بررسی تاثیر مکانیزم های مدیریت سود بر توان پیش بینی مدل های ورشکستگی

مدیران شرکت‌های درمانده مالی و ورشکسته، انگیزه های بیشتری برای مدیریت سود فرصت‌طلبانه دارند. برخی از پژوهشگران، معتقدند که متغیرهای مدیریت سود می تواند ورشکستگی را پیش بینی کند. بر این اساس هدف این تحقیق مدلسازی و پیش بینی ورشکستگی با استفاده از ابزارهای مدیریت سود تعهدی طی دوره زمانی 1385 تا 1397، در شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران است. نمونه تحقیق مشتمل بر 1287 سال شرکت بر اساس معیار ماده 141 قانون تجارت ایران، انتخاب شده است. برای آزمون فرضیه های پژوهش از رگرسیون لجستیک بهره گرفته شد. یافته های حاصل از آزمون فرضیه ها نشان داد که توان پیش بینی مدل‌های ورشکستگی آلتمن، اسپرینگیت و زیمسکی پس از افزودن متغیرهای مدیریت سود تعهدی نسبت به مدل های اولیه، به طور قابل توجهی افزایش یافته است.

investigating the effect of earnings management accrual mechanisms on the predictive power of bankruptcy models

the managers of distresed and bankrupt firms are more motivated to opportunistic earnings management. , the collapse of companies like enron, worldcom and others have led to more research into profit manipulation and bankruptcy in developed countries. however, in the years before corporate bankruptcy, there was also sufficient pressure or incentive to create high profit management to prevent bankruptcy through poor performance concealment some researchers believe that earnings management variables can predict bankruptcy. accordingly, the purpose of this research is to modeling and predict bankruptcy using accrual earnings management tools during the period 2006 2018, in manufacturing firms listed on the tehran stock exchange. the research sample consisting of 1287 observations was selected based on the criteria of article 141 of the commercial code of iran. logistic regression was used to test the research hypotheses. findings from the hypothesis test showed that the predictive power of the altman, springate and zmijewski bankruptcy models increased significantly after the addition of accrual earnings management variables to the initial models.