Providing Three-Dimensional Composite Model (Financial, Economic, Sustainability) in predicting Companies' Financial Distress

Subject Areas :

احمد برگ بید ¹ , علی جعفری ² , hasan salehnejad ³

1 - گروه حسابداری، واحد ساری، دانشگاه آزاد اسلامی، ساری، ایران.
2 - گروه حسابداری، واحد قائمشهر، دانشگاه آزاد اسلامی، قائمشهر، ایران
3 - گروه حسابداری ، دانشگاه پیام نور . ایران

Received: 2021-07-08 Accepted : 2021-09-12 Published : 2021-11-15

Keywords: principal component analysis, financial, non-financial, Keywords: Stability, prediction of financial distress,

Abstract :

Financial distress is a serious issue for the economic life of countries and forecasting distress for various groups including managers, banks, investors, policymakers and auditors is of great importance. The purpose of this study is to provide a combined three-dimensional model (financial, economic, sustainability), two-dimensional model (financial and economic) and one-dimensional (financial) in predicting financial distress of companies and also comparing the predictive power of models with component analysis approach. It is the principle that using the post-event approach (through past information) is of the descriptive-correlation type and based on the objectives is also of the applied research type. Also, the statistical population and spatial scope of this research, listed companies and its time domain. Using the systematic removal method, 113 listed companies were selected as a sample. The results showed that the three-dimensional hybrid model (financial, economic, sustainability) has a high predictive power for helplessness. 

References:

• احمدپور، احمد و معصومه شهسواری، (1393)، "بررسی نحوه اعمال اختیارات مدیران در مراحل مختلف درماندگی مالی در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران"، دانش حسابداری،12، صص 27-50.


• اسدی، مریم، (1393)، "اثر تعدیل گر کیفیت سود در پیش‌بینی درماندگی مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران"، پایان‌نامه کارشناسی ارشد حسابداری، دانشگاه ارومیه.


• برزگر، قدرت اله، (1392)، "مدلی برای افشا مسئولیت اجتماعی شرکت‌ها (CSR) و ارتباط آن با عملکرد مالی"، رساله دکتری، دانشگاه علامه طباطبایی.


• پورزمانی، زهرا و حسن کلانتری، (1392)، "مقایسه قدرت پیش‌بینی بحران مالی توسط تکنیک‌های مختلف هوش مصنوعی"، پژوهش‌های حسابداری مالی و حسابرسی، 5(17)، صص 33-64.


• جمالیان پور، مظفر و علی ثقفی، (1392)، "اقلام تعهدی غیر منتظره، انحراف پایداری سود و بحران مالی"، دانش حسابداری، 12، صص 33-7.


• خلیفه سلطانی، سیداحمد و فاطمه اسماعیلی، (1393)، "تأثیر چرخه تجاری بر پایداری مدل‌های پیش‌بینی ورشکستگی"، پژوهش‌های تجربی حسابداری، 13، صص 1-22.


• دستگیر، محسن، علی حسین حسین زاده، ولی خدادادی و سیدعلی واعظ، (1391)، "کیفیت سود در شرکت‌های درمانده مالی"، پژوهش‌های حسابداری مالی، 1، صص 16-1.


• سجادی، سیدحسین و نسرین قنواتی، (1393)، "تأثیر درماندگی مالی و سهم بازار بر سیاست سرمایه در گردش در فضای رقابتی بازار"، دانش حسابداری،3، صص 27-84.


• صادقی، حسین، پریسا رحیمی و یونس سلمانی، (1393)، "تأثیر عوامل کلان اقتصادی و نظام راهبری بر درماندگی مالی شرکت‌های تولیدی پذیرفته شده در بورس اوراق بهادار تهران"، دو فصلنامه اقتصادی پولی، مالی. 21 (8)، صص 127- 107.


• قلی زاده سالطه، توحید، محمد اقبال‌نیا و محمدابراهیم آقابابائی، (1398)، "پیش‌بینی ورشکستگی با مدل یادگیری ماشین سریع مبتنی بر کرنلِ بهینه‌شده با الگوریتم گرگ خاکستری"، تحقیقات مالی، 21(2), 187-212. doi: 10.22059/frj.2019.277620.1006839


• عاطفی فر، علیرضا و زاداله فتحی، (1399)، "بررسی اثربخشی شاخص‌های سلامت مالی به عنوان نمادهای بحران مالی بانکی با بکارگیری مدل‌های لاجیت چند متغیره (مطالعه موردی بانک‌های پذیرفته شده در بورس)"، مهندسی مالی و مدیریت اوراق بهادار،11(42)، صص 333-361.


• غضنفری، مهدی، اقبال رحیمی کیا و علی عسکری، (1397)، "پیش‌بینی ورشکستگی شرکت‌ها مبتنی بر سیستم‌های هوشمند ترکیبی"، پژوهش‌های حسابداری مالی و حسابرسی، 10(37)، صص 159-194.


• فرهانیان، سید محمدجواد و میثم دعائی، (1392)، "پایداری شرکتی و ضرورت توجه به آن در بازار سرمایه ایران"، بورس، 104، صص 76-79.


• کردستانی، غلامرضا، رشید تاتلی و حمید کوثری فر، (1393)، "ارزیابی توان پیش‌بینی مدل تعدیل شده آلتمن از مراحل درماندگی مالی نیوتن و ورشکستگی شرکت‌ها"، دانش سرمایه‌گذاری، 9، صص 83-100


• کمیته تدوین استانداردهای حسابداری و حسابرسی سازمان حسابرسی، (1394)، "استانداردهای حسابرسی"، انتشارات سازمان حسابرسی، تهران.


• محسنی، رضا، رضا آقابابایی و وحید محمد قربانی، (1392)، "پیش‌بینی درماندگی مالی با بکار بردن کارایی به عنوان یک متغیر پیش‌بینی کننده"، فصلنامه پژوهش‌ها و سیاست‌های اقتصادی، 21 (65)، صص 146-123.


• مشایخی، بیتا و حمیدرضا گنجی، (1393)، "تأثیر کیفیت سود بر پیش‌بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی"، پژوهش‌های حسابداری مالی و حسابرسی (پژوهشنامه حسابداری مالی و حسابرسی)، 6(22)، صص 147-173


• منصورفر، غلامرضا، فرزاد غیور و بهناز لطفی، (1393)، "ترکیب اجزای جریان نقد و پیش‌بینی درماندگی مالی در بورس اوراق بهادار تهران"، تحقیقات حسابداری و حسابرسی، 4 (18)، صص 87-74.


• منصورفر، غلامرضا، فرزاد غیور و بهناز لطفی، (1393)، "توانایی ماشین بردار پشتیبان در پیش‌بینی درماندگی مالی"، پژوهش‌های تجربی حسابداری، 3 (11)، صص 235-217.


• مهرانی، ساسان، یحیی کامیابی و فرزاد غیور، (1396)، "بررسی تأثیر شاخص‌های کیفیت سود بر قدرت مدل‌های پیش‌بینی درماندگی مالی"، بررسی‏‌های حسابداری و حسابرسی، 24(1)، صص 103-126.


• AL-Attar, A. S. Hussain and L.Y. Zuo, (2008), “Earnings Quality, Bankruptcy Risk and Future Cash Flows”, Accounting and Business Research. 38 (1), PP. 5-20


• Alifiah, M.N, (2013), “Prediction of Financial Distress Companies in the Trading and Service Sector in Malaysia Using Macroeconomic Variables”, International Conference on Innovation, Management and technology Research, Malaysia.


• Anandarajan, M. P. Lee and A. Anandarajan, (2004), “Bankruptcy Predication Using Neural Networks”, Article in Business Intelligence Techniques: A Perspective from Accounting and Finance. Germany: Springer – Verlag.


• Asquith P, R. Gertner and D. Scharfstein, (1994), “Anatomy of Financial Distress: An Examination of Junk-bond Issuers”, Quarterly Journal of Economics. 109(3), PP. 1189-1222.


• Bredart, X, (2014), “Financial Distress and Corporate Governance around Lehman Brothers Bankruptcy”, International Business Research, 7(5), PP. 1-8


• Chen, M.Y, (2011), “Predicting Corporate Financial Distress based on Integration of Decision Tree Classification and Logistic Regression”, Expert Systems with Applications. 38(9), PP. 11261-11272.


• Chi, X Lou C. Yu, X, (2011), “Financial Distress Prediction based on SVM and MDA Methods: the Case of Chinese Listed Companies”, Quality and Quantity. 45(3), PP. 671-686


• Denis, D. and D. Denis, (1995), “Causes of Financial Distress Following Leveraged Recapitalizations”, Journal of Financial Economics. 37, PP. 129-157.


• Elloumi, F. and J. P. Gueye, (2001), “Financial Distress and Corporate Governance: an Empiril Analysis”, Corporate Governance. 1(1), PP. 15-23.


• Etemadi, H. A. A. Anvari Rostamy and H. F. Dehkordi, (2009), “A Genetic Programming Model for Bankruptcy Prediction: Empirical Evidence From Iran”.


• Francis, J. R. LaFond, P . M. O1sson, and K, Schipper, (2005), “The Market Pricing of Accruals Quality”, Journal of Accounting and Economics. 39, PP. 295-327.


• Francis, J. Nanda, D.J. and O1sson, P, (2008), “Voluntary Disclosure, Earning Quality and Cost of Capital”, Journal of Accounting Research, 46 (1), PP. 53-99.


• Gestel, T. V. B. Baesens, J.Suykens, D. V. Poel, D. E. Baestaens and M. Willekens, (2006), “Bayesian Kernel Based Classification for Financial Distress Detection. European Journal of Operational Research”, 172, PP. 979-1003.


• Gilbert, L. R, K. Menon, and K. B. Schwartz, (1990), “Predicting Bankruptcy for Firms in Financial Distress”, Journal of Business Finance and Accounting. (17), PP. 161-171.


• Gordon, M . J, (1971), “Toward a Theory of Financial Distress”, The Journal of Finance, 26(2), PP. 347-356.


• Hillegeist, S. A. E. K. Keating, D. P. Cram and K. G. Lundstedt, (2004), “Assessing the Probability of Bankruptcy”, Review of Accounting Studies. 9 (1), PP. 5-34.


• Hopwood, W. J. McKeown and J. Mutchler, (1994), ‘A Reexamination of Auditor Versus Model Accuracy Within the Context of the Going-Concern Opinion Decision”, Contemporary Accounting Research. 10, PP. 409-431.


• HU, H. and M. Sathye, (2015), “Predicting Financial Distress in the Hong Kong Growth Enterprises Market from the Perspective of Financial Sustainability”, Sustainability. 7, PP. 1186-1200.


• Jantadej, P, (2006), “Using the Combinations of Cash Flow Components to Predict Financial Distress: the Graduate College at the University of Nebraska for the Degree of Doctor of Philosophy”.


• Jodi, B. Don, G. Michael, A, (2007), “A Review of Bankruptcy Prediction Studies:1930-Present”, Financial Education, 33, PP. 1-42.


• Kordestani, Gh, Biglari, and V, Bakhtiari, M, (2011), “Ability of Combinations of Cash Flow Components to Predict Financial Distress”, Teorija ir Praktika. 12(3), PP. 277-285.


• Lau, A. H, (1987), “A Five-stage Financial Distress Prediction Model”, Journal of Accounting Research, 25(1), PP. 127-138.


• Lee, C. Y and C. C . Change, (2010), “Applying “Financial Reference Database” in an Enterprise Financial Distress Warning System”, International. Research Journal of Finance and Economics, 54, PP. 53-62.


• Lee, M, (2015), “Comparison of Wavelet Network and Logistics Regression in Predicting Enterprise Financial Distress”, International Journal of Computer Science & Information Technology (IJCSIT)”, 7(3), PP. 83-96.


• Z. J. crook and G. andreeva, (2015), “Corporate Governance and Financial Distress: a Discrete Time Hazard Prediction Model”, Electronic Copy Available at: http://ssrn.com/abstract=2635763


• Liu,H and S. Huang, (2010), “Integrating GA with Boosting Methods for Financial Distress Predictions”, Journal of Quality, 17(2).


• Mokhatab Rafiei, F. S.M. Manzari and S. Bostanian, (2011), “Financial Health Prediction Models Using Artificial Neural Networks, Genetic Algorithm and Multivariate Discriminate Analysis: Iranian Evidence”, Expert Systems with Applications. 38(8), PP. 10210-10217.


• Manuel ÁngelFernández-Gámez, Juan Antonio CamposSoria,José António C.Santos,DavidAlaminos, (2020), “European Country Heterogeneity in Financial Distress Prediction: An Empirical Analysis with Macroeconomic and Regulatory Factors”, Economic Modelling, Vol. 88, 2020, PP. 398-407


• Niknya, A. R. Darabi and H . R. V akili fard, (2013), “Financial Distress Prediction of Tehran Stock Exchange Companies Using Support Vector Machine”, Journal of Natural and Social Sciences, 2(3), PP. 2878-2893


• Opler, T. Titman, S, (1994), “Financial Distress and Corporate Performance”, the Journal of Finance, 49 (3), PP. 1015-1040.


• Pindado, J. rodrigues, L and C, de la torre, (2008), “Estimating Financial Distress Llikelihood”, Journal of Business Research, 61, PP. 995-1003


• Qunfeng, L, Seyed, M, (2016), “Measuring Financial Distress and Predicting Corporate Bankruptcy”, Review of Economie and Business Studies, 9, PP. 33-51.


• Rosner, R. L, (2003), “Earning Manipulation in Failing Firms”, Contemporary Accounting Research, 20(2), PP. 361-408

 

یادداشت‌ها