چکیده:
سرمایهگذاران برای سرمایهگذاری مطلوب و تخصیص بهینة منابع خویش همیشه به دنبال کسب اطلاعات در مورد گزینههای سرمایهگذاری خود هستند. یکی از مهمترین اطلاعاتی که میتواند سرمایهگذاران را در این راه یاری کند، پیشبینی ورشکستگی شرکتهاست. پژوهشهای زیادی در حوزة پیشبینی ورشکستگی شرکتها انجام شده است. با این حال در بیشتر آنها تنها از "نسبتهای مالی" و "اندازة شرکت" به عنوان متغیرهای موثر بر ورشکستگی شرکتها نام برده شده است. این پژوهش بر آن است تا با معرفی متغیرهای "دوگانی وظیفة مدیر عامل"، "مالکیت نهادی سهام" و "محافظهکاری" به عنوان متغیرهای تاثیرگذار بر توان پیشبینی مدلهای ورشکستگی، باب جدیدی را در تحقیقات این حوزه باز کند. در این پژوهش برای اولین بار از معیار "افزایش یا کاهش قابل ملاحظه در سود هر سهم" برای اندازهگیری ورشکستگی استفاده میشود. نمونة آماری پژوهش حاضر را 90 شرکت پذیرفته شده در بورس اوراق بهادار تهران تشکیل میدهد که 45 شرکت ضعیف و 45 شرکت قوی مورد آزمون قرار گرفتند. برای آزمون فرضیات پژوهش از مدل لاجیت استفاده میشود. نتایج پژوهش نشان میدهد که اضافه نمودن متغیرهای حاکمیت شرکتی و محافظهکاری موجب ارتقای صحت پیشبینی مدل میشود.
Investors always look for information about investment options for favorable investment and optimum resource allocation. One of the most important information pieces which can help investors in this regard is corporate bankruptcy prediction. A considerable number of researchs have been conducted in bankruptcy prediction field. “Financial ratio” and “corporate size” were addressed as effective factors of corporate bankruptcy variables in most studies. The objective of this paper is to introduce “CEO task duality”, “Institutional Stock Ownership”, and “conservativeness” variables as effective variables on power of bankruptcy prediction models in order to open new research fields. In this study, “Earning per Share (EPS)” is used as criteria for the first time to measure corporate financial performance and, accordingly, bankruptcy. Statistical population consists of 90 listed corporates in Tehran Stock Exchange. Total number of 45 weak and 45 strong corporates were examined. To examine the research hypotheses, Logit model is used. Research results show that adding corporate governance variables and conservativeness raises model prediction accuracy.