تحلیل درماندگی مالی در بخش کشاورزی و مواد غذایی با تاکید بر نقش متغیرهای کلان اقتصادی و حسابداری

تحلیل درماندگی مالی و تعیین احتمال درمانده شدن قبل از بروز درماندگی موضوعی بااهمیت برای سرمایه‌گذاران، اعتباردهندگان و مدیران می‌باشد. در این پژوهش با استفاده از اطلاعات شش سال مالی طی دوره 1390 الی 1395 در بخش کشاورزی و مواد غذایی به بررسی عوامل موثر بر درماندگی مالی و پیش‌بینی آن با استفاده از الگوریتم آدابوست و طبقه‌بندی احتمالی بیز پرداخته‌شده است. از تاثیر مستقیم تورم، ریسک مالی و تاثیر معکوس نسبت مدیران غیرموظف، بازده سالانه سهام و نسبت وجه نقد عملیاتی بر درماندگی مالی می‎باشد. همچنین نتایج نشان می‌دهد که الگوریتم تقویت انطباقی آدابوست با استفاده از داده‌های مالی و اقتصادی توانایی بالاتری نسبت به روش طبقه‎بندی احتمالی بیز در پیش‌بینی درماندگی مالی دارد. نتایج این تحقیق می‌تواند به‌صورت کاربردی موردتوجه مدیران بخش کشاورزی و مواد غذایی بورس اوراق بهادار تهران قرار گیرد که با پیش‌بینی درماندگی مالی در شرکت‌ها و کار کردن بر روی عوامل موثر بر آن، نسبت به مدیریت کردن جذب سرمایه سهامداران، کاهش ریسک بحران‌های مالی و کمک به سرمایه‌گذاران جهت اجتناب از زیان‌های بزرگ در بازار سهام، اقدام کنند.

Analysis financial distress agriculture and food materials industry with an emphasis on the role of Macroeconomic and accounting variables

Analysis financial distress is an important phenomenon for investors, creditors and other users of financial information. Determining the probability of a company’s distress before occurrence of distress and bankruptcy is considered a very interesting and attractive subject and can be useful for both managers, and investors and creditors. In this study, using the information of 6 financial years during the period 2011 to 2016 in industry agriculture and food materials industry, the factors affecting financial distress and predicting it through methods based on machine learning (NBC and AdaBoost) have been studied. The results of the study indicate direct impack and inflationon, indirect impact of the ratio of nonexecutive directors, Stock returns, the ratio of operating cash flow financial distress. The results also show that AdaBoost method, using financial and economic data, has higher capability in predicting financial distress compared to NBC method.