نتایج

تک متغیری

۱۹۳۰-۱۹۶۶

Vinakor & Reymond در پژوهشات خود در سال ۱۹۳۰ به این نتیجه رسیدند که نسبت سرمایه در گردش به کل دارایی‌ها بهترین راه برای تشخیص ورشکستگی است، در سال‌ها بعد ضمن تایید نتایج پژوهش ریموند، استفاده از نسبت‌های جاری و نسبت جریان نقدی به بدهی‌ها هم راه مناسبی برای پیش بینی ورشکستگی، تشخیص داده شد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

تحلیل تشخیصی چندگانه

۱۹۶۸-۲۰۰۱

مهم‌ترین پژوهش صورت گرفته در این زمینه، مدل آلتمن (ZScore) در سال ۱۹۶۸ بود که به آن اشاره شد و هم اکنون هم از آن برای پیش بینی استفاده می‏شود، همچنین با پژوهشات صورت گرفته در سال‌های ۱۹۷۲ تا ۱۹۷۴ شان داده شد تا ۵ سال قبل از وقوع تا ۷۰ درصد دقت می‌توان شرکت‏های درمانده را پیش بینی کرد، در این پژوهشات از ۷ تا ۱۴ متغیر که نسبت‌های مالی بوده‏اند استفاده گردیده بود، در سال ۱۹۷۷ توسط Deakin نشان داده شد که علاوه بر ترکیبات خطی از ترکیبات غیر خطی هم می‌توان با دقت ۸۳ درصد یک سال قبل از وقوع درماندگی را پیش بینی نمود. ارائه مدل زتا توسط آلتمن و همکاران در سال ۱۹۷۷که نشان داد ترکیبات خطی نتایج بهتری نسبت به ترکیبات درجه ۲ ارائه می‏کنند. همچنین Grica&Ingram در سال ۲۰۰۱ بیان کردند که ضرایب آلتمن با تغییر زمان و مکان باید به هنگام شود.

تحلیل لوجیت و پروپیت

۱۹۷۷-۲۰۰۰

مارتین در سال ۱۹۷۷ نخستین محققی بود که از این روش استفاده کرد و با بررسی ۵۸ بانک که از سال ۱۹۷۰ تا ۱۹۷۶ ورشکسته شده بودند با دقت ۸۷ درصد پیش بینی را انجام داد. از بیشتر پژوهشاتی که با این روش انجام شده نتایج مشابهی بدست آمده است، قابل ذکر است Lennox در سال ۱۹۹۹ ادعا کرده است که این روش نتایج بهتری نسبت به روش تحلیل تشخیصی ارائه می‏نماید.

الگوریتم افزار بازگشتی

۱۹۸۵-۲۰۰۱

فریدمن و همکاران در پژوهش خود در سال ۱۹۸۵ بیان کردند که در ۸۹ درصد در طبقه بندی کل شرکت‏ها، مدل مبتنی بر الگوریتم افزار بازگشتی بهتر از تحلیل تشخیصی عمل می‏نماید. Sung و همکاران در سال ۱۹۹۹ به این نتیجه رسیدند که مدل مبتنی بر الگوریتم افزار بازگشتی در شرایط عادی و بحران اقتصادی ۸۳ و ۸۱ درصد از موارد درست عمل می‏کند در حالی که مدل تحلیل تشخیصی در شرایط عادی و بحرانی ۸۲ و ۸۰ درصد دقت دارد.

شبکه های عصبی مصنوعی

۱۹۹۰ تا کنون

در پژوهشاتی که در حد فاصل سال‌های ۱۹۹۰ تا ۱۹۹۳ انجام توسط Odom&Shrarda و Salchengereger و Coastes&Fant و Tam&Kiang صورت گرفت نشان داده شده که مدل‌های مبتنی بر شبکه عصبی عملکرد بهتری نسبت به روش‌های قبلی دارند. و در پژوهش سال ۱۹۹۷ Serrano&Cinca روش شبکه عصبی تا ۹۴ درصد شرکت‏های ورشکسته، یک سال قبل از وقوع را پیش‌بینی نمود.

تحلیل پوششی داده‏ها

۱۹۹۴ تا کنون

از سال ۱۹۹۴ که برای اولین بار توسط فرناندز و اسمیت به عنوان یک روش مکمل مورد استفاده قرار گرفت تا کنون پژوهشاتی در زمینه توان این مدل صورت گرفته است که به طور کامل در جدول ۲-۲ تشریح شده است و به نوعی جدیدترین مدل مورد استفاده برای پیش بینی ورشکستگی است.

از سال۱۹۹۴ مدل تحلیل پوششی داده‌ها نیز به مدل‌های پیش بینی ورشکستگی اضافه شد و معلوم شد که این مدل به عنوان مکمل می‌تواند مدل خوبی برای پیش بینی ورشکستگی در کنار روش‌های دیگر مانند رگرسیون قرار گیرد(فرناندز، ۱۹۹۴) و در سال ۲۰۰۴ این مدل به طور مستقل برای پیش بینی مورد استفاده قرار گرفت و دقت بسیار خوبی برای پیش بینی ارائه کرد(سیلن، ۲۰۰۴)
پس از آن، مدل‌های تحلیل پوششی داده‌ها که پیش از این فقط برای سنجش کارایی مجموعه های یکسان مورد استفاده قرار می‌گرفت با توجه به دقت بالایی که در پیش بینی ورشکستگی در پژوهشات اولیه ارائه کرد و با توجه به مزایایی که داشت بیش از گذشته مورد توجه قرار گرفت. در ادامه پژوهشات انجام شده در زمینه پیش بینی ورشکستگی با بهره گرفتن از DEA در خارج از کشور ارائه شده است:
جدول ۲-۲-تحقیقات پیشین خارجی

ردیف

عنوان

نویسنده

سال و محل انتشار

موضوع مورد بررسی