محمود موسوی شیری؛ صادق بافنده ایماندوست؛ محمد بلندرفتار پسیخانی
چکیده
با توجه به تاثیرات درماندگی مالی شرکت ها بر گروه های ذینفع، همواره ارائه الگوهای پیش بینی درماندگی مالی یکی از جذاب ترین حوزه ها در تحقیقات مالی بوده است. در سال های اخیر و پس از رخ دادن بحران مالی جهانی، تعداد شرکت های ورشکسته افزایش یافته است. از آن جا که درماندگی مالی شرکت ها مقدمه ورشکستگی آنهاست، لذا استفاده از نسبت های مالی برای ...
بیشتر
با توجه به تاثیرات درماندگی مالی شرکت ها بر گروه های ذینفع، همواره ارائه الگوهای پیش بینی درماندگی مالی یکی از جذاب ترین حوزه ها در تحقیقات مالی بوده است. در سال های اخیر و پس از رخ دادن بحران مالی جهانی، تعداد شرکت های ورشکسته افزایش یافته است. از آن جا که درماندگی مالی شرکت ها مقدمه ورشکستگی آنهاست، لذا استفاده از نسبت های مالی برای پیش بینی درماندگی مالی، مورد توجه هر چه بیشتر دانشگاهیان و همچنین بنگاه های اقتصادی و نهادهای مالی قرار گرفته است.
گر چه، در سال های اخیر در کشور ما نیز تحقیقات انجام شده بر روی پیش بینی درماندگی مالی شرکت ها رو به افزایش است، با این حال بیشتر تلاش های صورت گرفته به استفاده از روش های سنتی آماری معطوف شده و تنها در تعداد کمی از پژوهش ها از روش های ناپارامتری استفاده شده است. نتایج تحقیقات انجام شده در سال های اخیر حاکی از آن است که روش های یادگیری ماشینی عملکرد بهتری را نسبت به روش‌های سنتی آماری دارا می باشند.
در این پژوهش از روش k نزدیک ترین همسایه برای پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1386-1384 استفاده شده است. نتایج حاکی از آن است که روش مذکور با دقت خوبی قادر به پیش بینی درماندگی مالی شرکت ها می باشد.
