Investigation of Micro and Macro of Economic Policies Factors Affecting Corporate Financial Performance
Subject Areas : Public Policy In AdministrationEbrahim Alizadeh 1 , HamidReza Vakilifard 2 , Mohsen Hamidian 3
1 - Department of Accounting, Kish International Branch, Islamic Azad University, Kish Island, Iran
2 - Associate Professor, Department of Accounting, Science and Research Branch, Islamic Azad University, Tehran, Iran.
3 - Assistant Professor, Department of Accounting, South Tehran Branch, Islamic Azad University, Tehran, Iran
Keywords: microeconomic factors, corporate financial performance, macroeconomic factors,
Abstract :
Financial indicators are a good measure for policymakers who want to assess the current state of the economy and predict the future. The purpose of this study was to investigate the micro and macro factors of economic policies affecting the financial performance of companies. Fuzzy Delphi fan research method and in the second stage to prioritize the indicators and determine the internal relationships between the indicators, the fuzzy dimtel method was used to systematically and comprehensively study to identify all the measures that may affect the profitability stability and other basic indicators. Financial performance is effective and a complete database of these metrics is provided. The results showed that the four most effective factors on the performance of companies among micro-financial factors according to experts, respectively, were the value of the company to debt, asset growth, income size and liquidity of assets. Also, the four most effective factors on the performance of companies among microeconomic factors according to experts, respectively, were the total index, price index, cash return index and industry index. And the four most influential factors on the performance of companies among macroeconomic factors have been production growth, investment growth, exchange rate fluctuations and financial instability, respectively.
آلتمن، ای. آی. (1968). نسبت های مالی، تحلیل تفکیک کننده و پیش بینی ورشکستگی شرکت ها. مجله مالی، 23 (4)، 589-609.
Altman, E. I., Zhang, L., & Yen, J. (2007). تشخیص پریشانی مالی شرکت در چین مرکز سالومون دانشگاه نیویورک، مقاله کار.
Angelopoulou, E., Balfoussia, H., Gibson, H., 2013. ایجاد یک شاخص شرایط مالی برای منطقه یورو و کشورهای منتخب منطقه یورو: در مورد بحران به ما چه می گوید؟ شماره WP ECB 1541.
چن، جی.، ام. فرث، دی.ان. گائو و او.ام. Rui (2006) "ساختار مالکیت، حاکمیت شرکتی و تقلب: شواهدی از چین"، مجله مالی شرکت، جلد. 12، ش 3، ص 424-448.
Chun, H., Keles, S., 2010. رگرسیون حداقل مربعات جزئی پراکنده برای کاهش ابعاد همزمان و انتخاب متغیر. J. R. Stat. Soc. ب 72، 3-25.
دیمیتراس، آ.، کیریاکو، ام و لاتریدیس جی، (2015)، "بحران مالی، تغییرات تولید ناخالص داخلی و مدیریت سود در اروپا"، پژوهش در تجارت و امور مالی بین المللی، جلد 34، 338-335.
دیوسالار، م.، جاوید، م.ر.، گندمی، ع. ح.، صوفی، ج.ب.، و محمود، م. و. (2011). الگوریتم های جستجوی مبتنی بر برنامه نویسی ژنتیک ترکیبی برای پیش بینی ورشکستگی شرکت هوش مصنوعی کاربردی، 25(8)، 669-692.
-کاپتانیوس، جی.، پرایس، اس.، و یانگ، جی. (2018). شاخص شرایط مالی انگلستان با استفاده از کاهش داده های هدفمند: پیش بینی و شناسایی ساختاری اقتصاد سنجی و آمار.
Lin, C. J. and W. W. Wu (2008). "یک روش تحلیلی علی برای تصمیم گیری گروهی تحت محیط فازی"، سیستم های خبره با کاربردها، جلد. 34، شماره 1، ص 205- 213.
Millard, S., Nicolae, A., 2014. تأثیر بحران مالی بر رشد TFP: یک رویکرد تعادل عمومی. مقاله کاری بانک انگلستان 502. مولر، پی.، 2009. انتشار اعتبار و فعالیت واقعی EFA 2008 مقاله جلسات آتن.
Pantea، M.، Gligor، D.، & Anis، C. (2014). عوامل اقتصادی تعیین کننده عملکرد مالی شرکت های رومانیایی رویه- علوم اجتماعی و رفتاری، 124، 272-281.
Paries, M. D., Maurin, L., Moccero, D., 2014. شاخص شرایط مالی و شوک عرضه اعتبار برای منطقه یورو. ECB Working Paper Series 1644. Pearson, K., 1901. در مورد خطوط و سطوحی که نزدیکترین تناسب را با سیستم نقاط در فضا دارند. فیلوس Mag. 2، 559-572.
راجان، جی.آر. و آر.
راجو، پی اس و لونیال، اس سی (2002). تأثیر کیفیت خدمات و بازاریابی بر عملکرد مالی در صنعت بیمارستان. مجله خرده فروشی و خدمات مصرف کننده، 9، 335-348.
Ramli، N. A.، Latan، H.، & Solovida، G. T. (2019). عوامل تعیین کننده ساختار سرمایه و عملکرد مالی شرکت - رویکرد PLS-SEM: شواهدی از مالزی و اندونزی. فصلنامه بررسی اقتصاد و امور مالی، 71، 148-160.
ریچاردسون، اف.ام. و دیویدسون، L. F. (2016) "کاوش در ورشکستگی، حساسیت مدل متمایز کننده"، مجله امور مالی و حسابداری کسب و کار، 10(2) (تابستان): 195-207
Rossi, B., 2013. پیشرفت در پیش بینی در شرایط بی ثباتی. در: Elliott, G., Timmermann, A. (Eds.), Handbook of Economic Forecasting. الزویر، ص 1203–1324.
سانتوس، جی بی، و بریتو، ال. ای.ال. (2012). به سمت یک مدل اندازه گیری ذهنی برای عملکرد شرکت. BAR-Brazilian Administration Review, 9 (SPE), 95-117.
شو، یان، برادستاک، دیوید سی و ژو، بینگ. (2013)، "تأثیر ناهمگون اطلاعات کلان اقتصادی بر پیش بینی های سود شرکت". بررسی حسابداری بریتانیا Vol.45, PP.311-325.
Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The journal of finance, 23(4), 589-609.
Altman, E. I., Zhang, L., & Yen, J. (2007). Corporate financial distress diagnosis in China. New York University Salomon Center, Working Paper.
Angelopoulou, E., Balfoussia, H., Gibson, H., 2013. Building a Financial Conditions Index for the Euro Area and Selected Euro Area Countries: What Does it Tell us About the Crisis? ECB WP no. 1541.
Chen, G., M. Firth, D.N. Gao and O.M. Rui (2006) "Ownership structure, corporate governance, and fraud: Evidence from China", Journal of Corporate Finance , vol. 12, Issue 3, pp. 424-448.
Chun, H. , Keles, S. , 2010. Sparse partial least squares regression for simultaneous dimension reduction and variable selection. J. R. Stat. Soc. B 72, 3–25.
Dimitras, A., Kyriakou, M. & Latridis G., (2015), “Financial crisis, GDP variation and earning managment in Europe”, Research in International Business and Finance, Vol 34, 338-335.
Divsalar, M., Javid, M. R., Gandomi, A. H., Soofi, J. B., & Mahmood, M. V. (2011). Hybrid genetic programming-based search algorithms for enterprise bankruptcy prediction. Applied Artificial Intelligence, 25(8), 669-692.
Du Jardin, P. (2010). Predicting bankruptcy using neural networks and other classification methods: The influence of variable selection techniques on model accuracy. Neurocomputing, 73(10-12), 2047-2060.
Drezner, Z., Marcoulides, G. A., & Hoven Stohs, M. (2018). Financial applications of a tabu search variable selection model. Journal of Applied Mathematics and Decision Sciences, 5(4), 215-234.
Frank, M. Z., & Goyal, V. K. (2009). Capital structure decisions: which factors are reliably important?. Financial management, 38(1), 1-37.
Giraitis, L., Kapetanios, G., Price, S., 2013. Adaptive forecasting in the presence of recent and ongoing structural change. J. Econom. 177, 153–170.
Gepp, A., Kumar, K., & Bhattacharya, S. (2010). Business failure prediction using decision trees. Journal of forecasting, 29(6), 536-555.
Guichard, S., Haugh, D., Turner, D., 2009. Quantifying the Effect of Financial Conditions in the Euro Area, Japan, United Kingdom and the United States. OECD Economics Working Papers No. 677.
Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (2009). The WEKA data mining software: an update. ACM SIGKDD explorations newsletter, 11(1), 10-18.
Hatzius, J., Hooper, P., Mishkin, F., Schoenholtz, K., Watson, M., 2010. Financial Conditions Indexes: A Fresh Look After the Financial Crisis. Working Paper.
Helbling, T. , Huidron, R. , Kose, M.A. , Otrok, C. , 2011. Do credit shocks matter? A global perspecive. Eur. Econ. Rev. 55, 340–353.
Kapetanios, G., Price, S., & Young, G. (2018). A UK financial conditions index using targeted data reduction: forecasting and structural identification. Econometrics and Statistics.
Lin, C. J. and W. W. Wu (2008). “A Causal Analytical Method for Group Decision-Making under Fuzzy Environment”, Expert Systems with Applications, Vol. 34, No. 1, pp. 205- 213.
Millard, S., Nicolae, A., 2014. The Effect of the Financial Crisis on TFP Growth: A General Equilibrium Approach. Bank of England Working Paper 502. Mueller, P., 2009. Credit Spreads and Real Activity EFA 2008 Athens Meetings Paper.
Pantea, M., Gligor, D., & Anis, C. (2014). Economic determinants of Romanian firms’ financial performance. Procedia-Social and Behavioral Sciences, 124, 272-281.
Paries, M. D., Maurin, L., Moccero, D., 2014. Financial Conditions Index and Credit Supply Shocks for the Euro Area. ECB Working Paper Series 1644. Pearson, K. , 1901. On lines and planes of closest fit to systems of points in space. Philos. Mag. 2, 559–572.
Rajan, G.R. and R. Zingales (1995) "What do we know about capital structure? Some evidence from international data", Journal of Finance , pp. 1421-1460.
Raju, P. S. & Lonial, S. C. (2002). The Impact of Service Quality and Marketing on Financial Performance in the Hospital Industry. Journal of Retailing and Consumer Services, 9, 335-348.
Ramli, N. A., Latan, H., & Solovida, G. T. (2019). Determinants of capital structure and firm financial performance—A PLS-SEM approach: Evidence from Malaysia and Indonesia. The Quarterly Review of Economics and Finance, 71, 148-160.
Richardson, F. m. and Davidson, L. F. (2016) ‘An exploration into bankruptcy Discriminant model sensitivity’ , Journal of Business Finance & Accounting, 10(2) (Summer): 195-207
Rossi, B. , 2013. Advances in forecasting under instability. In: Elliott, G., Timmermann, A. (Eds.), Handbook of Economic Forecasting. Elsevier, pp. 1203–1324.
Santos, J. B., & Brito, L. A. L. (2012). Toward a subjective measurement model for firm performance. BAR-Brazilian Administration Review, 9(SPE), 95-117.
Shu, Yan, Broadstock, David C. and Xu, Bing. (2013), “The Heterogeneous Impact of Macroeconomic Information on Firms’ Earnings Forecasts”. The British Accounting Review. Vol.45, PP.311–325.
Stock, J. H., and Watson, M. W. (2002),”Forecasting Using Principal Components From a Large Number of Predictors”, Journal of the American Statistical Association, 97, PP.1167–1179.
Tsai, C. F. (2009). Feature selection in bankruptcy prediction. Knowledge-Based Systems, 22(2), 120-127.
Zhu, J. (2000). Multi-factor performance measure model with an application to Fortune 500 companies, European Journal of Operational Research, 123 (1), 105–124.
Zhou, L., Lu, D., & Fujita, H. (2017). The performance of corporate financial distress prediction models with features selection guided by domain knowledge and data mining approaches. Knowledge-Based Systems, 85, 52-61.
بررسی عوامل خرد و کلان خط مشی های اقتصادی موثر بر عملکرد مالی شرکت ها: رهیافت دیمتل فازی
Investigation of Micro and Macro of Economic Policies Factors Affecting Corporate Financial Performance: A Fuzzy Dimensional Approach
چکیده:
شاخص های مالی سنجه های مطلوبی برای سیاست گذارانی است که مایل به ارزیابی وضعیت فعلی اقتصاد در حال حاضر و پیش بینی آینده هستند و به خصوص برای اعتبار دهندگان و بانک مرکزی از اهمیت ویژه ای برخوردار بوده و دلایل متعددی برای توجیه این اهمیت وجود دارد. داده هایی که بر پایه آن ها شاخص های مالی محاسبه می گردد ماهیتا با نگاه به آینده تعریف شده و احتمالا انتظارات بازار را در مورد داده های کلان مدنظر قرار می دهند. شاخص های مالی ممکن است خود نیز به طور مستقیم بر وضعیت آینده اقتصاد تاثیر گذاشته یا از شاخص های خرد و کلان خط مشی های اقتصادی تاثیر پذیرند. در تحقیق حاضر تلاش شده تا مطالعه سیستماتیک و جامعی جهت شناسایی همه سنجه هایی که احتمالا ممکن است بر ثبات سود آوری و دیگر شاخص های اساسی علمکرد مالی موثر باشد انجام و بانک اطلاعاتی کاملی از این سنجه ها فراهم گردد. بدین منظور، ترکیبی از روش های حوزه دانش و تحلیل محتوی در انتخاب سنجه های موثر مورد استفاده قرار گرفته است. در نهایت عوامل موثرتر از طریق نظرسنجی از خبرگان و روش دیمتل فازی تعیین شده اند.
واژه های کلیدی: عوامل خرد اقتصادی، عوامل کلان اقتصادی، خط مشی اقتصادی، عملکرد مالی شرکت.
Abstract:
Financial indicators are good benchmarks for policymakers who want to assess the current state of the economy and predict the future, especially for creditors and the central bank, and there are several reasons to justify this. The data on which the financial indices are calculated is essentially defined by looking at the future and possibly taking into account market expectations of the macro data. Financial indicators may also directly affect the future state of the economy or be influenced by macroeconomic and micro indicators. This study attempts to conduct a systematic and comprehensive study to identify all the measures that may be likely to affect profitability and other key indicators of financial performance and provide a complete database of these measures. For this purpose, a combination of knowledge domain and content analysis methods has been used to select effective metrics. Finally, the most effective factors are determined through interviews with experts and the fuzzy DEMATEL method.
Keywords: microeconomic factors, macroeconomic factors, corporate financial performance.
خط مشی اقتصادی اصل تعیین‌کننده محدوده تصمیم‌گیری اقتصادی برای مدیران سازمان یا هیئت مدیره می‌باشد. پیش بینی وضعیت مالی شرکت ها مبتنی بر شاخص های مالی از محورهایی است که توجه اعتبار دهندگان، سرمایه گذاران و دیگر ذی نفعان شرکت نظیر عرضه کنندگان یا خرده فروشان شرکت است. سرمایه گذاران و اعتباردهندگان شرکت نیازمند ارزیابی وضعیت مالی یک شرکت پیش از اینکه به هرگونه تصمیم گیری در زمینه سرمایه گذاری یا اعطای وامی به شرکت مبادرت نمایند، می باشند تا از تحمل زیان بزرگتری پیش گیری نمایند. عرضه کنندگان یا خرده فروشان یک شرکت همیشه بر اساس وضعیت اعتباری با شرکت مبادله کرده و از این جهت نیازمند شناخت کاملی از وضعیت مالی شرکت و اتخاذ تصمیم در زمینه مبادلات خود هستند (هال1 و دیگران 2009).
شاخص های مالی سنجه های مطلوبی برای سیاست گذارانی است که مایل به ارزیابی وضعیت فعلی اقتصاد در حال حاضر و پیش بینی آینده هستند و به خصوص برای اعتبار دهندگان و بانک مرکزی از اهمیت ویژه ای برخوردار بوده و دلایل متعددی برای توجیه این اهمیت وجود دارد. داده هایی که بر پایه آن ها شاخص های مالی محاسبه می گردد ماهیتا با نگاه به آینده تعریف شده و احتمالا انتظارات بازار را در مورد داده های کلان مدنظر قرار می دهند. شاخص های مالی ممکن است خود نیز به طور مستقیم بر وضعیت آینده اقتصاد تاثیر گذاشته یا از شاخص های کلان خط مشی اقتصادی تاثیر پذیرند. شاخص های مالی به موقع، با فراوانی زیاد و در دسترس هستند (روسی2، 2013).
حتی اگر شاخص های مالی حاوی اطلاعاتی نباشند که در سایر داده هایی که در آینده منتشر می شوند، ممکن است در صورت به موقع بودن به هنگام تحقق، در جهت درک و پیش بینی تحولات اقتصادی در سطح کلان مفید باشند. علاوه بر این، مکانیسم انتقال پول از زمان آغاز وضعیت مالی سال 2007، مسلما تغییر کرده است. در ایران نیز، همانند سایر اقتصادها، هنگامی که سیاست های پولی تغییر کرده و مثلا کاهش نرخ بهره به وقوع می پیوندد، سیاست خرید دارایی هایی چون ارز، سکه و ملک در مقیاس وسیع موجه جلوه کرده و هدف از آن حداکثر نمودن ارزش دارایی ها است. این امر در حالی مفید است که بتوان صرفا بر پایه نرخ بهره و تورم تصمیم گیری نموده و صرفا نرخ بهره به عنوان سنجه نرخ بازده بدون ریسک و بر پایه سیاست پولی تغییر نموده یا ناشی از وضعیت های اقتصادی اصلی ترین متغیر کلان نرخ تورم باشد (کاپتانیوس3 و همکاران، 2018).
بررسی ادبیات تحقیق نشان می دهد که در سال های اخیر به دلایل چندی از جمله موارد صدر الذکر، شاخص های بیان گر وضعیت مالی، مورد توجه قرار گرفته اند. در این زمینه به عنوان مثال می توان به پژوهش هایی چون آنجلوپولو4 و همکاران (2013) در سطح اتحادیه اروپا، هاتزیوس5 و همکاران (2010) در ایالات متحده آمریکا، گیراتیس6 و همکاران (2013) در کانادا، گای چارد7 و همکاران (2009) و پاریس8 و همکاران (2014) در کشورهای مختلف اروپايي از جمله اعضای اتحادیه اروپا، اشاره نمود.
در حال حاضر مشکل روش پیش بینی شاخص های مالی شرکت های بزرگ در این است که استفاده از تمام اطلاعات موجود مربوط به این شرکت ها برای پیش بینی وضعیت مالی آن ها، وجود ندارد. در نتیجه، عملکرد روش های پیش بینی شاخص های مالی در شرکت ها نه تنها به استفاده از مدل یا روش های است که برای پیش بینی به کار می رود، که حتی به نحوه انتخاب اطلاعات و نوع اطلاعات انتخاب شده نیز برمی گردد. در عمل، برخی از موسسات رتبه بندی اعتباری فقط با استفاده از تجارب شخصی و قضاوت خود، اطلاعات مربوط به ارزیابی ریسک اعتباری یک شرکت یا فرد خاص را برگزیده یا با کارت امتیازی ساده به جای مدل های آماری پیچیده، به این امر مبادرت می کنند (میلارد و نیکولز9، 2014).
به منظور پیش بینی شاخص های مالی یک شرکت، از جمله شرایط اقتصاد کلان، ویژگی های شرکت، وضعیت مالی و اطلاعات بازار، موثرند. بسیاری از مطالعات نشان داده اند که اطلاعات مالی و بازار در پیش بینی وضعیت مالی موثر است. بر پایه یافته های پژوهش دیمیتراس10 و همکاران (2015) در هر حال پاسخ به این سوال روشن نیست که کدام دسته از اطلاعاتی مالی و اطلاعات بازار را باید در تبیین مدل های پیش بینی شاخص های مالی شرکت های مورد مطالعه، در نظر گرفت؟
اگرچه تا قبل از شروع وضعیت مالی در اروپا برخی از این پژوهش ها انجام شده و شاخص های مالی تبیین شده توسط منابعی چون بلومبرگ، دویچه بانک، گلدمن ساکس، اتحادیه اروپا و بانک فدرال رزرو کانستور در جهت پیش بینی ثبات یا وضعیت مالی مورد استفاده قرار گرفته اند. در این تحقیق به نوعی از روش تحلیل محتوی برای تعیین و دسته بندی عوامل مختلف خرد و کلان خط مشی های اقتصادی موثر بر عملکرد مالی در شرکت ها بهره گرفته شده است. پس از تعیین سنجه های موثر، برای مشخص کردن میزان اثرگذاری و اهمیت آن ها از خبرگان و صاحب نظران نظرسنجی شده است. نتایج نظرسنجی ها با استفاده از تکنیک دیمتل فازی مورد تحلیل قرار گرفته و درجه تاثیر سنجه ها بر عملکرد مالی در شرکت ها تعیین شده است.
مقاله حاضر در پنج قسمت ارائه شده است: قسمت ابتدایی به مبانی نظری و پیشینه پژوهش اشاره دارد. قسمت دوم شامل روش اجرای پژوهش بوده که در آن روش دیمتل فازی به طور مفصل تشریح شده است. در قسمت چهارم، یافته های پژوهش ارائه شده و در نهایت نیز در قسمت پنجم، به نتیجه گیری حاصل از پژوهش پرداخته شده است.
2- ادبیات موضوع
2-1- مبانی نظری
ارزیابی عملکرد یک جزء جدایی ناپذیر از فرآیند مدیریت در هر شرکت صرف نظر از نوع مالكيت، سيستم مديريت يا نوع فعاليت آن است. در این زمینه، روی کردهای بسیاری توسعه یافته است که در میان آن ها، در سال های اخیر، تجزیه و تحلیل بهره وری، سنجش کارایی و نيز استفاده از شاخص هاي عملكرد مبتني بر سنجه هايي چون نسبت هاي مالي نظير سنجه هاي سودآوري از اهميت ويژه اي برخوردار بوده است(پانته آ11 و همكاران، 2014).
با این وجود، اگر چه مبتني بر رويه سنجش شاخص هاي عملكرد، استفاده از نسبت ستانده به نهاده مانند بازده سرمایه گذاری، بازده فروش و بازده سرمايه، ممکن است به عنوان شاخص هايي برای توصیف عملکرد مالی استفاده شود، ارجاعات معمولی از عملکرد، چه بر مبناي سودآوری، بهره وری یا کارایی تعريف شود، رضایت بخش هستند. در عين حال عملکرد شرکت پدیده پیچیده اي است که نیاز به استفاده بیش از یک معیار برای سنجش و ارزيابي دارد(ژو12، 2000).
در واقع، بسیاری از محققان عملکرد سازمانی را به عنوان یک طرح چند بعدی مفهومی(راجو و لونيال13، 2002) جهت اندازه گيري درجه نيل به اهداف از پيش تعيين شده شركت و سطوح موفقيت آن مي تواند مورد استفاده واقع شود.
بررسي ادبیات تحقيق در زمينه سیستم اندازه گیری عملکرد نشان دهنده اهمیت و پیچیدگی این موضوع است. در حالی که بسیاری از مقالات بحث مربوط به سيستم اندازه گيري عملكرد و برخي ديگر توجه خود را تنها بر ابعادي از سیستم اندازه گیری عملکرد، معطوف كرده اند. جدول (1)، تحلیلی از پژوهش هاي انجام شده که تعاریف عملکرد و اندازه گیری آن را پوشش داده و تطور تاريخي آن را خلاصه كرده است:
[1] Hall
[2] Rossi
[3] Kapetanios
[4] Angelopoulou
[5] Hatzius
[6] Giraitis
[7] Guichard
[8] Paries
[9] Millard & Nicolae
[10] Dimitras
[11] Pantea
[12] Zhu
[13] Raju & Lonial
جدول 1. تحول تاریخی سنجه هاي عملکرد (پانته آ، 2014)
دوره زماني | سنجه | محققين | شرح |
تا 1980 | ROI, ROE, ROCE | سيمونز | ROI مهم ترین سنجه برای سرمایه گذاران؛ نسبت سود يا ستانده کسب و کار به عنوان درصدي از سرمایه گذاری است؛ ROE به عنوان چشم انداز مديران و نسبت سود به عنوان درصدي از سرمايه شركت است، ROCE به عنوان سنجه اي اشاره به دارایی های درون کنترل مستقیم مدیر داشته و بازده عملياتي دارايي هاست. |
1982 | EVA | استرن استوارت و همكاران | EVA يا ارزش افزوده اقتصادي، یک سیستم مدیریت مالی است که زبان مشترکي را برای کارکنان در همه حوزه هاي عملیاتی و کارکنان فراهم آورده و اجازه می دهد همه تصمیمات مدیریتی مدل سازی، نظارت، برقراری ارتباط و جبران در یک روش واحد و سازگار، همیشه با توجه به ارزش افزوده سرمایه گذاری سهام داران باشد. |
1988 | ABC | كوپر و گاپلان | ABC يا هزينه يابي بر مبناي فعاليت برای رفع نقایص سیستم های حسابداری هزینه های مبتنی بر واحد محرك معمولی معرفی شد. ایده اساس مدل این است که در تمام فعالیت های شرکتی که برای حمایت از تولید و تحویل کالا و خدمات وجود دارد، باید هزینه های محصول را در نظر بگیرند. |
1990 | CVA | موسسه ارزش مشتري | CVA يا تحليل ارزش مشتري قصد دارد سيستم ارزيابي عملكرد را به طور انحصاری بر اساس بازار با اصلاح تمام سنجه هاي عملکرد در اطراف پارامترهای بازار تنظیم کند. تصمیم گیری بر اساس این سنجه ها بوده، این مدل با ابزاري چون نمودارهای ارزش گذاری، تجزیه و تحلیل معیارها، ویژگی های محصول، مقایسه مقیاس، نمودار اولویت و غیره عمل می کند. تمرکز شدید بر بازار، ویژگی اصلی مدل و عامل محدود کننده است. |
1992 | BSC | كاپلان و نورتون | BSC يا كارت امتيازي متوازن دیدگاه جامعي از سازمان را با تلفیق چهار دیدگاه: مالی، مشتری، کسب و کار داخلی، نوآوری و رشد. چشم انداز مالی، به دست مي دهد. (ارزش سهام) هدف نهایی کسب و کار است، حتی اگر آن ها نیاز به تعادل با سه بعد دیگر را تشخیص دهند. نویسندگان بر اهمیت شناسایی محرك هاي عملکرد تأكید كرده و بر درجه انطباق عملكرد شركت با استراتژی با تكيه بر معیارهای عملكرد، تمركز دارد. |
1994 | SPC | هسكت و همكاران | SPC يا الگوي زنجيره خدمت-سود، دارای دو مبنا ي: 1) کاركنان صف و 2) مشتریان که كانون توجه مدیریتند. در اين الگو مسير مشخص شده، رابطه علت و معلولي در بين سودآوری، وفاداری مشتری، رضایت کارکنان و بهره وری را نشان می دهد. چارچوب مدل پیشنهادات خاصی را برای پیاده سازی ارائه نمی دهد. |
1997 | IPMS | بيتچي و همكاران | IPMS سيستم اندازه گيري يك پارچه عملكرد فرض مي كند که فرایند مدیریت عملکرد یک حلقه بسته است که توسط آن شرکت عملکرد خود را با توجه به استراتژی ها و اهداف شرکت و عملکرد آن مدیریت می کند. چارچوب آنها توسعه یافته توسط پنج سیستم تعاملی تشکیل شده است. اين الگو توسط دو عنصر مهم: "یک پارچگی" و استقرار " تعريف مي شود كه اولی به توانایی سيستم برای ترویج یک پارچگی در میان بخش های مختلف کسب و کار اشاره دارد، در حالی که دومین مورد به استقرار اهداف و سیاست های تجاری در ساختار سلسله مراتبی سازمان اشاره دارد. این مدل اهمیت محیط خارجی را به رسمیت شناخته و سطوح مختلف شرکت را با استفاده از پنج دیدگاه های ویژگی مرتبط می کند، ذی نفعان، اقدامات کنترل، موقعیت محیطی، اهداف بهبود و اقدامات عملکرد داخلی، ارزيابي مي كند. |
1999 | BEM | بنياد مديريت كيفيت اروپا | BEM يا الگوي تعالي سازماني به عنوان یک چارچوب اندازه گیری عملکرد طراحی نشده اما بینشي ارائه می دهد که بر اندازه گیری عملکرد تاثیر می گذارد. مدل بر اساس 9 معیار: رهبری، سیاست و استراتژی، كاركنان، مشارکت و منابع، فرایندها، نتایج مشتری، نتایج افراد، نتایج جامعه و نتایج عملکرد کلیدی، تعريف شده است. این مدل الگويي از مدیریت گسترده است که به صراحت توانايي بهبود عملکرد را برجسته كرده و زمینه هایی را که نیاز به اندازه گیری دارند، نشان می دهد. مدل مزبور ارزیابی را بر اساس مفهوم "مراحل مختلف بلوغ سازمانی" ارائه می دهد. |
2002 | PP | نيلي | PP يا منشور عملكرد براي تقويت مزايا و رفع نقص مدل هایی که قبلا توسعه یافته بود، ابداع شد. این مدل پنج دیدگاه مرتبط با عملکرد: رضایت ذی نفعان، مشارکت ذی نفعان، استراتژی ها، فرایندها و قابلیت ها، را اريه مي دهد. ذی نفعان مورد توجه مدل عبارتند از: سرمایه گذاران، مشتریان، کارمندان، تنظیم کننده ها و تامین کنندگان. این مدل می تواند در يك پارچگي شرکت در دو بعد عملکرد افقی و سلسله مراتبی، استفاده شود. فرض بر اين است كه مدل چارچوبي از تصویر متعادل از کسب و کار در زمينه: برجسته کردن اقدامات خارجی (ذینفع) و داخلی (استراتژی، فرایند و قابلیت)، و هم چنین ادغام اقدامات مالی و غیر مالی را فراهم می کند. |
2004 | CEVITA | راتانتگا و همكاران | CEVITA يا الگوي ارزش توان مندي هاي اقتصادي دارايي هاي مشهود و نامشهود، برای وزارت دفاع استرالیا طراحی شده است. این مدل استدلال می کند که ترکیبی از دارایی های ملموس و ناملموس است که سازمان را "توانایی" می دهد و در نهایت ارزش اقتصادی آن را مدیریت می کند. این الگو روشي برای گزارش گري ویژگی های ملموس و ملموس را در گزارش های مالی سازمان ارائه مي دهد. این مدل تلفيقي از سنجه هاي حسابداری تعهدی، شاخص هاي مالي و سنجه هاي قراردادي، اندازه گیری جریان نقدی و سنجه هاي بازار است. |
تطور تاريخي ادبيات الگوهاي ارزيابي عملكرد نشان مي دهد كه هدف اصلی از مدل های تحلیل شده، پشتيباني از مدیریت به ویژه در زمينه اندازه گیری عملکرد شرکت، تجزیه و تحلیل و بهبود بهره وری عملیاتی کسب و کار از طریق فرایندهای تصمیم گیری بهتر است(پانته آ و همكاران، 2014).
پژوهش هاي متعددی تلاش کرده اند تا متغيرهاي خود و كلاني را به عنوان عوامل موثر بر عملكرد مالي و ساختار سرمایه شركت هاي را شناسايي و تعريف نمايند. اغلب پژوهش ها در سطح خرد به متغيرهاي چون رشد دارایی، اندازه شرکت، نقدینگی به عنوان عوامل تعیین کننده ساختار سرمایه و متغيرهايي چون اندازه شرکت، ریسک کسب و کار، مالکیت و غیره، به عنوان عوامل موثر بر عملكرد مالي در شركت ها اشاره كرده اند. بنابراین انتظار می رود که عوامل تعیین کننده ساختار سرمایه با برخی از عوامل تعیین کننده عملکرد مالی شرکت ها هم پوشانی داشته باشند(راملي1 و همكاران، 2019).
در طی دهه گذشته، مطالعاتي حتي در سطح بین المللی به بررسی رابطه بین اهرم شرکت و عملکرد مالی شرکت پرداخته اند(ژو، 2000؛ روسی، 2013؛ میلارد و نیکولز، 2014؛ راملی و همکاران، 2019). با این حال، مطالعات اندکی به طور سیستماتیک ارتباط مستقيم بين متغيرهاي خرد و كلان اقتصادي را با ساختار مالي و عملكرد مالي در شركت ها مورد بررسي قرار داده يا اگر ساختار مالي خود تاثير غير مستقيمي بر عملكرد مالي دارد را مورد توجه قرار داده اند(ریچاردسون و دیویدسون2، 2016).
نظريه هاي مرتبط با متغيرهاي خرد و كلان موثر بر ساختار سرمایه می تواند به عنوان یک مدل علمی، مورد توجه قرار گيرد(راجو و لونیال، 2002). متغيرهاي شناسایی شده به عنوان عوامل موثر بر ساختار سرمایه معمولا به عنوان متغیرهای غیر مستقیم مشاهده شده یا متغیرهای پنهان در نظر گرفته می شوند. به عنوان مثال، هیچ شاخص حسابداری واحدي وجود نخواهد داشت که بتواند به عنوان یک سنجه دقیق از هر دسته از متغيرهاي موثر بر ساختار مالي يا عملكرد مالي مورد استفاده قرار گیرد (میلارد و نیکولز، 2014).
طي مطالعه فراتحليلي سانتوز و بريتو3 (2012)، چهار مجله به منظر مدیریت راهبردی اختصاص داشته که عملکرد شرکت در آن ها، غالبا متغیر وابسته مطالعات تجربی است. سه مجله از زمینه مدیریت عملیات است که دارای یک سری تحقیق در مورد اندازه گیری عملکرد کسب و کار به انجام رسانيده اند. سه مجله باقی مانده مجله های علمی بومي بودند. این مقالات از 122 شاخص عملکرد متفاوت استفاده کرده بود كه در مطالعه فراتحليلي ياد شده 65 شاخص که حداقل در دو مقاله استفاده شده بود، انتخاب گرديد.
برای اطمینان از انتخاب شاخص های سازگار با محیط زیست و معيارهاي پايداري، گزارش هاي سالانه 15 شرکت پیشرو برزیل را مورد بررسی قرار داده و فهرست دیگري از شاخص هاي عملکرد ایجاد شد. پس از مقایسه این دو مجموعه شاخص، پژوهش گران بررسي خود را با گزينش نهايي 35 شاخص عملکردی که حداقل در دو مقطع تحصیلی مورد استفاده قرار گرفته و حداقل در یک شرکت پیشرو مورد استفاده قرار گرفته بود، به پایان رسانيدند. به اين شاخص ها دو مورد از شاخص هايي كه در گزارش هاي سالانه مورد استفاده قرار گرفته ولي در پژوهش ها از آن ها استفاده اي به عمل نيامده بود. جمع بندي نهايي سنجه ها منجر به انتخاب 37 سنجه عملكرد به صورت جدول (3) گرديد كه مبناي تبيين هفت سنجه اساسي عملكرد به شرح نمودار (1) بود كه پيش از اين ذكر گرديد:
جدول 3. ابعاد و شاخص های عملکرد
ابعاد | سنجه هاي عملكرد |
سودآوري | بازده دارايي ها، حاشيه سود قبل از بهره و ماليات و استهلاك، بازده سرمايه، نرخ سود به فروش، بازده سرمايه گذاري، ارزش افزوده اقتصادي |
ارزش بازار | سود هر سهم، رشد قيمت سهام، سود تقسيمي، نوسان قيمت هر سهم، ارزش افزوده بازار(ارزش افزوده به سرمايه)، نسبت كيو توبين(ارزش بازار به ارزش جاي گزيني دارايي ها) |
رشد شركت | رشد سهم بازار، رشد دارايي ها، رشد درآمد خالص، رشد سود خالص، رشد تعداد كاركنان |
رصايت كاركنان | نرخ كاهش كاركنان، سرمايه گذاري در آموزش و توسعه كاركنان، سياست هاي پادش و مزد، برنامه هاي مسير شغلي، جو سازماني، رضايت كلي كاركنان |
رضايت مشتريان | تركيب كالاها و خدمات، تعداد شكايات، نرخ خريد مجدد، حفظ مشتريان جديد، رضايت عمومي مشتريان، تعداد محصولات يا خدمات جديد |
عملكرد محيطي | تعداد پروژه ها بهبود يا بهبود محیط زیست، میزان انتشار آلاینده ها، استفاده از مواد قابل بازیافت، سطح بازیافت و استفاده مجدد از منابع، تعداد پرونده های زيست محيطي |
عملكرد اجتماعي | اشتغال اقلیت ها، تعداد پروژه های اجتماعی و فرهنگی، تعداد پرونده های شکایت شده توسط کارکنان، تعداد پرونده هاي شكايت مشتریان و سازمان های نظارتی |
بسته به زمینه مورد بررسی، اندازه گیری عملکرد ممکن است نیازمند شاخص هایی باشد كه دسترسی به آن ها دشوار باشد (ژو، 2000). پژوهش گران مزبور پیشنهاد می دهند که اندازه گیری های عملکرد عینی کمتر برای اندازه گیری عملکرد غیر مالی و برای مقایسه بین شرکت ها، هنگامی که شرکت ها روش های مختلف ثبت اطلاعات را دارند، کمتر مناسب است.
در ادامه به بررسی عوامل خرد و کلان اقتصادی موثر بر عملکرد در شرکت ها پرداخته شده است.
عوامل خرد مالی
متغيرهاي خرد مالي موثر بر ساختار مالي يا عملكرد مالي شركت ها را در اصطلاح عوامل موثر خاص بنگاه اقتصادي يا ويژگي هاي سطح شركت نيز مي گويند. در اين بخش به برخي از اين متغيرها و ادبيات مرتبط با آن ها اشاره شده است.
1) ساختار دارایی: راجان و زينگالز4 (1995) بر پايه يافته هاي پژوهش خود نشان دادند كه اگر یک شرکت دارایی های ملموس زيادي را تامین کند، هزینه های اجرايي بدهی می تواند کاهش یابد. زیرا در موارد نياز مي توان دارایی های ملکی را به آساني مورد معامله يا معاوضه قرار داد. بنابراین، كاهش هزينه هاي بدهي متاثر از هزینه های نمایندگی، بهره وری بیشتری را در ارزش شرکت ایجاد خواهد کرد. اين امر با مباني نظريه ارزش هم خواني دارد.
2) فرصت هاي رشد: بر مبناي نظريه هزينه نمايندگي در زمينه ساختار سرمایه، شرکت هايي كه با وجود داشتن فرصت هاي رشد بهتر، در تامين مالي از سطح كمتري از بدهی ها بهره مي گيرند، تعارض بين منافع اعتبار دهندگان(بانك ها و موسسات اعتباري) و سهام داران شركت را كاهش مي دهند. چرا كه انتظار مي رود در صورت استفاده از سطح بدهي بيشتر، بخشي از ثروت سهام دار را به اعتبار دهندگان يا قرض دهندگان به شركت منتقل مي كنند. بنا بر نظريه هزينه نمايندگي در تامين مالي، در صورت استفاده از بدهي كمتر به هنگام تامين مالي بلند مدت، قدرت مديت شركت افزایش يافته و اين امر می تواند منجر به منافع شرکت در افزایش عملکرد مالی شرکت ها از طریق استفاده از قدرت مديريت شود. فرصت رشد بزرگ نشان دهنده عملکرد کسب و کار سالم است و بر مبناي اين فرصت رشد دسترسی به منابع مالی در یک بازار رقابتی ساده تر است.
3) اندازه شرکت: ارتباط مثبت بين سازگار با نظريه مبادله هم خواني دارد. بر مبناي نظريه مبادله، بنگاه های اقتصادی با اندازه بزرگ تر گرایش بالاتری به بهره گیری از میزان بدهی بیشتر دارند. با این حال، چن و همکاران (2006) استدلال می کنند که بین اندازه و اهرم مالي در شرکت ها رابطه معکوس(تاثير منفي) وجود دارد. مبناي ادعاي عنوان شده این علت است که شرکت های کوچکتر دسترسی محدودتري به سرمایه خود داشته و بیشتر از وام ها يا تسهيلات بانکی استفاده می کنند. ابعاد بزرگتر، شرکت ها را قادر می سازد درآمد بیشتری به ازاي دارایی ها و فروش هاي خود کسب کنند و این باعث می شود که عملکرد مالی قوی تري را به جهت داشتن توانایی تولید ارزش افزوده بیشتر، داشته باشند.
4) نقدینگی: بر مبنای نظریه منابع، بنگاه هايي كه نقدينگي بهتري دارند قدرت پرداخت كوتاه مدت بهتري داشته و مي توانند در كوتاه مدت در راستاي ايفاي تعهدات يا هزينه هاي جاري، موفق تر عمل كنند. بر مبناي ادبيات تحقيق، انتظار می رود که شرکت هایی با نقدینگی بیشتر، سطح اهرم مالي را افزایش داده و عملكرد مالي را نيز بهبود مي بخشد. بنابراین انتظار می رود که بين سطح نقدينگي شركت بر پايه هر يك از اين معيارها و اهرم و عملكرد مالي ارتباط مستقيم(تاثير) مثبت وجود داشته باشد. به تعبيري شركت برخوردار از نقدينگي بهتر، قادر خواهد بود با مشکلات مالی کوتاه مدت یا بلند مدت مواجه شود (راملي و همكاران، 2019).
4) ریسک کسب و کار: متغير خرد مالی ريسك كسب و كار بر مبناي نظريه هاي عدم اطمينان و ريسك ارتباط ناچيز ولي معني داري با ساختار مالي و عملكرد مالي دارد. به تعبيري بين ريسك تجاري با سودآوري(عملكرد مالي) و اهرم مالي ارتباط معكوس(تاثير منفي) وجود دارد. ارتباط منفي(غير مستقيم) بين ريسك تجاري با عملكرد و ساختار مالي با نظريه مبادله نيز سازگار است، زیرا یک شرکت بر مبناي اجتناب از ريسك تجاري، بدهی كمتري را تحمل كرده و به تعبيري هر چه سطح ريسك تجاري بيشتر باشد شركت وضعيت اهرمي كمتري را دنبال مي كند (هال و همکاران، 2009). این نظریه فرض می کند که یک شرکت نمی تواند تعهدات بدهی خود را به دلیل ورشکستگی و ریسک مالی اضطراری افزایش دهد.
5) سپر مالياتي درآمد: در تامین مالی از طريق بدهی، یک جای گزین برای مزایای مالیاتی، سپر مالیاتی غیر بدهی است که روشي جای گزین برای کاهش بار مالیاتی به حساب مي آيد (گپ5 و همکاران، 2010). اغلب مطالعات قبلی، مانند(چن و همکاران، 2006؛ دیمیتراس و همکاران، 2015؛ گپ و همکاران، 2010)، این پیش بینی از فرضیه نظريه جایگزین مالی را تایید كرده و مورد پشتيباني قرار مي دهد.
عوامل خرد اقتصادی
سطح عمومی قیمت کل شرکت های بورسی در بازار سرمایه یا بازار بورس اوراق بهادار، معیار مناسبی در ارزیابی وضع کلی بازار ، وضع بخش مشخصی از بازار و یا وضع صنعت خاصی از بازار سرمایه خواهد بود. به عنوان مثال در بازار بورس اوراق بهادار تهران، برای ارزیابی بهتر وضعیت بخش های مذکور، از شاخص های مختلف و متعددی بهره گرفته می شود که از میان این شاخص ها می توان به شاخص کل قیمت به تفکیک تابلوی اصلی و فرعی، شاخص کل قیمت، شاخص قیمت صنعت، شاخص قیمت مالی، شاخص بازده نقدی و قیمت، شاخص بازده نقدی، شاخص قیمت ۵۰ شرکت برتر بورسی، شاخص قیمت 30 شرکت برتر بورسی و شاخص قیمت به تفکیک صنعت بهره گرفته می شود. از میان این شاخص ها پرکاربردترین و معروفترین شاخص، شاخص کل قیمت می باشد. البته هر کدام از این شاخص ها، بر اساس پارامتر مورد نظر، به شاخص بازدهی و شاخص قیمت قابل تقسیم بندی خواهد بود. به بیانی دیگر هر کدام از آن ها، با توجه به مفهوم و تعریفشان، قابل گروه بندی و تقسیم بندی خواهند بود. تاثیر شاخص های کلی متعارف در بورس اوراق بهادار بر عملکرد مالی شرکت ها توسط محققین متعددی گوشزد شده است (هاتزویس و همکاران، 2010؛ سانتوز و بریتو، 2012).
عوامل کلان اقتصادی
در اين قسمت عوامل موثر بر عملكرد مالي شامل متغيرهاي سطح كلان يا متغيرهاي تعريف شده به ازاي هر كشور پرداخته شده است.
1) توسعه بازار سهام: بسیاری از مطالعات بررسی کرده اند که چگونه بازده سهام و قیمت منعکس کننده ساختار مالی شرکت است؟ به عنوان مثال هلبلینگ و همکاران (2011)، طي پژوهشي نشان داد که شاخص های بازده سهام در توضیح نسبت ارزش بدهی در ساختار سرمایه شرکت ضروری است. وي علاوه بر اين نشان داد که مقابله با تغییرات قیمت سهام در ساختار سرمایه در شرکت های ایالات متحده کم است. تاثير ساختار سرمايه بر مبناي نسبت بدهی به نسبت سهام، این است که به علت نوسان قیمت سهام تغییر می کند. بر مبناي يافته هاي اين پژوهش وي تصريح كرد که مدیران تشویق نمی شوند که به طور فعال در تغییر ساختار سرمایه خود شرکت کنند. دليل امر اين است که کشورهای مختلف دارای مقررات تأمین مالی متفاوتي هستند.
2) رشد اقتصادی: بررسي ادبيات تحقيق نشان مي دهد شرکت ها به موازات توسعه و رشد در تولید ناخالص داخلی، احتمالا از بدهی استفاده می کنند (فرانک و گویال6، 2009). بر مبناي نظريه سلسله مراتب، در طول دوره توسعه اقتصادی، باید با توجه به منابع مالی کافی از منابع داخلی، سطح اهرم مالي کاهش یابد. فرصت های سرمایه گذاری با رشد و توسعه اقتصادي در ارتباط هستند، بنابراین باید بین سودآوری بنگاه های فردی و نرخ رشد اقتصادی رابطه وجود داشته باشد. هنگامی که کشور رشد اقتصادی بالاتری داشته باشد، در آن كشور شرکت ها از میزان بدهی بيشتري در بودجه خود استفاده خواهند کرد(راملي و همکاران، 2019).
3) نرخ بهره: انتظار می رود تغییرات نرخ بهره بر ساختار سرمایه شرکت ها به دلیل هزینه های مالیات و ورشکستگی تاثیر بگذارد. معمولا، شرکت ها احتمالا زمانی که هزینه های قرض گرفتن پایین تر است از بدهی استفاده بيشتري می کنند. با توجه به تاثير نرخ بهره در تامین مالی بدهی، مزایای مالیاتی یکي از مزيت هاي استفاده از بدهي در تامين مالي به حساب مي آيد. این امر ممکن است به توسعه فعالیت تجاری برای بهبود عملکرد مالی شرکت کمک کند، زیرا هزینه بهره به عنوان هزينه هاي قابل قبول مالياتي محسوب می شود. به طور کلی، شرکت ها هر زمان که هزینه های قرض گرفتن کاهش می یابد، از تسهيلات بيشتري بهره مي گيرند. چرا که توان پوشش بهره آن ها در اين حالت افزايش يافته و قادرند كه بهره بدهي را از طريق سود حاصله بهتر تامين نمايند. اگر موقعیت شرکت پایدار و سودآور باشد، توانایی بیشتری برای پرداخت سود بهره وجود دارد(هال و همکاران، 2009).
4) نرخ تورم: اکثر مدیران بازده آتي و مورد انتظار سرمایه گذاری های رقابتی را که ممکن است خطر بیشتری را در بر بگیرند، ارزیابی می کنند. به عنوان مثال، ممكن است گزينه اي از تصميم گيري، جریان های نقدی آینده را به طور عادلانه تضمین کند، در حالی که گزينه ديگري ممکن است احتمال وقوع جریان نقدی بالاتری داشته باشد، اما ممکن است منجر به کاهش درآمد شود. کاپیتانوس و همکاران (2018) طي پژوهشي بر پايه يافته هاي به دست آمده نشان دادند که تورم ممکن است بر تصمیمات مالی شرکت ها در زمينه استفاده از بدهی تاثیر بگذارد. به اين جهت که فرض مي شود در شرايط تورمي وام دهندگان معمولا از ارائه تسهيلات بلند مدت، دل سرد نمی شوند.
با مرور تحقیقات فراوان در زمینه موضوع تحقیق از جمله شو7 و همكاران (2013)، استاك و واتسن8 (2002)، چن و همكاران (2006) و راملی و همکاران (2019)، دسته بندی زیر را می توان برای عوامل موثر بر عملکرد مالی در شرکت ها متصور شد:
[1] Ramli
[2] Richardson and Davidson
[3] Santos & Brito
[4] Rajan and Zingales
[5] Gepp
[6] Frank & Goyal
[7] Shu
[8] Stock and Watson
شکل 1. دسته بندی عوامل خرد و کلان اقتصادی موثر بر عملکرد شرکت ها (منبع: یافته های تحقیق)
2-2- پیشینه پژوهش
در بررسی ادبیات تحقیق دیده می شود که در انتخاب ویژگی زیر مجموعه برای مدل های پیش بینی شاخص ها مالی شرکت ها، دو جریان پژوهشی وجود دارد. یکی از این جریان های پژوهشی بر حوزه دانش مبتنی بر نظریه های مالی و حسابداری متکی است. مشخصه اصلی ویژگی های انتخاب شده توسط این جریان آن است که در پیش بینی وضعیت مالی می توان به برخی از شاخص ها یا نسبت های مبتنی بر نظریه مالی و حسابداری تکیه کرد (آلتمن1 و همکاران 2007).
جریان دیگر تحقیقات، در انتخاب زیر مجموعه ویژگی مورد استفاده در پیش بینی، به تکنیک های داده کاوی تکیه نموده اند. پیروان بارز جریان داده کاوی بر این باورند که داده هاست که می خواهند همه چیز را بگویند. این دسته از پژوهش ها رویکرد استفاده از برخی روش های انتخاب سنجه های پیش بینی در داده کاوی را برای شناسایی سنجه هایی موثر بر پیش بینی عملکرد را توسعه داده است. تسای2 (2009)، پنج روش انتخاب سنجه های شناخته شده مورد استفاده در پیش بینی شاخص های مالی را مورد مقایسه قرار داده و با به کارگیری شبکه های عصبی چند لایه پرسپترون برای ساخت مدل پیش بینی، به کار گرفتند. نتایج تحقیق او نشان داد که آزمون t در قیاس با دیگر روش ها موثر بودن سنجه ها را جهت پیش بینی، به طور بهتری نشان داده است. دی یو جاردین3 (2010) مدلی مبتنی بر شبکه های عصبی به کار گرفته و از شبکه عصبی جهت انتخاب و گزینش سنجه های موثر بر پیش بینی بهره گرفت. درزنر4 و همکاران (2018) طی تحقیقی با استفاده از شبکه های عصبی نشان داد که شیوه کاوش در انتخاب سنجه ها در قیاس با الگوی آلتمن (1968) می تواند دقت پیش بینی وضعیت مالی شرکت های بزرگ را تا 10 درصد افزایش دهد. هرچند بیشتر محققان در این جریان مانند چان و کلس5 (2010)، ژو6 و همکاران (2017) نشان داده اند که صدها تحقیق در زمینه نوع متغیرهای مالی و حسابداری مورد استفاده در پیش بینی یا مقایسه عملکرد مدل های پیش بینی وجود داشته، ولی تحقیقات اندکی در زمینه شیوه های انتخاب سنجه ها خصوصا بر پایه کاوش داده ها وجود دارد. بررسی مطالعات قبلی مربوط به پیش بینی شاخص های مالی، سابقه ای از انتخاب سنجه های پیش بینی بر پایه حوزه دانش و داده کاوی، همراه با بررسی تفاوت زیر مجموعه ای از سنجه های شناسایی شده با استفاده از دانش تخصصی و سهم داده کاوی در این زمینه، را نشان نمی دهد (گپ7 و همکاران 2009، چان و کلس، 2010، دیوسالار8 و دیگران 2011، کاپتانیوس و همکاران، 2018).
3- روش شناسی
این پژوهش بر اساس هدف پژوهش، از نوع کاربردی است. از مقالات، کتاب های مرتبط، نشریات الکترونیکی، پایگاه های اطلاعاتی علمی و بالاخره منابع کتابخانه ای در گردآوری و جمع آوری اطلاعات و برای تعیین میزان اثرگذاری عوامل بر عملکرد از نظرسنجی از خبرگان استفاده شده است. تحلیل داده ها از طریق کدنویسی در نرم افزار اکسل نسخه 2016 انجام شده است. روش هدفمند قضاوتی در این پژوهش جهت تعیین حجم نمونه آماری مورد استفاده قرار گرفته است. لازم به ذکر است که نمونه پژوهش شامل 4 نفر دارای تحصیلات دکتری و 3 نفر دانشجوی دکتری در رشته های حسابداری و مدیریت است که تجربه کاری بیش از 5 سال داشنه و 4 نفر از مدیران شرکت های بورسی با سابقه بیش از 10 سال به عنوان خبرگان در این پژوهش انتخاب شده اند.
در پژوهش حاضر در گام اول برای شناسایی عوامل مؤثر بر عملکرد مالی از فن دلفی فازی و در مرحله دوم برای اولویت بندی شاخص ها و تعیین روابط درونی بین شاخص ها از روش دیمتل فازی استفاده شد. یکی از عمده ترین مزیت های فن دلفی فازی نسبت به فن دلفی سنتی، غربال شاخص ها در فن دلفی فازی است که می توان از یك مرحله برای تلخیص و غربال استفاده کرد.
فن دیمتل روش جامع و مناسبی برای ساخت و تحلیل الگوی علی بین عوامل، در مسائل پیچیده است. با استفاده از روش دیمتل می توان آثار متقابل تعداد زیادی از عوامل مؤثر بر یك مسئله خاص مدیریتی و اجتماعی را دسته بندی و سازماندهی کرد. دیمتل نه تنها می تواند به عنوان ابزاری برای دسته بندی عوامل مؤثر بر یك مسئله خاص به کار رود بلکه می تواند معیار مناسبی برای اندازه گیری میزان رابطه های داخلی بین عوامل نیز باشد. هم چنین، این فن بر اساس نظریه گراف ساخته شده است که قادر به حل مسائل به روش ساده است. با توجه به این که در استفاده از روش دیمتل از نظر خبرگان استفاده می شود و این نظرات اغلب غیرشفاف، دارای ابهام در ارزشیابی های انسانی و به صورت توصیف های زبانی مطرح است، برای یکپارچه کردن و از حالت ابهام درآوردن آن بهتر است که واژگان زبانی خبرگان را به اعداد فازی تبدیل کرد. برای این منظور لین و وو9 (2008) الگویی را پیشنهاد کردند که از دیمتل در شرایط فازی استفاده می شود. روش دیمتل فازی با استفاده از متغیرهای زبانی فازی، تصمیم گیری را در شرایط نااطمینانی محیطی آسان می کند. این فن می تواند در زمینه های تولید، مدیریت سازمان، نظام اطلاعات و علوم اجتماعی کاربرد داشته باشد. هم چنین، ادعا می شود که این فن می تواند همه مشکلات پیش روی سازمان ها را با به کارگیری تصمیم گیری گروهی در شرایط فازی حل کند.
الگوریتم اجرای تکنیک دیمتل در پنج مرحله پیاده‌سازی می‌شود:
گام نخست: تشکیل ماتریس ارتباط مستقیم (M)
برای شناسائی الگوی روابط میان n معیار ابتدا یک ماتریس n×n تشکیل می‌شود. تاثیر عنصر مندرج در هر سطر بر عناصر مندرج در ستون در این ماتریس درج می‌شود. از یک طیف با امتیاز 0 تا 4 برای امتیازدهی استفاده می‌شود. بطوریکه اگر هیچ تاثیری وجود نداشته باشد عدد صفر و اگر تاثیر بسیار زیاد باشد عدد 4 استفاده می‌شود. همچنین برخلاف تکنیک‌های AHP و ANP در اینجا شرط معکوسی برقرار نیست. یعنی اگر تاثیر عنصر A بر B برابر 3 باشد تاثیر عنصر B بر A لزوماً یک سوم نخواهد بود و ممکن است هر عددی بین صفر تا 4 باشد. درایه‌های قطر اصلی یعنی تاثیر هر عنصر بر خودش نیز صفر در نظر گرفته می‌شود.
جدول 4. طیف مورد استفاده در تکنیک دیمتل
بدون تاثیر | تاثیر خیلی کم | تاثیر کم | تاثیر زیاد | تاثیر خیلی زیاد |
0 | 1 | 2 | 3 | 4 |
اگر از دیدگاه بیش از یک نفر استفاده شود، هریک از خبرگان باید ماتریس موجود را تکمیل کنند. سپس از میانگین ساده نظرات استفاده می‌شود و ماتریس ارتباط مستقیم X را تشکیل می‌دهیم.
گام دو: نرمال کردن ماتریس ارتباط مستقیم
در این گام، سطر ها و ستون های ماتریس ارتباط مستقیم جمع می شوند. برای نرمال کردن ماتریس، همه درایه های آن را بر بزرگترین عدد محاسبه شده از مجموع سطر ها و ستون ها تقسیم خواهد شد. این عدد در رابطه زیر با k نشان داده شده است.
گام سه: محاسبه ماتریس ارتباط کامل
ماتریس ارتباط کامل از حاصل ضرب ماتریس نرمال در تفاضل ماتریس همانی و ماتریس نرمال بدست می آید. ماتریس همانی هم رتبه ماتریس نرمال بوده و به صورت n×n تولید خواهد شد. در این ماتریس درایه های روی قطر اصلی برابر یک و سایر درایه ها برابر صفر خواهد بود. به این ماتریس، ماتریس یکه نیز اطلاق می شود.
گام چهار: محاسبه ماتریس ارتباط داخلی
روش ارزش آستانه در اندازه گیری ماتریس بیان کننده روابط داخلی استفاده شده است. با استفاده از این روش از ارتباطات جزئی و غیرقابل ملاحظه صرف نظر شده و مجموعه ارتباطات قوی و قابل ملاحظه مشخص می شوند. بر اساس این روابط قابل اعتناء می توان نقشه شبکه روابط (NRM) را رسم نمود. این روش به این صورت است که در آن فقط ارتباطاتی که مقدار آن ها در ماتریس T بزرگتر از مقدار آستانه باشد در نظر گرفته شده و در شبکه نمایش داده می شود. نکته اصلی محاسبه مقدار آستانه است. این مقدار با استفاده از میانگین گیری از درایه ها در ماتریس T اندازه گیری می شود. پس از تعیین مقدار ارزش آستانه یا شدت آستانه، کلیه درایه های ماتریس T که از این مقدار کمتر باشند برابر صفر قرار داده شده و از ارتباط آن (چه علی باشد و چه معلول) صرفنظر می شود.
گام پنج: ایجاد نمودار علی
می توان در نمودار علی چهار جنبه به جهار نکته قابل تامیل زیر اشاره کرد:
1- برای هر عامل، مجموع درایه های هر سطر (D) نشان دهنده مقدار اثرگذاری آن عامل روی بقیه عوامل است.
2- برای هر عامل، مجموع درایه های هر ستون (R) نشان دهنده مقدار اثرپذیری عامل مزبور از بقیه عوامل است.
3- مجموع دو مورد قبلی یعنی بردار (D + R) نشان دهنده اثرگذاری و اثرپذیری عامل مزبور در سیستم خواهد بود. به بیانی دیگر به هر اندازه که D + R بزرگتر باشد، میزان تعامل آن عامل با بقیه عوامل موجود در سیستم بیشتر خواهد بود.
4- اختلاف موارد 1 و 2 یعنی (D-R) نشان دهنده قدرت اثرگذاری عوامل را مشخص می کند. به بیانی دیگر مثبت بودن مقدار D – R نشان دهنده این است که آن عامل متغیری علی به شمار می رود و بر عکس آن منفی بودن مقدار D – R نشان دهنده این است که آن عامل متغیری معلول به شمار می رود.
4- نتایج و بحث
در این بخش از مقاله، تکنیک دیمتل برای تعیین تاثیر هر یک از دسته های عوامل خرد مالی، عوامل خرد اقتصادی و عوامل کلان اقتصادی بر عملکرد مالی شرکت ها اجرا شده و نتایج در قسمت های مجزا ارائه شده است. همانطور که پیش از این بیان شد در این پژوهش برای بومی سازی شاخ صها، از روش دیمتل فازی استفاده شد. ابتدا پرسشنامه های با طیف لیکرت بین خبرگان حسابداری و مالی توزیع شد. سپس، پرسشنامه در قالب طیف فازی تعریف شد. پس از آن نظرات خبرگان در پرسشنامه مذکور با روش میانگین مورد تجمیع قرار گرفت. این موارد در ادامه تشریح می شود.
عوامل خرد مالی
بر اساس بررسی ادبیات نظری مربوط به عوامل خرد مالی مؤثر بر عملکرد مالی 13 شاخص مشخص شد (جدول شماره 5). سپس، از خبرگان خواسته شد که تعیین کنند این شاخص ها به چه میزان بر عملکرد مالی مؤثر است.
جدول 5. عوامل خرد مالی موثر بر عملکرد
شاخص | کد | شاخص | کد |
دارایی های رهنی | A1 | اندازه درآمد | A8 |
دارایی های مشهود | A2 | نسبت جاری | A9 |
رشد دارایی ها | A3 | نسبت آنی | A10 |
ارزش شرکت به بدهی | A4 | نقدشوندگی دارایی | A11 |
ارزش شرکت به سرمایه | A5 | ریسک تجاری | A12 |
ارزش شرکت به دارایی | A6 | پوشش غیربدهی | A13 |
اندازه دارایی | A7 |
|
|
گام اول محاسبه ماتریز ارتباط مستقیم یا X می باشد. بدین منظور میانگین حسابی پاسخ های خبرگان محاسبه شده است (جدول 6).
[1] Altman
[2] Tsai
[3] Du Jardin
[4] Drezner
[6] Zhou
[7] Gepp
[8] Divsalar
[9] Lin, Wu
جدول 6. تجمیع نظرات خبرگان
X | A1 | A2 | A3 | A4 | A5 | A6 | A7 | A8 | A9 | A10 | A11 | A12 | A13 |
A1 | 0 | 1.5 | 3.72 | 3.49 | 2.36 | 2.83 | 1.51 | 3.15 | 1.53 | 1.61 | 3.48 | 2.57 | 1.61 |
A2 | 3.11 | 0 | 3.67 | 3.45 | 2.4 | 2.57 | 1.53 | 3.45 | 2.29 | 1.88 | 3.21 | 2.3 | 3.04 |
A3 | 3.66 | 3.61 | 0 | 3.78 | 3.51 | 3.61 | 3.41 | 3.51 | 3.58 | 3.65 | 3.41 | 3.76 | 3.47 |
A4 | 3.59 | 3.48 | 3.67 | 0 | 3.41 | 3.55 | 3.63 | 3.61 | 3.61 | 3.52 | 3.42 | 3.58 | 3.7 |
A5 | 2.89 | 2.21 | 3.78 | 3.51 | 0 | 2.67 | 1.71 | 3.77 | 2.24 | 2.47 | 3.07 | 1.92 | 2.06 |
A6 | 1.54 | 1.59 | 3.44 | 3.57 | 2.67 | 0 | 2.32 | 3.59 | 1.63 | 2.88 | 3.14 | 2.5 | 2.95 |
A7 | 2.42 | 1.92 | 3.36 | 3.77 | 2.5 | 3.07 | 0 | 3.49 | 2.09 | 2.58 | 3.15 | 3.06 | 1.94 |
A8 | 3.46 | 3.43 | 3.61 | 3.4 | 3.7 | 3.38 | 3.42 | 0 | 3.51 | 3.69 | 3.59 | 3.35 | 3.47 |
A9 | 2.77 | 2.13 | 3.58 | 3.77 | 3.15 | 2.24 | 2.12 | 3.56 | 0 | 1.67 | 3.32 | 2.95 | 1.95 |
A10 | 3.04 | 2.06 | 3.59 | 3.57 | 2.54 | 2.66 | 2.76 | 3.67 | 1.6 | 0 | 3.49 | 2.31 | 1.52 |
A11 | 3.35 | 3.34 | 3.32 | 3.43 | 3.64 | 3.75 | 3.3 | 3.28 | 3.76 | 3.12 | 0 | 3.29 | 3.69 |
A12 | 1.67 | 1.97 | 3.36 | 3.78 | 1.66 | 1.66 | 2.26 | 3.16 | 1.5 | 2.37 | 3.56 | 0 | 2.6 |
A13 | 2.1 | 1.77 | 3.7 | 3.53 | 1.9 | 3.15 | 3.08 | 3.17 | 2.57 | 2.28 | 3.29 | 1.87 | 0 |
جدول شماره های 7 ماتریس نرمال سازی شده تجمیعی نظرات خبرگان را نشان می دهد.
جدول 6. ماتریس نرمال سازی شده تجمیعی نظرات خبرگان
N | A1 | A2 | A3 | A4 | A5 | A6 | A7 | A8 | A9 | A10 | A11 | A12 | A13 |
A1 | 0.00 | 0.03 | 0.09 | 0.08 | 0.05 | 0.07 | 0.04 | 0.07 | 0.04 | 0.04 | 0.08 | 0.06 | 0.04 |
A2 | 0.07 | 0.00 | 0.09 | 0.08 | 0.06 | 0.06 | 0.04 | 0.08 | 0.05 | 0.04 | 0.07 | 0.05 | 0.07 |
A3 | 0.09 | 0.08 | 0.00 | 0.09 | 0.08 | 0.08 | 0.08 | 0.08 | 0.08 | 0.08 | 0.08 | 0.09 | 0.08 |
A4 | 0.08 | 0.08 | 0.09 | 0.00 | 0.08 | 0.08 | 0.08 | 0.08 | 0.08 | 0.08 | 0.08 | 0.08 | 0.09 |
A5 | 0.07 | 0.05 | 0.09 | 0.08 | 0.00 | 0.06 | 0.04 | 0.09 | 0.05 | 0.06 | 0.07 | 0.04 | 0.05 |
A6 | 0.04 | 0.04 | 0.08 | 0.08 | 0.06 | 0.00 | 0.05 | 0.08 | 0.04 | 0.07 | 0.07 | 0.06 | 0.07 |
A7 | 0.06 | 0.04 | 0.08 | 0.09 | 0.06 | 0.07 | 0.00 | 0.08 | 0.05 | 0.06 | 0.07 | 0.07 | 0.05 |
A8 | 0.08 | 0.08 | 0.08 | 0.08 | 0.09 | 0.08 | 0.08 | 0.00 | 0.08 | 0.09 | 0.08 | 0.08 | 0.08 |
A9 | 0.06 | 0.05 | 0.08 | 0.09 | 0.07 | 0.05 | 0.05 | 0.08 | 0.00 | 0.04 | 0.08 | 0.07 | 0.05 |
A10 | 0.07 | 0.05 | 0.08 | 0.08 | 0.06 | 0.06 | 0.06 | 0.09 | 0.04 | 0.00 | 0.08 | 0.05 | 0.04 |
A11 | 0.08 | 0.08 | 0.08 | 0.08 | 0.08 | 0.09 | 0.08 | 0.08 | 0.09 | 0.07 | 0.00 | 0.08 | 0.09 |
A12 | 0.04 | 0.05 | 0.08 | 0.09 | 0.04 | 0.04 | 0.05 | 0.07 | 0.03 | 0.06 | 0.08 | 0.00 | 0.06 |
A13 | 0.05 | 0.04 | 0.09 | 0.08 | 0.04 | 0.07 | 0.07 | 0.07 | 0.06 | 0.05 | 0.08 | 0.04 | 0.00 |
برای محاسبه ماتریس ارتباط کامل ابتدا ماتریس همانی تشکیل شده و در گام بعد ماتریس همانی منهای ماتریس نرمال می‌شود. ماتریس حاصل از تفریق ماتریس همانی از ماتریس نرمال باید معکوس شود. در نهایت ماتریس نرمال در ماتریس معکوس ضرب می‌شود. ماتریس ارتباط کامل (T) معیارهای اصلی به صورت زیر خواهد شد.
جدول 7. ماتریس ارتباط کامل شاخص های خرد مالی
T | A1 | A2 | A3 | A4 | A5 | A6 | A7 | A8 | A9 | A10 | A11 | A12 | A13 |
A1 | 0.25 | 0.26 | 0.39 | 0.39 | 0.30 | 0.32 | 0.27 | 0.37 | 0.26 | 0.28 | 0.37 | 0.31 | 0.28 |
A2 | 0.35 | 0.25 | 0.42 | 0.42 | 0.33 | 0.35 | 0.29 | 0.41 | 0.30 | 0.31 | 0.39 | 0.33 | 0.33 |
A3 | 0.43 | 0.38 | 0.43 | 0.51 | 0.42 | 0.44 | 0.40 | 0.49 | 0.39 | 0.41 | 0.48 | 0.43 | 0.41 |
A4 | 0.42 | 0.38 | 0.51 | 0.43 | 0.42 | 0.44 | 0.40 | 0.49 | 0.39 | 0.41 | 0.48 | 0.42 | 0.41 |
A5 | 0.34 | 0.29 | 0.42 | 0.41 | 0.27 | 0.34 | 0.30 | 0.41 | 0.30 | 0.32 | 0.39 | 0.32 | 0.31 |
A6 | 0.31 | 0.28 | 0.41 | 0.41 | 0.33 | 0.28 | 0.31 | 0.40 | 0.28 | 0.32 | 0.38 | 0.32 | 0.33 |
A7 | 0.33 | 0.29 | 0.42 | 0.43 | 0.34 | 0.36 | 0.26 | 0.41 | 0.30 | 0.33 | 0.40 | 0.35 | 0.31 |
A8 | 0.42 | 0.38 | 0.50 | 0.50 | 0.42 | 0.43 | 0.39 | 0.41 | 0.39 | 0.41 | 0.48 | 0.41 | 0.40 |
A9 | 0.34 | 0.30 | 0.42 | 0.43 | 0.35 | 0.34 | 0.31 | 0.41 | 0.26 | 0.31 | 0.40 | 0.34 | 0.31 |
A10 | 0.34 | 0.29 | 0.42 | 0.42 | 0.33 | 0.35 | 0.32 | 0.41 | 0.29 | 0.27 | 0.40 | 0.33 | 0.30 |
A11 | 0.41 | 0.37 | 0.49 | 0.49 | 0.41 | 0.43 | 0.39 | 0.47 | 0.39 | 0.39 | 0.39 | 0.41 | 0.40 |
A12 | 0.29 | 0.27 | 0.38 | 0.39 | 0.29 | 0.30 | 0.29 | 0.37 | 0.27 | 0.30 | 0.37 | 0.25 | 0.30 |
A13 | 0.32 | 0.28 | 0.42 | 0.42 | 0.32 | 0.36 | 0.33 | 0.40 | 0.31 | 0.31 | 0.39 | 0.32 | 0.27 |
برای تعیین نقشه روابط شبکه (NRM) باید ارزش آستانه محاسبه شود. با این روش می‌توان از روابط جزئی صرفنظر کرده و شبکه روابط قابل اعتنا را ترسیم کرد. تنها روابطی که مقادیر آنها در ماتریس T از مقدار آستانه بزرگتر باشد در NRM نمایش داده خواهد شد. مقدار آستانه روابط یعنی میانگین مقادیر ماتریس T برابر 36/0 بدست آمده است. تمامی مقادیر ماتریس T که کوچکتر از 36/0 باشد صفر شده یعنی آن رابطه علی در نظر گرفته نمی‌شود. با توجه به حد آستانه می توان میزان تأثیرگذاری (D) و میزان تأثیرپذیری (R) را مشخص کرد. میزان تأثیرگذاری و میزان تأثیرپذیری شاخص های خرد مالی بر عملکرد مالی در جدول (8) نشان داده شده است.
جدول 8. میزان تاثیرگذاری و تاثیرپذیری شاخص های خرد مالی
| D | R | D+R | D-R |
A1 | 4.05 | 4.55 | 8.60 | -0.50 |
A2 | 4.47 | 4.01 | 8.48 | 0.46 |
A3 | 5.65 | 5.63 | 11.27 | 0.02 |
A4 | 5.63 | 5.66 | 11.28 | -0.03 |
A5 | 4.41 | 4.54 | 8.96 | -0.13 |
A6 | 4.35 | 4.75 | 9.10 | -0.40 |
A7 | 4.53 | 4.26 | 8.78 | 0.27 |
A8 | 5.54 | 5.46 | 11.00 | 0.08 |
A9 | 4.52 | 4.13 | 8.64 | 0.39 |
A10 | 4.47 | 4.35 | 8.82 | 0.12 |
A11 | 5.44 | 5.31 | 10.75 | 0.12 |
A12 | 4.09 | 4.54 | 8.63 | -0.46 |
A13 | 4.43 | 4.38 | 8.81 | 0.04 |
جدول (9) میزان اولویت هر یک از شاخص ها با توجه به میزان تاثیرگذاری بر عملکرد را نشان می دهد.
جدول 9. اولویت بندی عوامل خرد مالی
شاخص | رتبه | شاخص | رتبه |
دارایی های رهنی | 12 | اندازه درآمد | 3 |
دارایی های مشهود | 13 | نسبت جاری | 10 |
رشد دارایی ها | 2 | نسبت آنی | 7 |
ارزش شرکت به بدهی | 1 | نقدشوندگی دارایی | 4 |
ارزش شرکت به سرمایه | 6 | ریسک تجاری | 11 |
ارزش شرکت به دارایی | 5 | پوشش غیربدهی | 8 |
اندازه دارایی | 9 |
|
|
بنابراین چهار عامل موثرتر بر عملکرد شرکت ها در میان عوامل خرد مالی از نظر خبرگان، به ترتیب، ارزش شرکت به بدهی، رشد دارایی ها، اندازه درآمد و نقدشوندگی دارایی بوده است.
عوامل خرد اقتصادی
بر اساس بررسی ادبیات نظری مربوط به عوامل خرد اقتصادی مؤثر بر عملکرد مالی 15 شاخص مشخص شد (جدول شماره 10). سپس، از خبرگان خواسته شد که تعیین کنند این شاخص ها به چه میزان بر عملکرد مالی مؤثر است.
جدول 10. عوامل خرد اقتصادی موثر بر عملکرد
شاخص | کد | شاخص | کد |
معاملات | B1 | شاخص مالی | B9 |
حجم معاملات در بورس | B2 | شاخص سهام آزاد شناور | B10 |
شاخص کل قیمت بورس | B3 | شاخص بازار اول | B11 |
بازده بازار | B4 | شاخص بازار دوم | B12 |
ارزش معاملات در بورس | B5 | شاخص 50 شرکت برتر | B13 |
شاخص قیمت | B6 | شاخص 30 شرکت بزرگ | B14 |
شاخص بازده قیمت نقد | B7 | متوسط فروش کل شرکتها | B15 |
شاخص صنعت | B8 |
|
|
میزان تأثیرگذاری و میزان تأثیرپذیری شاخص های خرد اقتصادی بر عملکرد مالی در جدول (11) نشان داده شده است.
جدول 11. میزان تاثیرگذاری و تاثیرپذیری شاخص های خرد اقتصادی
| D | R | D+R | D-R |
B1 | 3.87 | 3.89 | 7.75 | -0.02 |
B2 | 4.04 | 3.75 | 7.79 | 0.29 |
B3 | 5.03 | 4.96 | 9.99 | 0.07 |
B4 | 3.86 | 3.84 | 7.70 | 0.01 |
B5 | 3.61 | 3.78 | 7.39 | -0.16 |
B6 | 5.02 | 4.89 | 9.92 | 0.13 |
B7 | 4.92 | 4.90 | 9.82 | 0.02 |
B8 | 4.74 | 4.82 | 9.56 | -0.08 |
B9 | 3.94 | 4.04 | 7.97 | -0.10 |
B10 | 3.57 | 3.76 | 7.33 | -0.19 |
B11 | 3.87 | 3.76 | 7.63 | 0.11 |
B12 | 3.93 | 3.81 | 7.74 | 0.12 |
B13 | 3.67 | 3.67 | 7.34 | 0.01 |
B14 | 3.78 | 3.87 | 7.65 | -0.09 |
B15 | 3.80 | 3.91 | 7.70 | -0.11 |
میزان اولویت هر یک از شاخص ها با توجه به میزان تاثیرگذاری بر عملکرد محاسبه شد. بر این اساس چهار عامل موثرتر بر عملکرد شرکت ها در میان عوامل خرد اقتصادی از نظر خبرگان، به ترتیب، شاخص کل، شاخص قیمت، شاخص بازده قیمت نقد و شاخص صنعت بوده است.
عوامل کلان اقتصادی
بر اساس بررسی ادبیات نظری مربوط به عوامل خرد مالی مؤثر بر عملکرد مالی 27 شاخص مشخص شد (جدول شماره 12). سپس، از خبرگان خواسته شد که تعیین کنند این شاخص ها به چه میزان بر عملکرد مالی مؤثر است.
جدول 12. عوامل کلان اقتصادی موثر بر عملکرد
شاخص | کد | شاخص | کد |
توسعه سهام | C1 | هزینه های مصرف خدماتی | C15 |
توسعه مالی | C2 | مخارج مصرفی عمومی | C16 |
رشد تولید | C3 | قیمت مصرف کننده | C17 |
رشد سرمایه گذاری | C4 | شاخص بهای تولید کننده | C18 |
نرخ تسهیلات بلند مدت | C5 | بهای عمده فروشی کالا | C19 |
رشد تولید ناخالص داخلی | C6 | پایه پولی | C20 |
رشد شاخص قیمت ها | C7 | اسکناس و مسکوک | C21 |
تغییر نرخ ارز | C8 | شبه پول | C22 |
بی ثباتی مالی | C9 | صادرات کالاها و خدمات | C23 |
ارزش افزوده صنعت | C10 | نرخ بهره واقعی | C24 |
ارزش داده فعالیت صنعتی | C11 | نرخ سپرده یکساله | C25 |
درآمد کل یک خانوار شهری | C12 | سهم شاغلان صنعت | C26 |
کالاهای بادوام | C13 | سهم شاغلان خدمات | C27 |
هزینه های مصرف خانوار | C14 |
|
|
میزان تأثیرگذاری و میزان تأثیرپذیری شاخص های کلان اقتصادی بر عملکرد مالی در جدول (13) نشان داده شده است.
جدول 13. میزان تاثیرگذاری و تاثیرپذیری شاخصهای کلان اقتصادی
| D | R | D+R | D-R |
C1 | 2.51 | 2.21 | 4.72 | 0.29 |
C2 | 2.45 | 2.27 | 4.72 | 0.18 |
C3 | 3.41 | 3.46 | 6.87 | -0.04 |
C4 | 3.39 | 3.42 | 6.81 | -0.03 |
C5 | 2.33 | 2.48 | 4.82 | -0.15 |
C6 | 2.19 | 2.21 | 4.40 | -0.02 |
C7 | 2.37 | 2.30 | 4.68 | 0.07 |
C8 | 3.30 | 3.33 | 6.63 | -0.04 |
C9 | 3.22 | 3.19 | 6.41 | 0.03 |
C10 | 2.35 | 2.70 | 5.06 | -0.35 |
C11 | 2.41 | 2.74 | 5.14 | -0.33 |
C12 | 2.62 | 2.64 | 5.26 | -0.03 |
C13 | 2.51 | 2.51 | 5.02 | 0.00 |
C14 | 2.38 | 2.33 | 4.70 | 0.05 |
C15 | 2.16 | 2.39 | 4.55 | -0.23 |
C16 | 2.20 | 2.44 | 4.64 | -0.24 |
C17 | 2.47 | 2.39 | 4.85 | 0.08 |
C18 | 2.34 | 2.24 | 4.58 | 0.09 |
C19 | 2.14 | 2.36 | 4.50 | -0.22 |
C20 | 2.37 | 2.33 | 4.70 | 0.04 |
C21 | 2.28 | 2.28 | 4.56 | 0.00 |
C22 | 2.29 | 2.21 | 4.49 | 0.08 |
C23 | 2.32 | 2.20 | 4.51 | 0.12 |
C24 | 2.22 | 2.23 | 4.44 | -0.01 |
C25 | 2.48 | 2.14 | 4.62 | 0.34 |
C26 | 2.51 | 2.34 | 4.85 | 0.17 |
C27 | 2.29 | 2.14 | 4.43 | 0.15 |
میزان اولویت هر یک از شاخص ها با توجه به میزان تاثیرگذاری بر عملکرد محاسبه شد. بر این اساس چهار عامل موثرتر بر عملکرد شرکت ها در میان عوامل کلان اقتصادی از نظر خبرگان، به ترتیب، رشد تولید، رشد سرمایه گذاری، تغییر نرخ ارز و بی ثباتی مالی بوده است.
5- نتیجه گیری
اصطلاحات کارآیی و اثربخشي دقیقا در چارچوب نظريه بازاريابي مورد استفاده قرار می گیرند. اثربخشی اشاره به گسترش تامين نياز و رضايت نیاز مشتریان بستگي داشته، در حالی که كارآيي به اندازه گیری نحوه استفاده از منابع اقتصادی شرکت در ارائه سطح معینی از رضایت مشتریان باز مي گردد. این امر نکته مهمي است، زیرا دو بعد اساسی عملکرد را مشخص می کند. در عين حال این واقعیت را روشن می کند که می تواند دلایل داخلی و هم چنین خارجی برای پی گیری دوره های خاصی در اندازه گيري عملكرد وجود داشته باشد.
بنابراين، سطح عملکرد یک شرکت، تابعي از سطح کارآیی و اثر بخشي اقداماتی است که انجام می دهد و اندازه گیری عملکرد می تواند به عنوان فرآیند اندازه گیری کارایی و اثربخشي یک عمل يا فرآيند تعریف شود. اندازه گيري عملكرد مي تواند به صورت فرآيندي و كيفي نظير ارزيابي درجه انطباق رويه هاي حسابداري در يك شركت بر قوانين و مقررات يا سطح تبعيت از اصول و رويه هاي پذيرفته شده حسابداري باشد. علاوه بر اين ارزيابي عملكرد مي تواند به صورت كمي و متريك با توجه به معيارهايي چون كارآيي، بهره وري و اثربخشي صورت گيرد. در نهايت یک سیستم اندازه گیری عملکرد نيز می تواند به عنوان مجموعه ای از معیارهای مورد استفاده برای اندازه گیری کارایی و اثربخشي اقدامات انجام شده، تعریف شود. تعريف و انتخاب دقیق سنجه اندازه گيري به ویژه در مورد ارزيابي عملکرد شرکت، از اهميت ويژه اي برخوردار است. بررسي ادبيات تحقيق نشان داده است كه سنجه انتخاب شده در اندازه گيري عملكرد معمولا به عنوان متغیر وابسته نهایی استفاده شده و در زمینه های مختلفي به كار گرفته مي شود. از عوامل انگیزشی در انجام اين پژوهش کمبود پژوهش های دانشگاهی است که به دنبال تجمیع معیارهای متمايز و ارائه الگويي چند بعدی از تبيين وضعيت عملكردي و ساختار مالي شركت و عوامل موثر بر آن باشند تا قدرت تشريحی الگوي پيشنهادي را نسبت به متغيرهاي توضيحي خرد و كلان اقتصادي افزايش دهد. از آن جهت که در این تحقیق از جهتی سعی بر توسعه ادبیات تحقیق و خلاء موجود در زمینه ارائه الگوی مقايسه اي اثر مولفه های خرد و کلان اقتصادي بر شاخص هاي مالي مبتنی بر الگوریتم فرا ابتکاري و از طرف دیگر انتظار می رود دستاوردهای مبتنی بر شواهد تجربی تحقیق بتواند به تسهیل در تصمیم گیری های سرمایه ای بیانجامد.
از این رو، هدف پژوهش حاضر بررسی عوامل خرد و کلان اقتصادی موثر بر عملکرد مالی شرکت ها با رهیافت دیمتل فازی است. در این پژوهش با بررسی پژوهش های پیشین تعداد 13 شاخص خرد مالی، 15 شاخص خرد اقتصادی و 27 شاخص کلان اقتصادی به عنوان عوامل مؤثر بر عملکرد مالی در شرکت ها مشخص شد. در ادامه، پرسش نامه پژوهش به وسیله 5 نفر از خبرگان که در حوزه حسابداری و مالی تجربه و تخصص داشتند تکمیل و با روش دمیتل فازی بررسی شد. نتایج این مرحله نشان داد که چهار عامل موثرتر بر عملکرد شرکت ها در میان عوامل خرد مالی از نظر خبرگان، به ترتیب، ارزش شرکت به بدهی، رشد دارایی ها، اندازه درآمد و نقدشوندگی دارایی بوده است. همچنین، چهار عامل موثرتر بر عملکرد شرکت ها در میان عوامل خرد اقتصادی از نظر خبرگان، به ترتیب، شاخص کل، شاخص قیمت، شاخص بازده قیمت نقد و شاخص صنعت بوده است. علاوه بر این، چهار عامل موثرتر بر عملکرد شرکت ها در میان عوامل کلان اقتصادی از نظر خبرگان، به ترتیب، رشد تولید، رشد سرمایه گذاری، تغییر نرخ ارز و بی ثباتی مالی بوده است.
به پژوهشگران آینده پیشنهاد می شود بر اساس نتایج این تحقیق و مشخص شدن عوامل موثرتر خرد مالی و خرد و کلان اقتصادی، نسبت به ارزیابی کمی اثرگذاری این عوامل بر معیارهای مختلف عملکرد اقدام نمایند. همچنین، استفاده از شاخص های تعیین شده در این پژوهش در مدل ها و روش های پیشبینی کننده مثل شبکه های عصبی مصنوعی، رگرسیون خطی چندگانه و سایر روش ها، جهت تخمین عملکرد شرکت ها توصیه می گردد.
عمده محدودیت پژوهش حاضر توجه نکردن برخی از خبرگان به اهمیت موضوع پژوهش و در نتیجه همکاری نکردن آن ها بود که موجب کاهش تعداد خبرگان مورد بررسی در پژوهش حاضر شد.
منابع
1- Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The journal of finance, 23(4), 589-609.
2- Altman, E. I., Zhang, L., & Yen, J. (2007). Corporate financial distress diagnosis in China. New York University Salomon Center, Working Paper.
3- Angelopoulou, E., Balfoussia, H., Gibson, H., 2013. Building a Financial Conditions Index for the Euro Area and Selected Euro Area Countries: What Does it Tell us About the Crisis? ECB WP no. 1541.
4- Chen, G., M. Firth, D.N. Gao and O.M. Rui (2006) "Ownership structure, corporate governance, and fraud: Evidence from China", Journal of Corporate Finance , vol. 12, Issue 3, pp. 424-448.
5- Chun, H. , Keles, S. , 2010. Sparse partial least squares regression for simultaneous dimension reduction and variable selection. J. R. Stat. Soc. B 72, 3–25.
6- Dimitras, A., Kyriakou, M. & Latridis G., (2015), “Financial crisis, GDP variation and earning managment in Europe”, Research in International Business and Finance, Vol 34, 338-335.
7- Divsalar, M., Javid, M. R., Gandomi, A. H., Soofi, J. B., & Mahmood, M. V. (2011). Hybrid genetic programming-based search algorithms for enterprise bankruptcy prediction. Applied Artificial Intelligence, 25(8), 669-692.
8- Du Jardin, P. (2010). Predicting bankruptcy using neural networks and other classification methods: The influence of variable selection techniques on model accuracy. Neurocomputing, 73(10-12), 2047-2060.
9- Drezner, Z., Marcoulides, G. A., & Hoven Stohs, M. (2018). Financial applications of a tabu search variable selection model. Journal of Applied Mathematics and Decision Sciences, 5(4), 215-234.
10- Frank, M. Z., & Goyal, V. K. (2009). Capital structure decisions: which factors are reliably important?. Financial management, 38(1), 1-37.
11- Giraitis, L., Kapetanios, G., Price, S., 2013. Adaptive forecasting in the presence of recent and ongoing structural change. J. Econom. 177, 153–170.
12- Gepp, A., Kumar, K., & Bhattacharya, S. (2010). Business failure prediction using decision trees. Journal of forecasting, 29(6), 536-555.
13- Guichard, S., Haugh, D., Turner, D., 2009. Quantifying the Effect of Financial Conditions in the Euro Area, Japan, United Kingdom and the United States. OECD Economics Working Papers No. 677.
14- Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., & Witten, I. H. (2009). The WEKA data mining software: an update. ACM SIGKDD explorations newsletter, 11(1), 10-18.
15- Hatzius, J., Hooper, P., Mishkin, F., Schoenholtz, K., Watson, M., 2010. Financial Conditions Indexes: A Fresh Look After the Financial Crisis. Working Paper.
16- Helbling, T. , Huidron, R. , Kose, M.A. , Otrok, C. , 2011. Do credit shocks matter? A global perspecive. Eur. Econ. Rev. 55, 340–353.
17- Kapetanios, G., Price, S., & Young, G. (2018). A UK financial conditions index using targeted data reduction: forecasting and structural identification. Econometrics and Statistics.
18- Lin, C. J. and W. W. Wu (2008). “A Causal Analytical Method for Group Decision-Making under Fuzzy Environment”, Expert Systems with Applications, Vol. 34, No. 1, pp. 205- 213.
19- Millard, S., Nicolae, A., 2014. The Effect of the Financial Crisis on TFP Growth: A General Equilibrium Approach. Bank of England Working Paper 502. Mueller, P., 2009. Credit Spreads and Real Activity EFA 2008 Athens Meetings Paper.
20- Pantea, M., Gligor, D., & Anis, C. (2014). Economic determinants of Romanian firms’ financial performance. Procedia-Social and Behavioral Sciences, 124, 272-281.
21- Paries, M. D., Maurin, L., Moccero, D., 2014. Financial Conditions Index and Credit Supply Shocks for the Euro Area. ECB Working Paper Series 1644. Pearson, K. , 1901. On lines and planes of closest fit to systems of points in space. Philos. Mag. 2, 559–572.
22- Rajan, G.R. and R. Zingales (1995) "What do we know about capital structure? Some evidence from international data", Journal of Finance , pp. 1421-1460.
23- Raju, P. S. & Lonial, S. C. (2002). The Impact of Service Quality and Marketing on Financial Performance in the Hospital Industry. Journal of Retailing and Consumer Services, 9, 335-348.
24- Ramli, N. A., Latan, H., & Solovida, G. T. (2019). Determinants of capital structure and firm financial performance—A PLS-SEM approach: Evidence from Malaysia and Indonesia. The Quarterly Review of Economics and Finance, 71, 148-160.
25- Richardson, F. m. and Davidson, L. F. (2016) ‘An exploration into bankruptcy Discriminant model sensitivity’ , Journal of Business Finance & Accounting, 10(2) (Summer): 195-207
26- Rossi, B. , 2013. Advances in forecasting under instability. In: Elliott, G., Timmermann, A. (Eds.), Handbook of Economic Forecasting. Elsevier, pp. 1203–1324.
27- Santos, J. B., & Brito, L. A. L. (2012). Toward a subjective measurement model for firm performance. BAR-Brazilian Administration Review, 9(SPE), 95-117.
28- Shu, Yan, Broadstock, David C. and Xu, Bing. (2013), “The Heterogeneous Impact of Macroeconomic Information on Firms’ Earnings Forecasts”. The British Accounting Review. Vol.45, PP.311–325.
29- Stock, J. H., and Watson, M. W. (2002),”Forecasting Using Principal Components From a Large Number of Predictors”, Journal of the American Statistical Association, 97, PP.1167–1179.
30- Tsai, C. F. (2009). Feature selection in bankruptcy prediction. Knowledge-Based Systems, 22(2), 120-127.
31- Zhu, J. (2000). Multi-factor performance measure model with an application to Fortune 500 companies, European Journal of Operational Research, 123 (1), 105–124.
32- Zhou, L., Lu, D., & Fujita, H. (2017). The performance of corporate financial distress prediction models with features selection guided by domain knowledge and data mining approaches. Knowledge-Based Systems, 85, 52-61.
