عنوان پایان‌نامه
استفاده از مدل تحلیل مالی مرکب برای پیش بینی شکست کسب و کار در صنایع پذیرفته شده در بورس
- رشته تحصیلی
- مدیریت بازرگانی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس قم شماره ثبت: 00256;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 45693
- تاریخ دفاع
- ۱۷ شهریور ۱۳۸۹
- دانشجو
- پروانه پیرانی
- استاد راهنما
- غلامرضا جندقی
- چکیده
- چکیده ورشکستگی شرکت ها منجر به هدر رفتن منابع و عدم بهره گیری از فرصت های سرمایه گذاری می شود. الگوهای پیش بینی ورشکستگی یکی از ابزار های برآورد وضع آینده شرکت هاست .پیش بینی ورشکستگی با ارائه هشدارهای لازم می تواند شرکت ها را نسبت به وقوع این امر هوشیار نماید تا آنها با توجه به این هشدارها، به اقدام های مناسب دست بزنند. ضمن اینکه سرمایه گذاران و اعتبار دهندگان تمایل زیادی برای پیش بینی ورشکستگی بنگاه ها دارند، زیرا در صورت ورشکستگی هزینه های زیادی به آنها تحمیل می شود. هدف از انجام این پژوهش ارائه مدل تحلیل مالی مرکب با استفاده از شبکه عصبی مصنوعی به منظور پیش بینی ورشکستگی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. یکی از ابزارهای توان مالی شرکت ها استفاده از نسبت های مالی به عنوان متغیر مستقل و به دست آوردن الگوهایی برای پیش بینی ورشکستگی شرکت ها است. به همین دلیل با استفاده از فن دلفی و نظر خبرگان نسبت های مالی در چهار دسته فعالیت، نقدینگی، اهرمی و سودآوری انتخاب و به عنوان متغیر مستقل برای ورشکستگی استفاده گردید. ضمن اینکه مدل استفاده شده در این تحقیق شامل دو نوع تحلیل ایستا و پویا برای ساخت و آموزش شبکه عصبی پس انتشار خطا (BP) است. نتایج حاصله از مدل نشان داد که این مدل با 89% درصد صحت، قابلیت پیش بینی ورشکستگی را دارد. به منظور بررسی اثر تفاوت ناشی از نمونه ها در پیش بینی، از روش معتبرسازی مقطعی استفاده گردید. ضمن اینکه تحلیل حساسیت نیز نشان داد که دسته نسبت های اهرمی، تاثیر بیشتری بر پیش بینی ورشکستگی دارند. در پایان به بانکها، سرمایه گذاران، حسابرسان و سایر ذینفعان توصیه می شود برای ارزیابی شرکت های از الگوهای به دست آمده در پژوهش استفاده کنند
- Abstract
- Abstract Bankruptcy leads to wasting resources and investment opportunities are not implemented as well. Models used for predicating bankruptcy help companies to be aware of what is happening to them and take right actions to avoid bankruptcy. Besides investors, creditors and others shareholders needs to know about bankruptcy situation, because they suffer from the consequent of this event. This research presents a hybrid financial analysis model including static and trend analysis models to construct and train a back-propagation neural network (BPN) model. In general, financial ratios are one of the main inputs to develop the prediction models. A Delphi survey was conducted to gain financial ratio which was categorized in four sections, Operating, profitability, Liquidity, leverage. Regarding to the experimental results, the proposed model is capable of providing high prediction accuracy rate with 98%. Sensitivity analysis shows that leverage ratio have dominant impact on hybrid model for predicting.
