مقایسه معیارهای تشخیص شرکت های درمانده مالی با استفاده از رگرسیون لجستیک و روش های هوش مصنوعی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
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.

زبان:
فارسی
صفحات:
147 تا 166
لینک کوتاه:
magiran.com/p2181330 
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!