پیش‌بینی ورشکستگی در افق‌های زمانی مختلف بر پایه مدل قیمت گذاری بلک و شولز

محورهای موضوعی : دانش سرمایه‌گذاری

مصطفی رضائی ¹ , رضا تهرانی ² , مجتبی میرلوحی ³

1 - معاونت مالی گروه شرکت های پرتو آبی
2 - استاد ، گروه مدیریت و بیمه، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
3 - استادیار دانشکده صنایع و مدیریت،گروه حسابداری، دانشگاه صنعتی شاهرود، ایران.

تاریخ دریافت : 1400/09/13 تاریخ پذیرش : 1401/01/31 تاریخ انتشار : 1402/07/01

کلید واژه: ورشکستگی, مدل بلک-شولز, عوامل شرکتی, عوامل بازار,

چکیده مقاله :

در پژوهش حاضر به پیش‌بینی ورشکستگی در افق‌های زمانی مختلف بر پایه مدل قیمت گذاری بلک و شولز پرداخته شده است. جامعه آماری پژوهش شامل شرکت‎های پذیرفته شده در بورس اوراق بهادار تهران طی سال‌های 1393 تا 1399 است که تعداد 129 شرکت به عنوان نمونه آماری پژوهش در نظر گرفته شدند. روش پژوهش از نوع همبستگی بوده و روش آماری مورد استفاده روش رگرسیون داده های ترکیبی است. نتایج حاصل از آزمون فرضیه ها نشان داده که عوامل شرکتی و عوامل بازار تاثیر معناداری بر ریسک ورشکستگی شرکت ها دارند و در افق های زمانی مختلف، اثرات متفاوتی بر ریسک ورشکستگی می گذارند. همچنین نتایج حاکی از این است که پیش بینی ورشکستگی بر پایه مدل بلک-شولز و با استفاده از عوامل شرکتی و بازار می تواند با دقتی بیشتر از 90 درصد صورت پذیرد. طبق نتایج، برخی عوامل در افق های زمانی کوتاه مدت و برخی دیگر در افق های زمانی بلندمدت بر ریسک ورشکستگی تاثیرگذارند.

چکیده انگلیسی:

In the present study, bankruptcy forecasting has been done in different time horizons based on the Black and Scholes pricing model. The statistical population of the study includes companies listed on the Tehran Stock Exchange during the years 2014 to 2020 that 129 companies were considered as a statistical sample of the research. The research method is correlational and the statistical method used in this research is the combined data regression method. The results of testing the hypotheses have shown that corporate and market factors have a significant effect on the risk of bankruptcy of companies and in different time horizons, have different effects on the risk of bankruptcy. The results also indicate that bankruptcy forecasting based on the Black-Scholes model and using corporate and market factors can be done with an accuracy of more than %90. According to the results, some factors affect the risk of bankruptcy in the short term and others in the long term.

منابع و مأخذ:

امامیان کاریزک، فاطمه ) 1398 (. پیش بینی ورشکستگی با استفاده از افشای گزارش حسابرسی، کارشناسی
ارشد، دانشگاه سیستان و بلوچستان، دانشکده مدیریت و اقتصاد.
 رجبعلیان، افشین ) 1398 (. توانایی متغییرهای حسابرسی و حسابداری در پیش بینی ورشکستگی بانکهای
پذیرفته شده در بورس تهران، کارشناسی ارشد، موسسه آموزش عالی شفق.
 زرشگی نوبر، آرش ) 1390 (. بررسی مقایسه ای مدل های پیش بینی ورشکستگی فیلوسوفو و اسپرینگیت در
شرکت های پذیرفته شده در بورس اوراق بهادار تهران، کارشناسی ارشد، دانشگاه پیام نور استان مازندران،
دانشکده علوم انسانی و مدیریت.
 زیوری امید، لیلا ) 1397 (. بررسی تأثیر کمیته حسابرسی بر ورشکستگی، کارشناسی ارشد، موسسه آموزش
عالی کبیر غرب.
 شاه نظری اول، سمیرا ) 1398 (. مسئولیت اجتماعی شرکت ها و احتمال ورشکستگی، کارشناسی ارشد، موسسه
آموزش عالی شفق.
 معماریان، محسن ) 1398 (. ویژگی های حسابرس و احتمال ورشکستگی، کارشناسی ارشد، دانشگاه بینالمللی
امام خمینی )ره(، دانشکده علوم اجتماعی.
 نوروززاده، فریبا ) 1397 (. تأثیر کوچک سازی بر احتمال ورشکستگی شرکت های پذیرفته شده در بورس اوراق
بهادار تهران، کارشناسی ارشد، دانشگاه آزاد اسلامی واحد نراق.
 نیلی اصفهانی، الناز ) 1390 (. بررسی تحلیلی عوامل موثر بر افول و ورشکستگی شرکتها از منظر نارسایی
مدیریت مالی، کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران مرکزی، دانشکده مدیریت.
فصلنامه علمی پژوهشی دانش سرمایهگذاری - انجمن مهندسی مالی ایران
432 دوره 12 / پیاپی 47 / پائیز 1402
 وهاب، شیدا ) 1398 (. رابطه بین حسابرس خارجی و پیش بینی ورشکستگی، کارشناسی ارشد، موسسه آموزش
عالی شاهرود، گروه حسابداری.
 Agustia D., Abdi Muhammad N., Permatasari Y., (2020). Earnings management, business strategy, and bankruptcy risk: evidence from Indonesia, Heliyon, 6 (2), e03317.
 Altman, E. I., (1968). Financial Ratios, Discriminant Analysis, and the Prediction of Corporate Bankruptcy. Journal of Finance 23:589–609.
 Beaver, W., (1968). Market Prices, Financial Ratios and Prediction of Failure. Journal of Accounting Research 6 (2), 179-192.
 Blume, M., Keim, D., (1991). Realized returns and volatility of low-grade bonds: 1977–1989.
 Bose, U., Mallick, S., Tsoukas, S., (2020). Does easing access to foreign financing matter for firm performance? Journal of Corporate Finance. https://doi.org/10.1016/j.jcorpfin.2020.101639
 Campbell, J.Y., Hilscher, J., Szilagyi, J., (2008). In search of distress risk. Journal of Finance 63 (6), 2899–2939.
 Carmona, P., Climent, F., Momparler, A., (2018). Predicting failure in the U.S. banking sector: An extreme gradient boosting approach. International Review of Economics & Finance. ISSN 1059-0560, https://doi.org/10.1016/j.iref.2018.03.008.
 Cathcart, L., Dufour, A., Rossi, L., et al.,(2019). Differential impact of leverage on the default risk of small and large firms, Journal of Corporate Finance, https://doi.org/10.1016/j.jcorpfin.2019.101541
 Chen, C.W.S., Dong, M.C., Liu, N., Sriboonchitta, S., (2019). Inferences of default risk and borrower characteristics on P2P lending, The North American Journal of Economics and Finance, Volume 50,2019.
 Dhawan A., Ma L., Kim M. H., (2020). Effect of corporate tax avoidance activities on firm bankruptcy risk, Journal of Contemporary Accounting & Economics, 16 (2), 100187.
 Duan, J.C., Sun, J., Wang T., (2012). Multiperiod Corporate Default Prediction – A Forward Intensity Approach. Journal of Econometrics. 170, 191–209.
 Duffie, D., Saita, L., Wang, K., (2007). Multi-period corporate default prediction with stochastic covariates. Journal of Financial Economics. 83, 635–665.
 Fons, J., (1991). An approach to forecasting default rates. Working paper, Moody’s Investors Services.
 Hillegeist, S., Keating E., Cram D., Lundstedt K., (2004). Assessing the probability of bankruptcy. Review of Accounting Studies, vol. 9, pp. 5-34.
 Jonsson, J., Fridson, M., (1996). Forecasting default rates on high-yield bonds. The Journal of Fixed Income, June, 69–77.
 Lyu, H., Yang, C., (2018). Regulatory capital constraint and its effects on price discrimination and default risk: evidence from China’s bond market. Emerging Markets Finance and Trade, DOI: 10.1080/1540496X.2018.1448265
 Mansi S. A., Qi Y., John K. Wald, (2021). Bond covenants, bankruptcy risk, and the cost of debt, Journal of Corporate Finance, Volume 66, 101799.
 McDonald, C.G., Van de Gucht, L.M., (1999). High-yield bond default and call risks. Review of Economics and Statistics 81, 409–419.
 McGuinness, G., Hogan, T., and Powell, R. (2018). European trade credit use and SME survival. Journal of Corporate Finance, 49:81–103
 Shi, B.F., Chi, G.T., Li, W.P., (2020). Exploring the mismatch between credit ratings and lossgiven-default: A credit risk approach. Economic Modelling, volume 85, 420-428.
 Singhal R.,Zhu Y., (2013). Bankruptcy risk, costs and corporate diversification, Journal of Banking & Finance, 37 (5), 1475-1489.

_||_