توانایی مدل مبتنی بر تحلیل لوجیت در پیش بینی درماندگی مالی و تاثیر متغیر کارایی در بهبود مدل

پیام:
چکیده:
امروزه ابزارهای تحقیق در عملیات به جزئی جدائی ناپذیر از تحقیقات مالی تبدیل شده اند. از جمله حوزه هائی که در آن می توان از این ابزارها استفاده کرد، فرآیند ایجاد و توسعه مدلهای پیش بینی، به خصوص مدلهای پیش بینی درماندگی مالی شرکتها است. در این تحقیق به طراحی مدل پیش بینی درماندگی مالی با استفاده از الگوی مبتنی بر تحلیل لوجیت و بر اساس نسبت های مالی و امتیاز کارایی شرکتها، پرداخته شده است. به این منظور ابتدا الگویی مبتنی بر رگرسیون لوجستیک با متغیرهای نسبت های مالی طراحی و مورد آزمون قرار گرفت. برای طراحی این الگو ابتدا طیفی از نسبتهای مالی در نظر گرفته شده و سپس با استفاده از یک فرآیند کاهش متغیر، نسبتهای مالی نهایی جهت طراحی الگو انتخاب شدند. در مرحله بعد به منظور بررسی تاثیر ورود متغیر امتیاز کارایی بر دقت پیش بینی الگوی لوجیت، امتیاز کارایی (که با استفاده از تحلیل پوششی داده ها محاسبه گردیده)، را به الگوی لوجیت طراحی شده اضافه نموده و دقت پیش بینی دو الگوی مذکور از طریق مقایسه مورد بررسی قرار گرفت. نتایج حاصل نشان می دهد که الگوی های طراحی شده، قابلیت پیش بینی وقوع درماندگی مالی در شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران را تا دو سال قبل از وقوع آن را دارند. ضمن آنکه نتایج بدست آمده نشان می دهد با ورود امتیاز کارایی، دقت الگوی مبتنی بر تحلیل لوجیت در پیش بینی شرکتهای درمانده مالی بهبود می یابد.
زبان:
فارسی
در صفحه:
429
لینک کوتاه:
magiran.com/p1124574 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!