الگوی پیش بینی درماندگی مالی به تفکیک صنعت با تعدیل اثر هم خطی

توجه به پیش بینی درماندگی مالی و هزینه های زیادی که بحران مالی به کشور و ذینفعان تحمیل می کند، بسیار اهمیت دارد. در این پژوهش پس از بررسی ادبیات نظری مرتبط با بحران مالی، مدلی برای پیش بینی درماندگی مالی ارائه می شود. براساس مدل مفهومی تدوین شده، سه دسته متغیرهای حسابداری با 49 سنجه، بازار با 10 سنجه و متغیر عمر شرکت به عنوان ابعاد مدل انتخاب شدند. اطلاعات مربوط به این متغیرها برای 219 شرکت تولیدی در طول 11 سال (1398-1387) استخراج و با استفاده از مدل کاکس 23 متغیر معنی دار شناسایی شدند. انتخاب این شرکتها به روش حذفی سیستماتیک صورت گرفت. بدین صورت که شرایطی برای ورود شرکتها به نمونه آماری در نظر گرفته شد و تنها شرکتهایی که حائز آن شرایط بودند در نمونه جای گرفتند. باتوجه به حجم زیاد متغیرها و احتمال وجود پدیده هم خطی با استفاده از تحلیل عاملی، حجم متغیرها به 6 عامل کاهش یافت. سپس الگوی نهایی پیش بینی برای 10 صنعت که بیشترین میانگین ارزش بازار را دارا بودند با کمک رگرسیون کاکس استخراج گردید. صحت و دقت الگوی نهایی پیش بینی با استفاده از منحنی roc مورد آزمون و تایید قرار گرفت.

the pattern of predicting financial distress for different industries with moderating effect of linearity

pay attention to the prediction of financial distress and huge costs  that the financial crisis impose  on the country and the shareholders is very important. after reviewing the theoretical literature a model for predicting financial distress is provided. based on the conceptual model three aspects of accounting variables with 49 measures, market variables with 10 measures and age of the company were selected. information of these variables for 219 companies during 11 years (1387-1398) were extracted and 23 variables were identified significant with cox model. these companies were selected by systematic elimination method. thus, the conditions for entering the companies in the statistical sample were considered and only the companies that met those conditions were included in the sample. due to the large of variables and the probability of linearity, the variables were reduced to 6 factors by factor analysis. then the final models for the 10 industries that had the highest average of market value were extracted. the accuracy of the final predicting models was tested and confirmed with roc curve.