پیش بینی درماندگی مالی با مدل ترکیبی (مطالعه موردی: شرکتهای پذیرفته شده در بورس اوراق بهادار تهران)
محورهای موضوعی : دانش سرمایهگذاری
بهناز لطفی
1
(
دانشجوی دکتری گروه حسابداری،دانشکده علوم انسانی ، واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران.
)
جمال بحری ثالث
2
(
دانشیار گروه حسابداری، دانشکده علوم انسانی ،واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران .
)
سعید جبارزاده کنگرلویی
3
(
دانشیار گروه حسابداری، دانشکده علوم انسانی ،واحد ارومیه، دانشگاه آزاد اسلامی، ارومیه، ایران.
)
مهدی حیدری
4
(
دانشیار گروه حسابداری، دانشکده اقتصاد مدیریت ،واحد ارومیه، دانشگا ه سراسری، ارومیه، ایران.
)
کلید واژه: "مدل ترکیبی", "مدل رگرسیون لجستیک باینری", "درماندگی مالی", "مدل مرتون",
چکیده مقاله :
هدف این مطالعه، پیش بینی درماندگی مالی با استفاده از متغیر های مالی، اقتصاد و بازار سهام در قالب مدل های رگرسیون لجستیک باینری، مرتون و مدل ترکیبی می باشد. بدین منظور اطلاعات 168 شرکت درمانده منتخب بر اساس معیارهای خاص درماندگی و 168 شرکت سالم پذیرفته شده در بورس اوراق بهادار تهران در فاصله بین سال های 1385 الی 1398 و به تفکیک دو سال قبل، یک سال قبل و سال درماندگی مورد استفاده قرار گرفته است. در این مطالعه از 17 نسبت مالی، 4 متغیر اقتصادی و 4 متغیر بازار سهام استفاده گردیده است. تحقیق حاضر سعی در توسعه یک مدل پیش بینی کننده درماندگی مالی ترکیبی دارد که برای اولین بار متغیرهای مالی، اقتصادی و بازار سهام مدل حسابداری را با متغیر احتمال نکول مدل ساختاری ترکیب می کند. نتایج تحقیق نشان داد که مدل ترکیبی، قدرت توضیحی بهتری نسبت به مدل مرتون و مدل رگرسیون لجستیک باینری دارد و با وجود اینکه وجود متغیر احتمال نکول مدل مرتون باعث بهبود قدرت توضیحی مدل ترکیبی می شود ولی همچنان قدرت توضیحی مدل رگرسیون لجستیک باینری بهتر از مدل مرتون می باشد.
This study was aimed to predict financial distress using financial, economic and stock market variables in the form of binary logistic regression models, Merton and hybrid models. For this purpose, the information of 168 distressed companies selected based on specific criteria of distress and 168 healthy companies listed on the Tehran Stock Exchange between2006-2019 and two years ago, one year ago and distress year has been used. In this study, from 17 financial ratios, 4 economic variables and 4 stock market variables have been used. The innovation of the present study is the development of a hybrid financial distress prediction model that for the first time combines the financial, economic and stock market variables of the accounting model with the default variable of the structural model.The results showed that the hybrid model has better explanatory power than Merton and binary logistic regression model and although the existence of the variable probability of Merton model improves the explanatory power of the hybrid model, but the explanatory power of binary logistic regression model is better than the Merton model
accounting-ratio-based and market-based information: a binary quantile regression
approach, Journal of Empirical Finance, (17):818-833.
_||_