تعیین شاخص های شکست مالی با استفاده از تحلیل رابطه خاکستری مبتنی بر تحلیل پوششی داده ها و تحلیل رگرسیون لجستیک در شاخص بورس بیست 100

مدل های پیش بینی شکست مالی با استفاده از تحلیل رگرسیون لجستیک بر مبنای روش های سنتی آماری و تحلیل پوششی داده ها توسعه یافته اند که یک روش ناپارامتریک ریاضی-محور است. در این مقاله، این روش روی گزارش های مالی شرکت های حاضر در شاخص 100 شرکت بزرگ بورس استانبول (بیست 100) بین سالهای 2014 تا 2016 به کار گرفته شده است. برای تدوین این مدلها، متغیرهای لحاظ شده در مدل به اندازه روش مورد استفاده مهم هستند. به همین دلیل، روش تحلیل رابطه خاکستری برای تعیین شاخص های موثر بر وضعیت مالی شرکت ها مورد استفاده قرار گرفت. نتایج به دست آمده نشان داد که مدل رگرسیون لجستیک، به عنوان یک مدل پیش بینی، نرخ پیش بینی بالاتری از روش تحلیل پوششی داده ها در پیش بینی شکست مالی شرکت ها دارد. با این حال، تحلیل پوششی داده ها هم یک راه آسان و سریع برای پیش بینی شکست مالی بوده و به شرکت هایی توصیه می شود که برای موفقیت نیاز به بهبود شاخص های مشخص شده دارند. به علاوه، ما دریافتیم که هر دو روش در پیش بینی شکست مالی قابل اجرا هستند، اما هر یک دارای مزایا و معایب خاص خود هستند.