دانلود پایان نامه

مدل های پیش بینی درماندگی مالی

 در ادامه انواع مدل های پیش بینی به همراه خصوصیات اصلی آنها بر اساس گروه های پیش گفته ارائه          می شود:

2-7-1)مدل های آماری تک متغیره[1]: روش های آماری تک متغیره از نخستین تکنیک های مورد استفاده جهت تمایز بین شرکت های دارای سلامت مالی و شرکت های دارای پریشانی مالی بوده اند. به صورت سنتی،  این مدل ها بر تحلیل نسبت های مالی تمرکز دارند و منطق آن ها بر این اساس است که اگر نسبت های مالی شرکت های ورشکسته با نسبت های مالی شرکت های غیر ورشکسته دارای 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(جونز[2]،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.  تاماری[3] (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 چندگانه[4]: 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                 ( هامر[5]، 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 [6]( 1972) آلتمن و همکاران (1977) و فولمر[7] (1989) اشاره کرد.

[1] Univariate statistical models

[2] Jones

[3] Tamari

[4] Multiple Discriminant Analysis

[5] Hamer

[6] Deakin

[7] Fulmer

دانلود پایان نامه