چکیده:
پیش بینی تداوم فعالیت عملیاتی واحدهای اقتصادی در دوره های آتی، یکی از عناصر مهم در تصمیم گیری برای سرمایه گذاران بوده و در این میان انتخاب متغیرهای پیش بینی کننده همواره به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی ورشکستگی مطرح بوده است که در راس آن ها همواره سود حسابداری و متغیرهای سود آوری قرار داشته است. بنابراین کیفیت سود حسابداری از معیارهای با اهمیت در تصمیم گیری های سرمایه گذاری در پیش بینی ورشکستگی محسوب می گردد. این پژوهش سعی بر آن دارد تا با مقایسه توان پیش بینی متغیرهای سودآوری شرکت هایی با سود باکیفیت و شرکت هایی با سود بی کیفیت، اثر کیفیت سود بر کارائی متغیرهای سودآوری در پیش بینی ورشکستگی را مورد بررسی قرار دهد. در نمونه ای که از بین شرکت های حاضر در بورس اوراق بهادار تهران انتخاب گردید، ابتدا بر اساس آزمون کولموگوروف-اسمیرنوف به بررسی نرمال بودن توزیع پرداخته شده، در ادامه میزان دقت و خطای نوع اول و دوم مدل شبکه عصبی برای دو گروه شرکت های با کیفیت سود بالا و پایین بررسی شده و سپس از آزمون t به منظور مقایسه میانگین دو نمونه در سطح اطمینان 95% استفاده گردید. یافته ها نشان می دهد که دقت پیش بینی شبکه عصبی مصنوعی برای شرکت های با سود با کیفیت به طور معنی داری بیشتر از شرکت های با سود بی کیفیت می باشد.
Predicting of entities’ going- concern assumption in the future periods is an important element in decision-making process of many investors. So, selecting the predictor variables have been discussed as a challenging issue in the literature of bankruptcy prediction that accounting earnings & profitability variables have been at the top of these issues. Therefore earnings quality has been one of the important measures in the decision-making process of investors in field of bankruptcy prediction.
This study has attempted to compare the prediction power of profitability variables among high quality and low quality earnings of Tehran Stock Exchange(TSE) companies and examine the effect of earnings quality on the efficiency of profitability variables in predicting the bankruptcy.
In a sample of TSE companies, using artificial neural networks we find that the predictive accuracy of artificial neural networks for high quality earnings companies is significantly greater than of firms low quality earnings.
خلاصه ماشینی:
در نمونه اي که از بين شرکت هاي حاضر در بورس اوراق بهادار تهران انتخاب گرديد، ابتدا بر اساس آزمون کولموگوروف-اسميرنوف به بررسي نرمال بودن توزيع پرداخته شده ، در ادامه ميزان دقت و خطاي نوع اول و دوم مدل شبکه عصبي براي دو گروه شرکت هاي با کيفيت سود بالا و پايين بررسي شده و سپس از آزمون t به منظور مقايسه ميانگين دو نمونه در سطح اطمينان ٩٥% استفاده گرديد.
در رابطه با کيفيت سود، درماندگي و پيش بينـي ورشکسـتگي و همچنـين وضـعيت مديريت سود در ميان شرکت هايي که در شرف درماندگي بوده يا ورشکسـته شـدهانـد، پژوهش هاي مختلفي انجام گرديده است ، اما پژوهشي که اثـر کيفيـت سـود بـر کـارائي متغيرهاي سودآوري در پيش بيني ورشکستگي را بررسي کرده باشند، در سـطح ادبيـات موجود يافت نشد.
732 GROWTH * منبع : يافته هاي پژوهشگر سطح اقلام تعهدي اختياري با استفاده از مدل تعديل شده جونز: DA سود خالص به دارايي هاي ثابت : EOPPE انحراف استاندارد سود در پنج سال گذشته : VOL(EARNINGS) سود عملياتي به جمع دارايي ها: IOA سود خالص به فروش خالص : ROS فروش خالص به جمع دارايي ها: SOA سود خالص به حقوق صاحبان سهام: ROE سود انباشته به جمع دارايي ها: REOA سود خالص به جمع دارايي ها: ROA ميانگين رشد سه ساله فروش: GROWTH همان طور که در جدول ٣ مشاهده مي شود متغيرهـاي بيـانگر کيفيـت سـود، نوسـان پذير و اقـلام تعهـدي، بـه ترتيـب داراي ميـانگين ٠.