موضوع پیش‌بینی ورشکستگی شرکتها، در حوزه پژوهش‌های مالی جذابیت زیادی در بین کارشناسان این امر دارد. با توجه به تاثیری که مشکلات مالی شرکتها بر روی ذینفعان آنها می‌گذارد، همواره ارائه روش‌ها و مدل‌های پیش بینی ورشکستگی و درماندگی مالی یکی از جذاب‌ترین حوزه‌ها در پژوهش‌های امور مالی بوده است.
سرمایه گذاران شرکتها همواره انتظار دارند که سرمایه‌شان از امنیت لازم برخوردار باشد و بازدهای مناسب در مقیاس با ریسکی که کرده‌اند نصیبشان شود؛ و این که بتوانند به موقع بحرانهای مالی شرکتها را پیش بینی کرده و از به خطر افتادن سرمایه‌شان جلوگیری کنند.
محققان در جهت رفع این نیاز تا کنون پژوهشات گسترده‌ای انجام داده‌اند و از روش‌ها و مدل‌های مختلفی برای ارزیابی عملکرد مالی شرکتها و البته پیش بینی ورشکستگی آنها استفاده کرده‌اند، اما به نکته ای که باید توجه کرد این است که هیچ کدام از این روش‌ها به تنهایی کافی نیست و باید از آنها در کنار هم و البته با بهره گرفتن از قضاوت‌های حرفه ای کارشناسان کاربلد (تحلیل‌های فاندمنتال) استفاده شود.
از جمله روش‌هایی که در چند سال اخیر جهت تسهیل فرایند تصمیم گیری‌های مالی بیشتر مورد توجه محققان قرار گرفته، روش تحلیل پوششی داده‌ها است، که البته نتایج قابل قبولی نیز داشته است.
در این پژوهش هدف بررسی توان مدل تحلیل پوششی داده‌ها در پیش بینی ورشکستگی یا به نوعی قرار گرفتن شرکتها (در گروه‌های مختلف) در آستانه ورشکستگی مالی می‌باشد. که در این بین از یک روش آماری با عنوان تکنیک اجزای اصلی برای کاهش بعد ورودی‌های مدل تحلیل پوششی داده‌ها استفاده شده است.
در فصل اول این پژوهش درباره ضرورت موضوع و گزاره های پژوهش بحث شده است، پایه تئوریک و پیشینه پژوهش‌های داخلی و خارجی در فصل دوم مطرح شده است، روش پژوهش و طرق جمع آوری اطلاعات در فصل سوم بیان شده است و درنهایت در فصل چهارم و پنجم نتایج بدست آمده ارائه شده است.
1-1-بیان مسئله
تا کنون پژوهشات زیادی در باب پیش بینی ورشکستگی شرکتها انجام شده است و البته نتایج مختلفی نیز بدست آمده که در بخش پیشینه پژوهش بیشتر در مورد آن بحث می‌شود. اما استفاده از روش‌های جدید و البته مدل‌های قدیمی در قالب‌های جدید، همواره مورد توجه محققان مالی قرار داشته است.
هرچقدر این مدل‌ها ساده‌تر و قابل فهمتر باشند، بیشتر مورد توجه قرار می‌گیرند. یکی ازمدلهایی که اخیرا برای پیش بینی آینده مالی شرکتها بیشتر مورد توجه و استفاده قرار گرفته مدل تحلیل پوششی داده‌ها است که با بهره گرفتن از سنجش کارایی شرکتها، پیش بینی برای آینده شرکت (سالم یا ورشکسته شدن) ارائه می‌کند.
مشکل اساسی در کارهای گذشته این است که همه شرکتها در یک گروه قرار گرفته و مورد تحلیل قرار داده شدند. با توجه به ماهیت DEA[1] که باید تمام اعضای مجموعه ( DMU[2]ها) دارای ماهیت یکسان باشند، این موضوع یکی از ضعف‌های پژوهشات قبلی محسوب می‌شود که در این پژوهش با دسته بندی شرکتها سعی شده تا این مشکل برطرف گردد.
در چنین وضعیتی می‌توان به صورت تفکیک شده قابلیت پیش بینی هر دسته را مورد ارزیابی قرار داد و نتیجه کامل‌تری در مورد ماهیت این مدل در پیش بینی وضعیت مالی شرکتها ارائه نمود.
1-2- اهمیت و ضرورت تحقیق
سرمایه‌گذاران حقیقی و حقوقی تلاش زیادی را برای اطلاع از وضعیت شرکتها، در جهت محافظت از سرمایه خود انجام می‌دهند. کارشناسان مالی باید در جهت رفع این نیاز سرمایه‌گذاران تا حد امکان پژوهشات گسترده‌ای را انجام دهند و مدل‌های متفاوتی برای ارزیابی وضعیت مالی و عملکرد شرکتها ارائه نمایند. اما باید توجه داشت که هیچ یک از روش‌ها یک مدل کامل و بی عیب نیستند و در کنار هر مدلی قضاوت تصمیم گیرنده نیز بسیار مهم است.
ازجمله روش‌هایی که به تازگی جهت تسهیل فرایند تصمیم گیری مالی مورد استفاده قرار گرفته است، روش تحلیل پوششی داده‌ها است. پژوهشات نسبتا کمی علی الخصوص در ایران در زمینه استفاده از این مدل صورت گرفته است و در نتیجه جای پژوهشات بسیاری در باب این مدل خالی است.
امتیاز کارایی بدست آمده از این تکنیک می‌تواند در پیش بینی وضعیت شرکتها، به خصوص ورشکستگی آنها کمک یار تصمیم گیرندگان و کارشناسان مسائل مالی باشد.
1-3-گزاره‌های تحقیق
گزاره‌های این پژوهش که عبارتند از اهداف، سوالات پژوهش در ادامه بیان شده است:
1-3-1- اهداف تحقیق
اهداف اصلی و فرعی این پژوهش عبارتند از:
هدف اصلی:
تعیین کارایی شرکت‌های تولیدی بورس اوراق بهادار تهران در هرکدام از سه گروه طبقه‌بندی شده (صنایع غذایی و دارویی، صنایع فلزی و خودرو سازی و ماشین آلات و صنایع شیمیایی و پتروشیمی) و بررسی توانمندی مدل طراحی شده (مدل تلفیقی DEA و PCA[3]) در پیش بینی ورشکستگی با توجه به کارایی آنها.
اهداف فرعی:
1-تعیین نسبت شرکت‌های ورشکسته پیش بینی شده در صنایع غذایی و دارویی
2-تعیین نسبت شرکت‌های ورشکسته پیش بینی شده در فلزات و خودرو سازی و ماشین آلات
3-تعیین نسبت شرکت‌های ورشکسته پیش بینی شده در صنایع شیمیایی و پتروشیمی
4-ارائه نتایج نهایی در توانمندی مدل در پیش بینی شرکت‌های ورشکسته هر گروه
[1] – Data Envelopment Analysis
[2] – Decision Making Units
[3] – principal component analysis
فرم در حال بارگذاری ...
