مقايسه معيارهاي تشخيص شركت‌هاي درمانده مالي با استفاده از رگرسيون لجستيك و روش‌هاي هوش مصنوعي

در محيط رقابتي امروز و با تغييرات شرايط بازارها، احتمال درماندگي مالي شركت‌ها افزايش يافته است. در اين شرايط افراد، شركت‌هاي سرمايه‌گذار و سازمان‌هاي مالي تلاش زيادي براي اطلاع از وضعيت فعلي و آتي شركت‌هاي سرمايه‌پذير در جهت محافظت از سرمايه خود انجام مي‌دهند. ارزيابي و تشخيص صحيح وضعيت مالي شركت‌ها و همچنين پيش‌بيني وضعيت مالي آتي آن‌ها نيازمند استفاده از معيارهاي كارآمد با احتمال خطاي كمتر است؛ بنابراين هدف اين پژوهش رتبه‌بندي معيارهاي منتخب در شناسايي بهتر شركت‌هاي درمانده مالي است. بدين منظور پس از بررسي و شناسايي پركاربردترين معيارها و مدل‌هاي تشخيص شركت‌هاي درمانده، با استفاده از آن‌ها شركت‌هاي درمانده «بورس اوراق بهادار تهران» طي سال‌هاي 1384 تا 1396 از شركت‌هاي غيردرمانده (سالم) تفكيك و با استفاده از نتايج حاصل از رگرسيون لجستيك و روش‌هاي هوش مصنوعي و معيارهاي ماده 141 قانون تجارت ايران، آلتمن (1968)، آلتمن (1995) و آسكويت و همكاران (1994) مقايسه شدند. نتايج نشان داد در دوره مورد ­بررسي و در شرايط حاكم بر شركت‌هاي ايراني مستقر در «بورس اوراق بهادار تهران»، معيار آسكويت و همكاران (1994)، بهترين روش براي شناسايي شركت‌هاي درمانده مالي است و معيارهاي آلتمن (1995)، ماده 141 قانون تجارت ايران و آلتمن (1968) در اولويت‌هاي بعدي از لحاظ شناسايي شركت‌هاي درمانده قرار گرفتند.

In current competitive environment, the risk of financial distress of companies has increased, in this situation, individuals and corporations and financial institutions make a lot of effort to learn about the status of Investee companies to protect their capital. The assessment and recognition of the firm's financial condition requires utilizing efficient measures with less error probability, Therefore, the purpose of this study is to compare the different criteria for identifying financially distressed companies. For this purpose, after reviewing and identifying the most important criteria and models for identifying distressed companies from non-distressed corporations, the distressed companies of Tehran Stock Exchange during the years 2006 to 2018 were separated from healthy firms and compared with the results of logistic regression and artificial intelligence methods, Article 141 of the trade law, Altman (1968), Altman (1995) and Asquith et al (1994). The results of this study showed that during the period under review and in the conditions of the Iranian companies based on Tehran Stock Exchange that Asquith et al (1994) criteria is the best way to identify distressed companies and to predict the financial position of companies and the Altman criteria (1995), Article 141 of the trade law and Altman (1968) are among the top priorities in identifying distressed enterprises.