بخشی از مقاله
چکیده: ورشکستگی آخرین مرحله از حیات اقتصادی شرکتها است و بر همه ذینفعان شرکت تاثیر میگذارد . بنابراین پیش بینی ورشکستگی از اهمیت برخوردار میباشد . استفاده از نسبت های مالی برای پیش بینی درماندگی مالی یا ورشکستگی شرکت ها، همیشه مورد توجه دانشگاهیان و بنگاههای اقتصادی، بویژه بانک ها و سایر نهادهای مالی بوده است .پیش بینی به موقع میتواند تصمیم گیران را در یافتن راه حل و پیشگیری از درماندگی مالی، یاری نماید. همچنین، این مدل ها کاربرد بسیار زیادی در رتبه بندی اعتباری و نحوه توزیع تسهیلات بانکی دارد .همواره سعی شده است تا دقت پیش بینی این مدل ها با استفاده از رو شهای پیشرفته تر بهبود یابد.
در این پژوهش به بررسی سودمندی شاخص های مالی در اندازه گیری درماندگی مالی شرکت و چگونگی برای استفاده از این ویژگی های جهت طراحی راه حل های هوشمند مالی و ارائه به سرمایه گذاران و موسسات مالی جهت پیش بینی سقوط مالی می باشد . این شاخص اهمیت بسزایی به طور قابل توجهی در افزایش خطرات مالی در چهار چوب بحران مالی جهانی فعلی دارند . در این پژوهش هدف اصلی بررسی کارایی استفاده از ماشین بردار پشتیبان - SVM - و الگوریتم ژنتیک در پیش بینی درماندگی مالی شرکت هاو مقایسه این دو مدل می باشد..
مقدمه
استفاده کنندگان از صورت های مالی به ویژه سرمایه گذاران و اعتبار دهندگان علاقه مندند از استمرار فعالیت واحد تجاری درآینده، آگاهی داشته باشند .مدل های ورشکستگی و درماندگی مالی ابزاری مهم جهت تحقق این هدف، به شمار می روند . پژوهشگران تلاش های زیادی برای طراحی مدل های پیش بینی ورشکستگی که دقت بالایی داشته باشد، انجام داده اند .مدل آلتمن یکی از ساده ترین و معروفترین مدل های پیش بینی ورشکستگی است که هر استفاده کننده به راحتی می تواند آن را بکارگیرد .اما ضرایب این مدل در محیط اقتصادی دیگری تعیین شده و ممکن است مناسب محیط اقتصادی ایران نباشد.
بیان مسئله و ادبیات موضوعی پژوهش :
توسعه مدل های پیش بینی درماندگی مالی و ورشکستگی بعنوان یک موضوع مهم، همواره مورد توجه جامعه دانشگاهی و بنگاه های اقتصادی بوده است . پیش بینی درماندگی مالی میتواند اثر مهمی بر تصمیمات مربوط به اعطای تسهیلات و سودآوری نهادهای مالی داشته باشد «Distress»به معنی درد، اندوه، فقدان منابع پولی و در فرهنگ لغات آکسفورد، واژه تنگدستی آورده شده است .
در ادبیات مالی نیز تعاریف مختلفی از درماندگی مالی ارائه گردیده است .گردون در یکی از اولین مطالعات آکادمیک بر روی تئوری درماندگی مالی، آن را به عنوان کاهش قدرت سودآوری شرکت تعریف می کند که احتمال عدم توانایی بازپرداخت بهره و اصل بدهی را افزایش میدهد ویتاکر درماندگی مالی را وضعیتی در نظر می گیرد که در آن جریان های نقدی شرکت از مجموع هزینه های بهره مربوط به بدهی بلند مدت کمتر است.
از نقطه نظر اقتصادی، درماندگی مالی را می توان به زیان ده بودن شرکت تعبیر کرد که در این حالت شرکت دچار عدم موفقیت شده است .در واقع در این حالت نرخ بازدهی شرکت کمتر از نرخ هزینه سرمایه می باشد .حالت دیگری از درماندگی مالی زمانی رخ می دهد که شرکت موفق به رعایت کردن یک یا تعداد بیشتری از بندهای مربوط به قراردادبدهی، مانند نگاهداشتن نسبت جاری یا نسبت ارزش ویژه به کل داراییها طبق قرارداد نمی شود .به این حالت نکول تکنیکی گفته می شود .
حالات دیگری از درماندگی مالی عبارتند از زمانی که جریانات نقدی شرکت برای بازپرداخت اصل و فرع بدهی ناکافی باشد و همچنین زمانی که ارزش ویژه شرکت عددی منفی شود. در این پژوهش ، ملاک درماندگی مالی شرکت ها ، مشمول ماده 141 بودن قانون تجارت می باشد .در قسمتی از این ماده آمده است:" اگر بر اثر زیانهای وارده حداقل نصف سرمایه شرکت از میان برود، هیأت مدیره مکلف است بلافاصله مجمع عمومی فوق العاده صاحبان سهام را دعوت نماید تا موضوع انحلال یا بقاء شرکت مورد شور و رأی واقع شود".
هرگاه مجمع مزبور رأی به انحلال شرکت ندهد، باید در همان جلسه و با رعایت مقررات ماده 6 این قانون، سرمایه شرکت را به مبلغ سرمایه موجود کاهش دهد که درماندگی مالیلزوماً به ورشکستگی منجر نمی شود بلکه اعلام ورشکستگی یکی از پیامدهای آن است کهمعمولاً آخرین راه حل است .شرکت ها برای مقابله با درماندگی مالی می توانند ساختار دهی مجدد انجام دهند. یکی از راه هایی که می توان با استفاده از آن به بهره گیری مناسب ا ز فرصت ها ی سرمایه گذاری و تخصیص بهتر منابع کمک کرد، پیش بینی درماندگی مالی یا ورشکستگی است .
به این ترتیب که اولا ، با ارائه هشدارهای لازم می توان شرکت ها را نسبت به وقوع درماندگی مالی هوشیار کرد تا آنها با توجه به این هشدارها دست به اقدام های مقتضی بزنند و دوم اینکه ، سرمایه گذاران و اعتباردهندگان فرصت های مطلوب سرمایه گذاری را از فرصت های نامطلوب تشخیص دهند و منابعش ان را در فرصت ها ی مناسب سرمایه گذاری کنند .ارزش استفاده از نسبت های مالی در ماجرای ورشکستگی شرکت ها مشخص شده است. بنابراین، پیش بینی درماندگی مالی و ورشکستگی شرکت ها همواره یکی از موضوعات مورد توجه سرمایه گذاران، اعتباردهندگان و دولت ها بوده است .تشخیص به موقع شرکت هایی که در شرف دچار شدن به درماندگی مالی هستند، بسیار مطلوب است.
مروری بر پیشینه پژوهش
با توجه به اهمیت پیش بینی درماندگی مالی و ورشکستگی، پژوهشهای بسیاری در این زمینه در خارج از کشور وتعدادی در داخل کشور انجام گرفته است و پژوهشهای برخی از پژوهشگران به ارایه مدلی برای پیش بینی ورشکستگی منجر شده که هر کدام از این مدلها با درصدی اطمینان توانایی پیش بینی ورشکستگی شرکت ها را دارند. اولین پژوهشهای انجام شده در مورد پیش بینی ورشکستگی توسط چارلز مروین درسال 1942 انجام شد وی الگویی با 3 متغیر سرمایه در گردش به کل داراییها، ارزش ویژه به کل بدهیها و نسبت جاری ارایه داد . سپس ویلیام بیور برای بررسی توان نسبتهای مالی در پیش بینی درماندگی مالی، از تجزیه وتحلیل تک متغیره استفاده کرد. او در این تجزیه و تحلیل بیشتر از نسبتهایی استفاده کرد که مربوط به جریانات نقدی میشدند. مدل او قادر بود در 78 درصد موارد، پیشبینی درستی در 5 سال قبل از درماندگی مالی ارایه دهد .
در سال 1966، ویلیام بیور برای بررسی توان نسبتهای مالی در پیش بینی درماندگی مالی، از تجزیه و تحلیل یک متغیری استفاده کرد . او در این تجزیه و تحلیل بیشتر از نسبتهایی استفاده کرد که مربوط به جریانات نقدی می شدند. در این پژوهش، بیور عدم توانایی شرکت به انجام تعهدات مالی اش را به عنوان درماندگی مالی تعریف کرد. در این تحقیق، بیور 30 نسبت مالی را که تصور می کرد بهترین شاخص برای سلامت مالی یک شرکت هستند انتخاب کرد.
سپس این نسبتها را به شش گروه تقسیم کرد . این شش گروه عبارت بودند از: نسبتهای مربوط به جریان نقدی، نسبتهای بدهی به کل داراییها، نسبتهای داراییهای نقد شونده به کل دارایی ها، نسبتهای داراییهای نقد شونده به بدهیهای جاری، نسبتهای فعالیت - گردش - و نسبتهای سود خالص اهن و کیم - - 2002 به طور همزمان از الگوریتم ژنتیک - GA - و استدلال مبتنی بر موضوع - CBR - استفاده کردند و آن را OCBR نامیدند. این مدل ترکیبی سنجش ویژگی را به طور همزمان مطلوب میکند و نتایج نشان میدهد، دقت پیش بینی استدلال مبتنی بر موضوع - CBR - متداول میتواند به طور معناداری با استفاده از این مدل ترکیبی بهبود یابد.
