فراتحلیلی بر عوامل تأثیرگذار بر قدرت پیش بینی مدل ها و متغیرهای ورشکستگی

پایان نامه
چکیده

پیشرفت تکنولوژی و تغییرات سریع محیطی باعث شتاب فزاینده ای در اقتصاد می گردد. رقابت روزافزون موسسات، دست یابی به سود مورد نظر را محدود میسازد و زمینه بروز ورشکستگی را نیز افزایش می دهد. بنابراین ورشکستگی یکی از مهم ترین چالش های پیش روی شرکت ها و کسب و کارها در نظام اقتصادی یک کشور می باشد. از این رو آن ها به دنبال روش هایی هستند که بتواند به وسیله آن ورشکستگی مالی شرکت ها را تخمین بزنند. مطالعات متعددی در زمینه تخمین مدل های پیش بینی ورشکستگی شرکت ها به صورت میدانی انجام شده است اما در این پژوهش،با توجه به محدودیت های حاکم بر مطالعات میدانی، تلاش برای آن است که با استفاده از رویکرد فراتحلیل به شناسایی عوامل موثر بر قدرت پیش بینی مدل ها و متغیرهای ورشکستگی پرداخته شود. از جمله نقاط ضعف مطالعات میدانی که در یک مطالعه فراتحلیلی می توان آن را رفع کرد، بررسی اثر برخی متغیرهای تعدیل کننده نظیر تعداد نمونه، روش پژوهش، سطح تجزیه و تحلیل، روش تحلیل داده ها، نوع داده ها، دوره زمانی جمع آوری اطلاعات و نوع صنعت مورد مطالعه و ویژگی های کشور مورد مطالعه، بر نتایج و قوت پیش بینی مدلهای ورشکستگی است. جامعه آماری این پژوهش، مدل های اجرا شده ورشکستگی بین سالهای 2011-1960 است که در قالب مقاله، پایان نامه وگزارش پژوهشی به دست پژوهشگر رسیده است. باتوجه به هدف پژوهش، نوع بخش اقتصادی، نوع مدل رگرسیون طراحی شده، زمان گردآوری داده ها، کشور مورد مطالعه، تعداد و نوع متغیرهای مستقل به کاررفته در مدل های پیش بینی ورشکستگی به عنوان متغیرهای مستقل و ضریب تعیین مدل ها و شدت اثرگذاری متغیرهای مستقل موجود در مدل های پیش بینی ورشکستگی به عنوان متغیر وابسته در نظر گرفته شده اند. نتایج نشان می دهد همه متغیرهای مستقل ذکرشده به جز تعداد و نوع متغیرهای مستقل به کاررفته در مدل های موجود بر ضریب تعیین مدل ها اثرگذار بوده اند و هم چنین تمامی این متغیرها به جز زملن گردآوری داده ها و نوع متغیرهای مستقل به کاررفته در مدل های موجود بر شدت اثرگذاری متغیرهای مستقل مدل های پیش بینی ورشکستگی اثرگذار بوده اند.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

متن کامل

شبکه های عصبی شعاعی آموزش یافته بر پایه متغیرهای مدل های آماری و مقایسه آن ها در پیش بینی ورشکستگی

امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در حیطه مالی پیدا کرده است. پژوهش حاضر به دنبال یافتن روش بهتر برای ساخت و آموزش شبکه های عصبی مصنوعی است که منجر به پیش بینی دقیق تر در موضوع ورشکستگی شود. در این میان سه شبکه عصبی از نوع توابع شعاع مدار ساخته شد که به صورت جداگانه توسط متغیرهای مدل آلتمن (1983)، اسمایوسکی (1984) و ترکیبی آموزش داده شدند. پس از سنجش توانایی سه مدل در پیش بینی ورشکستگی...

متن کامل

تأثیر کاهش داده ها با استفاده از تحلیل عاملی بر دقت مدل های پیش بینی ورشکستگی

هدف از این پژوهش تعیین الگوهایی با استفاده از نسبت های مالی برای بالا بردن توان تصمیم گیری استفاده کنندگان از صورت های مالی در پیش بینی ورشکستگی شرکت ها است. در این پژوهش از 55 نسبت مالی پرکاربرد استفاده شده و با استفاده از تحلیل عاملی اکتشافی به 12 عامل تبدیل شده است. سپس با استفاده از مدل لوجیت و شبکه های عصبی صحت پیش بینی ورشکستگی با استفاده از 12 عامل به دست آمده، موردبررسی قرارگرفته است. ج...

متن کامل

شبکه های عصبی شعاعی آموزش یافته بر پایه متغیرهای مدل‌های آماری و مقایسه آن‌ها در پیش بینی ورشکستگی

امروزه شبکه های عصبی مصنوعی جایگاه ویژه ای در حیطه مالی پیدا کرده است. پژوهش حاضر به دنبال یافتن روش بهتر برای ساخت و آموزش شبکه های عصبی مصنوعی است که منجر به پیش بینی دقیق‌تر در موضوع ورشکستگی شود. در این میان سه شبکه عصبی از نوع توابع شعاع مدار ساخته شد که به صورت جداگانه توسط متغیرهای مدل آلتمن (1983)، اسمایوسکی (1984) و ترکیبی آموزش داده شدند. پس از سنجش توانایی سه مدل در پیش بینی ورشکستگی...

متن کامل

پیش بینی ورشکستگی و راهبری شرکت ها: دیدگاه نسبت های مالی

پیش­بینی ورشکستگی در مطالعات و مقالات موجود در حوز­ های حسابداری و  مدیریت بسیار مورد بحث واقع شده­است و مطالعات فراوانی در رابطه با روش­های تجربی بهتر برای پیش­بینی ورشکستگی انجام شد­ه­است. هدف تحقیق حاضر استفاده از نسبت­های مالی و شاخص­های راهبری شرکتی برای پیش­بینی ورشکستگی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران است. پژوهش حاضر به لحاظ هدف، بنیادی و از نظر روش تحقیق توصیفی از نوع هم...

متن کامل

طراحی مدل پیش بینی ورشکستگی شرکت ها به وسیله شبکه های عصبی فازی (مطالعه موردی:شرکت های بورس اوراق بهادار تهران)

در این مقاله به منظور پیش بینی درصد ورشکستگی شرکت های بورسی از مدلهای  شبکه عصبی فازی استفاده گردیده که توانایی کار در محیط پویا و غیر قطعی را امکان پذیر می سازد. در این میان با استفاده از منطق فازی متغییر های مختلف کلامی به منظور تعریف هر شاخص مشخص گردیده است و با ایجاد توابع عضویت هر کدام با استفاده شبکه عصبی به ایجاد یک سیستم یادگیرنده اقدام شده است. از میان مدل های مختلف شبکه عصبی،شبکه پرسی...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده علوم اداری و اقتصاد

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023