مقايسه قدرت پيش بيني الگوهاي ورشكستگي زاوگين ،زيمسكي و شيراتا در شركت هاي پذيرفته شده در بورس اوراق بهادار تهران

The Comparison of Bankruptcy Predicting Power Models by Zaougin, Zmijewski and Shirata in Tehran Stock Exchange

پيش بيني ورشكستگي پديده اي است كه مورد توجه فزاينده سرمايه گذاران ، بانكها و موسسات مالي و اعتباري قرار گرفته است .از آنجايي كه نشانه هاي بالقوه ورشكستگي ما هها قبل از اينكه ورشكستگي به طور واقعي نمايان گرددقابل درك ميباشد لذا پيش بيني به موقع و صحيح اين بحران فرصتي رادر اختيار مديران و اعتبار دهند گان جهت انجام فعاليت هاي بازدارنده قرار مي دهد . هدف ازاين پژوهش، تعيين ميزان كارايي الگو هاي زاوگين ،زيمسكي و شيراتا است . در اين تحقيق ابتدا براي بررسي صحت تفكيك دو نمونه ورشكسته و غير ورشكسته با استفاده از آزمونF ، ميانگين متغير هاي مستقل دو نمونه بررسي و سپس براي بررسي تفاوت اهميت متغير هاي مستقل الگو ها از آزمون بزرگي همبستگي درون گروهي بين متغيرها استفاده شد.گزينش الگو و برازش متغير ها با معيار خطاي كمتر و آزمون معني دار بودن همبستگي انجام گرفت.در تحقيق ازدوروش آماري تحليل تمايزي و رگرسيون لجستيك ( به سه روش اينتر ،پيش رونده و پس رونده)استفاده گرديد؛ نتايج حاكي از از دقت 98.6 درصد الگوي شيراتا ،87 درصد الگوي زاوگين و 89.6 درصد الگوي زيمسكي در انطباق با شرايط محيطي ايران مي باشد.

Bankruptcy anticipation is a phenomenon which has been increasingly favored by investors, banks and financial and credit institutes. Since the potential signs of bankruptcy would be understood a few months before the real appearance of it, so the timely and accurate anticipation of this crisis will give the opportunity to managers and creditors in order to adopt preventable activities. The aim of this study was to explore the applicability of the Zaougin, Zmijewski and Shirata’s models. Initially, the independent variables of the two samples were investigated, using F test to review the accuracy of segregation of two bankrupted and un-bankrupted samples and then to examine the difference in importance of independent variables models, the magnitude of cooperation in group between variables. Sample selection and suitability of variables with less error criteria and meaningful cooperation test was carried out. Data were run using two statistical difference analysis and logistic regression (in three methods, inter, forward and backward). The results indicate the accuracy of Shirata’s model at 98.6%, Zaougin’s model at 87% and Zmijewski model at 89.6% in accordance with Iran environmental conditions.