وبلاگ

توضیح وبلاگ من

میزان توانمندی الگوهای پیش بینی‌کننده بحران مالی

 
تاریخ: 25-12-99
نویسنده: نجفی زهرا

ضای رقابتی امروز، افراد تلاش زیادی برای اطلاع از وضعیت شرکت‏ها به منظور محافظت از منافع خود انجام می‏دهند، اما این مهم زمانی دست‏یافتنی خواهد بود که اشخاص به روش‏های تجزیه و تحلیل قابل اعتماد دسترسی داشته باشند. تعیین علت یا علت­های یک بحران مالی کار ساده‌ای نیست. مشکل مالی نتیجۀ عوامل متعددی بوده که به ورشکستگی منجر می­شود. پیش‏بینی درماندگی مالی شرکت‏ها مدت‏هاست که به عنوان یکی از موضوعات مهم در حوزۀ مالی مطرح بوده و مدل‌های متعددی در این زمینه طراحی شده­اند و در بسیاری از این مدل‌ها از متغیرهای سنتی مالی به عنوان متغیرهای پیش‏بینی­کنندۀ درماندگی استفاده شده است.

 

 

اگر وضعیت مالی بنگاه‏ها از طریق آزمون مدل روشن شود و ورشکستگی آنها قابل پیش‏بینی باشد، سهام­داران و مدیران برای جلوگیری از ورشکستگی و یا تغییر در وضعیت ساختار شرکت چاره­اندیشی خواهند کرد و چه بسا با اتخاذ تدابیری درست از ورشکستگی آن شرکت‏ها جلوگیری کنند؛ لیکن انواع مدل­های پیش­بینی عملکرد نتایج متفاوتی را به تصمیم­گیرنده نشان می­دهند. بنابراین، باید مدل‌های مختلفی که برای پیش­بینی بحران­های مالی قبل از وقوع آنها تدوین شده آزمایش شوند تا ابتدا مشخص شود که آیا این الگوها در شرایط اقتصادی، فرهنگی و اجتماعی کشور ایران توانایی پیش­بینی بحران مالی را دارند یا نه، سپس در صورت توانایی پیش­بینی، بر اساس بالاترین توانمندی مرتب ‏شوند تا بتوانند در تصمیمات به‌کارگرفته شوند. هرچند هیچ­یک از روش­های ارزیابی عملکرد در دنیا مدل کاملی را ارئه نمی­کنند و همواره، در کنار یک مدل پیش­بینی، به قضاوت حرفه­ای تصمیم­گیرنده نیز نیاز هست.

 

بنابراین، با ‌عنایت به پیامدها و هزینه‏هایی که مسئلۀ درماندگی مالی می‏تواند برای شرکت‏ها، اقتصاد کشور و سایر افراد و نهادها ایجاد کند، انجام تحقیقاتی که بتواند این مدل‌ها را ارزیابی نموده و آنها را بر اساس توانمندی در ارزیابی مورد آزمون قراردهد ضرورت می‏یابد.

 

 

1-4- گزاره­های پژوهش

 

 

1-4-1- سؤالات پژوهش

 

 

 

    1. میزان توانایی «مدل اسپرینگیت» در مقایسه با «مدل شبکۀ عصبی مصنوعی» در پیش­بینی ورشکستگی شرکت‌ها چگونه است؟

 

 

    1. میزان توانایی مدل­ «اسپرینگیت» در مقایسه با «الگوریتم ژنتیک خطی» در پیش­بینی ورشکستگی شرکت‌ها چگونه است؟

 

 

    1. میزان توانایی مدل­ «شبکۀ عصبی مصنوعی» در مقایسه با «الگوریتم ژنتیک خطی» در پیش­بینی ورشکستگی شرکت‌ها چگونه است؟

 

 

1-4-2-  فرضیه‌ها

 

 

هدف این پژوهش مقایسۀ کارایی الگوهای پیش­بینی بحران مالی (الگوریتم ژنتیک خطی، مدل شبکۀ عصبی مصنوعی و مدل اسپرینگیت) با استفاده از نسبت­های مالی در شرکت‌های پذیرفته‌شده در بازار بورس اوراق بهادار تهران است. بنابراین، فرضیه­ها در دو گروه و به شرح زیر طراحی شده‌اند:

 

 

1-4-2-1- فرضیههای گروه اول:

 

 

فرضیۀ اول: مدل «اسپرینگیت» قابلیت پیش­بینی بحران در شرکت­های پذیرفته­شده در بازار بورس تهران را دارد.

 

 

فرضیۀ دوم: مدل «شبکۀ عصبی مصنوعی» قابلیت پیش­بینی بحران در شرکت­های پذیرفته­شده در بازار بورس تهران را دارد.

 

 

فرضیۀ سوم: مدل «الگوریتم ژنتیک خطی» قابلیت پیش­بینی بحران در شرکت­های پذیرفته­شده در بازار بورس تهران را دارد.

 

 

1-4-2-2- فرضیههای گروه دوم:

 

 

فرضیۀ اول: بین مدل «اسپرینگیت» و مدل «شبکۀ عصبی مصنوعی» در پیش­بینی احتمال وقوع بحران مالی در شرکت‌های پذیرفته­شده در بورس اوراق بهادار تهران تفاوت معنی­داری وجود دارد.

 

 

فرضیۀ دوم: بین مدل «اسپرینگیت» و «الگوریتم ژنتیک خطی» در پیش­بینی احتمال وقوع بحران مالی شرکت‌های پذیرفته­شده در بورس اوراق بهادار تهران تفاوت معنی‌داری وجود دارد.

 

 

فرضیۀ سوم: بین مدل «شبکۀ عصبی مصنوعی» و «الگوریتم ژنتیک خطی» در پیش­بینی احتمال وقوع بحران مالی شرکت‌های پذیرفته­شده در بورس اوراق بهادار تهران تفاوت معنی‌داری وجود دارد.

 

 

 

  1. 1. اگر بر اثر زیان‌های وارده حداقل نصف سرمایۀ شرکت از میان برود، هیأت مدیره مکلف است بلافاصله مجمع عمومی فوق‌العادۀ صاحبان سهام را دعوت نماید تا موضوع انحلال یا بقای شرکت مورد شور و رأی واقع شود. هرگاه مجمع مزبور رأی به شرکت ندهد، باید در همان جلسه و با رعایت مقررات مادۀ 6 این قانون سرمایۀ شرکت را به مبلغ سرمایۀ موجود کاهش دهد. (ناصرزاده، ‌1374: 59)

 

. Springate method.

 

پایان نامه - مقاله - تحقیق

 

. Artificial neural network.

 

 

. Linear genetic algorithm.


فرم در حال بارگذاری ...

« تأثیر هوش هیجانی بر عملکرد کارکنان شرکترابطه بین مولفه های هوش هیجانی با تعهد سازمانی »