CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مقایسه الگوهای پیش بینی اسپرینگیت و آلتمن در پیش بینی امکان ورشکستگی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران

عنوان مقاله: مقایسه الگوهای پیش بینی اسپرینگیت و آلتمن در پیش بینی امکان ورشکستگی شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران
شناسه ملی مقاله: MAVC03_142
منتشر شده در سومین کنفرانس بین المللی اقتصاد،مدیریت،حسابداری با رویکرد ارزش آفرینی در سال 1395
مشخصات نویسندگان مقاله:

محمود همت فر - استاد، دانشگاه آزاد اسلامی، گروه مدیریت مالی، واحد بروجرد، ایران
ستاره گودرزی - کارشناس ارشد، دانشگاه آزاد اسلامی، گروه مدیریت مالی، واحد بروجرد، ایران

خلاصه مقاله:
ورشکستگی به عنوان مقوله ای با اهمیت در مدیریت مالی تلقی می شود. بررسی علل پدیدآورنده ورشکستگی از منظر مالی و تبیین مبانی مالی و مهم تر از همه ارزیابی و پیش بینی ورشکستگی به کمک مدل های رایج بسیار حائز اهمیت است. بحران مالی که باعث ناتوانی موقت شرکت ها در بازپرداخت دیون می شود، قبل از مرحله ی ورشکستگی روی می دهد، لذا با پیش بینی به موقع آن می توان زمان لازم برای عکس العمل ذینفعان رافراهم نمود. در همین راستا، پژوهش حاضر، در پی آن است که بحران مالی را با توجه به اطلاعات حسابداری بدست آمده شرکتهای بورس اوراق بهادار تهران طی سال های 1389 تا ۱۳۹۳ پیش بینی نماید . برای آزمون فرضیه ها در این تحقیق از روش رگرسیونی استفاده شد. در آزمون فرضیه ها از روش آماری تحلیل لجستیک دوطرفه با بهره گیری از نرم افزار SPSS۱۷ و EXcell بهره گیری شده و سپس متغیرهای مورد نظر برای آزمون فرضیه های تحقیق براساس الگوهای نامبرده، محاسبه شدند. برای تحلیل داده های بدست آمده از روش تحلیل پوششی داده ها در کنار الگوی های پیش بینی مشهور اسپرینگیت و آلتمن بهره گیری شده است. نتایج تحقیق حاضر نشان دادند که مدل های پیش بینی اسپرینگیت و آلتمن و مدل تحلیل پوششی داده ها توانایی بالایی در پیش بینی احتمال وقوع ورشکستگی در شرکت های تولیدی بورس اوراق بهادار تهران را داشته و مدل اسپرینگیت بالاترین کارایی را در بورس ایران دارا می باشد.

کلمات کلیدی:
ورشکستگی، بورس اوراق بهادار تهران، مدل اسپرینگیت، مدل پیش بینی آلتمن

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/540566/