One of the main concerns of financial institutions for investing in companies is to evaluate financial performance and, most importantly, the financial distress of organizations applying for investment. Therefore, various approaches and tech-niques are used in this evaluation. Financial decision-making has always been associated with the risk of uncertainty. One way to help investors is to provide forecasting models for the overall corporate prospect. It is noteworthy that in all these approaches, various criteria are used to identify corporate financial distress. In this study, a dynamic worst-practice-frontier DEA model was used to identify financially distressed decision-making units over several time-periods. Another feature of the model presented in this study was to provide some improvement solutions for financially distressed decision-making units. Finally, a new ranking approach was introduced to evaluate companies based on the inefficiency trend over several time-periods. The study's approach provides decision-makers with the ability to evaluate the inefficient DMUs during each time-period according to the relationships between these time-periods. The efficiency slope can also be evaluated over time-periods, and companies can be ranked based on this slope. Finally, it is suggested to use this model to dynamically predict financial distress in various industries, including metals, rubber, automobiles, etc., so that compa-nies are informed of their financial distress promptly and take appropriate measures to prevent bankruptcy. پرونده مقاله

چکیده با توجه به شرایط اقتصادی امروز کشور، تعداد شرکت‌های درمانده و اهمیت درماندگی مالی روزبه‌روز در حال افزایش است. افزایش عوامل اقتصادی تأثیرگذار بر درماندگی مالی نیز بر پیچیدگی تصمیم‌گیری در سرمایه‌گذاری این شرکت‌ها افزوده است. به همین منظور رویکرد ارائه‌شده در این پژوهش با در نظر گرفتن انواع معیارهای مالی، امکان پویاسازی پیش‌بینی درماندگی مالی را برای این تصمیم‌گیرندگان فراهم می سازد. رویکرد معرفی‌شده در این پژوهش ابتدا با خوشه‌بندی شرکت ها در خوشه متناسب درمانده مالی و غیر درمانده به کمک روش شبکه عصبی مصنوعی، نگاشت خودسازمان‌ده (SOM) اقدام و سپس با بهره‌گیری از روش تحلیل پوششی داده‌ها مبتنی بر بدترین عملکرد (WPF-DEA) نسبت به پیش‌بینی پویا درماندگی مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادر تهران اقدام گردید. با بهره‌گیری از روش یادشده 105 شرکت ارزیابی گردید و نتیجه ناکارایی این شرکت‌ها در طول 5 دوره زمانی از سال 1395 الی 1399 پیش‌بینی شد. مدل تحلیل پوششی داده‌های پویا مبتنی بر بدترین عملکرد، توان ارزیابی ناکارایی واحدهای مورد بررسی اعم از شرکت‌های عضو سازمان بورس و اوراق بهادار را دارا است. تحلیل پوششی داده‌ها توانسته است به‌صورت موفقیت‌آمیزی درماندگی مالی شرکت‌ها را به‌عنوان واحدهای تصمیم ناکارا شناسایی نماید پرونده مقاله