
تعداد نشریات | 26 |
تعداد شمارهها | 447 |
تعداد مقالات | 4,557 |
تعداد مشاهده مقاله | 5,380,005 |
تعداد دریافت فایل اصل مقاله | 3,580,079 |
پیشبینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با روشهای شبکه عصبی مصنوعی و مدل فولمر | ||
توسعه و سرمایه | ||
مقاله 10، دوره 5، شماره 2 - شماره پیاپی 9، اسفند 1399، صفحه 153-168 اصل مقاله (1.72 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22103/jdc.2020.16422.1102 | ||
نویسندگان | ||
رحیم دباغ* 1؛ سیما شیخ بگلو2 | ||
1دانشیار گروه مهندسی صنایع، دانشکده فناوریهای صنعتی، گروه مهندسی صنایع، دانشگاه صنعتی ارومیه، ارومیه، ایران. | ||
2کارشناسی ارشد گروه حسابداری، گروه آموزشی مدیریت و حسابداری، دانشگاه علم و فن ارومیه، ارومیه، ایران. | ||
چکیده | ||
هدف: درماندگی مالی و ورشکستگی، هزینههای زیادی داشته و به اقتصاد کشورها صدمه وارد میکند و پیشبینی آن جهت جلوگیری از ورشکستگی کمک شایان توجهی میکند. هدف پژوهش پیشبینی ورشکستگی و سودآوری شرکتها جهت ارزیابی عملکرد و وضعیت مالی با استفاده از رگرسیون لجستیک و نسبتهای مالی بامدلهای شبکه عصبی مصنوعی و فولمر براساس دوره زمانی 1391 الی 1397 برای 132 شرکت بورس هست. روش: برای برازش مدل فولمر از نرم افزار EViews و برای برازش مدل شبکه عصبی از نرم افزار Spss26 استفاده شده است. شاخصهای استفاده شده در مدلها شامل نسبت بدهی به حقوق صاحبان سهام، سود قبل از بهره و مالیات، جمع بدهیها به مجموع داراییها، حسابهای دریافتنی به فروش، سود خالص بر دارایی، بدهی بلندمدت به دارایی، سرمایه در گردش، سود خالص به فروش هستند. یافتهها: با استفاده از نتایج و مدلهای ارائه شده در پژوهش میتوان از مبتلا شدن شرکتها به بحران مالی، ورشکستگی و همچنین پیامدهای آن، بهطور مناسبی جلوگیری کرد. البته توجه این نکته نیز ضروری است که پس از پیشبینی میبایستی به ریشهیابی مساله و پیگیری علل پرداخته شود. نتیجهگیری: نتایج پژوهش نشان داد میزان قدرت و دقت پیشبینی ورشکستگی مدل شبکه عصبی مصنوعی در مقایسه با مدل فولمر از دقت بالاتری برخوردار است و همچنین حسابهای دریافتنی بر فروش بیشترین و نسبت بدهی به حقوق صاحبان سهام کمترین نسبتهای مالی مؤثر بر ورشکستگی در مدل شبکه عصبی مصنوعی هست. | ||
کلیدواژهها | ||
ورشکستگی؛ پیشبینی؛ مدل شبکه عصبی مصنوعی؛ مدل فولمر؛ بورس اوراق بهادار | ||
مراجع | ||
اسکندری، جمشید. (1395). اصول حسابداری 3، انتشارات کتاب فرشید. اصغری، زهرا؛ اصفهانی پور، اکبر، (1398)، ارائه مدل پیشبینی ورشکستگی شرکتها با ترکیب الگوریتم بهینه سازی ازدحام ذرات و ماشین بردار پشتیبان، چهارمین کنفرانس ملی در مدیریت، حسابداری و اقتصاد با تاکید بر بازاریابی منطقه ای و جهانی، تهران. امینی، پیمان. (1385) بررسی امکان سنجی استفاده از مدل فولمر برای تخمین ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. پایاننامه کارشناسی ارشد، رشته حسابداری دانشگاه تربیت مدرس، تهران. پیرایش، رضا، منصوری، علی، امجدیان، صابر. (1388). طراحی مدل ریاضی مبتنی بر جریانهای نقدی برای پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. توسعه و سرمایه، (2)2، 94-73. جهانخانی، علی؛ پارسائیان، علی، مترجم. (1397). مدیریت مالی (جلد اول). ریموند پی. نوو. تهران: انتشارات سازمان سمت. دباغ، رحیم، احمدی، ساناز. (1398). ارزیابی عملکرد شرکتهای آب و فاضلاب با مدل کارت امتیاز متوازن مطالعه موردی: شرکت آب و فاضلاب شهری استان آذربایجان غربی. مجله آب و فاضلاب، 30(1)، 63-50. دباغ، رحیم؛ رئیسی، دیبا؛ خانلوی صانع، علی. (۱۳۹۹). بررسی تاثیرگذاری و تاثیرپذیری عوامل موثر بر بهرهوری منابع انسانی با روشهای تصمیم گیری چند معیاره (مورد مطالعه شرکت توزیع برق آذربایجان شرقی). نشریه کیفیت و بهرهوری صنعت برق ایران، ۹(۴)، 99-83. شاکری، عباس. (1384). مروری تاریخی بر روند شکل گیری نظریه های اقتصاد کلان. پژوهشهای اقتصادی ایران، (23)7، 93-69. ویکیپدیا، واژه «بیکاری در ایران»، https://fa.wikipedia.org. بت شکن، محمدهاشم، سلیمی، محمد جواد، فلاحتگر متحدجو، سعید. (1397). ارائه یک روش ترکیبی به منظور پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران. تحقیقات مالی، (2)20، 192-173 قدرتی، حسن، معنوی مقدم، امیرهادی. (1389). بررسی دقت مدل های پیش بینی ورشکستگی (مدل های آلتمن، شیراتا، اهلسون، زمیسکی، اسپرینگیت، سی ای اسکور، فولمر، ژنتیک فرج زاده و ژنتیک مک کی) در بورس اوراق بهادار تهران. تحقیقات حسابداری و حسابرسی، (7)2، 128-140. منصور، جهانگیر. (1397). قانون تجارت، جلد اول، تهران، انتشارات نشر دیدار. References
Amini, P. (2006). The feasibility analysis of fulmer model in bankruptcy prediction of the firms accepted in Tehran Stock Exchange (TSE). Master Thesis, Accounting, Tarbiat Modares University [In Persian].
Asghari, Z., Isfahanpour, A. (2019). Provide a corporate bankruptcy prediction model by combining particle swarm optimization algorithm and support vector machine. Accounting and Economics with Emphasis on Regional and Global Marketing. Shahid Beheshti University [In Persian].
Botshekan, M., Salimi, M., Falahatgar Mottahedjoo, S. (2018). Developing a hybrid approach for financial distress prediction of listed companies in Tehran stock exchange. Financial Research Journal, 20(2), 173-192 [In Persian].
Charalambous, C., Charitou, A., Kaourou, F. (2000). Comparative analysis of artificial neural network models: Application in bankruptcy.
Dabbagh, R., Ahmdi, S. (2019). Evaluation of water and wastewater company performance by using balanced scorecard model (Case study: west Azarbayjan water and wastewater company). Journal of Water and Wastewater; Ab va Fazilab, 30(1), 50-63 [In Persian].
Dabbagh R, Raeisi D, alikhanlo S. (2020). Investigating the effectiveness and influence of factors affecting human resources productivity by multi criteria decision making methods (Case study of East Azarbaijan electric power distribution company). Ieijqp, 9(4), 83-99 [In Persian].
Eskandari., J. (2016). Principles of accounting 3. Farshid Book Publishing [In Persian].
Falahtgar, S., Botshekan, M., Salimi, M. (2018). Provide a combined method to predict the financial distress of companies listed on the Tehran Stock Exchange. Financial Research, 20(2), [In Persian].
Ghodrati, H. (2010). Investigating the accuracy of bankruptcy prediction models in the Tehran Stock Exchange. Accounting and auditing research. [In Persian]
Gitman, LJ. (1996). Principleof managerial finance (7 RD ED). New-York: Harper.
Heryati, Sh., Ismail, Sh., Wah Yap, B. (2018). Personal bankruptcy prediction using decision tree model. Journal of Economics Finance and Administrative Science, ISSN 2218-0648.
Jahankhani, A., Parsaeean, A. (2018). Financial management. Tehran: Samat Organization Publications [In Persian].
Jardin, Ph., Veganzones, D., Séverin, E. (2019). Forecasting corporate bankruptcy using accrual-based models. ISSN: 0927-7099.
Mansour, J. (1998). Commercial Law. Volume One, Tehran, Didar Publishing.
Pirayesh, R., Mansory, A., Amjadeian, S. (2009). Designing a mathematical model based on cash flows for predicting bankruptcy of accepted companies in Tehran Stok Exchauge (TSE). Journal of Development and Capital, 2(2), 73-94 [In Persian].
Shakeri, A. (2005). Historical review of macroeconomic theories. Iranian Journal of Economic Research, 7(23), 69-93 [In Persian]. | ||
آمار تعداد مشاهده مقاله: 1,236 تعداد دریافت فایل اصل مقاله: 545 |