دانلود متن کامل این پایان نامه در سایت abisho.ir

) است که برای فرایند تکامل برای یافتن قواعد طبقه بندی صریح قادر به جداسازی فضای گروه شرکت های ورشکسته از فضای شرکت های غیر ورشکسته بکار می روند، در حالی که مجموعه آزمایشی برای ارزیابی قابلیت تعمیم قواعد یافت شده به کار می روند (دیفالکو[60]،2002).
2-7-13) مدل مجموعه های سخت[61]: تئوری مجموعه های سخت توسط پاولاک[62] (1982) در مواجهه با مسئله تمایز بین مشاهدات در یک مجموعه معرفی شد. هدف تئوری مجموعه های سخت طبقه بندی مشاهدات با استفاده از اطلاعات مبهم است. بنابراین، این تئوری هنگامی مفید است که گروه هایی که مشاهدات در آن طبقه بندی می شود نادقیق باشند. اگرچه تئوری مجموعه های سخت از جهاتی مربوط به ابزار ریاضی در ارتباط با ابهام و عدم اطمینان است، اما روش متفاوتی محسوب می شود. یکی از مهمترین مزایای آن این است که نیازی به هیچ کدام از اطلاعات اولیه یا اضافی در مورد داده ها نظیر: توزیع های احتمال در آمار یا درجه عضویت در تئوری مجموعه های فازی را ندارد.
این تئوری کاربرد وسیعی در زمینه مسائل مالی داشته است اما در مورد مسئله ورشکستگی دارای سابقه طولانی نیست. در مدل مجموعه های سخت اطلاعات مربوط به مشاهدات در جدول اطلاعاتی ارائه می شود که شبیه جدول تصمیم محتوای مجموعه شرایط و ویژگی های تصمیم کار می کند سطرهای این جدول توسط مشاهدات و ستون های آن به وسیله ی ویژگی ها نام گذاری می شود و درون آن ارزشهای ویژگی ها برای مشاهدات قرار دارد. برای استخراج قوانین تصمیم از اصول یادگیری استقرایی استفاده می شود. هر مشاهده جدید می تواند با تطبیق ویژگی های ان با مجموعه قواعد استخراج شده طبقه بندی شود. اسلاوینسکی استفانوسکی[63] (1994) توصیف کاملی از کاربرد تئوری مجموعه های سخت فراهم آورده اند. اسلاوینسکی و زاپونیدیس[64] (1995) نخستین کسانی هستند که تئوری مجموعه های سخت را در مورد پیش بینی ورشکستگی به کاربرد بردند و در مورد نمونه آموزشی توانستن مشاهدات را 100 درصد صحیح طبقه بندی کنند اما مدل بدست آمده را برای آزمون روایی بر روی نمونه آزمایشی به کار نبرد. پس از آن تئوری مجموعه های سخت درچندین مطالعه دیگر مانند گرکو و دیگران [65](1998)، مک کی[66] (2000) و بایچ و پپو[67] (2001) برای پیش بینی ورشکستگی به کار رفت.
2-7-14) ماشین بردار تکیه گاه (SVM)[68]: ماشین بردار تکیه گاه که توسط واپنیک و هایکین [69](1998 ) معرفی شده است، از یک مدل خطی گروه ها استفاده می کند. این مدل خطی با نگاشت بردار ورودی غیر خطی به فضای خصیصه چند بعدی به دست می آید. مدل خطی ساخته شده در فضای جدید می تواند یک مرز تصمیم غیر خطی در فضای اولیه ارائه کند. در فضای جدید، یک صفحه جداکننده بهینه تشکیل می گردد. بنابراین SVM به عنوان الگوریتمی که نوع خاصی از مدل خطی، صفحه حداکثر تفاوت، را می یابد شناخته می شود. صفحه حداکثر تفاوت، بیشترین جداسازی بین گروه های تصمیم را ارائه می کند.
مین و لی[70] (2005 ) SVM را برای پیش بینی ورشکستگی پیشنهاد کردند. آن ها جستجوی شبکه ای که از سنجش اعتبار پنج مرتبه ای استفاده می کند را برای یافتن مقادیر بهینه پارامتری تابع اصلی SVM به کار بردند. در این تحقیق مدل SVM با مدل هایMDA، لوجیت و شبکه های عصبی پس از انتشار مقایسه شد. نتایج نشان داد که مدل SVMدر هر دوی نمونه های آموزشی و آزمایشی بر دیگر مدل ها فائق آمده است.
به هر حال با توجه به جدید بودن مدل هایSVM و کاربرد اندک آن ها در مسائل مالی و به خصوص پیش بینی ورشکستگی امکان ارائه اظهار نظر قطعی در مورد آن ها وجود ندارد. همچنین تکنیک های دیگری نیز برای پیش بینی ورشکستگی به کار رفته است که به دلیل کاربرد اندک آن در ادبیات تحقیق تنها به ذکر نام آن ها اکتفا می شود، این تکنیک ها عبارتند از: منطق فازی و تحلیل پوششی داده ها.
2-7-15)معیارهای تجزیه ترازنامه (BSDM)/ تئوری بی نظمی: یک راه تعیین پریشانی مالی آزمون تغییرات در ساختار ترازنامه است. بر اساس این تئوری شرکت ها سعی در حفظ تعادل در ساختار مالی خود بوده و چنانچه صورت های مالی یک شرکت تغییرات با اهمیتی در ترکیب دارایی های بدهی ها منعکس کند، احتمال اینکه شرکت قادر به حفظ وضعیت تعادل خود نباشد، افزایش می یابد. اگر این تغییرات در آینده قابل کنترل نباشد، می توان پریشانی مالی در این شرکت را پیش بینی کرد(بوث[71]،1983) .
2-8) تئوری های ورشکستگی
2-8-1) تئوری ورشکستگی قمارباز: در این روش، شرکت می تواند مانند قماربازی در نظر گرفته شود که مکررا با مقداری احتمال زیان بازی می کند و به عملیات خود تا زمانی که خالص ارزش آن به زیر صفر برسد (ورشکستگی شود ) ادامه می دهد. با فرض مقادیری وجه نقد، در هر دوره مشخصی، این خالص احتمال مثبت وجود دارد که جریان وجه نقد یک شرکت طی دوره منفی شده و نهایتا منجر به ورشکستگی شود (موریس[72]، 1998).
2-8-2) تئوری مدیریت وجوه نقد: مدیریت کوتاه مدت ترازهای وجه نقد بنگاه، یکی از نگرانی های اصلی هر شرکتی است. عدم تعادل بین جریان های ورودی و خروجی می تواند به معنی ناتوانی عملکرد مدیریت وجوه نقد شرکت باشد و این عاملی است که می تواند منجر به پریشانی مالی و نهایتا ورشکستگی شود (عزیز و دیگران، 1988 ) .
2-8-3) تئوری های ریسک اعتباری[73]: ریسک اعتباری خطری است که هر قرض گیرنده به هر دلیلی ناتوان از ادای تعهدات خود شود. این مدل ها و پیش بینی ریسک مربوط به آنها مبتنی ب
ر تئوری های اقتصادی مدیریت مالی بوده و مجموعا به تئوری های ریسک اعتباری اشاره دارند. این مدل ها شامل اعتبارسنجی مورگان وKMV، ریسک اعتباری CSFB و تئوری پرتفولیوی اعتباری مک کینسی می شود.
2-8-3-1) مدل های اعتبار سنجی مورگان[74] وKMV مودی[75]: مدل های اعتبار سنجی مورگان وKMV مودی بر تئوری قیمت گذاری اختیار معامله تکیه دارند.
بر اساس این تئوری که، ناتوانی پرداخت بدهی ذاتا مربوط به ساختار سرمایه است و شرکت در صورتی ممکن است از ایفای تعهدات خود ناتوان شود که ارزش دارایی های آن به پایین تر از سطح حیاتی (توسط مدل های ریسک اعتباری، تعیین می شود ) برسد (بلاک و اسچولر[76]، 1973 ).