یکی از مسائلی که همیشه ذهن دانشمندان و محققان را به خود مشغول داشته بحث پیشگویی است. اساساً، در طول تاریخ، انسان‏ها همیشه به دنبال این مقوله بوده‏اند. مسئلۀ ورشکستگی و عدم موفقیت شرکت‏ها نیز همواره از مشکلات درخور توجه بوده و یکی از عواملی است که هریک از استفاده‌کنندگان از صورت‏های مالی همیشه نگران آن هستند.

در سطح کشور و از جمله در جمع شرکت‏های تولیدی پذیرفته‌شده در بورس اوراق بهادار تهران، شرکت‏هایی دیده می‏شوند که در بازپرداخت بدهی‏های خود با مشکل مواجه هستند، بازدهی لازم برای پوشش هزینه‏ها را ندارند و نیز مشمول مادۀ 141 قانون تجارت شده‏اند. در واقع، همۀ این مسائل حاکی از درگیری شرکت‌ها با درماندگی مالی هستند. وضع مالی نامطلوب باعث بروز زیان برای اقشار مختلف جامعه و مخصوصاً سرمایه‏گذاران و اعتباردهندگان می‌شود. بنابراین، نه تنها سرمایه‏گذاران بلکه مدیران ارشد و حسابداران نیز علاقه‌مندند که وضعیت مالی شرکت را به­طور علمی پیش‌بینی نمایند. هرچند ریسک ورشکستگی برای هریک از این گروه‏ها متفاوت است، لیکن همۀ آنها در این مسئله ذی‏نفع هستند.

بحران‏های مالی اخیر در سراسر دنیا باعث توجه به اهمیت مکانیزم‏هایی شد که برای رفع وضع مالی نامطلوب شرکت‏ها طراحی شده‌اند. واضح است که پیش‏بینی ورشکستگی شرکت‏ها می‏تواند در به‏کارگیری این مکانیزم‌ها برای حل وضع مالی نامطلوب آنها بسیار مؤثر باشد، اما لازم به ذکر است که ویژگی‏های خاص کشورها نیز بر مشکلات مالی آنها تأثیر می‌گذارد.

یکی از راه‌هایی که می­توان به بهره‏گیری مناسب از فرصت­های سرمایه‏گذاری و همچنین جلوگیری از هدر رفتن منابع کمک کند پیش­بینی درماندگی مالی یا ورشکستگی است. به این ترتیب که نخست، با ارائۀ هشدارهای لازم، می­توان شرکت‏ها را نسبت به وقوع درماندگی مالی هوشیار کرد تا آنها با توجه به این هشدارها دست به اقدام­های مقتضی بزنند و دوم اینکه سرمایه‏گذاران فرصت مطلوب سرمایه‏گذاری را از فرصت‏های نامطلوب تشخیص دهند و منابعشان را در فرصت‏های مناسب سرمایه‏گذاری کنند. در ادامۀ این فصل، به تشریح بیشتر موضوع، اهمیت و ضرورت آن و همچنین اهداف و فرضیه‏های پژوهش می‏پردازیم.

1-2-  بیان مسئله

از نقطه‏نظر اقتصادی، درماندگی را می‏توان به زیان‏ده بودن شرکت تعبیر کرد که در واقع، در این حالت، شرکت دچار عدم‌موفقیت شده است. صرف‌نظر از اندازه و ماهیت فعالیت واحد‌های تولیدی، استفاده‌کنندگان از صورت‌های مالی، از جمله سرمایه‌گذاران و یا اعتبار‌دهندگان، بر اساس اطلاعات مالی تصمیم به خرید و فروش سهام و پرداخت وام می‌گیرند. همان­طور که گفته شد، در سطح کشور و از جمله در جمع شرکت‏های تولیدی پذیرفته­شده در بورس اوراق‏ بهادار تهران، ممکن است شرکت‏هایی در آینده دچار ورشکستگی شوند، لیکن باتوجه به عدم‌اطمینان نسبت به وضعیت این شرکت‏ها در آینده، ممکن است منابع و فرصت‏های بیشتری از بین می‏رود.

وضع مالی نامطلوب شرکت‌ها باعث بروز زیان برای اقشار مختلف جامعه می‌شود، بطور مثال  چنانچه حسابرسان از طریق گزارش حسابرسی علائم بحران را افشا نکنند، به وسیلۀ دعاوی حقوقی تحدید می­شوند، همچنین موسسات مالی باید احتمال ناتوانی واحدهای تولیدی در بازپرداخت تسهیلات دریافتی را اندازه‌گیری نمایند. بنابراین، نه تنها سرمایه‏گذاران بلکه مؤسسات مالی، مدیران ارشد، حسابرسان و … نیز علاقه­مندند که وضعیت مالی شرکت را به­طور علمی پیش‌بینی کنند. وقتی شرکتی ورشکسته شود، به نظر می‏رسد سازماندهی مجدد، خروج از درماندگی و یا انحلال و نقدکردن آن به منظور استفاده از سایر فرصت‏های سرمایه‏گذاری راه‏ حل معقول باشد. اما زمانی می‏توان از سازماندهی مجدد شرکت‏‏ صحبت کرد که فرصت کافی برای این کار باقی مانده­ باشد. بنابراین، نیاز به استفاده از الگوهایی است که بتوانند وضعیت مالی شرکت­ها را در آینده پیش‌بینی کنند. بنابراین طی سالیان اخیر، علاقه به پیش‌بینی بحران‌های مالی در شرکت‌ها منتج به شکل‌گیری مدل‌های متفاوتی در این حوزه شده، لیکن مسئله اصلی عدم اجماع در خصوص این مدل‌ها است.

1-3- ضرورت انجام پژوهش

در فضای رقابتی امروز، افراد تلاش زیادی برای اطلاع از وضعیت شرکت‏ها به منظور محافظت از منافع خود انجام می‏دهند، اما این مهم زمانی دست‏یافتنی خواهد بود که اشخاص به روش‏های تجزیه و تحلیل قابل اعتماد دسترسی داشته باشند. تعیین علت یا علت­های یک بحران مالی کار ساده‌ای نیست. مشکل مالی نتیجۀ عوامل متعددی بوده که به ورشکستگی منجر می­شود. پیش‏بینی درماندگی مالی شرکت‏ها مدت‏هاست که به عنوان یکی از موضوعات مهم در حوزۀ مالی مطرح بوده و مدل‌های متعددی در این زمینه طراحی شده­اند و در بسیاری از این مدل‌ها از متغیرهای سنتی مالی به عنوان متغیرهای پیش‏بینی­کنندۀ درماندگی استفاده شده است.

اگر وضعیت مالی بنگاه‏ها از طریق آزمون مدل روشن شود و ورشکستگی آنها قابل پیش‏بینی باشد، سهام­داران و مدیران برای جلوگیری از ورشکستگی و یا تغییر در وضعیت ساختار شرکت چاره­اندیشی خواهند کرد و چه بسا با اتخاذ تدابیری درست از ورشکستگی آن شرکت‏ها جلوگیری کنند؛ لیکن انواع مدل­های پیش­بینی عملکرد نتایج متفاوتی را به تصمیم­گیرنده نشان می­دهند. بنابراین، باید مدل‌های مختلفی که برای پیش­بینی بحران­های مالی قبل از وقوع آنها تدوین شده آزمایش شوند تا ابتدا مشخص شود که آیا این الگوها در شرایط اقتصادی، فرهنگی و اجتماعی کشور ایران توانایی پیش­بینی بحران مالی را دارند یا نه، سپس در صورت توانایی پیش­بینی، بر اساس بالاترین توانمندی مرتب ‏شوند تا بتوانند در تصمیمات به‌کارگرفته شوند. هرچند هیچ­یک از روش­های ارزیابی عملکرد در دنیا مدل کاملی را ارئه نمی­کنند و همواره، در کنار یک مدل پیش­بینی، به قضاوت حرفه­ای تصمیم­گیرنده نیز نیاز هست.

بنابراین، با ‌عنایت به پیامدها و هزینه‏هایی که مسئلۀ درماندگی مالی می‏تواند برای شرکت‏ها، اقتصاد کشور و سایر افراد و نهادها ایجاد کند، انجام تحقیقاتی که بتواند این مدل‌ها را ارزیابی نموده و آنها را بر اساس توانمندی در ارزیابی مورد آزمون قراردهد ضرورت می‏یابد.

1-4- گزاره­های پژوهش

1-4-1- سؤالات پژوهش

1. میزان توانایی «مدل اسپرینگیت» در مقایسه با «مدل شبکۀ عصبی مصنوعی» در پیش­بینی ورشکستگی شرکت‌ها چگونه است؟
2. میزان توانایی مدل­ «اسپرینگیت» در مقایسه با «الگوریتم ژنتیک خطی» در پیش­بینی ورشکستگی شرکت‌ها چگونه است؟
3. میزان توانایی مدل­ «شبکۀ عصبی مصنوعی» در مقایسه با «الگوریتم ژنتیک خطی» در پیش­بینی ورشکستگی شرکت‌ها چگونه است؟

1-4-2-  فرضیه‌ها

هدف این پژوهش مقایسۀ کارایی الگوهای پیش­بینی بحران مالی (الگوریتم ژنتیک خطی، مدل شبکۀ عصبی مصنوعی و مدل اسپرینگیت) با استفاده از نسبت­های مالی در شرکت‌های پذیرفته‌شده در بازار بورس اوراق بهادار تهران است. بنابراین، فرضیه­ها در دو گروه و به شرح زیر طراحی شده‌اند:

1-4-2-1- فرضیه‌های گروه اول:

فرضیۀ اول: مدل «اسپرینگیت» قابلیت پیش­بینی بحران در شرکت­های پذیرفته­شده در بازار بورس تهران را دارد.

فرضیۀ دوم: مدل «شبکۀ عصبی مصنوعی» قابلیت پیش­بینی بحران در شرکت­های پذیرفته­شده در بازار بورس تهران را دارد.

فرضیۀ سوم: مدل «الگوریتم ژنتیک خطی» قابلیت پیش­بینی بحران در شرکت­های پذیرفته­شده در بازار بورس تهران را دارد.

1-4-2-2- فرضیه‌های گروه دوم:

فرضیۀ اول: بین مدل «اسپرینگیت» و مدل «شبکۀ عصبی مصنوعی» در پیش­بینی احتمال وقوع بحران مالی در شرکت‌های پذیرفته­شده در بورس اوراق بهادار تهران تفاوت معنی­داری وجود دارد.

فرضیۀ دوم: بین مدل «اسپرینگیت» و «الگوریتم ژنتیک خطی» در پیش­بینی احتمال وقوع بحران مالی شرکت‌های پذیرفته­شده در بورس اوراق بهادار تهران تفاوت معنی‌داری وجود دارد.

فرضیۀ سوم: بین مدل «شبکۀ عصبی مصنوعی» و «الگوریتم ژنتیک خطی» در پیش­بینی احتمال وقوع بحران مالی شرکت‌های پذیرفته­شده در بورس اوراق بهادار تهران تفاوت معنی‌داری وجود دارد.

1. 1. اگر بر اثر زیان‌های وارده حداقل نصف سرمایۀ شرکت از میان برود، هیأت مدیره مکلف است بلافاصله مجمع عمومی فوق‌العادۀ صاحبان سهام را دعوت نماید تا موضوع انحلال یا بقای شرکت مورد شور و رأی واقع شود. هرگاه مجمع مزبور رأی به شرکت ندهد، باید در همان جلسه و با رعایت مقررات مادۀ 6 این قانون سرمایۀ شرکت را به مبلغ سرمایۀ موجود کاهش دهد. (ناصرزاده، ‌1374: 59)

. Springate method.

. Artificial neural network.

. Linear genetic algorithm.