
در آینده چگونه عمل خواهد کرد.
قدم پنجم:نیازهای مالی خارجی آینده81 :
تامین مالی خارجی می تواند به شکل وام،انتشار اوراق بدهی،یا فروش سهام انجام شود.بکارگیری تامین مالی خارجی شرکتها در آینده به چندین شرایط که در گامهای 1 الی 4 به آنها اشاره شد،وابسته است.این شرایط واحد تجاری شامل رشد فروش آتی شرکتها،دوره گردش وجوه نقد،قابلیت سود آوری آینده،و حفظ سود می باشد.شرکتی که در معرض رشد فروش سریع با دوره گردش وجوه نقد طولانی (دوره وصول مطالبات طولانی + سطح بالای موجودیها + تجهیزات بالا نسبت به فروش)وقابلیت سود آوری اندکی دارد یا حفظ سود پائینی دارد یکی از کاندیده های بزرگ تامین مالی خارجی در آینده است.رشد فروش سریع شرکت موجب افزایش در سطح کل دارائیها می شود.افزایش در سطح کل دارائیها موجب افزایش به همان میزان در حسابهای پرداختنی،افزایش در هزینه های معوقه و افزایش در حقوق صاحبان سهام می شود.
قدم ششم:دسترسی به منابع هدف تامین مالی خارجی82 :
بعد از اینکه مرحله پنجم کامل شد و نیازهای مالی خارجی آینده شرکتها برآورد گردید،مدیران باید منابع هدف برای این تامین مالی را مشخص کنند.این منابع هدف می تواند شامل:بانکها،بازارهای بدهی عمومی،بازارهای سرمایه عمومی،یا شرکت های بیمه باشد.مدیران همچنین به ایجاد سیاستهای مالی سالم که آنها را در حفظ وجوه در دوره های قابل قبول قادر می سازد نیاز دارند.

قدم هفتم:برنامه ریزی 3 الی 5 ساله83 :
در گام هفتم برای ارزیابی سلامت مالی یک شرکت ،دو سوال باید پاسخ داده شود.که شامل:
1)آیا شرکتها مطابق با سیاست بدهی خود ،حقوق صاحبان سهام و بدهی را در هم می آمیزند.
2)آیا نیازهای سرمایه گذاری،استراتژی های محصول و اهداف شرکتها با ظرفیت های مالی در طول 3 الی 5 سال آینده همگام است.اگر پاسخ به این سوال خیر است ،سپس گامهای اول تا ششم ارزیابی سلامت مالی شرکت ها را باید دوباره مرور کرد.
گام هشتم:برنامه مالی سال جاری84 :
گام هشتم شامل ارزیابی چگونگی برنامه های شرکت در برآورده کردن برنامه مالی سال جاری می شود.هدف اینست که به وسیله انعطاف پذیری مالی85 آتی عایدات شرکتها با تحقق قیمت سهام بالاتر،متعادل شود.انعطاف پذیری مالی آتی شرکتها می تواند به وسیله فروش حقوق صاحبان سهام فعلی انجام شود.از طرف دیگر مدیریت می تواند از طریق فروش حقوق صاحبان سهام بعدی به تحقق قیمت های سهام بالاتر امیدوار باشد.
گام نهم:آزمون اهمیت در مواقع تنگدستی86 :
آزمون اهمیت باید برای مشاهده اینکه آیا برنامه 3 الی 5 ساله سالم است و آیا گردش وجوه نقد در شرکت برای برنامه های استراتژیک می تواند در مواقع تنگدستی ادامه داشته باشد ، بکار گرفته شود.عمده برنامه های 3 الی 5 ساله اگر به طور صحیح برنامه ریزی و پژوهش شود می تواند انتظارات آینده را برآورده سازد.با این حال وقایعی وجود دارد که قابلیت اعتماد برنامه های شرکت ها را کاهش می دهد.انجام آزمون اهمیت می تواند احتمال بوجود آمدن یک رویداد منفی در مواقع تنگدستی را کاهش دهد.

نسبت های مالی به عنوان شاخصی از سلامتی مالی شرکت:
1)نسبت های نقدینگی87 :
نسبت های نقدینگی برای اندازه گیری توانایی شرکتها جهت برآورده کردن تعهدات جاری استفاده شده اند.نسبت جاری88 به طور معمول برای اندازه گیری میزان قدرت جاری بکار گرفته شده است.نسبت جاری اندازه ای را که ادعاهای اعتبار دهندگان کوتاهمدت از محل دارایی هایی که نسبتا سریع می توانند به وجه نقد تبدیل شوند را اندازه می گیرد.آن از طریق تقسیم داراییهای جاری به بدهی های جاری محاسبه می شود.
2)نسبت های مدیریت دارائیها89 :
نسبت های مدیریت دارائیها برای اندازه گیری چگونگی استفاده موثر از دارائیهای شرکتها بکار گرفته شده است.استفاده غیر موثر از دارائیها به نیاز برای تامین مالی اضافی90 ،مخارج بهره غیر ضروری و بازده اندک سرمایه منتج می شود.آن همچنین می تواند حسابهای دریافتنی غیر قابل وصول یا موجودی های منسوخ91 را نشان دهد.
3)نسبت مدیریت بدهیها92 :
اندازه ای را که یک شرکت از بدهی مالی یا اهرم مالی استفاده می کند،می تواند به وسیله نسبت مدیریت بدهی ها اندازه گیری شود.استفاده از وجوه استقراض شده توسط شرکتهای سود آور می تواند بازده سرمایه را بهبود بخشد.با این حال مخاطرات شرکت در آینده افزایش خواهد یافت،اگر استفاده از بدهی مالی به طور فزاینده ای افزایش یابد می تواند شرکت را به سمت رسوائی های مالی93 هدایت کند. نسبت بدهی می تواند به وسیله تقسیم مجموع بدهی های شرکت به مجموع دارائیها محاسبه شود.این شرکت مجموع وجوهی را که اعتباردهندگان شرکت تامین می نمایند را اندازه می گیرند.جمع بدهیها شامل بدهی های جاری و بلند مدت می باشد.

4)نسبت های سود آوری94 :
نتایج ترکیبی نسبت های نقدینگی ،مدیریت دارائیها و بدهیها می تواند به وسیله استفاده از نسبت
های سود آوری نشان داده شود.حاشیه سود95 می تواند به وسیله تقسیم سود خالص به فروش محاسبه شود.
5)نسبت های ارزش بازار96 :
نسبت ارزش بازار، قیمت سهام شرکتها را با عایدات و ارزش دفتری هر سهم آن مقایسه می کند.آن به عنوان شاخصی از چگونگی اندیشیدن سرمایه گذاران در رابطه با عملکرد گذشته شرکتها و رشد آینده آن بکار می رود.در نتیجه،نسبت ارزش بازار و قیمت سهام بالا خواهد بود،اگر نسبت های نقدینگی،مدیریت دارائیها،مدیریت بدهیها و سود آوری مطلوب باشند.
مروری جامع بر مدلهای پیش بینی ورشکستگی:
1)مدل آلتمن97:
ادوارد آلتمن نخستین فردی است که مدل های پیش بینی ورشکستگی را ارائه داده است.وی در سال 1968 ابتدا مدل نمره Z را عرضه نمود.سپس در سالهای بعد برای رفع اشکالات مدل نمره Z خود،مدلZ’ را ارائه داد.از آنجا که دو مدل قبلی مخصوص شرکت های تولیدی می باشند و برای شرکت های غیر تولیدی کاربرد ندارند،در سالهای بعد مدل نمره Z” که قابلیت کاربرد را در تمامی شرکت ها دارد ارائه کرد.
Z=〖1.2X〗_1+〖1.4X〗_2+〖3.3X〗_3+〖0.6X〗_4+X_5
X1 = نسبت سرمایه در گردش به کل دارائیها.
X2= نسبت سود انباشته به کل دارائیها.
X3=نسبت سود قبل از بهره و مالیات به کل دارائیها.
X4=نسبت ارزش بازار حقوق صاحبان سهام به کل بدهی ها.
X5=نسبت کل فروش به کل دارائیها.
در این مدل نقطه تفکیک به صورت زیر است:
احتمال ورشکستگی
حدود Z
خیلی زیاد
Z≤18/1
ضعیف
18/1≤Z≤99/2
ندارد
Z≥99/2

آلتمن برای آزمون مدل خود ،نمونه ای شامل33 شرکت ورشکسته و 33 شرکت فعال را مطالعه کرد.دقت مدل او در تشخیص شرکت های سالم معادل97% و در تشخیص شرکت های ورشکسته 94% می باشد.
مدل نمره Z’ :
سالها بعد انتقاداتی بر مدل Z مبنی بر این که این مدل تنها برای موسسات همگانی کاربرد دارد وارد آمد.آلتمن در ادامه مطالعات خود موفق به اصلاح مدل Z شد و مدل Z’ ارائه داد.
Z’=〖0.717X〗_1+〖0.847X〗_2+〖3.1X〗_3+〖0.42X〗_4+〖0.99X〗_5
متغیرهای مستقل موجود در این مدل همان متغیرهای موجود در مدل Z می باشد با این تفاوت که در متغیر مستقل X4 به جای ارزش بازار سهام،ارزش دفتری قرار می گیرد.
نقطه تفکیک در این مدل به صورت جدول زیر است:
احتمال ورشکستگی
حدود Z
خیلی زیاد
Z≤21/1
ضعیف
21/1≤Z≤9/2
ندارد
Z≥9/2

آلتمن برای آزمون مدل خود نمونه ای شامل 33 شرکت ورشکسته و 33 شرکت فعال را انتخاب نموده است.درجه صحت طبقه بندی شرکت های سالم معادل 97% و برای شرکت های ورشکسته 91% بدست آمد.

مدل Z” :
مدلهای ارائه شده قبلی توسط آلتمن برای شرکت های تولیدی کاربرد داشته و برای شرکت های خدماتی کاربرد ندارند،لذا آلتمن اقدام به تعدیل مدل قبلی خود نمود تا مدلی ارائه دهد که برای موسسات خدماتی نیز کاربرد داشته باشد.در مدل جدید آلتمن نسبت فروش به کل دارائی حذف شده است.
Z”=〖6.5X〗_1+〖3.26X〗_2+〖6.72X〗_3+〖1.05X〗_4
نقطه تفکیک در این مدل به صورت زیر است:
احتمال ورشکستگی
حدود Z
خیلی زیاد
Z≤1/1
ضعیف
1/1≤Z≤6/2
ندارد
Z≥6/2

آلتمن برای آزمون مدل خود نمونه شامل 33 شرکت ورشکسته و 33 شرکت فعال را انتخاب نمود.با توجه به نتایج بدست آمده دقت پیش بینی مدل برای شرکتهای سالم معادل 94% و برای شرکتهای ورشکسته معادل 91% بدست آمده است.
2)مدل اسپرینگیت98:
این مدل در سال 1978 توسط گوردون اسپرینگیت توسعه یافته است.اسپرینگیت از 19 نسبت مالی با اهمیت با استفاده از تحلیل تمایزی چند گانه 4 نسبت را برای ساخت مدل خود انتخاب نموده است.مدل اسپرینگیت به صورت زیر می باشد:
Z=1/03A+3/07B+0/66C+0/4D
Z<0/862 شرکت در گروه شرکت های ورشکسته طبقه بندی می شود.
A= نسبت سرمایه در گردش به جمع داراییها.
B= نسبت سود خالص قبل از بهره و مالیات به جمع داراییها.
C = نسبت سود خالص قبل از مالیات به جمع بدهی ها.
D = نسبت فروش به جمع داراییها.
اسپرینگیت این مدل را روی 40 شرکت آزمون نموده است که درجه دقت 92.5% بدست آمده است.بوتراس(1979) مدل اسپرینگیت را روی 50 شرکت با میانگین اندازه دارایی 2.5 میلیون دلار آزمون نموده است و درجه دقت 88% درصد بدست آمده است.سند(1980) مدل اسپرینگیت را روی 24شرکت با میانگین داراییهای 63.4 میلیون دلار آزمون نموده است و به درجه دقت 83.3% درصد دست یافت.
3)مدل فولمر99:
فولمر(1984) از تحلیل تمایزی چند گانه برای انتخاب 9 نسبت مالی از بین 40 نسبت مالی با اهمیت استفاده نموده است.فولمر برای آزمون مدل خود 60 شرکت شامل 30 شرکت موفق و 30 شرکت ورشکسته را با میانگین داراییهای 000،455 دلار را انتخاب نموده است.مدل فولمر به صورت زیر می باشد:
H=5.528(V_1 )+0.212(V_2 )+0.073(V_3 )+1.270(V_4 )-0.120(V_5 )+2.335(V_6 )+0.575(V_7 )+1.083(V_8 )+0.894(V_9 )-6.075
H<0 شرکت در گروه شرکت های ورشکسته طبقه بندی می شود.
V1 = نسبت سود انباشته به جمع داراییها.
V2 = نسبت فروش به جمع داراییها.
V3 = نسبت سود قبل از بهره و مالیات به حقوق صاحبان سهام.
V4 = نسبت جریان نقدی به جمع بدهی.
V5 = نسبت بدهی به جمع داراییها.
V6 = نسبت بدهی های جاری به جمع داراییها.
V7 = لگاریتم جمع داراییهای مشهود.
V8 = نسبت سرمایه در گردش به جمع بدهی ها.
V9 = لگاریتم نسبت سود قبل از بهره و مالیات به هزینه بهره.
مدل فولمر در طبقه بندی کردن صحیح شرکت ها یک سال قبل از ورشکستگی دارای درجه دقت 98% می باشد ، و دارای 81% دقت در طبقه بندی کردن شرکتها بیشتر از یک سال قبل از ورشکستگی می باشد.
4)مدل CA-Score :
این مدل در پیش بینی ورشکستگی شرکت های کانادایی با فروش سالانه 1 تا 60 میلیون دلار با دقت5/83% عمل کرده است.
(مجموع دارائیها/(1)سرمایه گذاری صاحبان سهام) 5923/4CA-Score =
((1) مجموع دارائیها/(1) هزینه های مالی+ سود خالص قبل از مالیات و اقلام غیر مترقبه)5080/4+
7616/2- ((2)جمع دارائیها/ (2)فروش 3936/0) +
> CA-Score3/0- : شرکت به عنوان ورشکسته طبقه بندی می شود.
ارقام دوره قبل = (1)
ارقام دو دوره قبل = (2)
5)مدل زیمسکی100:
زیمسکی برای ساخت مدل خود از نسبت های مالی،نقدینگی،عملکرد و اهرمی استفاده کرد.نسبت های مورد استفاده در مدل بر اساس تجربیات زیمسکی در مطالعات قبلی اش حاصل شده بود و نه بر یک مبنای تئوریکی.الگوی زیمسکی بر مبنای نمونه ای شامل 40 شرکت ورشکسته و 800 شرکت غیر ورشکسته تولیدی پی ریزی شده است.الگوی ارائه شده توسط وی عبارت است از:
Z=-4.3-4.5X_1+5.7X_2+0/004X_3
= X1نسبت سود خالص به کل دارائیها.
X2 = نسبت کل بدهی به کل دارائیها.
X3 = نسبت دارائی جاری به بدهی جاری.
= Z شاخص کل.
Z<50% شرکت غیر ورشکسته.
Z>50% شرکت ورشکسته.

6)مدل شیراتا101:
شیراتا برای ساخت مدل خود از تحلیل تمایزی چند گانه استفاده کرد و نمونه ای آماری وی شامل 686 شرکت ورشکسته و 300 شرکت غیر ورشکسته در محدوده زمانی 1986 تا 1996 می باشد. الگوی وی قابل استفاده در تمام شرکت ها اعم از تولیدی و غیر تولیدی می باشد.دقت مدل وی حدود 14/86 می باشد.مدل شیراتا به صورت زیر می باشد:

Z=0.014X_1-0.058X_3-0.062X_4-0.003X_2+.7416
سود انباشته به کل دارايي = X1
بدهي ها وحقوق صاحبان سال قبل / بدهي ها و حقوق صاحبان سهام سال جاري X2=
نسبت هزینه بهره به میانگین حاصلجمع وامها و بدهی ها و اوراق قرضه و اسناد در یافتنی تنزیل شده=X3
نسبت(میانگین حاصل جمع حسابهای پرداختنی و اسناد پرداختنی)ضرب در 12 به فروش = X4
شاخص کلی = Z
طبق تحقیق شیراتا در این الگو اگر مقدار Z کوچک تر 38% باشد شرکت ورشکسته و در غیر اینصورت شرکت غیر ورشکسته تلقی می شود.
7)شبکه های عصبی:
والاس(2004) یک الگو با استفاده از روش شبکه های عصبی طراحی کرد. در الگوی او از مقادیر نسبت های مالی کلیدی که در مطالعات ورشکستگی گذشته به عنوان بهترین نسبت ها گزارش شده بودند ، استفاده شده بود.نسبت های مورد استفاده او به شرح زیر است:
1)سرمایه در گردش به کل دارائیها.
2)جریان نقدی به کل بدهی ها.
3)سود خالص به کل دارائیها.
4)کل بدهی ها به کل دارائیها.
5)دارائیهای جاری به بدهی جاری.
6)دارائیهای سریع به بدهی های جاری.

الگوی والاس داری دقت کلی 94% درصد بوده و 65 نسبت مالی مختلف را در مطالعات گذشته بررسی کرد.والاس نسبت های مالی در الگوی خود را به ترتیب اهمیت نسبی در الگوی خود درجه بندی کرد.جدول شماره 5 نتایج تحقیق وی را نشان می دهد.

جدول شماره 5
نسبت ها و اهمیت نسبی آنها در الگوی والاس
نسبت مالی
درصد اهمیت نسبی
سود خالص به کل داراییها
26
سرمایه در گردش به کل داراییها
21
کل بدهی به کل داراییها
15
داراییهای جاری به بدهی جاری
13
جریان نقدی به کل بدهی ها
13
داراییهای سریع به بدهی های جاری
12

8 )مدل پیش بینی ورشکستگی زاوگرن:
مدل زاوگین102 در سال 1985 توسط خانم زاوگین جهت پیش بینی ورشکستگی شرکتها ابداع شد.وی در این مدل از نسبتهای مالی، اهرمی،عملیاتی،تسویه،فعالیت و بررسی میزان و روند تغییرات؛احتمال ورشکستگی شرکتها را به صورت عددی در دامنه صفر و یک ارائه داد.مدل زاوگین به صورت زیر است:
y=0.23883-x_1-1.583x_2-10.78x_3+3.07x_4+0.486x_5-4.35x_6-0.11x_7
فروش / متوسط موجودی ها X1 =
متوسط موجودیها / متوسط حسابهای دریافتنی X2 =
کل دارائیها / سرکایه گذاری کوتاهمدت+موجودی نقد X3 =
بدهی جاری / دارائی آنی X4 =
بدهی جاری / سود عملیاتی-کل دارائی X5 =
بدهی جاری / بدهی بلند مدت- کل دارائی X6 =
دارائی ثابت + خالص سرمایه در گردش / فروش X7 =
1/(1+e^y )=ورشکستگی احتمال
خانم زاوگین با استفاده از صورتهای مالی شرکت های عادی و ورشکسته، ضرایب متغیرهای مدلش را برای 5 سال محاسبه کرد.وی شرکت های ورشکسته سال 1980 را در نظر گرفته و ضرایب متغیرهای مدلش را برای 5 سال متوالی 1975 تا 1979 حساب کرد.سپس بر اساس ضرایب مربوطه، احتمال ورشکستگی یک شرکت ورشکسته را برای نمونه بررسی کرد و مشاهده نمود که در دوره سالهای 1975 تا 1979 احتمال ورشکستگی شرکت مذکور روند صعودی داشته است.سپس تغییرات روند احتمال ورشکستگی شرکت مذکور را با روند قیمت سهام آن شرکت در طول آن سالها بررسی کرد و مشاهده نمود که همزمان با روند صعودی احتمال ورشکستگی شرکت،قیمت سهام شرکت ،تغیییرات نزولی داشته و سال به سال همراه با افزایش احتمال ورشکستگی،کاهش یافته است.
پیش بینی ورشکستگی و ارزیابی حسابرسان از تداوم فعالیت شرکت ها:
آقایان آلتمن و مک گوچ اظهار داشتند که ارزیابی حسابرسان از تداوم فعالیت شرکتها؛جریان پیچیده ای است.آنها بحث کردند که مدل های پیش بینی ورشکستگی می توانند به حسابرسان هنگام قضاوت درباره توانایی تداوم فعالیت کمک کنند.برای همین منظور آنها در سال 1974 مدارک 34 شرکت ورشکسته را در طول دوره 1970 تا 1973 بررسی کردند.نتایج بررسی نشان می داد که مدل های خطی پیش بینی ورشکستگی(Z.Score)در 82% موارد،ورشکستگی آنها را پیش بینی و علامت دهی کرده؛ولی گزارش حسابرسی صادر شده در مورد آنها صرفا در 46% موارد به ابهام درباره توانایی تداوم فعالیت آنها اشاره کرده است.آقای آلتمن در سال 1982 مجددا همین آزمون را با کاربرد مدل خطی پیش بینی ورشکستگی خودش درباره دو دسته از شرکتهای ورشکسته تکرار کرد و نتایج آن در جدول شماره 6 ارائه شده است.

جدول شماره 6
شماره آزمون
تعداد نمونه
دوره بررسی
میزان موفقیت مدل آلتمن در پیش بینی ورشکستگی
میزان اشاره و انعکاس گزارش حسابرسی شرکت های نمونه
1
37
1974-1978
81.1%
59.1%
2
44
1978-1982
93%
40%

جدول شماره 7 سایر تحقیقات در زمینه ورشکستگی و ابزارهایی برای پیش بینی آن را معرفی کرده است.
جدول شماره 7
ردیف
محققان
سال انجام تحقیق
مدل
شرح و نتایج
1
ویلفورد موانزا
2008
______
EPS شرکت های ورشکسته و سالم پذیرفته شده در بورس زینباوه را بین محدوده زمانی 2008-2002 مورد بررسی قرار داد.به این نتیجه رسید که ورشکستگی شرکت می تواند توسط رشد سود هر سهم همراه با تحلیل های تکنیکال و فاندمنتال پیش بینی شود.
2
رامستر و فوستر،فیتز پاتریک،ویناکور و اسمیت،مروین
1931،19321935،1942
______
بین نوسانات نسبت های مالی شرکت های ورشکسته و سالم تفاوت با اهمیتی وجود دارد.
3
اهلسون
1980
Conditional
logit
4 عامل اساسی روی ورشکستگی موثر می باشند:
1)اندازه شرکت 2)ساختار مالی
3)عملکرد شرکت 4)نقدینگی فعلی
4
محمد سوری و دیگران
2001
______
مدلی را برای شرکت های پذیرفته شده در بورس مالزی توسعه دادند.دقت مدل برای طبقه بندی شرکت های سالم 1/91% و برای طبقه بندی شرکتهای ورشکسته معادل 3/89% بوده است.

5
روزلیزا
2006
MDA
نتایج:
1)مدل MDAنسبت به مدل LR از دقت بالاتری برخوردار است.
2)نسبت های نقدینگی در زمان تعین دلایل درماندگی مالی شرکت در مالزی نقش اساسی را ایفا می کنند.
6
پراماچاندرا و دیگران
2007
DEA
نتایج:
الف) DEA نسبت به مدل LR دارای مزیت های زیر است:
1)ناپارامتریک
2)توزیع آزاد
ب)درجه دقت مدل DEA بین 86-74% است اما دقت مدل LR معادل 67% میباشد.
7
لالیت ساماراخون و تنویر حسن
1997
Z-Score
3 مدل آلتمن را با استفاده از نسبت های مالی سال قبل از ورشکستگی در بورس سریلانکا بررسی کردند.نتایج بدست آمده نشان دهنده دقت کلی مدل معادل 81% میباشد.
8
اوهلسون
1980
logit
ساخت مدل بر مبنای مدل لوجیت با استفاده از 105 شرکت ورشکسته و 205 شرکت سالم در محدوده زمانی 1970-1976.تعداد متغیرهای مستقل(نسبت های مالی )در این مدل 9 می باشد.
9
مک کی و گرینس تین
2000
RPA
ساخت مدل بر اساس مدل RPA با استفاده از 6 نسبت مالی به عنوان متغیر مستقل.
10
شاه و مرتزا
2000
ANN
ساخت مدل بر اساس مدل ANN با استفاده از داده های 60 شرکت ورشکسته و 54 شرکت سالم در محدوده زمانی 1994-1992.دقت کلی این مدل معادل 73% بدست آمد.

11
مین و لی
2005
ماشین بردار پشتیبان(SVM)
مدل SVM نسبت به مدل های آماری سنتی از عملکرد بهتری برخوردار است.

12
آلتمن
2000
Z-Score
آزمون مدل Z-Score در 3 دوره زمانی مجزا شامل
1975-1969،1995-1976 و1999-1997 با استفاده از داده های یک سال قبل از ورشکستگی این شرکت ها.دقت بدست آمده بین 80% و 90% می باشد.

13
آلیسیا کریتسونیس
2005
_____
9 مرحله را برای ارزیابی سلامت مالی شرکت پیشنهاد کرده است.وی معتقد است که با کمک این مراحل و نسبتهای مالی شرکتها می توان به این نتیجه رسید که آیا شرکت در طول 2 الی 3 سال آینده در حالت تعادل باقی خواهد ماند یا نه؟
14
اسپرینگیت
1978
MDA
اقدام به ساخت مدلی با استفاده از داده های 40 شرکت نموده است.دقت کلی بدست آمده 5/92% می باشد.
15
بوتراس
1979
MDA
با استفاده از داده های 50 شرکت اقدام به ساخت مدلی نموده که دقت کلی 88% بدست آمده است.
16
سند
1980
MDA
با استفاده از داده های 24 شرکت اقدام به ساخت مدلی نمود که درجه دقت کلی 3/83% بدست آمده است.
17
فولمر
1984
MDA
با استفاده از داده های 60 شرکت اقدام به ساخت مدلی نمود که برای یک سال قبل

پایان نامه
Previous Entries پایان نامه ارشد درمورد ورشکستگی، صورت های مالی، بورس اوراق بهادار، درماندگی مالی Next Entries پایان نامه ارشد درمورد ورشکستگی، پیش بینی ورشکستگی، بورس اوراق بهادار، بورس اوراق بهادار تهران