مجتبی عالی فامیان

هدف: اهمیت بالای درماندگی مالی برای حیات اقتصادی کشور و هزینه های بالای فردی و اجتماعی آن، موضوع پیش بینی درماندگی مالی را به یک مسئله مهم برای استفاده کنندگان و ذی نفعان صورت های مالی تبدیل کرده است. عمده پژوهش ها باتکیه بر اطلاعات مالی ساختاریافته و کمی صورت های مالی درماندگی مالی را پیش بینی کردند؛ اما در این پژوهش تلاش شده است با استفاده از تکنیک متن کاوی و الگوریتم های یادگیری ماشین، از اطلاعات ساختار نیافته گزارش های هیئت مدیره جهت پیش بینی درماندگی مالی استفاده شود.   روش: به همین منظور گزارش هیئت مدیره 100 شرکت بورسی در بازه زمانی 1390-1400 جمع آوری، با استفاده از زبان برنامه نویسی پایتون مورد متن کاوی (شامل مراحل پیش پردازش، استخراج ویژگی، انتخاب ویژگی و ...) قرار گرفتند و سپس مدل سازی آن با استفاده از الگوریتم های یادگیری ماشین در زبان برنامه نویسی پایتون انجام گرفت.   یافته ها: نتایج پژوهش حاکی از برتری دو روش مدل درخت تصمیم و ماشین بردار پشتیبان با کرنل شعاعی نسبت به سایر روش ها (شامل رگرسیون لجستیک، جنگل تصادفی، نزدیک ترین همسایگی و روش های ماشین بردار پشتیبان با کرنل های خطی، سیگموئید و چندجمله ای) بود.   نتیجه گیری: در واقع نتایج این پژوهش نشان داد که به جای توجه صرف بر اعداد و ارقام و نسبت های مشتق شده، می توان از تکنیک متن کاوی نیز جهت تجزیه وتحلیل و پیش بینی استفاده کرد و با تلفیق آن با نتایج حاصل از اطلاعات کمی می توان درماندگی مالی شرکت ها پیش بینی نمود.

هدف: با توجه به اثرات هزینه های بالای درماندگی مالی، پیش بینی آن از همان ابتدا موردتوجه محققان قرار گرفته است. ازاین رو، هدف از این پژوهش مرور ادبیات مقالات مربوط به درماندگی در این دو حوزه با استفاده از روش شناسی کتاب سنجی است. روش پژوهش: روش تحقیق این پژوهش بر اساس یک پروتکل سه مرحله ای تنظیم، پایش و تجزیه وتحلیل مجموعه داده ها انجام شده است. در مرحله اول، مقاله منتشرشده در زمینه درماندگی مالی از پایگاه داده Web of Science در بازه زمانی سال های 1980 تا 2023 جمع آوری و سپس در مرحله دوم، اسناد و مقالات پایش و 801 مقاله به منظور مرور ادبیات این حوزه انتخاب شد و درنهایت با استفاده از جعبه ابزار تحلیل کتاب سنجی مقالات موردبررسی قرار گرفت. همچنین به منظور تحلیل مقالات این حوزه از نرم افزار VOSviewer بهره گرفته شده است. یافته ها: یافته های این پژوهش حاکی از وجود شش جریان اصلی پژوهش (روش های پیش بینی درمانگی مالی، عوامل پیش بینی کننده درماندگی مالی، استراتژی تجدید ساختار، حاکمیت شرکتی، ورشکستگی بانک ها و مدیریت سود) در حوزه درماندگی مالی می باشد. همچنین نتایج پژوهش علاوه بر اینکه حاکی از اهمیت مسئولیت اجتماعی شرکت است مؤکد این موضوع نیز هست که با پیشرفت فناوری، استفاده از ابزار هوش مصنوعی جهت افزایش دقت پیش بینی افزایش یافته است.

در این پژوهش، افزون بر بررسی تأثیر توانایی مدیران بر حق الزحمه حسابرسی، تأثیر درماندگی مالی بر اثر توانایی مدیران بر حق الزحمه حسابرسی نیز بررسی شده است. جامعه آماری این پژوهش، کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران در نظر گرفته شده است. برای اجرای پژوهش، اطلاعات 82 شرکت به عنوان نمونه آماری بررسی شد. با استفاده از الگوی رگرسیون چند متغیره و داده های ترکیبی، به تجزیه وتحلیل اطلاعات و آزمون فرضیه ها پرداخته شد. البته به منظور اندازه گیری توانایی مدیران،از مدل دمریجان و همکاران(2012)استفاده شده است که از تحلیل پوششی داده ها (DEA) بدست می آید و همچنین برای اندازه گیری درماندگی مالی شرکت از مدل ایرانیزه شده آلتمن که توسط رودپشتی و همکاران(1388) ارائه شده استفاده شده است. یافته ها نشان می دهد توانایی مدیران تأثیر منفی و معناداری بر حق الزحمه حسابرسی می گذارد و همچنین برخلاف انتظار، درماندگی مالی شرکت به عنوان متغیر تعدیل کننده، رابطه بین حق الزحمه حسابرسی و توانایی مدیران را تعدیل نمی کند..