چکیده:
در محیط رقابتی امروز و با تغییرات شرایط بازارها، احتمال درماندگی مالی شرکتها افزایش یافته است. در این شرایط افراد، شرکتهای سرمایهگذار و سازمانهای مالی تلاش زیادی برای اطلاع از وضعیت فعلی و آتی شرکتهای سرمایهپذیر در جهت محافظت از سرمایه خود انجام میدهند. ارزیابی و تشخیص صحیح وضعیت مالی شرکتها و همچنین پیشبینی وضعیت مالی آتی آنها نیازمند استفاده از معیارهای کارآمد با احتمال خطای کمتر است؛ بنابراین هدف این پژوهش رتبهبندی معیارهای منتخب در شناسایی بهتر شرکتهای درمانده مالی است. بدین منظور پس از بررسی و شناسایی پرکاربردترین معیارها و مدلهای تشخیص شرکتهای درمانده، با استفاده از آنها شرکتهای درمانده «بورس اوراق بهادار تهران» طی سالهای 1384 تا 1396 از شرکتهای غیردرمانده (سالم) تفکیک و با استفاده از نتایج حاصل از رگرسیون لجستیک و روشهای هوش مصنوعی و معیارهای ماده 141 قانون تجارت ایران، آلتمن (1968)، آلتمن (1995) و آسکویت و همکاران (1994) مقایسه شدند. نتایج نشان داد در دوره مورد بررسی و در شرایط حاکم بر شرکتهای ایرانی مستقر در «بورس اوراق بهادار تهران»، معیار آسکویت و همکاران (1994)، بهترین روش برای شناسایی شرکتهای درمانده مالی است و معیارهای آلتمن (1995)، ماده 141 قانون تجارت ایران و آلتمن (1968) در اولویتهای بعدی از لحاظ شناسایی شرکتهای درمانده قرار گرفتند.
In current competitive environment, the risk of financial distress of companies has increased, in this situation, individuals and corporations and financial institutions make a lot of effort to learn about the status of Investee companies to protect their capital. The assessment and recognition of the firm's financial condition requires utilizing efficient measures with less error probability, Therefore, the purpose of this study is to compare the different criteria for identifying financially distressed companies. For this purpose, after reviewing and identifying the most important criteria and models for identifying distressed companies from non-distressed corporations, the distressed companies of Tehran Stock Exchange during the years 2006 to 2018 were separated from healthy firms and compared with the results of logistic regression and artificial intelligence methods, Article 141 of the trade law, Altman (1968), Altman (1995) and Asquith et al (1994). The results of this study showed that during the period under review and in the conditions of the Iranian companies based on Tehran Stock Exchange that Asquith et al (1994) criteria is the best way to identify distressed companies and to predict the financial position of companies and the Altman criteria (1995), Article 141 of the trade law and Altman (1968) are among the top priorities in identifying distressed enterprises.
خلاصه ماشینی:
بدين منظور پس از بررسي و شناسايي پرکاربردترين معيارها و مدل هاي تشخيص شرکت هاي درمانده ، با استفاده از آن ها شرکت هاي درمانده «بورس اوراق بهادار تهران » طي سال هاي ١٣٨٤ تا ١٣٩٦ از شرکت هاي غيردرمانده (سالم ) تفکيک و با استفاده از نتايج حاصل از رگرسيون لجستيک و روش هاي هوش مصنوعي و معيارهاي ماده ١٤١ قانون تجارت ايران ، آلتمن (١٩٦٨)، آلتمن (١٩٩٥) و آسکويت و همکاران (١٩٩٤) مقايسه شدند.
نتايج نشان داد در دوره مورد بررسي و در شرايط حاکم بر شرکت هاي ايراني مستقر در «بورس اوراق بهادار تهران »، معيار آسکويت و همکاران (١٩٩٤)، بهترين روش براي شناسايي شرکت هاي درمانده مالي است و معيارهاي آلتمن (١٩٩٥)، ماده ١٤١ قانون تجارت ايران و آلتمن (١٩٦٨) در اولويت هاي بعدي از لحاظ شناسايي شرکت هاي درمانده قرار گرفتند.
4. Chiou and Lin. نحوه استفاده از آن ها، مقايسه مدل ها با يکديگر و ارتباط بين درماندگي مالي با ساير متغيرها بررسي شده است و تاکنون نه تنها پژوهشي در زمينه ارزيابي معيارهاي شناسايي شرکت هاي درمانده و تفکيک آن ها از شرکت هاي سالم صورت نگرفته ، بلکه بررسيها نشان ميدهد که معياري مشخص و قابل قبول براي همه پژوهشگران و سرمايه گذاران در خصوص شناسايي شرکت هاي درمانده نيز ارائه نشده است .
Financial distress prediction in an international context: a review and empirical analysis of altman's Z’Score model.
The evaluate ability of altman adjusted model to prediction stages of financial distress newton and bankruptcy.
Predicting of firms financial distress by use of linear discriminant function the model.