مدل پیش بینی ورشکستگی مالی با رویکرد دوسطحی در تحلیل پوششی داده ها با شاخص های نیمه مثبت و منفی

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

هدف :

برای مدیران، سرمایه گذاران و اعتباردهندگان، آگاهی از تداوم فعالیت شرکت امری مهم و قابل توجه می باشد. بدین منظور پژوهشگران مالی به دنبال روش های موثر جهت ارزیابی عملکرد شرکت و پیش بینی تداوم فعالیت آن در سال های آتی هستند.

روش شناسی پژوهش: 

در تحقیق های پیشین، از مدل استاندارد تحلیل پوششی داده ها برای پیش بینی ورشکستگی شرکت ها استفاده شده است. تحقیق حاضر بر آن است تا مدلی از تحلیل پوششی داده ها با شاخص های نیمه مثبت و منفی برای پیش بینی ورشکستگی شرکت های فعال در بورس اوراق بهادار تهران ارایه دهد. شرکت های پذیرفته شده در بورس اوراق بهادار تهران، جامعه آماری تحقیق را تشکیل می دهند. برای دستیابی به این هدف، نمونه ای متشکل از 40 شرکت غیر ورشکسته و 20 شرکت ورشکسته در سال های 1393 تا 1397 انتخاب شدند. معیار انتخاب شرکت های ورشکسته ماده 141 قانون تجارت است.

یافته ها

برای انتخاب نسبت های مالی ای که همبستگی معنادارتری با وضعیت مالی شرکت دارند از رویکرد ترکیبی تحلیل رابطه خاکستری و تحلیل پوششی داده های دوسطحی استفاده شده است.

اصالت/ارزش افزوده علمی:

 ابتدا مدل تحلیل پوششی داده های دوسطحی برای شاخص های نیمه مثبت و منفی توسعه داده خواهد شد. سپس پیش بینی درستی ورشکستگی با عدم آن با استفاده از نتایج مدل پیشنهادی بررسی خواهد شد.

زبان:
فارسی
صفحات:
581 تا 595
لینک کوتاه:
magiran.com/p2535389 
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!