خلاصة:
هدف: هدف این پژوهش ارائه رویکردی جدید برای انتخاب متغیرهای مؤثر در پیشبینی درماندگی مالی با استفاده از نظر خبرگان و الگوریتمهای تصمیمگیری است.
روش: بدین منظور 29 نسبت مالی برای شرکتهای تولیدی درمانده مالی بر اساس ماده 141 قانون تجارت و به همان تعداد شرکت سالم به صورت تصادفی از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1385 تا 1395 با استفاده از صورتهای مالی حسابرسی شده برای یک، دو و سه سال قبل از درماندگی جمعآوری شده است. سپس با استفاده از آزمون آماری و الگوریتمهای تصمیمگیری دیمتل و تودیم فازی، بهترین نسبتهای مالی به همراه ضریب اهمیت هر یک انتخاب و با استفاده از ماشین بردار پشتیبان، پیشبینی درماندگی مالی انجام شد.
یافتهها: آزمون مقایسات زوجی نشان داد که اختلاف دقت مدل پیشنهادی در پیشبینی درماندگی مالی برای هر سه سال t-1، t-2 و t-3 نسبت به دقت مدلهای آلتمن و رگرسیون لجستیک در سطح خطای 5 درصد معنادار بوده است.
نتیجهگیری: با توجه به نتایج آزمونهای تحقیق می توان نتیجه گیری کرد که مدل پیشنهادی در یک، دو و سه سال پیش از وقوع درماندگی مالی، به طور معناداری از عملکرد بهتری در پیشبینی درماندگی نسبت به روش رگرسیون لجستیک و مدل آلتمن برخوردار است.
The purpose of this study is to develop a new approach to select effective variables in predicting financial distress using experts’ judgment and decision-making algorithms.
Methods
Twenty nine financial ratios of financially distressed manufacturing companies according to Article 141 of the business Law were selected and the same number of healthy firms have been randomly selected from the companies which were listed in Tehran Stock Exchange between 1385 and 1395 using audited financial statements of one، two and three years before getting distressed. Then، using the statistical test and Dematel and Todim Fuzzy decision-making algorithms، the best financial ratios and their respective importance coefficients were selected and the prediction of financial distress was made using a support vector machine.
Results
Paired T-test results showed that accuracy difference of proposed model in predicting financial distress has been statistically significant in 5% level comparing to Altman Model and Logistic Regression Method for the years t-1، t-2، and t-3.
Conclusion
The findings of the study showed that the proposed model has a significantly better performance in predicting distress than the Logistic regression method and Altman model in one، two and three years before financial distress.