ارائه مدل رياضي پيش بيني ورشكستگي شركت هاي پذيرفته شده در بورس اوراق بهادار تهران

Mathematical model design for predicting bankruptcy of companies accepted in the Tehran Stock Exchange

در اين مقاله پنج مدل مهم پيش‌بيني ورشكستگي را مطالعه و از ميان متغيرهاي پنج مدل، مدل بازطراحي شده پيش‌بيني ورشكستگي را ارائه مي‌كنيم كه دربرگيرنده هشت متغير مي‌باشد. مسأله اصلي در اين تحقيق اين است كه با بررسي و تحليل صورت‌هاي مالي شركت‌هاي پذيرفته شده در بورس اوراق بهادار تهران بتوانيم مدلي براي پيش‌بيني ورشكستگي شركت‌ها ارائه نماييم. به منظور طراحي مدل، از اطلاعات دو گروه از شركت‌هاي پذيرفته شده در بورس اوراق بهادار تهران استفاده مي‌كنيم، گروه اول شركت‌هاي غير ورشكسته و گروه دوم شركت‌هاي ورشكسته مي‌باشد. به منظور طراحي مدل از هشت نسبت مالي شامل نسبت‌هاي: سود قبل از بهره و ماليات بر كل دارايي‌ها، سرمايه در گردش بر كل دارايي‌ها، مجموع بدهي‌ها بر ارزش بازار كل دارايي‌ها، ضريب بتاي سهام، لگاريتم قيمت (بسته شده از سال مالي گذشته)، عامل تنوع‌بخشي، بازده سالانه تجمعي و ارزش وزني شاخص بورس تهران و تغييرات درآمد خالص استفاده شده است. قلمرو زماني تحقيق را داده‌هاي صورت‌هاي مالي شركت‌هاي بورسي طي سال‌هاي 83 تا 93 تشكيل مي‌دهد. نتايج آزمون در ارتباط با توانايي پيش‌بيني مدل نشان‌دهنده اين واقعيت هست كه مدل مي‌تواند دو سال قبل از وقوع ورشكستگي در شركت‌ها، پيش‌بيني صحيحي در خصوص وجود بحران و ورشكستگي ارائه كند. با دوري از زمان وقوع ورشكستگي بدليل كمرنگ شدن شاخص‌هاي پيش‌بيني كننده ورشكستگي، از توان پيش‌بيني مدل كاسته مي‌شود. كه نتايج پيش ­بيني براي يك سال قبل از ورشكستگي 91 درصد و براي دو سال قبل از ورشكستگي 83 درصد مي ­باشد.

In this research, five major bankruptcy predictions model to study and among the components of the five models, redesigned bankruptcy prediction is provided that consists of eight variables. The main issue in this research is that by examining the financial statements of listed companies in Tehran Stock Exchange we can offer a model to predict corporate bankruptcy. In order to design data from two groups of companies accepted in the Tehran Stock Exchange use the first group consists companies surveyed non-bankrupt company and second group included bankrupt company. The study period financial statements of exchange data during the years have been 2005 to 2014. The study results in relation to the ability to predict model reflects the fact that the model could be two years before the bankruptcy of companies provide accurate predictions about the crisis and bankruptcy. The results show that the predictive power of the model for one year before bankruptcy 91% and two years before the bankruptcy 83%.