اعتبارسنجی الگوریتم‌های هوش مصنوعی در پیش‌بینی درماندگی مالی در بخش صنعت و معدن با تأکید بر نقش متغیرهای کلان اقتصادی، مالی، مدیریتی و ریسک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری حسابداری واحد تهران جنوب دانشگاه آزاد اسلامی ،تهران ،ایران

2 دانشیار کروه حسابداری ، واحد تهران جنوب، دانشکاه ازاد اسلامی، تهران، ایران

چکیده

تحلیل درماندگی مالی یک پدیده با اهمیت برای سرمایه‌گذاران، اعتباردهندگان و سایر استفاده‌کنندگان از اطلاعات مالی محسوب می‌شود. تعیین احتمال درمانده شدن یک شرکت قبل از بروز درماندگی یک موضوع بسیار جالب و جذاب محسوب می‌شود و می‌تواند هم برای مدیران و هم برای سرمایه‌گذاران و اعتباردهندگان مفید واقع شود. در این پژوهش با استفاده از اطلاعات 1350 شرکت سال طی دوره 1387 الی 1395 در بخش صنعت و معدن بازار سرمایه ایران به بررسی عوامل مؤثر بر درماندگی مالی و پیش‌بینی آن به‌وسیله الگوریتم‌های هوش مصنوعی (روش درخت تصمیم، ماشین‌بردار پشتیبان و طبقه‌بندی بیز) با استفاده از نرم‌افزار متلب 2017 پرداخته است. نتایج تحقیق حاکی از تأثیر مستقیم تورم و ریسک مالی و تأثیر معکوس نسبت مدیران غیرموظف، بازده سالانه سهام و نسبت وجه نقد عملیاتی بر درماندگی مالی می‎باشد. همچنین نتایج نشان می‌دهد که الگوریتم درخت تصمیم با استفاده از داده‌های مالی و اقتصادی کارایی بالاتری نسبت به روش طبقه‎بندی بیز و ماشین بردار پشتیبان در جهت پیش‌بینی درماندگی مالی دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Validation of Artificial Intelligence Algorithms in Predicting Financial Distress in the Industrial and Mining Sector with Emphasis on the Role of Macroeconomic, Financial, Managerial and Risk

نویسندگان [English]

  • seyed hesam vaghfi 1
  • roya darabi 2
1 phd student
2 Associate Prof., Department of Accounting, Islamic Azad University, South Tehran Branch,Tehran, Iran
چکیده [English]

 
Predicting financial distress is an important phenomenon for investors, creditors and other users of financial information. Determining the probability of a company’s distress before occurrence of distress and bankruptcy is considered a very interesting and attractive subject and can be useful for both managers, and investors and creditors. In this study, using the data of 1350 year- company during the period 2008 to 2016 in industry and mining sector in Iran, the factors affecting financial distress and predicting it through Intelligence Algorithms methods (decision tree, support vector machine, and Bayes classification methods) have been studied. The results of the study indicate direct impact of financial risk and inflation, and inverse` impact of the ratio of non-executive directors, stock returns, and the ratio of operating cash flow on financial distress. The results also show that decision tree method, using financial and economic data, has higher efficiency in predicting financial distress compared to Bayes classification method and support vector machine.

کلیدواژه‌ها [English]

  • Financial Distress / Artificial Intelligence / Industrial and Mining Sector
احمدی، سید شریف (1395).»بررسی رابطه بین حاکمیت شرکتی و ریسک سیستماتیک با درماندگی مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران». پایان‌نامه کارشناسی ارشد.
آهنگری، مهناز (1390). "به‌کارگیری الگوریتم درخت تصمیم جهت پیش‌بینی شرکت‌های ورشکسته و غیر ورشکسته پذیرفته‌شده در بورس اوراق بهادار تهران». اولین کنفرانس ملی دانش‌پژوهان کامپیوتر و فناوری اطلاعات، تبریز، دانشگاه تبریز.
پورحیدری، امید و کوپائی‌حاجی، مهدی (1389). «پیش‌بینی بحران مالی با استفاده از مدل مبتنی بر تابع تفکیکی خطی». پژوهش حسابداری مالی، شماره 1، پیاپی (3)، صص 46-33.
پیام، محمدامین (1391)؛.»بررسی تأثیر متغیرهای کلان اقتصادی بر ریسک ورشکستگی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران». پایان‌نامه کارشناسی ارشد، دانشگاه شیراز - دانشکده اقتصاد و علوم اجتماعی.
پیرایش، رضا؛ داداشی آرانی، حسن و برزگر، محمدرضا (1396). «ارائه مدل ریاضی پیش‌بینی ورشکستگی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران». تحقیقات حسابداری و حسابرسی، دوره 8، شماره 31، تابستان 1396، صص 200-187.
تقوی، مهدی و پورعلی، محمدرضا (1389). «بررسی و تحلیل نسبت‌های مالی در تشخیص سطوح مختلف سلامت مالی واحدهای تولیدی ایران». مطالعات مالی، شماره 8، صص 59-23.
راعی، رضا و فلاح‌پور، سعید (1387). «کاربرد ماشین بردار پشتیبان در پیش‌بینی درماندگی مالی شرکت‌ها با استفاده از نسبت‌های مالی». بررسی‌های حسابداری و حسابرسی، دوره 15، شماره 53 صص 34-17.
 راموز، نجمه و محمودی، مریم  (1396). «پیش‌بینی ریسک ورشکستگی مالی با استفاده از مدل ترکیبی در بورس اوراق بهادار تهران». راهبرد مدیریت مالی، سال پنجم، ش. 16، بهار 1396، صص 75-51.
رحیمیان، نظام‌الدین و توکل‌نیا، اسماعیل (1392). «اهرم مالی و ارتباط آن با درماندگی مالی و فرصت‌های رشد در شرکت‎های پذیرفته‌شده در بورس اوراق بهادار تهران (روابط خطی و انحنایی)». فصلنامه حسابداری مالی، شماره 5 پیاپی 20 صص 129-108.
ستایش، محمدحسین و منصوری، شعله (1393). «بررسی مقایسه‌ای سازوکارهای حاکمیت شرکتی در شرکت‏های درمانده و غیر درمانده مالی پذیرفته‌شده در بورس اوراق بهادار تهران». تحقیقات مالی حسابداری، مقاله 6، دوره 16، شماره 1، بهار 1393، صص 112-99.
سعیدی، علی و آقایی، آرزو (1388). «مروری بر روش‌ها و مدل‌های پیش‌بینی ورشکستگی». دانش و پژوهش حسابداری، بهار 1388، دوره 16 شماره 3 صص 78-59.
سلیمانی، اعظم و معماریان، شجاع (1391). «رابطه سود اقتصادی و سود حسابداری با حقوق صاحبان سهام در شرکت‌های برتر پذیرفته‌شده در بازار سرمایه تهران». مجله اقتصادی – دوماهنامه بررسی مسائل و سیاست‌های اقتصادی، شماره 7 و 8، مهر و آبان، 1391، صص 92-75.
صادقی، حسین؛ رحیمی، پریسا و سلمانی، یونس (1392). «تأثیر عوامل کلان اقتصادی و نظام راهبری درماندگی مالی شرکت تولیدی‌های پذیرفته‌شده در بورس اوراق بهادار تهران». دو فصلنامه اقتصاد پولی، مالی (دانش و توسعه سابق)، دوره جدید، سال بیست ویکم، شماره 8، پاییز و زمستان، 1392، صص 127-107.
طارمی، کامران (1393). «بررسی تأثیر متغیرهای کلان اقتصادی بر درماندگی مالی شرکت‌های بورس اوراق بهادار تهران». مورد مطالعه شرکت‌های صنایع دارویی، پایان‌نامه کارشناسی ارشد مدیریت، دانشگاه آزاد اسلامی واحد ابهر.
طالب‌نیا، قدرت‌اله و شجاع، اسماعیل (1390). «رابطه بین نسبت ارزش افزوده بازار (MVA) به سود حسابداری و نسبت ارزش افزوده اقتصادی (EVA) به سود حسابداری در شرکت‌های پذیرفته‌شده». فصلنامه حسابداری مدیریت، دوره 4، شماره 8، صص 60-47.
طالب‌نیا، قدرت‌اله؛ جهانشاد، آزیتا و پورزمانی، زهرا (1388).” ارزیابی کارایی متغیرهای مالی و متغیرهای اقتصادی در پیش‌بینی بحران مالی شرکت‌ها مورد مطالعه شرکت‌های پذیرفته در بورس اوراق بهادار تهران». بررسی‌های حسابداری و حسابرسی، دوره 16، شماره 55، صص 84-67.
فدایی‌نژاد، محمداسمعیل؛ شهریاری، سارا و سلیم، فرشاد (1394). «تجزیه‌وتحلیل رابطه‌ی ریسک درماندگی مالی و بازده سهام». بررسی‌های حسابداری و حسابرسی، دوره 22، شماره 2، صص 262-243.
فدایی‌نژاد، محمداسمعیل؛ شهریاری، سارا و سلیم، فرشاد (1394). «معمای رابطه ریسک درماندگی مالی با بازده سهام- در بورس اوراق بهادار تهران». مطالعه تجربی، فصلنامه علمی- پژوهشی مالی مدیریت دارایی و تأمین مالی، سال سوم دوم، شماره 9، تابستان 1394، صص 54-33.
فروغی، داریوش و مظاهری، مرضیه (1392). «بررسی تأثیر اهرم و ریسک درماندگی مالی بر بازده واقعی سهام شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران». فصلنامه حسابداری مالی. 1392، 5 (18) صص 61-46.
قدرتی، حسن و معنوی‌مقدم، امیرهادی (1389). «بررسی دقت مدل‌های پیش‌بینی ورشکستگی (آلتمن، شیراتا، اهلسون، زمیسکی، اسپرینگیت، سی‌ای اسکور، فولمر، ژنتیک فرج زاده و ژنتیک مک کی) در بورس اوراق بهادار تهران”. تحقیقات حسابداری، دوره 2، شماره 7. صص 144-128.
 قسیم عثمانی، محمد؛ جاوید، داریوش و  رحیمی، سعید (1390). «بررسی تأثیر بازدارندگی مکانیزم‌های حاکمیت شرکتی از درماندگی مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران». تحقیقات حسابداری و حسابرسی، شماره 12 صص 19-1.
کمیجانی، اکبر و سعادت‌فر، جواد (1385). «کاربرد مدل‌های شبکه عصبی در پیش‌بینی ورشکستگی اقتصادی شرکت‌های بازار بورس». جستارهای اقتصادی، دوره 3 شماره 6 صص 44-11.
مشایخی، بیتا و گنجی، حمیدرضا (1393). «تأثیر کیفیت سود بر پیش‌بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی». تحقیقات حسابداری مالی و حسابرسی، دوره 6، شماره 22، تابستان 1393، صص 173-147.
مشکی میاوقی، مهدی و ‌هاشمی سعادت، مریم  (1394). «بررسی رابطه حاکمیت شرکتی با احتمال وقوع ورشکستگی در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران». پژوهش‌های حسابداری، دوره 5، شماره 1، تابستان 1394، صص 58-37.
 ملایی، عزت ا... و خزدوزی، بیژن (1394). «تأثیر سطح نقدینگی بر ریسک درماندگی مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران». فصلنامه مدیریت صنعتی دانشکده علوم انسانی، دانشگاه آزاد اسلامی،سال دهم زمستان 1394، شماره 34.صص 88-81.
 
 
Alcock, Jamie and Frank Finn and Kelvin Jui Keng(2010); “The Determinants of Debt Maturity in Australian Firms”. available at:http://ssrn.com/abstract=1728565View issue TOC Volume 52, Issue 2June 2012 Pages. 313–341.
Altman,E.I(1968);”Financial ratios, discriminant analysis and prediction of corporate bankruptcy”. Journal of Finance, Vol 23, pp.589-609.
Bredart, X (2014); “Financial Distress and Corporate Governance around Lehman Brothers Bankruptcy”. International Business Research, Vol 7,No (5),pp.1-8.
Brewer, B. E. and Wilson, C.A., Featherstone, A. M., Harris, J.M., Erickson, K. and Hallahan, (2012); “Measuring the Financial Health of U.S”. Production Agriculture.
Campbell, J., Hilscher, J. & Szilagyi, J. (2008); “In Search of Distress Risk”. Journal of Finance, 63 (6),pp. 2899-2939.
Chang, C. (2009); “The Corporate Governance Characteristics of Financially Distressed Firms: Evidence from Taiwan”. The Journal of American Academy of Business, 15 (1),pp.125-132.
Chen, M.Y. (2011); “Predicting corporate financial distress based on integration of decision tree classification and logistic regression”. Expert Systems with Applications, 38 (9): pp.11261-11272.
Emilia Garcia-Appendini (2017); “Financial distress and corporate investment”, Review of Economics and Statistics, 78 (1), pp.1-15.
Fich, E and Slezak, S. (2008); “Can Corporate Governance Save Distressed Firms from Bankruptcy?”, An Empirical Analysis, Review of Quantitative Finance and Accounting, 30 (2),pp. 225-251.
Hu, H., and Sathye, M (2015); “Predicting Financial Distress in the Hong Kong Growth Enterprises Market from the Perspective of Financial Sustainability”,Sustainability, 7, pp.1186-1200.
Hernandez, M.T, and Wilson, N (2013); “Financial Distress and BankruptcyPrediction among Listed Companies Using Accounting, Market and Macroeconomic Variables”, International Review of Financial Analysis, in Press, Available online 26 February Volume 30, December 2013, Pages. 394-419.
 Kritsonis, Alicia. (2005); “Assessing a firms future financial health”. International Journal of Management,Business, and Administration, volume8, number1, pp.256-280
Kim, C.S, Mauer, D.C, and Sherman, A.E. (1998); “The determinants of corporate liquidity”. Theory and evidence. Journal of Financial and Quantitative Analysis. 33, pp.305 -334
Li, Zhiyong ., Jonathan N. Crook., & Andreeva, G. (2015); “Corporate Governance and Financial Distress, a Discrete Time Hazard Prediction Model”. Retrieved from http://ssrn.com/abstract=2635763, pp.1-25
McEnally, R. and Todd, R. (1993); “Systematic Risk Behavior of Financially Distressed Firms”, Quarterly Journal of Business and Economics, 32 (3),pp. 3-19.
Mokhatab Rafiei, F., Manzari, S.M., & Bostanian, S. (2011); “Financial health prediction models using artificial neural networks, genetic algorithm and multivariate discriminant analysis: Iranian evidence”, Expert Systems with Applications, 38 (8),pp. 10210–10217
Outecheva, N. (2007); “Corporate Financial Distress: An Empirical Analysis of Distress Risk.” University of St, Gallen, Switzerland.
Odom, M. R, Shara. (1990); “Neural Network for Bankruptcy Prediction”, Probs Publishing Company, pp.177-185
Ozkan, A, and Ozkan, N. (2004); “Corporate cash holdings: an empirical investigation of 11- UK companies”, Journal of Banking and Finance. 28, pp.2103- 2134.
Pindado, J., and Rodrigues, L., and de la Torre, C. (2008); “Estimating financial distress likelihood”, Journal of Business Research, 61,pp.995-1003.
ReturnsPengjie Gao Christopher A. Parsons Jianfeng Shen (2017);”Global Relation between Financial Distress and Equity The Review of Financial Studies”. hhx060, https://doi.org/10.1093/rfs/hhx060 Published: 14 June 2017Volume 31 Issue 1 Pages. 239–277.
Robinson, D, and Robinson, M, Sisneros, C. (201 ; “Bankruptcy outcomes:Does the board matter?”. Journal of Advances in Accounting, in Press,Available online 31 July 2012.
Sayari, N., and Mugan, C. S. (2016); “Industry specific financial distress modeling”. Business Research Quarterly, Vol. 20, No. 1, pp. 45-62.
Shimizu, K. (2012); “Bankruptcies of Small Firms and Lending Relationship”. Journal of Banking & Finance, Vol. 36 (3), Pp. 857-870.
Swary, I. (1980); “An Analysis of Risk and Return Characteristics of Corporate Bankruptcy Using Capital Market Data”. Journal of Finance, 35 (4), 1001-1016.
Sun, J., and Jia, M-Y., and Li, H. (2011); “AdaBoost ensemble for financial distress prediction: An empirical comparison with data from Chinese listed companies”. Expert Systems with Applications, 38 (8),pp. 9305-9312.
wing Yu, i., and Ho, F., and Law, E. and Fung, L. (2003); “An Analysis of the Financial Health of Hong Kong Corporations”, feature article Thong Kong Monetary Authority Quarterly Bulletin, pp.1-16.
Zmijewski Mark E. (1984); “Method logical Issues Relate to the Estimation of Financial Distress prediction Models”, Journal of Accounting Research Vol 22 supplement. pp. 59-82.
Zohra, K. F., and Mohamed, B., and Elhamoud, T., and Garaibeh, M., and Ilhem, A., and Naimi, H. (2015); “Using Financial Ratios to Predict Financial Distress of Jordanian Industrial Firms, “Empirical Study Using Logistic Regression”, Academic Journal of Interdisciplinary Studies, 4 (2),pp. 137-142.