Provide hybrid model for forecasting financial crises based on free cash flow :evidence from the capital market

Subject Areas : Journal of Investment Knowledge

ayat tamrinia ¹ , mahdi Moradzadeh fard ² , REZA Nazari ³ , Bahman Banimahd ⁴

1 - Ph.D. Student in Accounting ،Department of Accounting ،Karaj Branch، Islamic Azad University ،Karaj،Iran
2 - Associate Professor،Department of Accounting،Karaj Branch، Islamic Azad University ،Karaj،Iran
3 - Assistant Professor،Department of Accounting ،Karaj Branch، Islamic Azad University ،Karaj،Iran
4 - Associate Professor،Department of Accounting ،Karaj Branch، Islamic Azad University ،Karaj،Iran

Received: 2021-10-20 Accepted : 2021-12-21 Published : 2023-06-22

Keywords: Efficiency, rock curve, Financial crises, Free cash flow,

Abstract :

Abstract: Due to the significant socio-economic and political consequences that financial crises impose on different segments of society, financial crises of reporting units have always been one of the most important issues for creditors, shareholders and stakeholders in general. The purpose of this study is to provide a combined model based on It is based on cash and free flows to predict financial crises in the Iranian capital market. The model is based on selected financial ratios based on free cash flows and by adding efficiency criteria. Research data using samples including 1560 views from 260 companies During the years 2007 to 2017These data are calculated to predict financial crises from Logit regression and to compare the resolution of the hybrid model with other common models of the rock curve. The research findings show that the hybrid model is based on flows. Free cash flow identifies the financial crises of companies in the Iranian capital market properly and has a higher accuracy compared to the following powerful models. According to the results of this study, it can be said that in the Iranian capital market, models based on free cash flows Capturing the structure of Iran's capital market and inflationary conditions has more explanatory power in relation to forecasting financial crises, and company managers and investors and corporate executives and investors in their economic decisions can pay more attention to such hybrid models.

References:

• آذر، عادل، مومنی، منصور، 1387، آمار و کاربرد آن در مدیریت، تهران، جلد2.


• احمدی، علیرضا، بررسی کارایی نسبی قسمت های توزیع برق استان مرکزی با استفاده از رویکرد تحلیل پوششی داده ها (DEA) و ارائه راهکار در جهت افزایش کارایی، پژوهش شرکت توزیع برق استان مرکزی، زمستان 1387.


• اعتمادی، حسین وانواری رستمی،علی اصغر و احمدیان، وحید.(1393).آزمون نظریه های اصلی تقسیم سود با تاکید بر نقش سهامداران نهادی در بورس اوراق بهادار تهران .مجله پژ؟وهش های حسابداری مالی، سال ششم ،شماره سوم،صص1-20.


• اسمعیلی،سهیلا و گوگرد چیان ،احمد(1396) .پیش بینی ورشکستگی مالی با استفاده از صورت جریان نقد: رهیافت شبکه عصبی مصنوعی. مدیریت فرهنگ سازمانی. دوره15.، شماره4.صص879-901


• حاجی هاشم، مسعود و امیر حسینی ، زهرا(1398). پیش بینی ورشکستگی و راهبری شرکتها: دیدگاه نسبت های مالی .دانش حسابداری و حسابرسی مدیریت. سال8.، شماره30.صص201-220.


• حاجیها، زهره،1384، "سقوط شرکت، علل و مراحل آن، مطالعه سیستم های قانونی ورشکستگی در ایران و جهان"، حسابرس، شماره 29.


• ثقفی، علی، 1381، بررسی شاخص های پیش بینی کننده های ورشکستگی در شرایط محیطی ایران، رساله دکتری دانشکده مدیریت تهران


• کردستانی،غلامرضا.، تاتلی، رشید و کوثری فر، حمید.(1393)ارزیابی توان پیش بینی مدل تعدیل شده آلتمن از مراحل درماندگی مالی نیوتن و ورشکستگی شرکتها، دانش سرمایه گذاری، سال سوم، شماره9،صص 99-83


• قدیرمقدم،ابوالفضل و همکاران (1388). بررسی توانایی مدل های پیش بینی ورشکستگی آلتمن و اهلسون در پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، دانش و توسعه،شماره28، صص 47-62


• ریاحی بلکویی، احمد(1389) تئوری های حسابداری ، ترجمه پارسائیان ، چاپ دوم ، انتشارات ترمه،صص451-463


• سلیمانی امیری، غلامرضا ، 1381،«بررسی شاخص های پیش بینی ورشکستگی در محیط ایران»، رساله دکتری، دانشگاه تهران، دانشکده مدیریت.


• مهرانی،ساسان،کامیابی،یحیی و غیور، فرزاد(1398)بررسی توانایی شاخص های حسابداری و غیر حسابداری موثر بر پیش بینی بحران های مالی و مقایسه روشهای پارامتریک و ناپارامتریک، پژوهش های تجربی حسابداری ،شماره34،صص 49-72.


• مرادزاده فرد، مهدی و موسوی، سید مجتبی (1390).بررسی مربوط بودن جریان نقدی وارقام حسابداری در شرایط عدم تقارن اطلاعاتی.پژوهش حسابداری ،دوره اول .صص 105-128


• محسنی، رضا و رحیمیان، سمیرا(1397).عوامل موثر برورشکستگی بابهره گیری از کارایی(DEA)به عنوان یک متغیر پیش بینی کننده، فصلنامه اقتصاد مقداری ،دوره15،شماره 2،صص111-130.


• نمازی،محمد و احمد شکرالهی(1393).آزمون نظریه جریان های نقد آزاد ،سیاست بدهی و ساختار مالکیت با استفاده از سیستم معادلات همزمان حداقل مربعات سه مرحله ای:مطالعه موردی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران.مجله پیشرفت های حسابداری دانشگاه شیراز، دوره پنجم،شماره2،صص165-206.


• E.I, 2000,”predicting Financial Distress of Companies Revisiting the Z-  Score and Zeta Models.


• Altman,E.IwaniczDrozdowska,M.,Laitinen,E.K.,and Suvas,A.(2017),Financial  Distress Prediction in an International Context: A Review and Empirical Analysis of Altman Z-score Model. Journal of International Financial management and Accounting, Vol28(2) pp.131-171.


• Altman, E.l., Hartzell, J., Peck, M., 1995. A scoring system for emerging market corporate debt.


• Altman , E.I.(1993). Corporate financial distress and bankruptcy: a complete guide to predicting and avoiding distress and profiting from bankruptcy, Wiley finance edition, Hoboken, New Jersey.


• Altman, E.I, 1982, “Accounting Implications of Failure prediction Models”. Journal of Accounting, Auditing, and Finance(fall), pp:4-19.


• Altman,E.I, 1993,”Corporate Financial Distress and Bankruptcy:AComplete Guide to predicting and Avoiding Distress and Profiting from Bankruptcy”. Second edition, John wiley and sons.


• E.I, 1983,”Corporate Financial Distress- A Complete Guide to predicting, Acoiding and Dealing whit Bankruptcy, New York Wiley.


• W, 1966, “Financial Ratios as prediction of Failure”.Journal of Accounting Research. Vol: 6(2),pp:179-192.


• Beaver, William, (1966),Financial ratios as predictors of failures.journal of accounting Research, vol(6) .pp71-111.


• Beaver, William,Six Decades of research Teaching and participation in the AAA, American Accounting Association, 2014.


• Barbuta-Misu,(2020) ,Assessment of bankruptcy risk of large companies:Europen


• Chen, Wei- Sen; Du, Yin- kua(2009). “using neural networks and data mining techniques for the financial distress prediction model”. Expert systems with Application, 36, pp: 4075-4086.


• Campa, D.& Camacho-Minano, M. M, The impact of SME s pre bankruptcy financial distress on earnings management tools, The International Review of Financial Analysis,2015, (42), 222-234


• Durica ,Marekjaroslav Frnda,and lucia Svaboa,(2019) ,Decision tree based model of business failure prediction for polish companies.oeconomia copernicana,vol(10). pp 44-56.


• Durica ,Marekjaroslav Frnda,and lucia Svaboa,(2019) ,Decision tree based model of business failure prediction for polish companies.oeconomia copernicana,vol(10). pp 44-56.


• Gordon, Myron J, 1971,”Towarsd A Theory of Financial Distress”. Journal of Finance, Vole 29. pp: 347-356.


• Grice, John .Stephen, R. Ingram, 2001, “Tests of the generalizability of Altman bankruptcy prediction model”. Journal of Business Research, Vol. 54.Iss.1.


• Horrigan, J.O.(1968)," A short history of financial ratio analysis". The Accounting


• Hu, Yi- Chung(2008).” Incorporating a non- additive decision making method into multi- layer neural networks and its applications to financial distress analysis”. Knowledge- Based Systems, 21, pp: 383- 390.


• Hu, Yi-Chung (2009).”Bankruptcy prediction using ELECTRE- based single- layer perceptron”. Neurocomputing, 72. pp:3150- 3157.


• Lee, Yong- joo; Shin, kyung- Shik(2002).”A genetic algorithm application in bankruptcy prediction modeling”. Expert systems with Applications.


• Ohlson, J. A. 1980. “Financial Ratios and the Probabilisic prediction of Bankruptcy.” Journal of Accounting Research(spring)pp:109-131.


• Ohlson, J., Financial ratios and the prediction of bankruptcy, J. Account. Res,1980, 18 (1), 109-131.


• Onur,ti,.yelkenci.(2017)A theoretical approch to financial distress prediction modeling: managerial finance, vol.43, issue 2, pp 1-33


• Premachandra, I.M. Gurmeet, Singh Bhabra Toshiyule, Sueyoshi, DEA as tool for bankruptcy assessment: A Comprative study with Logestic Regression technique, 2009, Euroupean Journal of Operational Research, Vol 193, pp412-424.


• I.M; Bhabra, Gurmeet singh; Sueyoshi, Toshiyuki(2009).”DEA as a tool for bankryptcy assessment: A comparatice study with logistic regression technique”. European journal of Operational Research, 193, pp: 412-424.


• Tsakonas Athanasois; Dounias, George; Doumpos, Michael; Zopounidis, Constantin(2006). Bankruptcy prediction with neural logic networks by means of grammer- guided genetic programming Expert System with Applicatios, 30, pp: 449-461.