قسمتی از متن پایان نامه :

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

2-6-1( تکنیک های آماری[1]: این تکنیک ها از ابتدایی ترین و رایج ترین تکنیک ها برای مدل بندی پیش بینی ورشکستگی به شمار می طریقه. در این تکنیک ها از روش های مدل بندی استاندارد کلاسیک بهره گیری شده که بر نشانه های ناتوانی تجاری تمرکز دارند.   متغیر های مورد بهره گیری در تدوین این مدل ها عموما اطلاعات مندرج در صورت های مالی می باشد. مدل های آماری خود به دو گروه تقسیم می شوند،  مدل های آماری تک متغیری و مدل های آماری چند متغیره ، که در میان آنها مدل های چند متغیره از فراوانی بیشتری برخوردارند. تحلیل تشخیصی،  احتمال خطی، لوجیت، پروبیت، مجموع تجمعی و فرایند های تعدیل ناقص در زمره تکنیک های آماری چند متغیره هستند  )   فرج زاده،1386).
2-6-2) تکنیک های هوش مصنوعی  [2]: تکنیک های هوش مصنوعی وظایفی مشابه با دانش،  هوش و منطق بشر انجام می دهند.  در حقیقت هوش مصنوعی سیستمی می باشد که یاد می گیرد  عملکرد حل مسئله خود را با در نظر داشتن تجربیات گذشته بهبود می بخشد. مدل های هوش مصنوعی نتیجه پیشرفت های تکنولوژی و توسعه اطلاعاتی بوده و به شدت بر تکنولوژی کامپیوتری متکی می باشند.  بهره گیری از هوش مصنوعی در زمینه مالی و به خصوص پیش بینی ورشکستگی دارای سابقه زیادی نیست اما به دلیل کارایی بالا و همچنین فارغ بودن از مفروضات محدود کننده ی موجود در روش های آماری این مدل ها با استقبال زیادی از سوی پژوهش گران مواجه شده اند.   در زمینه ورشکستگی این مدل ها اساسا بر نشانه های ناتوانی تجاری تمرکز دارند،  عموما چند متغیره بوده و متغیرهای مورد بهره گیری در آن ها از اطلاعات موجود در حساب های شرکت استخراج می شوند. تکنیک های هوشمند از شبکه های عصبی، الگوریتم ژنتیک، الگوریتم های بازگشتی، مجموعه های سخت، ماشین بردار تکیه گاه،  استدلال مبتنی بر موضوع و منطق فازی تشکیل شده اند (فرج زاده،1386).
2-6-3)مدل های تئوریک[3]: بر خلاف مدل های آماری و  هوش مصنوعی  که بر نشانه های ناتوانی تجاری تمرکز دارند، مدل های تئوریک به دنبال تعیین علت های کیفی ناتوانی تجاری هستند. اصولا این مدلها از اطلاعاتی استخراج می شوند که بتوانند مباحث تئوریک مطروحه در زمینه ناتوانی تجاری شرکت را پاسخ دهند. مدل های تئوریک از نظر ماهیت چند متغیره بوده و عموما از تکنیکی آماری برای پشتیبانی کمی از مباحث تئوریک بهره گیری می کنند.
با تامل در مدل های پیش بینی ورشکستگی می توان دریافت که تمامی آن ها به  نوعی میراث تکنیک های آماری هستند،برای مثال هوش مصنوعی عموما از هر دوی تکنیک های آماری یک متغیره و چند متغیره بهره گیری   می کنند و می توان آن ها را به عنوان فرزندان مکانیزه شده تکنیک های آماری در نظر گرفت.  به گونه مشابه       مدل های تئوریک اغلب با به کارگیری یک تکنیک آماری مناسب ایجاد شده اند و مستقیما از اصول تئوریک نشات نگرفته اند.
2-7) مدل های پیش بینی درماندگی مالی
 در ادامه انواع مدل های پیش بینی به همراه خصوصیات اصلی آنها بر اساس گروه های پیش گفته ارائه          می گردد:
2-7-1)مدل های آماری تک متغیره[4]: روش های آماری تک متغیره از نخستین تکنیک های مورد بهره گیری جهت فرق بین شرکت های دارای سلامت مالی و شرکت های دارای پریشانی مالی بوده اند. به صورت سنتی،  این مدل ها بر تحلیل نسبت های مالی تمرکز دارند و منطق آن ها بر این اساس می باشد که اگر نسبت های مالی شرکت های ورشکسته با نسبت های مالی شرکت های غیر ورشکسته دارای تفاوت های با اهمیتی باشند می توان از آن ها به عنوان متغیر های پیش بینی کننده ورشکستگی بهره گیری نمود. سابقه بهره گیری از این تکنیک برای پیش بینی ورشکستگی به سال 1932 برمی گردد (دیو سالار،1389).  از تحقیقات قابل توجه در این زمینه می توان به مطالعه بیور (1966) تصریح نمود. وی تکنیکی تک متغیره برای طبقه بندی  شرکت ها به 2 گروه ورشکسته و سالم با بهره گیری از بعضی از نسبت های مالی ارائه نمود. در پژوهش بیور نسبت های (گردش وجوه نقد به کل بدهی ها)،(سود خالص به کل دارایی ها ) و (کل دارایی ها به کل بدهی ها )دارای بالاترین توانایی در طبقه بندی شرکت ها به گروه های ورشکسته و سالم می باشند. این نسبت ها بر روی نمونه ای متشکل از 98 شرکت ورشکسته و غیر ورشکسته به کار رفتند و توانستند تا حدود 90% شرکت ها را به درستی طبقه بندی کنند.
بعد ها روش تک متغیره با وجود قدرت پیش بینی آن، به دلیل همبستگی میان نسبت های مالی و معضلات مربوط به ارسال علائم متضاد توسط متغیرهای مختلف مورد انتقاد قرار گرفت. به علاوه از آنجایی که وضعیت مالی یک شرکت دارای ابعاد مختلفی می باشد،  یک نسبت منفرد به تنهایی دربردارنده کل این اطلاعات نیست(جونز[5]،1978 ).
[1] Statistical Technique
[2] Artificial intelligence Techniques
[3] Theoretical Models
[4] Univariate statistical models
[5] Jones

سوالات یا اهداف پایان نامه :