Predicting Financial Distress with a Combined Model Case Study: Companies Listed on the Tehran Stock Exchange

Subject Areas : Journal of Investment Knowledge

behnaz  lotfi ¹ (PhD Student, Department of Accounting, Faculty of Humanities, Islamic Azad University, Urmia, Iran.)
jamal  bahri sales ² (Associate Professor, Department of Accounting, Faculty of Humanities, Islamic Azad University, Urmia, Iran)
Saeed  Jabbarzadeh ³ (Associate Professor, Department of Accounting, Faculty of Humanities, Islamic Azad University, Urmia, Iran.)
mehdi  heidari ⁴ (Associate Professor, Department of Accounting, Faculty of Management Economics, National University, Urmia, Iran.)

Received: 2021-08-28 Accepted : 2022-03-15 Published : 2024-06-21

Keywords: "hybrid model", "Merton model", "financial distress", "binary logistic regression model",

Abstract :

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

References:

• پورحیدری، امید و مهدی کوپائی حاجی،(1389)، پیش بینی بحران مالی شرکت ها با استفاده از مدل مبتنی بر تابع تفکیکی خطی، مجله پژوهش های حسابداری مالی، سال دوم، شماره اول،46-33.


• راموز، نجمه و مریم محمودی (1396)،پیش بینی ریسک ورشکستگی مالی با استفاده از مدل ترکیبی در بورس اوراق بهادار تهران،راهبرد مدیریت مالی، سال پنجم، شماره شانزدهم، 75-51.


• 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، دوفصلنامه اقتصاد پولی، مالی(دانش وتوسعه سابق)دوره جدید، سال بیست ویکم، شمارة


• صالحی، نازنین ومجید عظیمی یانچشمه،(1395)، بررسی تطبیقی مدل خطر و مدلهای سنتی برای پیش بینی ورشکستگی، فصلنامه حسابداری مالی، سال هشتم، شماره 30، 121-94.


• فدایی نژاد، محمداسماعیل و رسولاسکندری، (1390)،  طراحی و تبیین مدل پیش بینی ورشکستگی شرکت ها در بورس اوراق بهادار تهران، تحقیقات حسابداری و حسابرسی (تحقیقات حسابداری)، دوره 3، شماره 9، 55-38.


• 6)کرمی ، غلامرضا و مصطفی سید حسینی، (1391)، سودمندی اطلاعات حسابداری نسبت به بازار در پیش بینی ورشکستگی، مجله دانش حسابداری، 3(10)،116-93.


• منصورفر، غلامرضا، فرزاد غیور و بهناز لطفی، (1392)، ترکیب اجزای جریان نقد و پیش بینی درماندگی مالی در بورس اوراق بهادار تهران، تحقیقات حسابداری و حسابرسی، 4 (18) ، 87-74.


• مهرانی، ساسان، یحیی کامیابی و فرزاد غیور، (1398)، بررسی توانایی شاخص های حسابداری و غیرحسابداری موثر بر پیش بینی درماندگی مالی و مقایسه روش های پارامتریک و ناپارامتریک، پژوهش های تجربی حسابداری، سال نهم، شماره 34، 71-49.


• میرعرب بایگی، سید علیرضا، هاشم مکاری وآرش آذریون، (1399)، پیش بینی پویا در ورشکستگی مالی با استفاده از روش مالم کوئیست ( مورد مطالعه: شرکت های پذیرفته شده در بورس اوراق بهادار تهران)،فصلنامه علمی – پژوهشی کارافن، دوره 17،شماره 3 ،220-203.


• نیکبخت، محمدرضا و مریم شریفی، (1389)، پیش بینی ورشکستگی مالی شرکت های بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی، مدیریت صنعتی، دوره 2، شماره 4، 180-163.


• Acosta-González, E, Fernández-Rodríguez, F, Ganga H, (2017), Predicting Corporate Financial Failure Using Macroeconomic Variables and Accounting Data.Computational Economics, Accepted.


• Agarwal, V & R, Taffler ,(2008), Comparing the Performance of Market-based and Accounting-Based Bankruptcy Prediction Models, Journal of Banking and Finance ,32 (8), 1541– 1551.


• Bauer, J, (2012), Bankruptcy Risk Prediction and Pricing: Unravelling the the Negative Distress Risk Premium, PHD Thesis ,Cranfield University.


• Bauer, J & V, Agarwal ,(2013) , Are Hazard Models Superior to Traditional Bankruptcy Prediction Approaches? A Comprehensive Test, Journal of Banking & Finance, 40 ,432– 442.


• Bharath, S & T, Shumway,(2004), Forecasting Default with the KMV-Merton Model, Working paper,University of Michigan.


• Black, F & M, Scholes, (1973) , The Pricing of Options and Corporate Liabilities, Journal of Political Economy, 81 (3), 637–654.


• BinhPham Vo and et al ,(2018) , Financial distress and bankruptcy prediction: An appropriate model for listed firms in Vietnam, Economic Systems, Volume 42, Issue 4, 616-624.


• Charalamram bakis, E et al ,(2009), On the prediction financial of Distress for UK Firms: Does the Choice of Accounting and Market Information Matter? , Review of Quantitative Finance and Accounting, 1-28.


• Doumpos,  M et al, (2015),Combining accounting data and a structural model for predicting credit ratings: Empirical evidence from European listed firms,Journal of Banking & Finance. Elsevier, vol 50(C), 599-607.


• Harith ,A et al,(2021) , Predicting financial distress in the Malaysian market: hazard model versus the logit model,advanced international journal of banking, accounting and finance(AIJBAF) ,


• ,Volume 3, Issue 7 , 01-19.


• Hillegeist, S. A, E.K, Keating, D.P. Cram, & K.G, Lundstedt, (2004),Assessing the Probability of Bankruptcy, Review of AccountingStudies, 9 (1): 5– 34.


• Li, Z, Crook, J, & Andreeva, G,(2015) ,Corporate Governance and Financial Distress: a Discrete Time Hazard Prediction Model ,Retrieved from http://ssrn.com/abstract.


• Li, M.L. & Miu, P. (2010), A hybrid bankruptcy prediction model with dynamic loadings on
  accounting-ratio-based and market-based information: a binary quantile regression
  approach, Journal of Empirical Finance, (17):818-833.


• Loureiro, Francisco Soares da Cruz,(2020), Corporate bankruptcy prediction : can KMV-Merton model add value to support vector machines forecasts? , Dissertation for the MSc in Finance, at the Universidade Católica Portuguesa.


• Martin, S And Peat, M.A,(2009), Comparison of the Information Content of Accounting and Market Measures in Distress Prediction ,INFINITI Conference on International Finance.


• Merton, R. C, (1974) ,On the Pricing of Corporate Debt: The Risk Structure of Interest Rates, Journal of Finance, 29:449–70.


• Muvingi , j et al, (2015), Default Prediction Models a Comparison between Market Based Models and Accounting Based: Case of the Zimbabwe Stock Exchange 2010-2013, Journal of Finance and Investment Analysis,vol 4, no1, 39-65.


• Shumway, T , (2001) ,Forecasting Bankruptcy more accurately: a Simple Hazard Model, Journal of Business. , 74 (1) , 101–124.


• Taoushianis, Z, Charalambous, C, & Martzoukos, S, H, (2016) ,Assessing Bankruptcy Probability with Alternative Structural Models and an Enhanced Empirical Model, EFM Journal, 22(2):1-47.


• Tinoco Hernandez, M. And Wilson, N, (2013) , Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic variables,International Review of Financial Analysis, No. 30, 394-419.


• Weston J. Fred., Copeland, Thomas E, (1992) ,Managerial Finance, Dryden Press; 9th edition.