پیش بینی ورشکستگی با استفاده از تحلیل پوششی داده ها و مقایسه با مدل رگرسیون لوجیت درشرکت های پذیرفته شده دربورس اوراق بهادار تهران

با توجه به تاثیرات درماندگی مالی بر روی گروه های مختلف ذینفع، همواره ارائه الگوهای پیش بینی ورشکستگی یکی از جذاب ترین حوزه ها در تحقیقات مالی بوده است. پژوهش حاضر به مطالعه ی پیش بینی ورشکستگی مالی شرکتها در بورس اوراق بهادار تهران به وسیله ی مدل تحلیل پوششی داده ها می پردازد. تحلیل پوششی داده ها یک روش ناپارامتریک برای ارزیابی کارایی واحدهای عملیاتی است، اما در این پژوهش کاربردی متفاوت از تحلیل پوششی داده ها بیان می شود. مدل تحلیل پوششی داده های استفاده شده در این تحقیق، مدل جمعی بر پایه ی ارزیابی ورشکستگی است. برای ساخت مدل از نه متغیر مالی شامل هفت ورودی و دو خروجی استفاده شده است. نمونه های انتخاب شده در برازش الگو شامل دو گروه50 عضوی از شرکت های ورشکسته و غیرورشکسته بورس اوراق بهادار تهران است که گروه ورشکسته بر مبنای مشمولیت ماده 141 قانون تجارت طی سالهای 1380 تا 1388 و گروه غیرورشکسته براساس روش نمونه گیری تصادفی از شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی تحقیق انتخاب شده اند. از مدل رگرسیون لوجیت به منظور مقایسه ی دقت پیش بینی مدل تحلیل پوششی داده ها استفاده شده است. نتایج حاصل از آزمون ویلکاکسون نشان می دهدکه این تکنیک، نتوانسته است ورشکستگی شرکت ها را به خوبی پیش بینی کند. در نهایت، نتایج حاکی از این است که مدل رگرسیون لوجیت از دقت بالاتری برخوردار است و برای پیش بینی مدل مناسب تری است.