مبانی نظری و پیشینه پژوهشی ارزیابی میزان اثربخشی الگوهای جریان وجوه نقد و مدل برنامه ریزی ژنتیک در پیش بینی درماندگی مالی

با سحافایل در خدمت شما هستیم با «پیشینه پژوهشی و تحقیق و مبانی نظری ارزیابی میزان اثربخشی الگوهای جریان وجوه نقد و مدل برنامه ریزی ژنتیک در پیش بینی درماندگی مالی» که بطور کامل و جامع به این مبحث پرداخته و نیاز شما را به هرگونه جستجوی بیشتری برطرف خواهد نمود.

 2-1) مقدمه        

هدف از تهیه و ارائه اطلاعات حسابداری مالی فراهم ساختن مبنای تصمیم گیری اقتصادی است. هر نوع تصمیم گیری نیازمند اطلاعات است. اطلاعات نقش بسیار موثری را ایفا می نماید و هر نوع تصمیم گیری مستلزم کسب، پردازش، تجزیه و تحلیل و استنتاج منطقی و مناسب از اطلاعات است. از این رو تجزیه و تحلیل صورت های مالی می تواند نیازهای اطلاعاتی سرمایه گذاران را پاسخ دهد.مدیران، سهامداران، کارکنان، بستانکاران، مشتریان، سرمایه گذاران و سایر افراد ذینفع برای تصمیم گیری به اطلاعات نیازمند هستند و این نوع اطلاعات می تواند از طریق صورت های مالی که یکی از منابع تامین کننده نیازهای اطلاعاتی استفاده کنندگان است، برآورده شود.تحلیل گران مالی با استفاده ازاطلاعات مندرج در صورت های مالی شرکت ها قدرت تصمیم گیری را افزایش می دهند.یکی از ابزارهای تجزیه و تحلیل صورت های مالی،  استفاده و بکارگیری نسبت ها و شاخص های مالی و غیر مالی حاصله از صورت های مالی است به طور مثال نسبت های نقدینگی،  عملیاتی و غیره می توانند برای استفاده کنندگان موثر باشند. یکی از راه هایی که می تواند به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از هدر رفتن منابع کرد، پیش بینی ورشکستگی است. ورشکستگی همواره طیف وسیعی از افراد، سازمان ها و به طور کلی بخش بزرگی از جامعه را معطوف به خود کرده است. ارائه تعریفی دقیق از گروه های درگیر مسئله ورشکستگی بسیار مشکل است اما می توان مدعی شد که مدیریت، سرمایه گذاران، بستانکاران، رقبا و نهادهای قانونی پیش از سایرین تحت تاثیر پدیده ورشکستگی قرار می گیرند. لذا امروزه پیش بینی ورشکستگی از اهمیت بسیار زیادی برخوردار شده است(فرج زاده،1386).

سرمایه گذاران با پیش بینی ورشکستگی نه تنها از ریسک از بین رفتن سرمایه خود جلوگیری می کنند بلکه از آن به عنوان ابزاری برای کاهش ریسک سبد سرمایه گذاران خود استفاده می کنند. مدیران واحد تجاری نیز در صورت اطلاع به موقع از خطر ورشکستگی می توانند اقدامات پیشگیرانه ای برای جلوگیری از ورشکستگی اتخاذ کنند. از آنجایی که ورشکستگی هزینه های اقتصادی و اجتماعی سنگینی را بر جامعه تحمیل می کند، از دیدگاه کلان نیز مورد توجه و اهمیت قرار می گیرد. زیرا منابع اتلاف شده در یک واحد اقتصادی بحران زده می توانست به فرصت های سودآور دیگری اختصاص یابد(دیوسالار،1389).

فهرست منابع

منابع فارسی

1) حافظ نیا،  محمد رضا،(1389).  “مقدمه ای بر روش تحقیق در علوم انسانی”،(چاپ هفدهم)،انتشارات سمت.

2) حقیقت، حمید،قربانی،آرش.(1385).” بررسي رابطه سود و جريان هاي نقدي با ارزش شركت در چارچوب چرخه عمرشرکت”، پیام مدیریت،شماره21،صفحه 201تا219.

3) دیو سالار،مهدی.(1389)،”بررسی تطبیقی پیش بینی ورشکستگی شرکت های صنعتی پذیرفته شده در بورس اوراق بهادار تهران با استفاده از روشهای آماری و روش های هوش محاسباتی”، پایان نامه کارشناسی ارشد،  دانشگاه علامه طباطبایی.

4) سازمان حسابرسی.(1390).  “استانداردهای حسابرسی”.مرکز تحقیقات حسابداری و حسابرسی سازمان حسابرسی.

5)  سرمد،  زهره،  و بازرگان،  عباس،  و حجازی،  الهه، (1388).  “روش های تحقیق در علوم رفتاری”،(چاپ هفدهم)،  انتشارات آگاه.

6) سلیمانی امیری،غلامرضا.(1381)،”بررسی شاخص های پیش بینی ورشکستگی در شرایط محیطی ایران”، پایان نامه کارشناسی ارشد،  دانشگاه تهران.

7) سهرابی عراقی،محسن.(1387)،”مدلی جهت پیش بینی بحران مالی در شرکتهای ایرانی”، پایان نامه دکتری،  دانشگاه علامه طباطبایی.

8) صفری،علی.(1381)،”ارتباط بین نسبتهای مالی و تداوم فعالیت شرکتها “، پایان نامه کارشناسی ارشد،  دانشگاه علامه طباطبایی.

9) عبدالهی نژاد،هادی.(1376).”رابطه نسبتهای مالی تعهدی و نسبتهای مالی مبتنی بر جریانهای نقدی”.فصلنامه بررسی ها حسابداری و حسابرسی.شماره 20و21.صفحه 63تا 79.

10) غلامپور فرد،محمد مسعود.(1387)،”بررسی توانایی پیش بینی آلتمن و اهلسون در پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار”، پایان نامه کارشناسی ارشد،  دانشگاه فردوسی مشهد.

11) فرج زاده دهکردی، حسن(1386).”مدل پیش بینی ورشکستگی از طریق الگوی ژنتیک” پایان نامه کارشناسی ارشد، دانشگاه تربیت مدرس.

12) فغانی نرم،مهدی.(1380)،”ارتباط بین نسبتهای مالی و پیش بینی ورشکستگی “، پایان نامه کارشناسی ارشد،  دانشگاه علامه طباطبایی.

13) فقیه، نظام الدین، (1383).”الگوریتم ژنتیک در برنامه ریزی بازرسی های پیشگیرانه”، شیراز، نسیم حیات.

14) فلاح پور، سعید (1383).”پیش بینی درماندگی مالی شرکت ها با استفاده از شبکه های عصبی مصنوعی”.پایان نامه کارشناسی ارشد،دانشگاه تهران.

15) قسوری، محمد تقی.(1384)،”مقایسه ترکیبی از نسبتهای مالی مبتنی بر صورت جریان وجوه نقد و اقلام تعهدی و نسبتهای مالی صرفا مبتنی بر اقلام تعهدی در پیش بینی ورشکستگی”، پایان نامه کارشناسی ارشد،  دانشگاه علامه طباطبایی.

16) منصور،  جهانگیر،  (1379).  “قانون تجارت همراه با قانون چک،  آیین نامه اصلاحی ثبت تشکیلات و موسسات غیر تجاری “،  نشر دیدار،  چاپ هشتم.

17) موسوی شیری، محمود(1388).”پیش بینی درماندگی مالی با استفاده از تحلیل پوششی داده ها”،  فصلنامه تحقیقات حسابداری.شماره دوم.صفحه 158 تا 187.

18) نبوی،  بهروز،  (1375).  “مقدمه ای بر روش تحقیق در علوم اجتماعی “،(چاپ هفدهم)،  انتشارات آبان.

منابع لاتین:

1.Altman,E.I.(1993).” Corporate Financial Distress and Bankruptcy:A Complete Guide to Predicting and Avoiding Distress and Profiting from Bankruptcy”.Second Edition, John Wiley and Sons.

.2Altman, E. (1968), ” Financial ratio Discriminant Analysis and the Prediction of

corporate bankruptcy”, The Journal of Finance, vol. 23, No. 4, pp. 589-609.

3.Beaver, W.(1967). “Financial ratios predictions of failure”,Empirical research in accounting:selected studies 1966.Journal of Accounting Research,4,71-111.

4.Beaver, W.H., Mcnichols, M.F.,Rhie, J.W.(2005).”Have financial statements Becom less Informative?Evidence from the Ability of financial Ratios to predict Bankruptcy”.Review of Accounting studis,10,93-122.

5.Bioch, J. C., Popova, V.(2001).”Bankruptcy prediction with rough sets”,ERIM Report Series Reseach in Manangement(ERS-2001-11-LIS)

6.Blum, M.(1974).”Failing company discriminant analysis”.Journal of Accounting Research.12(1):1-25.

7.Deakin, E.B.(1972).”A discriminant analysis of predictors of business failure”, Journal of Accounting Reseach,10,167-179.

8. Dickinson,V.(2011),”Cash Flow Patterns as a Proxy for Firm Life Cycle”,Dissertation for degree of doctor of philosoph, university of Wisconsin – Miadison.

9.Dimitras, A.I.,Zanakis, S.H., Zopounidis, C.(1996).”A survey of business failure with an emphasis on predition methods and industrial application”, European Journal of Operational Research,90,487-513.

10.Dun and Bradstreet Corporation,(1980).”Business Failure Record”.Author.New York..

11.Fulmer, M.(1989). “A bankruptcy classification model for small firma”.Journal of commercial bank lending,25-37.

12.Galvao, R.K.(2004).” Ratio Selection for Classification Models”.Data Mining and Knowledge Discovery, 8, 151-170.

13.Gloubos, G., Grammatikos, T.(1988). “The success of bankruptcy prediction models in Greece”.Studies in Banking and Finance 7,37-46.

14.Goldberg, D.E.,(1989).”Genetic algorithms in search , optimization and machine”.

15.Gordon, M.J.,(1971).Toward theory of financial distress”.The journal of finance, 36,1347-56.

16.Greco, S., Matarazzo, B., Slowinski,R.,Zopounidis, C.(1998).”A new rough set approach to evaluation of bankruptcy risk”,operational Tools in the Management of financial Risks, Kluwer Academic publisher,Dordrecht,121-136.

17.Haber, J.  (2006).”Theoretical development of bankruptcy prediction variable “.The  Journal of  Theoretical Accounting Research,2,82-101.

18.Hamer, M.M.(1983).”Failureprediction:Sensitivity of classification accuracy to alternative statistical methods and variable sets”.Journal of Accounting and public Policy 2 ,289-307.

19.Jons, F.L.(1978).”Current techniques in bankruptcy prediction”.Journal of Accounting Literature 6,131-164.

20.Jones, S., Hensher , D.A.(2004).Predicting firm financial distress: A mixed Logit model,Accounting Review,79(4)1011-1038.

21.Koza,J.R.(1992).”Genetic Programming:On the Programming of Computers by Natural Selection,MIT press,Cambrige,MA.

22.Lens berg, T., Eilifsen, A., and McKee,T.E.,(2006).”Bankruptcy Theory development and classification via genetic programming”, European Journal of Operational Research,169,677-696.

23.McKee,T.E.(2000).”Developing a bankruptcy prediction model via rough sets theory”,International Journal of  Intelligent Systems in Accounting, Finance and Management,9,59-173.

24.McKee,T.E.,Lensberg, T.(2002). Genetic programming and rough sets: a hybrid approach to bankruptcy classification, European Journal of Operational Research,138,436-451.

25.Min, J.H., Lee, Y.c.(2005).”Bankruptcy prediction using support vector machine(SVM) with optimal choice of kernel function parameters”, Expert Systems with Applications,28,603-614.

26.Newton, G.W.(1998).”Bankruptcy Insolvency Accounting Practice and Procedure”,1: Wiley,21-41..

27.Odom, M. and Sharda, R.(1993).”A neural network model for bankruptcy prediction”.Chicago.

28.Ohlson , J.(1980).”Financial ratios and the probabilistic prediction of bankruptcy”.Journal of Accounting Reseach,18(1), 109-131.

29.Pawlak , Z.(1982).”Rough sets”,International Journal of Information and Computer Sciences,11,341-356.

30.Platt,H.D.,Platt, M.B.(1990).”Development of a class of stable predictive variables:the case of bankruptcy prediction”,Journal of Banking , finance and Accounting ,17(1),31-51.

31.Sandra,S.(1999),”The Effects of Experience on the use Irrelevant Evidence in Auditor Judgment”,The Accounting Review,Vol.47,No.2.

32.Shin, K.,Lee, Y.  (2002). A genetic algorithm application in bankruptcy prediction modeling, Expert Systems with Applications, 23(3), 321-328.

33.Springate,Gord, I,V.(1978).”predicting the possibility of failure in Canadian firm”.unpublished M.B.A Research project, Junauary.

34.Slowinski,R., Stefanowski,J.  (1994).”Rough classification with valued closeness relation. In:Diday ,E.   et al.  (EDS.),New approaches in classification and data analysis”.springer,Berlin,482-488.

35.Slowinski, R. ,Zopounidis, C.(1995).”Application of the rough set approach to evaluation of bankruptcy risk”.International Journal of intellijent Systems in Accounting , Finance and Management,4,27-41.

36.Sung, T.,Chang, N. and Lee, G.(1999).”Dynamics of modeling in data mining”.Journal of Management Information systems 16(1):63-85.

37.Tamari, M.(1966).”financial ratios as a means of forecasting bankruptcy”.Management International Review, 4,15-21.

38.Varetto, F.(2007).”Genetic algorithms applications in the analysis of insolvency risk”,Journal of Banking and finance,22,1421-1439.

39.Vapnik , V.,Haykin, S.(1998).”Statistical Learning Theory:An Adaptive and Learning Systems”,736,John Wiley and Sons.

40.Whitaker, R.(1999).”The early stays of financial distress”.Journal of economics and finance,23(2),122-133.

42.Zmijewski, M.E.(1984).”Methodological Issues Related to the Estimation of financial Distress prediction models”.Journal of Accounting Research, Vol,24, PP59-82.