منابع پایان نامه درمورد ورشکستگی، تحلیل تشخیص، تحلیل تشخیصی

تفاوت های با اهمیتی باشند می توان از آن ها به عنوان متغیر های پیش بینی کننده ورشکستگی استفاده کرد. سابقه استفاده از این تکنیک برای پیش بینی ورشکستگی به سال 1932 برمی گردد (دیو سالار،1389). از تحقیقات قابل توجه در این زمینه می توان به مطالعه بیور (1966) اشاره کرد. وی تکنیکی تک متغیره برای طبقه بندی شرکت ها به 2 گروه ورشکسته و سالم با استفاده از برخی از نسبت های مالی ارائه کرد. در تحقیق بیور نسبت های (گردش وجوه نقد به کل بدهی ها)،(سود خالص به کل دارایی ها ) و (کل دارایی ها به کل بدهی ها )دارای بالاترین توانایی در طبقه بندی شرکت ها به گروه های ورشکسته و سالم می باشند. این نسبت ها بر روی نمونه ای متشکل از 98 شرکت ورشکسته و غیر ورشکسته به کار رفتند و توانستند تا حدود 90% شرکت ها را به درستی طبقه بندی کنند.
بعد ها روش تک متغیره با وجود قدرت پیش بینی آن، به دلیل همبستگی میان نسبت های مالی و مشکلات مربوط به ارسال علائم متضاد توسط متغیرهای مختلف مورد انتقاد قرار گرفت. به علاوه از آنجایی که وضعیت مالی یک شرکت دارای ابعاد مختلفی است، یک نسبت منفرد به تنهایی دربردارنده کل این اطلاعات نیست(جونز26،1978 ).
با وجود این که روش های تک متغیره با انتقادات شدیدی مواجه شدند اما آن ها راه را برای تحقیقات بعدی در زمینه ناتوانی تجاری هموار کردند. محققان به این نتیجه رسیدند که ناتوانی تجاری همزمان می تواند تحت تاثیر عوامل بسیار زیادی قرار گیرد. ایده استفاده از مدل چند متغیره ریسک بسیار قدیمی است. تاماری27 (6619) مدلی را برای پیش بینی ورشکستگی ارائه کرد که در آن 6 متغیر بر اساس نظر تحلیل گران مالی، اقتصاددانان و اعتبار دهندگان بیشترین وزن را به خود اختصاص داده بودند. مدل های آماری چند متغیره زیادی در تلاش برای بهبود نتایج پیش بینی ارائه شده است (فرج زاده،1386) .
2-7-2) تحلیل تشخیصی چندگانه28: تحلیل تشخیص چندگانه روشی است چند متغیره که پدیده ها را بر اساس ویژگی هایشان به گروه های مانع الجمع طبقه بندی می کند. تحلیل تشخیص چند گانه در بسیاری از مطالعات پیش بینی ورشکستگی به کار رفته است. در این روش فرض می شود که متغیرهای پیش بینی کننده (نسبت های مالی )در هر یک از دو گروه شرکت های ورشکسته و شرکت های غیر ورشکسته از توزیع نرمال چند متغیره با میانگین های متفاوت و ماتریس های پراکندگی مساوی برخوردارند. هدف این روش فراهم آوردن ترکیبی خطی از متغیرهای مستقل است که واریانس بین گروهی را با توجه به واریانس درون گروهی بیشینه کند. بر این اساس تابعی تشخیصی ایجاد می شود که متشکل از بردار ضرایب (a1,a2,a3…..) A, و مقدار ثابت a0 است. این تابع برای هر شرکت یک امتیاز Z بدست می آورد.
2-2))معادله
امتیاز برای شرکتi است و متغیر مستقل شرکت i هستند. بر اساس امتیاز کسب شده یک شرکت در یکی از گروه های ورشکسته یا غیر ورشکسته طبقه بندی می شود.
نخستین بار آلتمن در سال 1968 مدل تشخیصی چندگانه را برای پیش بینی درماندگی مالی پیشنهاد کرد. این مطالعه به دلیل اینکه برای نخستین بار پیش بینی ورشکستگی را با بیش از یک متغیر مدل بندی کرده بود، مورد توجه بسیار زیادی قرار گرفت. وی 33 شرکت تولیدی ورشکست شده طی دوره 1965 – 1946 را که از نظر اندازه دارایی ها و صنعت با 33 شرکت غیر ورشکسته تطبیق داده شده بودند را انتخاب کرد. با به کارگیری مدل تحلیل تشخیصی چندگانه او مدلی 5 متغیره برای طبقه بندی شرکت های ورشکسته / غیر ورشکسته به دو گروه ایجاد کرد که به مدل Zشهرت یافت. نسبت های بکار رفته در این مدل بر اساس رواج در مطالعات پیشین و همچنین رابطه بالقوه آن ها با ورشکستگی انتخاب شدند. تابع تشخیصی پیشنهادی آلتمن (1968) به صورت زیر است:

معادله (2-3)

این متغیرها به ترتیب عبارتند از: سرمایه در گردش به کل دارایی ها، سود انباشته به کل دارایی ها، سود قبل از بهره و مالیات به کل دارایی ها، ارزش بازار سهام به ارزش دفتری بدهی ها و فروش به کل دارایی ها، همچنین امتیاز انقطاع برابر675،2 تعیین شد. شرکت های با امتیاز کمتر از امتیاز انقطاع به عنوان شرکت های ورشکسته طبقه بندی می شدند. دقت پیش بینی مدل بر روی نمونه آموزشی در یک سال قبل از ورشکستگی95 درصد بود.
کاربرد گسترده مدل تحلیل تشخیصی چندگانه باعث شد تا به زودی مشکلات مربوط به این روش آشکار گردد. تحلیل تشخیصی چند گانه مورد انتقاد بسیاری قرار گرفت. بنابراین محققان وادار به ارائه روش های جدید و مقایسه آن ها با مدل تحلیل تشخیصی چندگانه شدند و به همین دلیل این روش در تحقیقات انجام شده در زمینه ناتوانی تجاری مورد استفاده زیادی قرار گرفت. برخی از مشکلات کاربرد مدل تحلیل تشخیصی چندگانه عبارتند از ( هامر29، 1983):
تخطی از فرض توزیع نرمال چند متغیره؛
استفاده از توابع تشخیصی خطی به جای توابع تشخیصی درجه 2 در زمانیکه توزیع پراکندگی ها نامساوی است؛
انتخاب نامناسب احتمال های اولیه / هزینه های طبقه بندی ناصحیح
از تحقیقات قابل توجه انجام شده با تکنیک مدل تحلیل تشخیصی چندگانه می توان به دیکن 30( 1972) آلتمن و همکاران (1977) و فولمر31 (1989) اشاره کرد.
2-7-3) مدل احتمال خطی32: همچنان که احتمال ورشکستگی شیوه ای جذاب برای پرداختن به ناتوانی تجاری بود محققان مدل های را ابداع کردند که قادر به تخمین احتمال ناتوانی بود. مدل احتمال خطی به عنوان جایگزی
نی برای تحلیل تشخیصی چندگانه پیشنهاد شد. این مدل حالتی خاص از رگرسیون حداقل مربعات عادی33 با متغیر وابسته دو ارزشی صفر و یک است. در مدل احتمال خطی فرض می شود که متغیر تصنعی y ترکیبی خطی از n ویژگی (نسبت مالی ) شرکت است. احتمال ( P )اینکه یک شرکت ورشکسته شود توسط معادله زیر تعیین می شود:
معادله (2-4)
که در آن برآورد های ,OLS متغیر مستقل شرکت i هستند شرح کاملی از این روش توسط گوجاراتی34 (2003) ارائه شده است. مدل احتمالی خطی نیز همانند تحلیل تشخیصی چندگانه از مشکلات آماری با اهمیتی رنج می برد: ناهمگنی ضرایب خطا، عدم پیروی متغیر های مستقل از توزیع نرمال و همچنین عدم امکان نتایج هنگامی که احتمال محاسبه شده خارج از فاصله(1-0) قرار گیرد (آلتمن و دیگران، 1981). از طرف دیگر در حالی که مفروضات اساسی تحلیل تشخیصی چندگانه و مدل احتمال چندگانه مشابه نیستند، نتایج این روش ها یکسان است. و این امر می تواند دلیلی بر عدم اقبال این تکنیک در تحقیقات پیش بینی ورشکستگی باشد (فرج زاده، 1386).
2-7-4 ) مدل های لوجیت35: بعد ها مدل های احتمال شرطی چند متغیره دیگری برای پیش بینی درماندگی مالی معرفی شدند. این مدل ها بر مبنای یک تابع احتمال تجمعی، با استفاده از نسبت های مالی یک شرکت، احتمال تعلق یک شرکت به یکی از گروه های از پیش تعیین شده را اندازه گیری می کنند.در روش لوجیت احتمال ورشکستگی شرکتi توسط معادله زیر معین می شود:

این مطلب مشابه را هم بخوانید :   منابع پایان نامه درموردورشکستگی، پیش بینی ورشکستگی، تامین مالی

معادله (2-5)

معادله (2-6)

تابع لوجستیک تجمعی است. روش لوجیت احتمال را برای ورشکست شدن یک شرکت بر مبنای آن که احتمال متعلق به یک شرکت در گروه ورشکسته یا غیر ورشکسته طبقه بندی شده است و با استفاده از ارزش انقطاع که سعی در حداقل سازی خطای نوع 1 و2 دارد، محاسبه می کند. ضرایب مدل با بیشینه کردن تابع لگاریتم بدست می آید. تحلیل لوجیت نخستین بار توسط مارتین (1977) برای پیش بینی ورشکستگی بانک ها پیشنهاد شد و توسط اوهلسن 36(1980) برای پیش بینی ناتوانی تجاری به کار رفت. اوهلسن 105 شرکت صنعتی ورشکسته در دوره 1976-1970 را انتخاب کرد. سهام کلیه این شرکت ها می بایستی در بورس اوراق بهادار در طی 3 سال قبل از ورشکستگی مورد معامله قرار گرفته باشند. شرکت های غیر ورشکسته به صورت تصادفی انتخاب شدند. هدف ساخت 3 مدل بود که ناتوانی شرکت را 3 سال پیش از ناتوانی واقعی برآورد نمایند. هر یک از این مدل ها توانستند با دقتی بیش از 93% شرکت ها را طبقه بندی نمایند (او هلسن، 1980). تکنیک های اصلی لوجیت توسط دیگر پژوهش گران برای دستیابی به دقت بالاتر طبقه بندی جستجو و توسعه یافت. در حالیکه به نظر می رسید به دلیل محدودیت های تحلیل تشخیصی چندگانه، تحلیل لوجیت بر آن ترجیح داده شود، مطالعات مقایسه ای بین 2 مدل نتوانست این برتری را اثبات کند. تحلیل لوجیت کاربرد گسترده ای در پیش بینی ناتوانی تجاری دارند. با استفاده از این روش مدل های زیادی در بسیاری از کشور ها ساخته شد. پس از 1981 به دلیل محدودیت های موجود در روش های، مطالعات ناتوانی تجاری اغلب بر استفاده از لوجیت تمرکز یافتند (فرج زاده، 1386).
2-7-5) مدل های پروبیت37: مدل های پروبیت مشابه مدل های لوجیت می باشند. تفاوت اصلی آن ها در تابع احتمال ورشکستگی است. تابع احتمال پیش بینی ورشکستگی در این مدل به صورت زیر می باشد:

معادله (2-7 )
[[

به هر حال مدل های لوجیت نسبت به مدل های پروبیت از محبوبیت زیادی برخوردارند چرا که تحلیل پروبیت در مقایسه با تحلیل لوجیت به دلیل استفاده از برآوردهای غیر خطی به محاسبات بیشتری نیاز دارد (گلابوس و گراماتیکوس38، 1988 ).
2-7-6) روش های مجموع تجمعی39: روش های مجموع تجمعی (CUSUM) از قویترین ابزارهای تعیین تغییر وضعیت در یک توزیع به شمار می روند. در مورد پیش بینی ورشکستگی، رفتار سری زمانی متغیرهای خصیصه هر شرکت ورشکسته و غیر ورشکسته با استفاده از یک مدل VAR ترتیبی کراندار تخمین زده می شود.
پس از آن نقطه بهینه آغازین انتقال تعیین شده و علامتی مربوط به وضعیت ورشکستگی شرکت در آینده ایجاد می شود. عملکرد کلی شرکت در هر نقطه معینی از زمان توسط امتیاز عملکرد سری های زمانی تجمعی ارزیابی می شود. تا زمانی که امتیازهای عملکرد سری های زمانی مثبت بوده و از یک پارامتر حساسیت خاص بزرگ باشد، بیانگر عدم تغییر در شرایط مالی شرکت ها خواهد بود. امتیاز منفی تغییر وضعیت شرکت ها و احتمال ورشکستگی را نشان می دهد. کاهیا40(1999 ) شرح کاملی از این روش و کاربرد آن در پیش بینی ورشکستگی فراهم آورده است.
2-7-7) فرایند های تعدیل ناقص41: مدل های فرایند های ناقص (PAP) اساس تئوریک روش مشهور koyckبرای برآورد مدل های توزیع فاصله های زمانی است. کاربرد این روش برای پیش بینی ورشکستگی می تواند به بهترین شکل توسط رفتار مدیریت وجوه نقد توسط شرکت توضیح داده شود. مدیریت وجوه نقد، به هدایت وجه نقد توسط شرکت از جریان های نقد ی ورودی تا جریان های نقدی خروجی اشاره دارد. ناتوانی در مدیریت وجوه نقد را می توان به عنوان عدم تعادل بین جریان های ورودی و جریان های خروجی وجوه نقد تعریف کرد که منجر به عدم توانایی شرکت در پرداخت تعهدات مالی در سررسید آن ها می شود. انعطاف پذیری ترازهای نقدی با توجه به عوامل محرک، در شرکت های ورشک
سته نسبت به شرکت های موفق مشابه کمتر است. همچنین نرخ تعدیل برای شرکت ورشکسته بیش از نرخ تعدیل برای شرکت دارای سلامت است )لایتینن ولایتینن42،1998 ).
2-7-8) الگوریتم های ( درخت های تصمیم ) طبقه بندی بازگشتی43: الگوریتم طبقه بندی بازگشتی (RPA) تکنیکی ناپارامتریک برای گروه بندی داده ها است. این روش با نمونه ای از شرکت ها، ویژگی های مالی آنها، گروه های واقعی، احتمال های پیشین و هزینه طبقه بندی ناصحیح آغاز می شود. در این روش یک درخت طبقه بندی

دیدگاهتان را بنویسید