رضا نوروزی
2 یادداشت منتشر شدهورشکستگی در خارج از ایران
o پیش بینی ورشکستگی شرکت های کوچک و متوسط
o با استفاده از روش های انتخاب متغیر(Feature Selection) و یادگیری ماشین، و بررسی تاثیر آن بر سودآوری بانک ها در اعطای تسهیلات.
· محدود بودن جامعه آماری به نروژ
o تمام داده های پژوهش از شرکت های کوچک و متوسط کشور نروژ جمع آوری شده است. بنابراین نتایج ممکن است در کشورهای دیگر با شرایط اقتصادی، قوانین مالیاتی و ساختار بانکی متفاوت، قابل تعمیم نباشد.
· عدم استفاده از اطلاعات بازار سرمایه
o محققان فقط از اطلاعات حسابداری و متغیرهای مالی استفاده کرده اند و به دلیل خصوصی بودن شرکت ها، اطلاعات بازار سهام در دسترس نبوده است. این موضوع می تواند بخشی از اطلاعات مهم مربوط به ریسک ورشکستگی را نادیده گرفته باشد.
· حذف برخی صنایع مهم
o صنایع مالی، بیمه، املاک، برق، گاز و برخی بخش های دیگر از نمونه حذف شده اند. در نتیجه نتایج برای این صنایع کاربرد مستقیم ندارد.
· حذف شرکت های بسیار کوچک
o شرکت هایی که دارایی کمی داشته اند از نمونه کنار گذاشته شده اند. در حالی که بسیاری از ورشکستگی ها در همین شرکت های بسیار کوچک رخ می دهد. بنابراین بخشی از واقعیت اقتصادی بررسی نشده است.
· تاثیر شرایط خاص کرونا
o بخشی از دوره تحقیق همزمان با همه گیری کرونا و پرداخت کمک های دولتی بوده است. این حمایت ها احتمالا نرخ واقعی ورشکستگی را تغییر داده اند و ممکن است نتایج مدل را تحت تاثیر قرار داده باشند.
· تمرکز فقط بر ورشکستگی یک ساله
o مدل تنها ورشکستگی یک سال آینده را پیش بینی می کند. در حالی که برخی شرکت ها ممکن است در افق های زمانی بلندمدت تر دچار بحران شوند.
· نادیده گرفتن عوامل کیفی
o متغیرهایی مانند کیفیت مدیریت، حاکمیت شرکتی، تجربه مدیران، رضایت مشتریان و شرایط رقابتی بازار در مدل لحاظ نشده اند. این عوامل می توانند نقش مهمی در ورشکستگی شرکت ها داشته باشند.
· پیچیدگی مدل های یادگیری ماشین
o اگرچه روش های LASSO و شبکه عصبی دقت بالایی دارند، اما تفسیر نتایج آن ها برای مدیران و تصمیم گیران بانکی دشوارتر از مدل های سنتی است.
· احتمال بیش برازش (Overfitting)
o خود نویسندگان اشاره کرده اند که برخی روش های انتخاب متغیر مانندWrapper و الگوریتم ژنتیک ممکن است به داده های نمونه بیش از حد وابسته شوند و در شرایط جدید عملکرد ضعیف تری داشته باشند.
· استفاده از داده های تاریخی 1
o تمام مدل بر مبنای اطلاعات گذشته شرکت ها ساخته شده است. در شرایط وقوع شوک های اقتصادی جدید یا بحران های غیرمنتظره، قدرت پیش بینی مدل ممکن است کاهش یابد
o موضوع مقاله
o «نقش گزارش تداوم فعالیت حسابرس(Going Concern Opinion - GCO) در پیش بینی ورشکستگی شرکت ها»
o یا به زبان ساده تر:
o آیا اظهار نظر حسابرس درباره تردید در تداوم فعالیت شرکت می تواند ورشکستگی آینده شرکت را بهتر پیش بینی کند؟
o تایج اصلی
o نتایج نشان داده است:
- شرکت هایی که گزارش تداوم فعالیت دریافت می کنند بین 20 تا 56 درصد بیشتر در معرض ورشکستگی هستند.
- اضافه کردن متغیر GCO قدرت پیش بینی مدل را 12 تا 18 درصد افزایش می دهد.
- حسابرسان و تحلیلگران مالی هر دو اطلاعات مفیدی ارائه می کنند اما اطلاعات آنها مکمل یکدیگر است.
o
o نقاط ضعف و محدودیت های مقاله
· حجم نمونه بسیار کوچک
o کل نمونه فقط شامل 77 شرکت ورشکسته و 77 شرکت غیرورشکسته است.
o این تعداد برای تعمیم نتایج به کل بازار سرمایه آمریکا نسبتا محدود محسوب می شود.
o
· تمرکز فقط بر شرکت های آمریکایی
o تمام داده ها از بازار آمریکا استخراج شده اند.
o نتایج ممکن است در کشورهای دیگر با قوانین حسابرسی و ساختار اقتصادی متفاوت، قابل تعمیم نباشد.
o
· استفاده از شرکت های دارای پوشش تحلیلگری
o اطلاعات تحلیلگران از پایگاه IBES استخراج شده است.
o بسیاری از شرکت های کوچک و خصوصی تحلیلگر ندارند؛ بنابراین مدل برای این شرکت ها کاربرد کمتری دارد.
o
· عدم بررسی کیفیت حسابرس 2
o مقاله فقط وجود یا عدم وجود GCO را بررسی کرده است.
o اما عواملی مانند:
- کیفیت حسابرس
- اندازه موسسه حسابرسی
- تخصص صنعت حسابرس
- استقلال حسابرس
o بررسی نشده اند.
o
· نادیده گرفتن متغیرهای حاکمیت شرکتی
o متغیرهایی مانند:
- استقلال هیئت مدیره
- مالکیت نهادی
- تمرکز مالکیت
- کمیته حسابرسی
o در مدل وجود ندارند.
o در حالی که این عوامل می توانند بر احتمال ورشکستگی اثرگذار باشند.
o
· احتمال وجود خودتحققی (Self-Fulfilling Prophecy)
o خود نویسندگان اشاره کرده اند که صدور GCO ممکن است باعث کاهش اعتماد سرمایه گذاران و محدود شدن منابع مالی شود و همین امر شرکت را به سمت ورشکستگی سوق دهد. بنابراین مشخص نیست GCO علت ورشکستگی است یا فقط هشدار آن.
o
· استفاده از داده های تاریخی
o دوره تحقیق 1992 تا 2018 است.
o شرایط اقتصادی، فناوری و استانداردهای حسابرسی طی این سال ها تغییرات زیادی داشته اند و ممکن است نتایج در شرایط فعلی متفاوت باشد
o
o
o
o
o
o 3
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o
o موضوع مقاله
o پیش بینی ورشکستگی شرکت های هندی با استفاده از مدل های هوش مصنوعی و یادگیری ماشین و بررسی تاثیر وضعیت بورسی بودن شرکت ها بر دقت پیش بینی
o نقاط ضعف و نقایص مقاله
· محدود بودن به کشور هند
o تمام داده ها از شرکت های هندی استخراج شده اند.
o ساختار اقتصادی، مالیاتی، بانکی و قوانین ورشکستگی هند با کشورهای دیگر متفاوت است؛ بنابراین تعمیم نتایج به ایران یا سایر کشورها دشوار است.
o
· تمرکز فقط بر متغیرهای مالی
o تمام مدل ها بر اساس نسبت های مالی ساخته شده اند.
o اما متغیرهای مهمی مانند:
- حاکمیت شرکتی
- کیفیت حسابرسی
- کیفیت سود 4
- مسئولیت اجتماعی شرکت
- ویژگی های مدیران
o در مدل لحاظ نشده اند.
o
· استفاده از داده های مصنوعی (SMOTE)
o برای حل مشکل کم بودن شرکت های ورشکسته، پژوهشگران از روش SMOTE استفاده کرده اند.
o این روش داده های مصنوعی تولید می کند و خود مقاله نیز اشاره می کند که ممکن است باعث ایجاد نویز و خطا در داده ها شود.
o
· عدم استفاده از مدل های ترکیبی پیشرفته
o نویسندگان فقط مدل های مستقل را بررسی کرده اند.
o خود مقاله پیشنهاد می دهد که در تحقیقات آینده از:
- Hybrid Models
- GAN
- Active Balancing
o استفاده شود.
o
· فقط پیش بینی مقطعی
o مهم ترین محدودیتی که نویسندگان صریحا بیان کرده اند:
o مدل فقط وضعیت فعلی شرکت را پیش بینی می کند و نمی تواند ورشکستگی چند سال آینده را پیش بینی کند.
o
· حذف تعداد زیادی از شرکت های ورشکسته
o در پایگاه اصلی بیش از 11 هزار شرکت ورشکسته وجود داشته است اما فقط 1492 شرکت وارد نمونه نهایی شده اند.
o بنابراین احتمال سوگیری نمونه وجود دارد.
o
· نبود متغیرهای بازار سرمایه
o مدل عمدتا بر اطلاعات حسابداری تکیه دارد.
o متغیرهایی مثل:
- بازده سهام
- نوسان قیمت
- ارزش بازار
o بررسی نشده اند 5
o موضوع مشترک کلی
o ر سه مقاله در حوزه ورشکستگی شرکت ها (Corporate Bankruptcy) و پیش بینی یا تبیین عوامل موثر بر درماندگی مالی و ورشکستگی قرار دارند. هدف نهایی هر سه پژوهش کمک به سرمایه گذاران، مدیران، اعتباردهندگان و سایر ذی نفعان برای تشخیص زودهنگام خطر ورشکستگی است.
o
o شباهت های اصلی سه مقاله
· تمرکز بر پیش بینی ورشکستگی
o هر سه مقاله تلاش می کنند مشخص کنند:
- چه عواملی باعث ورشکستگی شرکت ها می شود؟
- چگونه می توان قبل از وقوع ورشکستگی آن را پیش بینی کرد؟
- چه شاخص هایی هشدارهای اولیه بحران مالی را نشان می دهند؟
o
· استفاده از اطلاعات مالی شرکت ها
o در هر سه مقاله، داده های مالی شرکت ها مبنای تحلیل هستند، مانند:
- سودآوری
- نقدینگی
- بدهی ها
- جریان های نقدی
- نسبت های مالی
o بنابراین همه آنها از اطلاعات حسابداری برای ارزیابی ریسک ورشکستگی استفاده می کنند.
o
· هدف کاربردی برای سرمایه گذاران
o هر سه پژوهش کاربرد مشترکی دارند:
- کاهش ریسک سرمایه گذاری 6
- کمک به اعتباردهندگان
- تصمیم گیری مدیران
- ارزیابی سلامت مالی شرکت ها
o
· روش کمی و آماری
o هر سه مقاله از روش های آماری و تحلیل داده استفاده می کنند:
- رگرسیون
- مدل های پیش بینی
- آزمون فرضیه
- داده های شرکت های بورسی
o بنابراین رویکرد پژوهشی آنها مشابه است.
o
o تفاوت اصلی آنها
o با وجود شباهت کلی، زاویه نگاه هر مقاله متفاوت است:
· مقاله
· تمرکز اصلی
· Bankruptcy 1
· بررسی یک متغیر خاص و اثر آن بر احتمال ورشکستگی
· Bankruptcy 2
· استفاده از شاخص ها یا مدل های مالی برای پیش بینی درماندگی مالی
· Bankruptcy 3
· بررسی عوامل حاکمیت شرکتی، کیفیت اطلاعات یا متغیرهای نوین در پیش بینی ورشکستگی
o مقایسه و تحلیل سه مقاله مرتبط با ورشکستگی شرکت ها
o سه مقاله مورد بررسی همگی در حوزه ورشکستگی شرکت ها و درماندگی مالی قرار می گیرند و هدف اصلی آنها شناسایی عوامل موثر بر بروز بحران مالی و پیش بینی احتمال ورشکستگی شرکت ها است. این مطالعات با بهره گیری از اطلاعات مالی و حسابداری شرکت ها تلاش می کنند ابزار مناسبی برای تشخیص زودهنگام مشکلات مالی و کاهش ریسک تصمیم گیری در اختیار سرمایه گذاران، مدیران و اعتباردهندگان قرار دهند.
o وجه اشتراک اصلی این سه پژوهش، تمرکز بر پیش بینی ورشکستگی و ارزیابی سلامت مالی شرکت ها است. هر سه مقاله از داده های مالی شرکت ها شامل نسبت های مالی، سودآوری، نقدینگی، ساختار سرمایه، بدهی ها و سایر شاخص های عملکرد مالی برای تحلیل وضعیت شرکت ها استفاده کرده اند. همچنین در هر سه پژوهش از روش های کمی و آماری نظیر مدل های رگرسیونی، آزمون فرضیه و سایر تکنیک های تحلیل داده برای بررسی روابط میان متغیرها بهره گرفته شده است
o 7.
o علاوه بر این، هر سه مقاله دارای کاربرد عملی برای ذی نفعان شرکت ها هستند. نتایج این پژوهش ها می تواند به سرمایه گذاران در ارزیابی ریسک سرمایه گذاری، به مدیران در اتخاذ تصمیمات مالی مناسب و به اعتباردهندگان در ارزیابی توان بازپرداخت تعهدات شرکت ها کمک کند.
o با وجود این شباهت ها، تفاوت اصلی این مقالات در متغیرهای مورد بررسی و رویکرد پژوهشی آنها است. مقاله نخست بیشتر بر تاثیر یک متغیر یا عامل خاص بر احتمال ورشکستگی تمرکز دارد. مقاله دوم از شاخص ها و مدل های مالی برای پیش بینی درماندگی مالی و ورشکستگی استفاده می کند. مقاله سوم نیز نقش عوامل نوین تر مانند ویژگی های حاکمیت شرکتی، کیفیت گزارشگری مالی یا سایر عوامل موثر بر سلامت مالی شرکت ها را مورد بررسی قرار می دهد.
o در مجموع، نتایج این سه پژوهش نشان می دهد که اطلاعات مالی، کیفیت گزارشگری و ویژگی های ساختاری شرکت ها نقش مهمی در پیش بینی ورشکستگی دارند و می توان از این متغیرها برای شناسایی زودهنگام شرکت های در معرض بحران مالی استفاده کرد. همچنین بررسی این مطالعات بیانگر آن است که هنوز امکان توسعه مدل های دقیق تر و استفاده از متغیرهای جدید برای افزایش دقت پیش بینی ورشکستگی شرکت ها وجود دارد.
8