رسول زاده(۱۳۸۰)در سال ۱۳۸۰ رسول زاده در تحقیق خود با عنوان «بررسی کاربرد مدل آلتمن برای تعیین ورشکستگی شرکتهای پذیرفته‌شده در بورس اوراق بهادار تهران»، با استفاده از مدل اصلی z اسکور دو گروه اصلی شرکتهای ورشکسته و غیر ورشکسته را، در صنایع فلزات اساسی و نساجی مورد بررسی قرار داد و به این نتیجه رسید که مدل مورد نظر با ۷۵ درصد اطمینان وضعیت عدم ورشکستگی شرکت‌ها را طی دوره چهار ساله۱۳۷۵ تا ۱۳۷۸ و با ۸۱ درصد اطمینان وضعیت ورشکستگی شرکت‌ها را، قبل از ورشکستگی درست پیش‌بینی نموده است.
تحقیقات خارجی
ریماک و رحمان[۱۶] (۲۰۰۰) در تحقیقی با عنوان اکتساب و ادغام و تأثیر آن بر عملکرد شرکت ها در مالزی به این موضوع پرداخته است. عملکرد مالی ۹۷ شرکت خریدار و ۱۱۷ شرکت هدف مالزیایی در سال های ۱۹۸۸ تا ۱۹۹۲ را مورد بررسی قرار دادند. این تحقیق در پی پاسخگویی به این سوال بود که آیا تصاحب در کشورهای در حال توسعه نظیر مالزی منجر به بهبود عملکرد طرفین معامله می شود یا نه . معیار موفقیت معاملات، جریان نقدی عملیاتی دو سال قبل از تصاحب و ترکیب اطلاعات مالی دو سال پس از انجام معامله بر اساس داده های اطلاعات صورت های مالی شرکت های خریدار و هدف تعریف و محاسبه شده است.بر اساس نتایج به دست آمده، تصاحب در شرکت های مالزی، باعث بهبود جریان نقدی عملیاتی بلندمدت شده است.
گریس و اینگرام (۲۰۰۱) مطالعه‌ای بر روی مدل اولیه Z-Score آلتمن (مدل سال ۱۹۶۸) انجام دادند تا با توجه به اینکه از این مدل امروزه برای ارزیابی سلامت مالی شرکت‌ها استفاده می‌شود، تعیین کنند آیا این مدل هنوز هم به‌صورت مؤثر و کارا عمل می‌کند یا خیر. نتایج این مطالعه نشان داد که دقت پیش‌بینی مدل آلتمن به طول قابل‌توجهی (از ۵/۸۳ به ۸/۵۷%) کاهش‌یافته است.
این امر بیانگر این است که نسبت‌های مالی و مدل‌های ورشکستگی تحت تأثیر عامل زمان قرار دارند و باگذشت زمان ضرایب مدل‌ها باید بار دیگر مورد تجدیدنظر قرار گیرد (گریس و اینگرام، ۲۰۰۱، ۵۰).
دمستز و ویلالونگا (۲۰۰۱) به بررسی رابطه ساختار مالکیت و عملکرد شرکت ها در کشور ترکیه پرداختند. یافته های آنها نشان داد که رابطه معنی داری بین ساختار مالکیت و عملکرد شرکت وجود ندارد. این یافته با این دیدگاه که پراکندگی مالکیت و نیز بازده جبران مزیت که به طور کلی به بررسی این مشکلات می پردازد همخوان است.
فیلوسوفو (۲۰۰۲) :لئونیدو ولادیمیر فیلوسوفو مسئله پیش‌بینی ورشکستگی شرکت‌ها را با ارزیابی همزمان فاصله مدتی که ورشکستگی اتفاق می‌افتد بررسی کردند. دو تا از این فاکتورها کمیت و کیفیت بدهی شرکت ( ) هستند، درحالی‌که دو فاکتور دیگر توانایی پرداخت بدهی ( ) هستند.
:کل دارایی/ تعهدات جاری
ارزش این عامل با نزدیک شدن به ورشکستگی افزایش می‌یابد. این عامل می‌تواند به‌عنوان پیش‌گویی کننده ورشکستگی یک یا دو سال قبل از اینکه ورشکستگی اتفاق بیفتد به کار رود. افزایش تعهدات جاری به‌موجب نزدیک شدن به سررسید بدهی‌های بلندمدت شرکت ایجاد می‌شود. بدهی بلندمدت در سال قبل از تاریخ پرداخت می‌تواند کاهش پیدا کند.
:کل دارایی / سود انباشته
ارزش این عامل درحالی‌که شرکت به ورشکستگی نزدیک می‌شود کاهش می‌یابد. تحقیقات نشان داد که پتانسیل قابل‌ملاحظه‌ای برای پیش‌بینی ورشکستگی شرکت‌ها تا سه سال قبل از اینکه اتفاق بیفتد وجود دارد.
:کل دارایی / سود قبل از بهره و مالیات
یکی از نشانه‌های طبیعی رسیدن به ورشکستگی تقلیل سود شرکت و تغییرات آن به‌سوی زیان است. این‌همه نوع سودی را شامل می‌شود (عملیاتی، ناخالص، خالص). سودهای شرکت در این مواقع به دلیل زیان‌های غیرطبیعی و بعضی مواقع سودهای غیرطبیعی بسیار ناپایدار هستند. ارزش این عامل زمانی که شرکت به ورشکستگی نزدیک می‌شود کاهش می‌یابد.
:کل دارایی / بهره
ارزش این عامل زمانی که شرکت به ورشکستگی نزدیک می‌شود افزایش می‌یابد. پرداخت‌هایی بهره در ۲ تا ۳ سال قبل از ورشکستگی افزایش پیدا می‌کند.
هدف فاکتورهای پیش‌بینی کننده در این تحقیق محاسبه درست آخرین احتمال ورشکستگی است. یک سری اطلاعات از ۲۴ شرکت که منجر به ورشکستگی بین سال‌های ۱۹۸۸ – ۱۹۸۰ شد به‌عنوان ماده تجربی اصلی برای انتخاب فاکتورهای پیش‌بینی، ساختار الگوریتم پیش‌بینی و برآورد قابلیت‌هایشان مورداستفاده قرار گرفت.
صورتحساب سود و زیان و ترازنامه شرکت‌ها و اطلاعات درباره تاریخ احساس وضعیت ورشکستگی جمع‌آوری شد. اطلاعات برای هر شرکت شامل بیش از هفت ترازنامه و صورتحساب سود و زیان سالانه است.
آخرین نسبت به تاریخ کمتر از یک سال قبل از تاریخ ورشکستگی است. کارایی متغیرهای قواعد پیش‌بینی در این تحقیق توسعه پیدا کرد و نشان داده شد که در شرایط برابر، آنها بسیار کاراتر از قاعده Z اسکور آلتمن و قواعد محاسباتی آزمون شده هستند.)رهنمای روپشتی،۱۳۸۵ (.
شین، لی وکیم۱[۱۷]۱ در سال۲۰۰۵ با استفاده از ماشین بردار پشتیبان، مدلی را برای پیش‌بینی ورشکستگی مطرح کردند. آنها عملکرد مدلشان را با عملکرد شبکه‌های عصبی مصنوعی مقایسه نمودند. مطالعه آنها نشان داد که ماشین بردار پشتیبان هم ازنظر تعمیم‌پذیری وهم ازنظر دقت کلی مدل، عملکرد بهتری دارد. برای انجام این پژوهش آنها از۱۰ نسبت مالی بین سال‌های ۱۹۹۶ تا۱۹۹۹ استفاده نمودند)رهنمای روپشتی،۱۳۸۵ (.
پومپ و بیلدریک (۲۰۰۵) به مطالعه پیش‌بینی ورشکستگی شرکت‌هایی با اندازه متوسط و کوچک با استفاده از روش تحلیل تمایز چندگانه و شبکه‌های عصبی پرداختند. مدل آنها شامل ۴۷۶ شرکت ورشکسته و ۱۵۰۰ شرکت غیر ورشکسته بود. آنها از ۷۳ متغیر اولیه (نسبت‌های مالی) استفاده کردند و این تعداد را به کمک روش تحلیل عامل به ۴۵ نسبت مالی با واریانس ۷۰% کاهش دادند. آنها نتیجه گرفتند که مدل‌های به‌دست‌آمده برای شرکتهای جوان و شرکتهای با عمر بالاتر باهم تفاوت دارند زیرا پیش‌بینی ورشکستگی شرکتهای جوان دشوارتر است. برخلاف بسیاری از پژوهش‌های انجام‌شده، در مطالعه‌ی آنها اهمیت متغیرها در تحلیل یک یا چند متغیره تفاوت چندانی نداشت)رهنمای روپشتی،۱۳۸۵ (.
آلتونباس[۱۸] (۲۰۰۵) در تحقیقی با عنوان تأثیر ادغام و اکتساب در عملکرد بانک ها به این موضوع پرداخته است. در این تحقیق بانک های تصاحب شده در اروپا در سال‌های ۱۹۹۲تا ۲۰۰۱ ا بررسی شده است. محققین در پی بررسی تأثیر تشابه فعالیت در ادغام و تصاحب بانک ها بوده و تصاحب کنندگان را به دو بخش اروپایی و غیراروپایی تقسیم نموده اند . مهمترین فاکتور مورد بررسی نرخ بازدهی سرمایه بوده است . نتایج نشان می دهد که نرخ بازدهی سرمایه در تصاحب های مرتبط بهبود یافته است .افزایش نرخ بازدهی سرمایه توسط خریداران غیراروپایی بالاتر بوده و از نظر آماری نیز معنی دار بوده است.
کسر (۲۰۰۵)، ارتباط بین میزان و نوع تامین مالی و عملکرد عملیاتی آتی و گذشته ی شرکت‌هایی از بورس نیویورک را مورد بررسی قرار داد که طی سال های ۱۹۶۷ تا ۱۹۹۸ تامین مالی کرده بودند. سنجه های مورد استفاده برای ارزیابی عملکرد عملیاتی پیرامون تامین مالی شامل عرضه اولیه سهام بازده دارایی ها، بازده فروش، نسبت درآمد عملیاتی قبل از استهلاک و بهره بر دارایی ها، نسبت درآمد عملیاتی قبل از کسر استهلاک و بهره بر فروش، نسبت وجه نقد عملیاتی به دارایی ها و نسبت وجه نقد عملیاتی به فروش بود. نتایج بررسی نشان داد که تغییرات در عملکرد عملیاتی شرکت، به طور منظم با میزان و نوع تامین مالی شرکت رابطه دارد. این رابطه برای تغییرات آتی منفی و برای تغییرات قبلی مثبت بود؛ همچنین، تامین مالی از طریق فروش سهام، در مقایسه با سایر منابع تامین مالی مثل بدهی بلند مدت، با تغییرات عملکرد بیشتر رابطه داشت.
چریسدولو[۱۹](۲۰۰۶) در تحقیقی با عنوان بررسی بهبود عملکرد شرکت ها پس از ادغام و اکتساب به این موضوع پرداخته است. در این تحقیق عملکرد پس از تصاحب پنجاه شرکت پذیرفته‌شده در بورس یونان را مورد بررسی قرار دادند. معیارهای بررسی عملکرد در پژوهش مذکور نسبت های حسابداری از قبیل سودآوری؛ نقدشوندگی و بدهی بوده است. نتایج بیانگر این است که نرخ بازدهی دارایی ها و سایر نسبت های سودآوری پس از تصاحب کاهش یافته و از نظر آماری معنی دار بوده است . نسبت های نقدشوندگی و بدهی کاهش قابل ملاحظه ای نداشته است.
چنگ (۲۰۰۶) مدل پیش‌بینی درماندگی مالی را که ترکیبی از روش‌های یادگیری شبکه‌های عصبی و تحلیل لاجیت می‌باشد ارائه داد. او روش تابع شبکه‌ای اساسی شعاعی[۲۰] را برای ایجاد مدل پیش‌بینی به کاربرد. در این مطالعه، عملکرد بهتر RBFN پیشنهادی با تحلیل سنتی لاجیت شبکه‌های عصبی مقایسه شده است. در این تحقیق از ۷ متغیر توضیحی (۳ متغیر کمی و ۴ متغیر کیفی) استفاده‌شده است. جامعه آماری مورداستفاده او ۶۴ شرکت تایوانی موجود در بورس اوراق بهادار بود که در فاصله بین سال‌های ۱۹۹۶ تا ۲۰۰۴ با درماندگی مالی مواجه بودند. نتایج نشان داد که مدل RBFN پیشنهادی نسبت به دو مدل دیگر در صحت و دقت پیش‌بینی برای داده‌های نامشخص برتری دارد (چنگ، ۲۰۰۶، ص ۵۸۰)[۲۱].
کوچران و همکاران، (۲۰۰۶) با استفاده از تکنیک Cox PH، ورشکستگی را بین شرکتهای اینترنتی بررسی کردند. نتایج پژوهش آنها نشان داد که، پارامترهای سود خالص به‌کل دارایی‌ها، جریان وجه نقد به‌کل بدهی‌ها و کل دارایی‌ها سه عنصر کلیدی در پیش‌بینی ورشکستگی شرکت‌ها هستند. علاوه بر این، آنها متوجه شدند که برای یک سال قبل از ورشکستگی، نقدینگی مهمترین معیار جهت پیش‌بینی ورشکستگی می‌باشد، درحالی‌که برای سه سال قبل از ورشکستگی سودآوری پارامتر مهم‌تری برای پیش‌بینی ورشکستگی است. آنها از داده‌های ۲۲۵ شرکت در دوره‌ی ۱۹۹۷-۲۰۰۱ استفاده کردند که شامل ۲۶ شرکت ورشکسته بود. علاوه بر آن، آنها جهت تدوین مدل خود هم از متغیرهای بازار و هم از نسبت‌های حسابداری استفاده کردند[۲۲]. (کوچران و دیگران،۲۰۰۶، ص۱۱۹۳)
تی ساکوناس و همکارانش (۲۰۰۶) در کار تحقیقاتی خود، استفاده بهینه از سیستم‌های هوشمند ترکیبی را برای حل مسائل طبقه‌بندی ورشکستگی نشان می‌دهند. هدف از این مطالعه یافتن طرح طبقه‌بندی توانا برای پیش‌بینی ورشکستگی است. در این تحقیق، کاربرد شبکه‌های منطقی عصبی به‌وسیله‌ی برنامه‌ی ژنتیک ارائه می‌شود. فرآیند برنامه‌ریزی ژنتیک به‌وسیله‌ی دستور آزاد از محتوا[۲۳] و رمزگشایی غیرمستقیم از شبکه‌های منطقی عصبی در داخل برنامه‌ریزی ژنتیک هدایت می‌شود. نتایج نشان داد که متدولوژی پیشنهادی آنها نسبت به سایر روش‌ها بهتر عمل می‌کند (تی ساکوناس، ۲۰۰۶، ۳۰)[۲۴].
چونگ هو (۲۰۰۸) در مطالعه خود پرسپترون چندلایه را با روش تصمیم‌گیری غیر جمعی ترکیبی کرده و آن را برای تحلیل درماندگی مالی به‌کاربرده است. او از ۱۲۹ نمونه استفاده کرده که ۶۵ تای آنها ورشکسته‌اند. ۵ متغیر مورداستفاده‌ی ایشان عبارت‌اند از: سرمایه در گردش به‌کل دارایی‌ها، سود انباشته به‌کل دارایی‌ها، سود قبل از بهره و مالیات به‌کل دارایی‌ها، ارزش بازار حقوق صاحبان سهام به‌کل بدهی و فروش به‌کل دارایی‌ها. نتایج نشان می‌دهد که مدل پیشنهادی او بهتر عمل می‌کند (چانگ هو، ۲۰۰۸، ص ۳۸۳)[۲۵].
وو، لیانگ و یانگ (۲۰۰۸) روش شبکه‌های عصبی احتمال گرا را در تحقیقات خود پیشنهاد دادند. آنها این روش را با تحلیل تمایزی چندگانه مقایسه کردند. در این تحقیق از ۴۸ شرکت عمومی چینی و ۷ نسبت مالی استفاده‌شده است که عبارت‌اند از: نسبت سودآوری، نسبت کل بدهی به‌کل دارایی، نسبت موجودی کالا، نسبت حسابهای دریافتنی، گردش کل دارایی‌ها، شاخص سود و شاخص جریانات نقدی، نتایج نشان می‌دهد که هم روش شبکه‌های عصبی احتمال گرا و هم روش تحلیلی ممیزی چندگانه طبقه‌بندی‌های خوبی را ارائه می‌دهند ولی نسبت به تحلیل ممیزی چندگانه، روش شبکه‌های عصبی دقت پیش‌بینی بیشتری دارد و مستلزم نرمال بودن چند متغیره داده‌ها نیز نمی‌باشد. (وو و همکاران، ۲۰۰۸، ص ۲۰۶)[۲۶].
دمیترو وپریم جین (۲۰۰۸)، محتوای اطلاعاتی تغییرات اهرم مالی را در ارتباط با عملکرد عملیاتی شرکت ها مورد آزمون قرار دادند و در نهایت به این نتیجه دست یافتند که ای متغیر دارای ارزش مربوطی بیش از سود، جریانات نقدی عملیاتی و اقلام تعهدی حسابداری شرکت برای تشریح بازده سهام است. همچنین آنها به این نتیجه رسیدند که بین تغییرات اهرم مالی با تغییرات در سود و تغییرات در جریان وجوه نقد عملیاتی ارتباط قوی منفی وجود دارد.
جرمایس(۲۰۰۸) در تحقیقی اثر نسبی استراتژی تجاری را بر ارتباط بین اهرم مالی و عملکرد شرکت بررسی نموده است. او به این نتیجه رسیده است که بین اهرم مالی و عملکرد یک ارتباط منفی وجود دارد و این ارتباط وقتی استراتژی انتخاب شده شرکت، استراتژی تمایز محصول بجای استراتژی رهبری هزینه باشد منفی تر خواهد بود.
فانگ و همکاران در سال (۲۰۰۹) به بررسی ارتباط بین نقدشوندگی و ارزش شرکت در ۲۶۴۲شرکت عضو بازار آمکس، نیز و نزدک به مدت ۶ سال پرداختند. آنها این ارتباط را با اثر نقدشوندگی، بر نسبت قیمت به سود، معکوس اهرم مالی و بازده عملیاتی تشریح کردند. آنها بر مبنای تئوری نمایندگی معتقدند نقدشوندگی معیاری مطلوب برای سنجش کارائی فعالیت مدیران فراهم آورده وسبب تعیین صحیح پاداش مدیران می شود. آنها همچنین بیان می دارند که نقدشوندگی سهام به دلیل هزینه معاملاتی کمتر سرمایه گذاران آگاه بیشتری را به معاملات جذب می کند و در نهایت سبب می شود تا قیمت سهام به ارزش ذاتی نزدیکتر شده و سرمایه گذاران غیر آگاه بیشتری به معاملات وارد شوندکه این امر منجر به حاکمیت شرکتی بهتر و در نتیجه ارزش بیشتر شرکت می شود. بطور کلی نتایج تحقیق آنها نشان داد بین نقدشوندگی سهام با نسبت سود عملیاتی بر دارائی و میزان حقوق صاحبان سهام در شرکتهای با سطح نقدشوندگی بالاتر رابطه مثبت وجود دارد ولی ارتباطی بین نقدشوندگی در سطوح مختلف و نسبت قیمت برسود عملیاتی وجود ندارد.
هو (۲۰۰۹) در کار تحقیقاتی خود به دنبال توسعه پرسپترون تک لایه بر مبنای الکتر برای مسائل طبقه‌بندی چند معیار بر اساس متدهای الکتر[۲۷] می‌باشد که شامل مقایسات زوجی بین الگوهاست. در این تحقیق، از متغیرهای زیر استفاده‌شده: سرمایه در گردش به‌کل دارایی‌ها، سود انباشته به به‌کل دارایی‌ها، سود قبل از بهره و مالیات به‌کل دارایی‌ها، ارزش بازار حقوق صاحبان سهام به‌کل دارایی‌ها و فروش به‌کل دارایی‌ها. نتایج نشان می‌دهد که مدل پیشنهادی نسبت به روش‌های طبقه‌بندی مشهور مانند روش‌های آماری و یادگیری ماشینی، بهتر عمل می‌کند (هو، ۲۰۰۹، ص ۳۱۵۰)[۲۸].
بروتون و همکاران (۲۰۱۰) در تحقیق به بررسی تمرکز مالکیت و عملکرد آنها پرداختند. آنها با بررسی شرکت‌هایی که تحت عرضیه اولیه عمومی در انگلستان و فرانسه بودند به این نتیجه رسیدند که تأثیر سرمایه گذاران بر عملکرد شرکت از نوع سرمایه گذاران خصوصی تأثیر بیشتر نسبت به نوع نهادی و شرکتی دارد.
پرماچندرا و همکارانش (۲۰۱۰) در کار تحقیقاتی خود، تحلیل پوششی داده‌ها را به‌عنوان ابزاری سریع و آسان برای ارزیابی ورشکستگی شرکت در مقایسه با رگرسیون لجستیک معرفی کردند. جامعه آماری مورداستفاده آنها شامل ۵۰ شرکت ورشکسته و ۹۱۰ شرکت غیر ورشکسته در بین سال‌های ۱۹۹۱ تا ۲۰۰۴ می‌باشد. آنها ۹ متغیر (۲خروجی و ۷ ورودی) را در مطالعات خود به کاربردند. نتایج حاصل از این پژوهش نشان می‌دهد که رگرسیون لجستیک در نمونه‌های داخلی بسیار خوب عمل می‌کند درحالی‌که تحلیل پوششی داده‌ها در نمونه‌های خارجی عملکرد خوبی از خود نشان می‌دهد. همچنین مدل تحلیل پوششی داده‌ها در شناسایی شرکتهای ورشکسته بسیار خوب عمل کرد درحالی‌که مدل رگرسیون لجستیک در شناسایی شرکتهای غیر ورشکسته بهتر از DEA عمل می‌کند (پرماچندرا، ۲۰۱۰، ص ۴۱۲)[۲۹].
چن و دو (۲۰۱۰) بر اساس قوانین عملیاتی شرکتهای پذیرفته‌شده در بورس اوراق بهادار تایوان، دامنه تجزیه‌وتحلیل خود را شرکتهای متوقف‌شده و یا معلق شده در نظر گرفتند. آنها در مطالعه خود از نسبت‌های مالی، نسبت‌های غیرمالی و تحلیل عاملی برای استخراج متغیرهای مناسب استفاده کردند. روش‌های مورداستفاده توسط آنها، روش شبکه‌های عصبی مصنوعی و داده‌کاوی[۳۰] بود. نتایج نشان می‌دهد که دقت پیش‌بینی ANN از روش خوشه‌بندی DM بیشتر است.
ریچاردسون و همکاران (۲۰۱۲) در تحقیقی با عنوان بررسی رابطه ورشکستگی بانک‌ها و تأثیر آن بر ورشکستگی شرکت‌ها اذعان دارند که بانک‌ها به‌عنوان محوری‌ترین عامل جهت اتخاذ یک سیستم بهینه کاری برای شرکت‌ها به‌حساب می‌روند. آنها معتقدند که سرمایه‌گذاری مستقیم بانک‌ها در شرکتهای زودبازده عاملی مهم در زمینه سودآوری و فرار از بحران‌های مالی می‌باشد. ضمناً آنها اشاره می‌کنند که با ورشکستگی بانک‌ها نه‌تنها شرکتهای زودبازده روبه‌زوال خواهند رفت، بلکه تمام ساختار اقتصادی جامعه به هم می‌ریزد.
| دانلود متن کامل پایان نامه در سایت jemo.ir موجود است |