موضوع پیش‌بینی ورشکستگی شرکت‏ها، در حوزه پژوهش‌های مالی جذابیت زیادی در بین کارشناسان این امر دارد. با توجه به تاثیری که مشکلات مالی شرکت‏ها بر روی ذینفعان آن‏ها می‌گذارد، همواره ارائه روش‏ها و مدل‏های پیش بینی ورشکستگی و درماندگی مالی یکی از جذاب‌ترین حوزه‌ها در پژوهش‌های امور مالی بوده است.

سرمایه گذاران شرکت‏ها همواره انتظار دارند که سرمایه‌شان از امنیت لازم برخوردار باشد و بازده‏ای مناسب در مقیاس با ریسکی که کرده‏اند نصیبشان شود؛ و این که بتوانند به موقع بحران‏های مالی شرکت‏ها را پیش بینی کرده و از به خطر افتادن سرمایه‌شان جلوگیری کنند.

محققان در جهت رفع این نیاز تا کنون پژوهشات گسترده‌ای انجام داده‌اند  و از روش‌ها و مدل‌های مختلفی برای ارزیابی عملکرد مالی شرکت‏ها و البته پیش بینی ورشکستگی آن‏ها استفاده کرده‌اند، اما به نکته ای که باید توجه کرد این است که هیچ کدام از این روش‌ها به تنهایی کافی نیست و باید از آن‏ها در کنار هم و البته با استفاده از قضاوت‌های حرفه ای کارشناسان کاربلد (تحلیل‌های فاندمنتال) استفاده شود.

از جمله روش‌هایی که در چند سال اخیر جهت تسهیل فرایند تصمیم گیری‌های مالی بیشتر مورد توجه محققان قرار گرفته، روش تحلیل پوششی داده‌ها است، که البته نتایج قابل قبولی نیز داشته است.

در این پژوهش هدف بررسی توان مدل تحلیل پوششی داده‌ها در پیش بینی ورشکستگی یا به نوعی قرار گرفتن شرکت‏ها (در گروه‌های مختلف) در آستانه ورشکستگی مالی می‌باشد. که در این بین از یک روش آماری با عنوان تکنیک اجزای اصلی برای کاهش بعد ورودی‌های مدل تحلیل پوششی داده‌ها استفاده شده است.

در فصل اول این پژوهش درباره ضرورت موضوع و گزاره های پژوهش بحث شده است، پایه تئوریک و پیشینه پژوهش‌های داخلی و خارجی در فصل دوم مطرح شده است، روش پژوهش و طرق جمع آوری اطلاعات در فصل سوم بیان شده است و درنهایت در فصل چهارم و پنجم نتایج بدست آمده ارائه شده است.

1-1-بیان مسئله

تا کنون پژوهشات زیادی در باب پیش بینی ورشکستگی شرکت‏ها انجام شده است و البته نتایج مختلفی نیز بدست آمده که در بخش پیشینه پژوهش بیشتر در مورد آن بحث می‌شود. اما استفاده از روش‌های جدید و البته مدل‌های قدیمی در قالب‌های جدید، همواره مورد توجه محققان مالی قرار داشته است.

هرچقدر این مدل‌ها ساده‌تر و قابل فهمتر باشند، بیشتر مورد توجه قرار می‌گیرند. یکی ازمدل‏هایی که اخیرا برای پیش بینی آینده مالی شرکت‏ها بیشتر مورد توجه و استفاده قرار گرفته مدل تحلیل پوششی داده‌ها است که با استفاده از سنجش کارایی شرکت‏ها، پیش بینی برای آینده شرکت (سالم یا ورشکسته شدن) ارائه می‌کند.

مشکل اساسی در کارهای گذشته این است که همه شرکت‏ها در یک گروه قرار گرفته و مورد تحلیل قرار داده شدند. با توجه به ماهیت DEA[1] که باید تمام اعضای مجموعه ( DMU[2]ها) دارای ماهیت یکسان باشند، این موضوع یکی از ضعف‌های پژوهشات قبلی محسوب می‌شود که در این پژوهش با دسته بندی شرکت‏ها سعی شده تا این مشکل برطرف گردد.

در چنین وضعیتی می‌توان به صورت تفکیک شده قابلیت پیش بینی هر دسته را مورد ارزیابی قرار داد و نتیجه کامل‌تری در مورد ماهیت این مدل در پیش بینی وضعیت مالی شرکت‏ها ارائه نمود.

1-2- اهمیت و ضرورت تحقیق

سرمایه‌گذاران حقیقی و حقوقی تلاش زیادی را برای اطلاع از وضعیت شرکت‏ها، در جهت محافظت از سرمایه خود انجام می‌دهند. کارشناسان مالی باید در جهت رفع این نیاز سرمایه‌گذاران تا حد امکان پژوهشات گسترده‏ای را انجام دهند و مدل‌های متفاوتی برای ارزیابی وضعیت مالی و عملکرد شرکت‏ها ارائه نمایند. اما باید توجه داشت که هیچ یک از روش‌ها یک مدل کامل و بی عیب نیستند و در کنار هر مدلی قضاوت تصمیم گیرنده نیز بسیار مهم است.

ازجمله روش‌هایی که به تازگی جهت تسهیل فرایند تصمیم گیری مالی مورد استفاده قرار گرفته است، روش تحلیل پوششی داده‏ها است. پژوهشات نسبتا کمی علی الخصوص در ایران در زمینه استفاده از این مدل صورت گرفته است و در نتیجه جای پژوهشات بسیاری در باب این مدل خالی است.

امتیاز کارایی بدست آمده از این تکنیک می‌تواند در پیش بینی وضعیت شرکت‏ها، به خصوص ورشکستگی آن‏ها کمک یار تصمیم گیرندگان و کارشناسان مسائل مالی باشد.

1-3-گزاره‏های تحقیق

گزاره‌های این پژوهش که عبارتند از اهداف، سوالات پژوهش در ادامه بیان شده است:

1-3-1- اهداف تحقیق

اهداف اصلی و فرعی این پژوهش عبارتند از:

هدف اصلی:

تعیین کارایی شرکت‏های تولیدی بورس اوراق بهادار تهران در هرکدام از سه گروه طبقه‌بندی شده (صنایع غذایی و دارویی، صنایع فلزی و خودرو سازی و ماشین آلات و صنایع شیمیایی و پتروشیمی) و بررسی توانمندی مدل طراحی شده (مدل تلفیقی DEA و PCA[3]) در پیش بینی ورشکستگی با توجه به کارایی آن‏ها.

اهداف فرعی:

1-تعیین نسبت شرکت‏های ورشکسته پیش بینی شده در صنایع غذایی و دارویی

2-تعیین نسبت شرکت‏های ورشکسته پیش بینی شده در فلزات و خودرو سازی و ماشین آلات

3-تعیین نسبت شرکت‏های ورشکسته پیش بینی شده در صنایع شیمیایی و پتروشیمی

4-ارائه نتایج نهایی در توانمندی مدل در پیش بینی شرکت‏های ورشکسته هر گروه

[1] – Data Envelopment Analysis

[2] – Decision Making Units

[3] – principal component analysis