پیش بینی پویا درماندگی مالی: مطالعه موردی

با توجه به شرایط اقتصادی امروز کشور، تعداد شرکت‌های درمانده و اهمیت درماندگی مالی روزبه‌روز در حال افزایش است. افزایش عوامل اقتصادی تاثیرگذار بر درماندگی مالی نیز بر پیچیدگی تصمیم‌گیری در سرمایه‌گذاری این شرکت‌ها افزوده است. به همین منظور رویکرد ارائه‌شده در این پژوهش با در نظر گرفتن انواع معیارهای مالی، امکان پویاسازی پیش‌بینی درماندگی مالی را برای این تصمیم‌گیرندگان فراهم می سازد. رویکرد معرفی‌شده در این پژوهش ابتدا با خوشه‌بندی شرکت ها در خوشه متناسب درمانده مالی و غیر درمانده به کمک روش شبکه عصبی مصنوعی، نگاشت خودسازمان‌ده (som) اقدام و سپس با بهره‌گیری از روش تحلیل پوششی داده‌ها مبتنی بر بدترین عملکرد (wpf-dea) نسبت به پیش‌بینی پویا درماندگی مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادر تهران اقدام گردید. با بهره‌گیری از روش یادشده 105 شرکت ارزیابی گردید و نتیجه ناکارایی این شرکت‌ها در طول 5 دوره زمانی از سال 1395 الی 1399 پیش‌بینی شد. مدل تحلیل پوششی داده‌های پویا مبتنی بر بدترین عملکرد، توان ارزیابی ناکارایی واحدهای مورد بررسی اعم از شرکت‌های عضو سازمان بورس و اوراق بهادار را دارا است. تحلیل پوششی داده‌ها توانسته است به‌صورت موفقیت‌آمیزی درماندگی مالی شرکت‌ها را به‌عنوان واحدهای تصمیم ناکارا شناسایی نماید

dynamic prediction of financial distress: a case study

abstractconsidering the current economic conditions of the country, the number of helpless companies and the importance of financial helplessness are increasing day by day. the increase in economic factors affecting financial helplessness has also increased the complexity of investment decisions for these companies. for this purpose, the approach presented in this research, taking into account various financial criteria, provides the possibility of dynamic forecasting of financial distress for these decision makers. makes the approach introduced in this research is first by clustering the companies in the proportional cluster of financially helpless and non-helpless with the help of artificial neural network method, self-organizing mapping (som) and then by using the data envelopment analysis method based on the worst performance (wpf-dea). a dynamic forecast of the financial helplessness of the companies admitted to the tehran bahadur stock exchange was carried out. using the mentioned method, 105 companies were evaluated and the result of the inefficiency of these companies was predicted during 5 time periods from 2015 to 2019. the dynamic data coverage analysis model based on the worst performance has the ability to evaluate the inefficiency of the examined units, including companies that are members of the stock exchange and securities organization. data envelopment analysis has been able to successfully identify the financial helplessness of companies as inefficient decision units.