بررسی و اولویت بندی متغیرها و اطلاعات مالی و بازار در پیش بینی درماندگی مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 394
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AMSCONF04_085
تاریخ نمایه سازی: 6 اسفند 1395
چکیده مقاله:
رکود اقتصادی و بحران های مالی چند دهه اخیر موجب افزایش اهمیت مفاهیم ورشکستگی و درماندگی مالی شرکت ها در بازارهای سرمایه شده است، لذا محققین تلاش های فراوانی جهت شناسایی متغیرهای تأثیرگذار بر پیش بینی درماندگی مالی نموده اند، که در این میان گروهی تأکید بر متغیرهای حسابداری و گروهی تاکید بر متغیرهای بازار داشته اند و اخیراً ارائه مدل های ترکیبی از اطلاعات بازار و حسابداری نظر برخی از محققین را به خود معطوف نموده است. با این بیان هدف از تحقیق حاضر بررسی قدرت متغیرهای حسابداری در برابر متغیرهای بازار در پیش بینی درماندگی مالی شرکت ها و نیز تبیین مبنای مناسبی از اطلاعات حسابداری و بازار برای پیش بینی درماندگی مالی شرکت ها می باشد. بدین منظور تعداد سیزده متغیر که شامل هشت متغیر حسابداری و پنج متغیر بازار می باشد، برای تعیین درماندگی مالی مورد استفاده قرار گرفت. روش آماری مورد استفاده در پژوهش حاضر رگرسیون لجستیک باینری و دوره زمانی تحقیق از 1383تا 1392 می باشد، در دوره زمانی تحقیق اطلاعات 104 شرکت پذیرفته شده در بورس اوراق بهادار تهران (1040 شرکت- سال) شامل40 شرکت درمانده و 64 شرکت غیردرمانده استفاده شده است. نتایج نشان می دهد که در سطح اطمینان 95% اطلاعات بازار قدرت بیشتری در تخمین درماندگی مالی شرکت ها نسبت به اطلاعات حسابداری دارند، همچنین نتایج نشان داد که ضریب تعیین متغیرهای حسابداری و متغیرهای بازار به شکل مجزا به ترتیب برابر با 12% و 21% بوده و ضریب تعیین مدل ترکیبی برابر با 27% می باشد که بیانگر قدرت تبیین بالاتر متغیرهای بازار نسبت به متغیرهای حسابداری و نیز قدرت بالاتر مدل ترکیبی نسبت به دو مدل دیگر می باشد.
کلیدواژه ها:
نویسندگان
پری خداکریمی
گروه حسابداری، واحد مرند، دانشگاه آزاد اسلامی، مرند، ایران
پرویز پیری
عضو هیئت علمی دانشگاه ارومیه، گروه حسابداری، دانشگاه ارومیه، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :