نوع مقاله : مقاله پژوهشی

نویسندگان

1 عضو هیات علمی دانشکده علوم اقتصادی و سیاسی دانشگاه شهید بهشتی

2 کارشناسی ارشد مهندسی مالی

چکیده

ورشکستگی یکی از موضوعات مهم در ادبیات مالی است. با بررسی عوامل مؤثر بر ورشکستگی، می­توان اطلاعات مفیدی در اختیار دولت، بانک مرکزی، بانک­ها، مؤسسات مالی، اعتباردهندگان، سرمایه­گذاران بازار سرمایه و پیش­بینی کنندگان ورشکستگی قرار داد. در مقاله­ی حاضر ابتدا به تفاوت بین دو مفهوم ورشکستگی و درماندگی مالی می­پردازیم؛ سپس متغیر کارایی از روش تحلیل پوششی داده­ها محاسبه شده و به­عنوان متغیر توضیحی در کنار سایر متغیرهای موجود در مدل، در قالب پنل دیتا لاجیت برای 36 شرکت تولیدی، طی دوره­ی زمانی1393 -1388 برازش می­شود. مدل کارایی از روش­های بازده ثابت نسبت به مقیاس، بازده متغیر نسبت به مقیاس، الگوی جمعی و از روش اندرسونپیترسون محاسبه شده است که در بین متغیر های محاسبه شده، متغیر کارایی با بازده ثابت نسبت به مقیاس معنادار می­شود. در نهایت مدل رگرسیون لاجیت، یک­بار بدون تصریح متغیر کارایی و بار دیگر با متغیر کارایی برازش شده و در تمامی الگوهایی که با لحاظ متغیر کارایی برازش می­­شود، دقت مدل به­طور معناداری افزایش می­یابد.

کلیدواژه‌ها

عنوان مقاله [English]

Bankruptcy prediction by using efficiency as a predictor variable based on Logit Panel data

نویسندگان [English]

  • Reza Mohseni 1
  • samira rahimian 2

1 Assistant Professor of Economics, Faculty Member of Economics and Political,Shahid Beheshti University, Tehran, Iran.

2 MA

چکیده [English]

Investigating the factors affecting bankruptcy is one of the most Investigating the factors affecting bankruptcy is one of the most important issues in financial literature. Itcan provide useful information to government, central bank, banks, financial institutions, creditors, and capital market investors. In this paper, we discussed the differences between two concepts of bankruptcy and insolvency. We then calculated the efficiency variable through data envelopment analysis (DEA), and we fitted it as an explanatory variable alongside available variables in logit panel data for 36 manufacturing companies during the period of 1388-93. The efficiency model was calculated by constant return to scale, variable return to scale, collective pattern and Anderson- Peterson methods. The efficiency variable was significant with constant return to scale. Finally, logit regression model was fitted twice, without specification of the efficiency variable and further with the efficiency variable. We found that in all patterns which were fitted by the efficiency variable, accuracy of the model prediction significantly increased.
 

کلیدواژه‌ها [English]

  • Bankruptcy
  • Insolvency
  • Efficiency
  • Data envelopment analysis
  • Logistic Regression
-         ابطحی، سید حسین و بابک کاظمی. (1374). بهره­وری. چاپ دوم، تهران: مؤسسه مطالعات و پژوهش­های بازرگانی، 9.## امامی میبدی، علی. (1384). اصول و اندازه­گیری کارایی و بهره­وری. چاپ دوم، تهران: مؤسسه مطالعات و پژوهش­های بازرگانی. ##انصاری، عبدالمهدی، مهدی علی نژاد ساروکلائی و اکبر رحیمی پور. (1392). بررسی کاربرد مدل­های پیش‌بینی ورشکستگی فالمر و اسپرینگیت در شرکت­های پذیرفته شده در بورس اوراق بهادار تهران. دوره 2، شماره 2 - شماره پیاپی 3، زمستان 1392، صص 100-81. ##بانی، محمود و هما مهرپویان. (1394). بررسی ارتباط سرمایه فکری و اجزای آن با ریسک ورشکستگی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران طبق مدل آلتمن. کنفرانس بین المللی اقتصاد مدیریت و علوم اجتماعی. اسپانیا. ##بروکز، کریس. (1389). مقدمه­ای بر اقتصاد سنجی مالی. دکتر احمد بدری و عبدالمجید عبدالباقی. تهران: نص، صص 316. ##پورزمانی، زهرا و آزیتا جهانشاد. (1388). «پیش بینی وضعیت مالی و اقتصادی شرکت­ها با استفاده از نسبت­های مالی مبتنی بر سودآوری، جریان­های نقدی و رشد». پژوهش­نامه حسابداری مالی و حسابرسی، صص 20-8. ##پیمان، سید حسین. (1374). بهره‌وری و مصداق‌ها. چاپ اول، تهران: سازمان اقتصادی کوثر، 31. ##رابینز، استیفن. (1384). تئوری سازمان. سید مهدی الوانی و حسن دانایی فرد، چاپ دهم، تهران: صفار، 49. ##رحمدل، منصور. (1386). «ورشکستگی به تقصیر». فصل­نامه­ی حقوق: 1، 45-26. ##رسول­زاده، مهدی. (1380). «کاربرد مدل آلتمن در وضعیت ورشکستگی شرکت­ها». ماهنامه تدبیر، چاپ سیزدهم، 120: صص 27-18. ##شاکری، عبدالرضا. (1382). بررسی کاربرد مدل اسپرینگ برای پیش بینی ورشکستگی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران. پایان­نامه کارشناسی ارشد، دانشگاه معارف اسلامی و مدیریت دانشگاه امام صادق (ع). ##شیخی، خالد و رسول یاری. (1392). «بررسی قابلیت نسبت­های مالی در پیش بینی توقف فعالیت شرکت­های پذیرفته شده در بورس اوراق بهادار تهران (1387-1377) بر اساس مدل زواگین». فصلنامه­ی پژوهشنامه اقتصادی، سال سیزدهم.50: صص 190-169. ##شیرین­بخش، شمس اله و ندا یوسفی. (1390). «عوامل مؤثر بر احتمال عدم بازپرداخت تسهیلات اعتباری بانک­ها». فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار. 12: 14. ##طاهری، شهنام. (1378). بهره­وری و تجزیه آن در سازمان­ها (مدیریت و بهره وری فراگیر). تهران: هستان. ##علیزاده، وحید، احمدرضا قاسمی و روح الله رهنما فلاورجانی. (1394). ارائه مدلی برای پیشبینی ریسک ورشکستگی شرکت­ها با استفاده از شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم ژنتیک. کنفرانس ملی رویکردهای نوین در علوم مدیریت، اقتصاد و حسابداری. موسسه علمی تحقیقاتی کومه علم آوران دانش. مازندران. ##فراهانی قائم مقام. (1368). حقوق و تجارت، ورشکستگی و تصفیه. تهران: انتشارات دانشگاه تهران. ##قدیری مقدم ابوالفضل، محمد مسعود غلام پور فرد، و فرزانه نصیرزاده. (1388).بررسی توانایی مدل­های پیش بینی ورشکستگی آلتمن و اهلسون در پیش بینی ورشکستگی شرکت­های پذیرفته شده در بورس اوراق بهادار. دانش و توسعه، دوره 16، شماره 28:193-220. ##محمد قربانی، وحید. (1390). پیش­بینی درماندگی مالی با به کار بردن کارایی به­عنوان یک متغیر پیش بینی­کننده. پایان­نامه کارشناسی ارشد، دانشگاه سمنان، دانشکده اقتصاد، مدیریت و علوم اداری. ##
Bauer, J. & V. Agarwal. (2014). Are Hazard Models Superior to Traditional Bankruptcy Prediction Approaches? A Comprehensive Test. Journal of Banking & Finance, 40: 432–442. ##Chatterjee, S. & B. Price. (1991). Regression Diagnostics. New York: John Wiley. ##Eksi, I. (2011). Classification of firm failure with classification and regressiontrees. Journal of Finance and Economics, 76: 113-120. ##Farrel, M.J. (1957). The Measurement of productive efficiency. Journal of Royal Statistical Society, 81-253. ##Gordon, M.J. (1971). Towards a Theory of Financial Distress. The Journal of Finance, 26: 347-356. ##Gepp, A. et al. (2010). Business failure prediction using decision trees. Journal of Forecasting, Volume29, Issue6, September 2010, 536-555. ##Heshmati, A. & S.C. Kumb Kar. (1997). Estimation of Technichal Efficiency in Swedish Crop Farms: A Panel Data Approach. Journal of Agricultural Economics, 48: 22-37. ##Hosmer, D.W. & S. Lemeshow. (2000). Applied Logistic Regression New York: John Wiley & Sons. ##Johnson, C.G. (1970). Ratio Analysis and Prediction of Firm Failure.Journal of Finance. ##Lin, T.H. (2009). A Cross Model Study of Corporate Financial DistressPrediction in Taiwan: Multiple Discriminant Analysis, Logit, Probit and NeuralNetworks Models. Neuro Computing72: 3507-3516. ##Laitinen, T. & M. Kankaapaa. (1999). Comparative Analysis of Failure Prediction Methods: The Finish Case. The European Accounting Review, 8(1):67-92. ##Merwin, C.L. (1942). Financin Smal Corporations in Five Manufacturing Industries. NewYork: National Bureau of Economic Research. ##Mosavi Shiri, M & M. Salehi. (2012). Prediction of Financial Distress in Tehran StockExchange Using DEA Approach. Indian Journal of Science and Technology. 5. ##Ohlson, J. (1980). Financial Ratios and the Probabilistic Prediction of Bankruptcy. Journal of Accounting Research. 18(1): 31-109. ##Ramalingegowda, S. (2014). Evidence from Impending Bankrupt Firms that Long Horizon Institutional Investors are Informed About Future Firm Value. Review of Accounting Studies,Vol. 19,No. 2:1- 42. ##Shumway, T. (1999). Forecasting Bankruptcy More Accurately: A Simple HazardModel. Working Paper. University of Michigan Business School. USA: 1-3. ##Unegbu, A, O & J. J. Adefila. (2013). Efficacy Assessments of Z-Score and Operating Cash-Flow Insolvency Predictive Models. Open Journal of Accounting. ##