ارزیابی تاثیر محتوای اطلاعات حسابداری تورمی‌در مقایسه با اطلاعات تاریخی در طراحی مدل‌های پیش‌بینی ورشکستگی مبتنی بر رویکردهای سنتی و فراابتکاری

پیش‌بینی ورشکستگی بنگاه‌های اقتصادی یکی از شاخه‌های رشته مالی است که در تحقیقات اخیر بیشتر مورد توجه قرار گرفته است به‌گونه‌ای که الگوهای ورشکستگی توسعه یافته است. در عمده پژوهش‌های صورت گرفته در حوزه پیش‌بینی عملکرد مالی شرکت‌ها و به‌طور خاص، ورشکستگی، تنها به پیش‌بینی و یا مقایسه توان پیش‌بینی مدل‌ها با استفاده از اطلاعات تاریخی صورت‌های مالی پرداخته شده است. از آنجا که در ایران بیشتر از اطلاعات تاریخی حسابداری استفاده شده است هدف اصلی این پژوهش لحاظ نمودن آثار تورم بر روی متغیرهای ورودی در طراحی مدل پیش‌بینی ورشکستگی می‌باشد. لذا متغیرها در دو گروه نسبت‌های مالی تعدیل شده و تاریخی، در طراحی دو مدل متفاوت دسته‌بندی شدند، سپس با استفاده از الگوریتم لارس نسبت‌های گویاتر تمایز بین شرکت‌های ورشکسته و غیرورشکسته، انتخاب گردیدند و در نهایت با به‌کارگیری آزمون رگرسیون لاجیت و الگوریتم‌های ماشین بردار پشتیبان و نیو بیزین مدل نهایی پیش‌بینی‌کننده ورشکستگی شکل گرفت. بدین منظور داده‌های50 شرکت پذیرفته شده در بورس تهران براساس ماده 141 قانون تجارت برای حداقل یکسال ورشکستگی را تجربه کرده بودند، به‌کار‌گرفته شد. نتایج این پژوهش اثبات نمود که نسبت‌های مالی تعدیل شده بر مبنای شاخص قیمت‌ها پیش‌بینی‌کننده مناسب‌تری برای ورشکستگی شرکت‌ها می‌باشند همچنین، مدل طراحی شده توسط الگوریتم ماشین بردار پشتیبان با دقت 99.4% و برازش بالاتر نسبت به مدل‌های دیگر، پیش‌بینی‌کننده مناسبی برای ورشکستگی شرکت‌ها می‌باشد.

evaluating the effect of content of inflation accounting information in comparison with historical information in designing bankruptcy prediction models based on traditional and meta-innovative approaches

abstractbankruptcy prediction is one of the branches of finance that has received more attention in in recent research as bankruptcy patterns have been developed. in most of the researches in the field of prediction the financial performance of companies and in particular, bankruptcy, only predicting or comparing the predictive power of models using historical information of financial statements has been done. since historical accounting information has been used more in iran, the main purpose of this study is to consider the effects of inflation on input variables in designing a bankruptcy prediction model. therefore, the variables in design of two different models were classified into two groups of financial ratios, adjusted and historical. then, the ratios were identified using the lars algorithm that had the highest ability to differentiate between bankrupt and non-bankrupt companies. finally, the final bankruptcy prediction model was designed using the logit regression test and svm and naive bayesian algorithms. for this purpose, the data of 50 companies listed on the tehran stock exchange were used, which had experienced bankruptcy according to article 141 of the commercial code. the results of this study indicate that the financial ratios adjusted based on the price index are more suitable predictor for corporate bankruptcy. also, the bankruptcy prediction model designed by svm algorithm can be a very good predictor for corporate bankruptcy with 99.4% accuracy.