مطالعه مقایسه‌ای الگوهای پیش‌بینی ورشکستگی و ارائه الگوی بهینه برای محیط اقتصادی ایران

هدف: پیش‌بینی ورشکستگی شرکت‌ها یکی از اساسی‌ترین فعالیت‌ها در بررسی ریسک و عدم قطعیت شرکت‌ها محسوب می‌شود. از اینرو، معرفی الگو‌های مناسب با دقت بالا برای پیش‌بینی ورشکستگی در بسیاری از فرایندهای تصمیم‌گیری از اهمیت اساسی برخوردار است. هدف از مطالعه حاضر، بررسی دو الگوی معروف چاوا و جارو و کمپبل و همکاران برای پیش‌بینی ورشکستگی شرکت‌ها در محیط اقتصادی ایران و معرفی یک الگوی بهینه است. روش: دوره زمانی مورد مطالعه 13 سال (از سال 1384 الی سال 1397) و تعداد شرکت‌های نمونه 188 شرکت و 2444 سال شرکت هستند. با استفاده از رگرسیون لجستیک برای داده‌های تابلویی، نسبت به یافتن ضرایب متغیرهای الگو‌های مورد بررسی متناسب با بازار سرمایه ایران اقدام گردید. الگو‌های ارائه شده با استفاده از رگرسیون لجستیک اثرات ثابت اجرا شده و پس از رسم منحنی roc برای هر دو مدل، بهترین الگو بر حسب بیشترین auc انتخاب شد. یافته‌ها: از بین متغیرهای مدل چاوا و جارو (2004)، تنها سه متغیر نسبت کل بدهی‌ها به کل دارایی‌ها (tlta)، سود خالص تقسیم بر کل دارایی‌ها (nita) و نوسانات بازده قیمت سهام (sigma) در سطح اطمینان 95 تاثیر معنا‌داری بر احتمال ورشکستگی شرکت‌ها داشته‌اند. هم‌چنین، تنها پنج متغیر کل بدهی‌ها تقسیم بر ارزش بازاری کل دارایی‌ها (tlmta)، سود خالص تقسیم بر ارزش بازاری کل دارایی‌ها (nimta)، وجه نقد و دارایی‌های آنی تقسیم بر ارزش بازاری کل دارایی‌ها (cashmta)، نوسانات بازده قیمت سهام (sigma) و ارزش دفتری حقوق صاحبان سهام بر ارزش بازار سهام شرکت (rsize) در سطح اطمینان 95 تاثیر معنا‌داری بر احتمال ورشکستگی شرکت‌ها داشته‌اند. نتیجه‌گیری: نتایج نشان داد هر دو الگوی چاوا و جارو (2004) و کمپبل و همکاران (2008) از قدرت مناسب و بسیار بالا برای پیش‌بینی ورشکستگی در محیط اقتصادی ایران برخوردار بودند ولی الگوی چاوا و جارو با auc برابر 0.965 به عنوان الگوی برتر در پیش‌بینی ورشکستگی شرکت‌ها برای محیط اقتصادی ایران معرفی شد.

A Comparative Study of Bankruptcy Prediction Models and Presenting an Optimized Model for Iran’s Economic Environment

Objective: Predicting corporate bankruptcy is one of the most important activities in auditing risk and uncertainty of companies. Therefore, introducing appropriate models with high accuracy to predict bankruptcy is essential in many decisionmaking processes. The purpose of this study is to introduce an appropriate and superior model for predicting corporate bankruptcy in the Iranian economic environment. Chava and Jarrow (2004) and Campbell et al. (2008) have been introduced as hybrid models that consider accounting and market information together. In this study, we intend to use logistic regression and accuracy testing to create a better model. Also, for the first time in Iran, the market value of balance sheet items has been used as a suitable alternative to some balance sheet variables and market variables. Methods: The study period is 13 years (from 2005 to 2019) and the number of sample companies is 188 companies and 2444 years companies. The data required for this study, which consisted of accountingbased and marketbased and combined data, were extracted from financial statements and accompanying notes of sample companies and stock exchange softwares. Using logistic regression, the coefficients of the variables of the mentioned models were found. Results: The proposed models were performed using conditional fixed effect logistic regression and the best model was selected using the ROC curve. The results showed that both Chava & Jarrow (2004), Campbell et al (2008). Models have a suitable and very high power to predict bankruptcy in Iran’s economic environment. But Chava & Jarrow model with 96.5% accuracy was introduced as the top model in predicting corporate bankruptcy for Iran’s economic environment. Among the variables of the Chava & jarrow model, only three variables Included ratio of total debttoassets (TLTA), ratio of net income to total assets (NITA) and Stock returns fluctuations (SIGMA) at 95 confidence level, had a significant effect on corporate bankruptcy. And the other two independent variables of this model did not have a significant effect on the probability of bankruptcy. Also, Among the variables of the Campbell et al model, only five variables Included the ratio of total liabilities to total market value of assets (TLMTA), the ratio of net income to total market value of assets (NIMTA), the ratio of cash and instant assets to total market value of assets (CASHMTA), stock price volatility (SIGMA) ) And the ratio of book value of equity to market value of the company (RSIZE) at the 95 confidence level had a significant effect on the probability of bankruptcy of companies. And the other three independent variables, the difference between the company’s stock return and market return (EXRET), the ratio of the company’s stock market value to the book value of the company’s stock (MB) and the logarithm of the stock price (PRICE) had no significant effect on the probability of bankruptcy. Conclusion: Among the variables that were significant in the model, the ratio of net profit to market value of assets (NIMTA) was the most effective variable. Also, according to the regression coefficients of the variables, it is concluded that bankruptcy is inversely related to the ratio of net income to market value of assets(NIMTA), and the ratio of net income to book value of assets(NITA), and the ratio of cash and instant assets to market value of assets(CASHMTA). Bankruptcy is also directly related to the ratio of total liabilities to the book value of assets (TLTA) and Stock returns fluctuations (SIGMA). In other words, Companies whose stock return fluctuations are not in good shape and have a lot of debts more likely to go bankrupt.