صفحه محصول - مقاله یشینه تحقیقات داخلی وخارجی درماندگی مالی و ورشکستگی

مقاله یشینه تحقیقات داخلی وخارجی درماندگی مالی و ورشکستگی (docx) 15 صفحه

دسته بندی : تحقیق

نوع فایل : Word (.docx) ( قابل ویرایش و آماده پرینت )

تعداد صفحات: 15 صفحه

قسمتی از متن Word (.docx) :

بخش دوم: پیشینه تحقیق 2-13) مطالعات صورت گرفته با موضوع تحقیق 2-13-1) تحقیقات خارجی در زمینه درماندگی مالی بیور(1966)نخستین فردی بود که در ساختن مدل پیش بینی ورشکستگی با استفاده از نسبت های مالی اقدام کرد.او اولین پژوهشگری بود که ی مدل تحلیل تمایزی تک متغیره را برروی تعدادی از نسبت های مالی یک نمونه زوج دوتایی از شرکت های ورشکسته و غیر ورشکسته به منظور پیش بینی بحران مالی شرکت ها مورد استفاده قرار داد.که در نهایت به این نتیجه رسید که نسبت جریان نقدی به کل بدهیها بیشترین دقت را در پیش بینی درماندگی مالی شرکتها تاپنج سال قبل از وقوع آن دارد.آلتمن (1968)تحلیل آماری چند مرحله ای را وارد حوزه پیش بینی بحران مالی شرکت ها نمود و مدل برآوردی خود را Z-Score نامید که دارای دقت کلی برابر 95 و83 درصد به ترتیب در یک و دو سال قبل از وقوع ورشکستگی بود و همچنین به این نتیجه رسید که تفاوت بین نسبتهای مالی شرکت های ورشکسته و سالم با نزدیک شدن به زمان ورشکستگی افزایش می یابد)موسوی شیری، 1388). دیکین (1972)در پژوهشی به ارائه الگویی با 14 متغیر پرداخت که این الگو در پنج سال قبل از وقوع درماندگی مالی به ترتیب دقتی برابر با 83،79،95.5،95.5،97 داشت. بلوم (1974)از یک مدل تمایزی چند متغیره و صورت های مالی بعنوان متغیر های پیش بینی استفاده کرد.او در پژوهش خود از طریق گسترش مفهوم درماندگی تعداد نمونه های خود را افزایش داد.همچنین وی در پژوهش خود از داده های خام حسابداری مانند سود تقسیمی در کنار نسبت های مالی استفاده کرد.و در نهایت الگویی با 12 متغیر با دقتی برابر 70،70،70،80،94 درصد به ترتیب تا پنج سال قبل از وقوع درماندگی مالی ارائه نمود.دیکین (1977) از ترکیبات غیر خطی نسبتهای مالی برای پیش بینی درماندگی مالی استفاده کرد.وی در نهایت یک الگوی خطی 5متغیره با دقت 94.4 درصد در یکسال قبل از وقوع و یک الگوی غیر خطی با دقتی برابر 83.9 درصد در یکسال قبل از وقوع درماندگی ارائه کرد. اسپرین گیت(1978) یک الگوی 4 متغیره با دقتی برابر با 92.5 درصد در یکسال قبل از درماندگی ارائه نمود. اوهلسون (1980)از نسبتهای مالی و تجزیه و تحلیل لوجیت چندی بعدی برای ایجاد مدل خود استفاده کرد. مدل وی متشکل از نه متغیر روی یک نمونه شامل 105 شرکت مواجه با بحران مالی و2058شرکت فاقد بحران مالی امتحان گردید که نرخ دقتی حدود 85درصد برای یکسال قبل از ورشکستگی حاصل شد (غلامپور فرد، 1387). زمیجوسکی(1984)با استفاده از تجزیه و تحلیل پروبیت با انتخاب نمونه ای مشتمل بر 40شرکت با بحران مالی و 80 شرکت فاقد بحران مالی به نرخ دقتی حدود 78 درصد برای یکسال قبل از ورشکستگی رسید. وی در الگوی خود از نسبتهای مالی که نقدینگی، عملکرد و اهرمهای شرکت را اندازه گیری می کنند استفاده کرد. زاوگرن (1985 ) از تکنیک لوجیت برای طبقه بندی شرکت های ورشکسته استفاده کرده است. دقت کلی مدل وی در پیش بینی طبقه بندی شرکت ها به ترتیب 82 درصد، 83 درصد، 72 درصد، 73 درصد، 80 درصد برای سالهای 1 تا 5 سال قبل از بروز بحران مالی بود گرایس (1998 ) مجموعه ای از مدل های پیش بینی ورشگستگی برای ارزیابی حساسیت ساختار آن ها نسبت به ترکیبات متعدد نسبت های مالی مورد مطالعه قرار داد و بر اساس مدل احتمالی شرطی لوجیت مدلی را ارئه نمود که در این گونه مدل های لوجیت نسبت های مالی شرکت ها در ضرایب مدل ضرب شده تا یک شاخص لوجیت ایجاد شود. میزان دقت پیش بینی مدل وی حدود 79 درصد برای یک سال قبل از ورشکستگی و 78 درصد برای دو سال قبل از ورشکستگی بدست آمد. سانگ و همکاران(1999) پژوهشی در زمینه الگوریتم افراز بازگشتی انجام داد که در نهایت این نتیجه بدست آمد که الگوی مبتنی بر الگوریتم افراز بازگشتی در شرایط عادی و بحران اقتصادی به ترتیب در83.3و81 درصد از موارد صحیح عمل می کند و الگوی تشخیصی در شرایط عادی و بحرانی به ترتیب دقتی برابر 82.1 و 79.8 درصد دارد.مکی و گرینستین (2000) در طی تحقیقی به این نتیجه رسید که الگوی الگوریتم افراز بازگشتی نسبت به دو الگوی لوجیت و شبکه عصبی با خطای نوع اول کمتری همراه است و این در حالی است که دو الگوی لوجیت و شبکه عصبی در مینیمم کردن خطای نوع دوم بهتر عمل می کنند.ادم و شردا(1990)طی پژوهشی د ریافت که الگوهای مبتنی بر شبکه عصبی در مقایسه با الگوی مبتنی بر تحلیل تشخیصی چند متغیری از دقت و توان پیش بینی بالاتری برخوردارند.اسلچن گریگر و همکاران(1992) در تحقیق خود به این نتیجه رسید که الگو های مبتنی بر شبکه عصبی عملکرد بهتری از الگو های مبتنی بر تحلیل لوجیت دارند.سی لن و همکاران(2004) بر اساس تحقیق در زمینه درماندگی مالی دریافت که الگو های مبتنی بر تحلیل پوششی داده از الگو های مبتنی بر برنامه ریزی خطی ساده و الگو های مبتنی بر درخت تصیم گیری قابلیت پیش بینی بالاتری دارند.ونگ)2007) طی پژوهشی در زمینه تحلیل پوششی داه ها به این نتیجه رسید که وارد کردن امتیاز کارایی به الگوهای تشخیصی، لو جیت و درخت تصمیم گیری باعث بهبود قابلیت پیش بینی این الگو ها می شود(موسوی شیری، 1388). 2-13-2)تحقیقات انجام گرفته در ایران در زمینه پیش بینی درماندگی مالی در ایران نیز پیش بینی ورشکستگی در چند تحقیق دانشگاهی مورد بررسی قرار گرفته است.اولین کار پژوهشی در این ارتباط را مهدی فغانی نرم (1380)انجام داده اند. تعریف وی از ورشکستگی شمول ماده 141قانون تجارت در مورد شرکت بود.وی تحلیل تمایزی چند مرحله ای را مورد استفاده قرار داد.نمونه وی شامل 18شرکت ورشکسته و 23 شرکت سالم مربوط به دوره زمانی 1369تا1378بود و اطلاعات مالی شرکت را برای یک و دو سال قبل از ورشکستگی جمع آوری شده است.نسبتهای مالی مورد استفاده در این تحقیق عبارتند از:سرمایه در گردش به کل داراییها،سود قبل از بهره و مالیات به کل دارایی ها،سود انباشته به کل دارایی ها،نسبت ارزش بازار حقوق صاحبان سهام به ارزش دفتری کل بدهی،نسبت فروش به کل دارایی ها،نتیجه این تحقیق این بود که مدل طبقه بندی شرکتهای نمونه را بطور صحیح انجام داده و فاقد هر گونه خطای طبقه بندی بوده است(سهرابی عراقی،1387).علیرضا صفری (1381)ارتباط نسبتهای مالی و تداوم فعالیت شرکتها را مورد رسیدگی قرار داده است.تعریف وی از ورشکستگی توقف نماد معاملاتی شرکتهای پذیرفته شده در بورس اوراق بهادار بر اثر مشمولیت ماده 141 قانون تجارت بوده است.نمونه مورد آزمون وی 31 شرکت ورشکسته و 31 شرکت سالم برای دوره زمانی 1375-1380 بوده است.نسبهای مورد استفاده در این تحقیق عبارتند از: سرمایه در گردش به کل داراییها،قدرت سودآوری،سود قبل از مالیات به بدهی جاری و فروش به کل دارایی ها. غلامرضا سلیمانی امیری(1381)درپژوهشی تحت عنوان "مدل پیش بینی متغیر های ورشکستگی در شرکتهای ایرانی "قدرت نسبتهای مالی جهت پیش بینی بحران مالی شرکتها را مورد بررسی قرار داده است.نمونه وی شامل 30 شرکت دارای بحران مالی و 30 شرکت فاقد بحران مالی بوده است.تعریف وی از ورشکستگی توقف نماد معاملاتی دربورس اوراق بهادار به دلیل ورشکستگی است که حداقل برای دو سال نماد آنها متوقف بوده است.از 22نسبت اولیه پس از بررسی های لازم 5نسبت که انتظار می رفت با هم بهترین پیش بینی را درخصوص بحران مالی ارائه نمایند انتخاب شده است. این نسبتها عبارتند از: سرمایه در گردش به کل داراییها،نسبت دارایی جاری به بدهی جاری،نسبت سود قبل از بهره و مالیات به کل داراییها،حقوق صاحبان سهام به کل دارایی ها،و نسبت فروش به کل دارایی ها تحقیق با استفاده از مدل رگرسیون چند گانه برای یک و دو و سه سال قبل از ورشکستگی انجام شده است. نتایج آماری مدل حاکی از معتبر بودن مدل و نسبتهایی انتخاب شده بوده است.نتایج آزمون توانایی پیش بینی مدل نشان دهنده این واقعیت است که مدل قادر است تا 3 سال قبل از بحران مالی در شرکتها، پیش بینی صحیحی در خصوص بحران مالی ارائه دهند.خطای نوع اول و دوم برای یک سال قبل از ورشکستگی به ترتیب 7%و3% برای سال دوم 23%و 10% و برای سال سوم 7% و 13% برآورد شده است. محمد تقی قسوری(1384) در پژوهشی تحت عنوان "مقایسه بین ترکیبی از نسبتهای مالی مبتنی بر صورت جریان وجوه نقد و اقلام تعهدی و نسبتهای مالی صر فا مبتنی بر اقلام تعهدی در پیش بینی ورشکستگی شرکتها"با بررسی 32 شرکت سالم و 32 شرکت ناسالم بر اساس مشمولیت ماده 141قانون تجارت به این نتیجه رسیده است که نسبتهای مبتنی بر صورت وجوه نقد نیز می تواند به مانند نسبتهای استخراج شده از ترازنامه و سود و زیان نیز در پیش بینی ورشکستگی شرکتها تاثیر داشته است. سایر تحقیقات صورت گرفته در این زمینه عبارتند از: دیو سالار( 1389)در پژوهشی تحت عنوان"بررسی تطبیقی پیش بینی ورشکستگی شرکت های صنعتی پذیرفته شده در بورس اوراق بهادار تهران با استفاده از روشهای آماری و روش های هوش محاسباتی"به ارائه مدلهایی برای پیش بینی ورشکستگی و انتخاب بهترین مدل شناسایی نسبتهای مالی مهم پیش بینی ورشکستگی پرداخت.در نهایت این مطالعه منجر به ارائه مدل پیش بینی ورشکستگی با توجه به شرایط ایران گردید. سهرابی عراقی( 1387)در پژوهشی تحت عنوان "مدلی جهت پیش بینی بحران مالی در شرکتهای ایرانی" به ارائه یک مدل برای پیش بینی بحران مالی در شرکتهای ایرانی بر اساس Qتوبین، پرداخت. که در نهایت بابررسی های انجام گرفته با توجه به شرایط اقتصادی ایران یک مدل که بر گرفته شده از پنج نسبت مالی بود ارائه کرد که قابلیت پیش بینی و تمیز بین دو گروه شرکتهای دارای بحران مالی و غیر بحران مالی را دارد. فرج زاده(1386) در پژوهشی جهت تحت عنوان "کاربرد الگوریتم ژنتیک در مدل بندی پیش بینی ورشکستگی" مدلهایی مناسب از طریق روش MDAو الگوریتم ژنتیک جهت استفاده در شرکتهایی ایرانی ارائه گردیده است.و نتیجه گرفت که در پیش بینی ورشکستگی میزان دقت مدل GP بیشتر از مدلهای MDA می باشد. سعید فلاح پور(1383) در پژوهشی تحت عنوان "پیش بینی درماندگی مالی شرکت ها با استفاده از شبکه های عصبی مصنوعی"به بررسی میزان دقت پیش بینی درماندگی مالی از طریق روش های MDAو ANN پرداخت که نتایج حاصل از این پژوهش بیان داشت که با استفاده از ANNمی توان پیش بینی قابل قبولی در مورد درماندگی مالی شرکتها ارائه کرد که از مدل خطی MDA عملکرد بهتری دارد. 2-13-3)تحقیقات مربوط به الگوهای جریان های نقدی شرکت ها در نتیجه تصمیمات راهبردی و محیط رقابتی خود از مراحل چرخه ی عمر(مرحله ی ظهور-رشد-بلوغ-رکود و نزول) عبور می کنند، وبا توجه به هر مرحله از حیات خود سیاست ها و خط مشی های مشخصی را دنبال می کنند. به عنوان مثال در مرحله ظهور، شرکت ها تلاش می کنند وارد بازار شوند، ساختار هزینه و درآمدهای بالقوه خود را شناسایی کنند. در این مرحله معمولا جریان های نقد عملیاتی منفی است. ژووانیک 1962))شرکت ها در جهت ایجاد ظرفیت و استعداد حرکت می کنند. مدیران به منظور ارتقاء و جلوگیری از ورود رقبای بالقوه به صنعت، سرمایه گذاری می کنند. این امر باعث می شودخالص وجوه حاصل از سرمایه گذاری منفی باشد. اسپنس)1981) با توجه به این که در این مراحل وجوه کافی در شرکت ایجاد نمی شود احتمالا شرکت ها وجوه مورد نیاز خود را از منابع خارج شرکت تأمین می کنند، در نتیجه خالص وجوه حاصل از فعالیت های تأمین مالی مثبت است (دیکیسن، 2011). الگوهای جریان های نقدی، سیاست های شرکت برای تأمین منابع، تخصیص منابع و ظرفیت عملیاتی را نشان می دهد. تئوری های اقتصادی و محققان قبلی مثبت یا منفی بودن هر یک از طبقات جریان وجوه نقد عملیاتی، سرمایه گذاری، تأمین مالی، را با توجه به مراحل چرخه عمر را پیش بینی کرده اند. به عنوان مثال مثبت یا منفی بودن هر یک از طبقات، سیاست ها و خط مشی های مورد انتظار هر یک از مراحل چرخه عمر را نشان می دهد. ژووانیک1982)) بیان می کند که شرکت ها در مرحله ظهور سعی در شناخت هزینه ها و درآمدهای بالقوه ی خود دارند،همچنین دیماند(1991)بیان می کند که شرکت ها در مرحله ظهور و رشد از منابع خارج شرکت برای تأمین مالی استفاده می کنند و همچنین در مرحله بلوغ از منابع داخلی استفاده می کنند. لارنی بولان(2009)به بررسی بین مراحل چرخه عمر شرکت و نوع تأمین مالی شرکت پرداخت،نتایج این پژوهش نشان می دهد که شرکت ها در دوره رشد از منابع خارج از شرکت تأمین مالی می کنند و در مرحله ی بلوغ از منابع داخلی استفاده می کنند. ژووانیک1982))طی مطالعاتی که انجام داد به این نتیجه رسید که در مرحله ی ظهور شرکت بعلت نداشتن مشتریان و کمبود دانش در باره ی درآمدها و هزینه های بالقوه جریان نقد عملیاتی آنها منفی می باشد. اسپنس)1981)بیان داشت که جریان نقد عملیاتی در مرحله ی رشد بعلت حداکثر شدن حاشیه سود، مثبت می شود.و همچنین بعلت سرمایه گذاری بالا در این مرحله بعلت جلوگیری از ورود رقبا جریان نقد ناشی از سرمایه گذاری منفی خواهد شد.و همچنین ورنرفلت(1985) بیان نمود که دوره ی بلوغ بعلت افزایش کارایی و اثر بخشی از طریق افزایش دانش عملیاتی جریان نقد عملیاتی مثبت و در دوره ی رکود بعلت کاهش قیمت دارای جریان عملیاتی منفی می شود.و همچنین بیان داشت که در مرحله ی نزول بعلت کاهش نرخ رشد که باعث کاهش قیمت ها می شود جریان نقد عملیاتی منفی می گردد(دیکیسن، 2011). . اسپنس)1981،1979،1977) نیز با بررسیهای مربوطه دریافت که شرکتها در مرحله ی ظهور برای جلوگیری از ورود سایر رقبا سرمایه گذاری را در با حجم بالا انجام می دهند لذا در این مرحله جریانات ناشی از فعالیتهای سرمایه گذاری منفی خواهد بود. وی معتقد بود که در دوره ی رشد نیز همانند دوره ی ظهور شرکتها برای جلو گیری کردن از ورود سایر رقبا در سطح بالایی سرمایه گذاری می کنند،لذا در این مرحله جریان ناشی از فعالیتهای سرمایه گذاری منفی خواهد بود. ژووانیک1982)) و ورنرفلت(1985) دریافتند که در مرحله ی بلوغ نیز بعلت افزایش سرمایه گذاری در فعالیتهای جدید جریان نقد سرمایه گذاری منفی خواهد بود.همچنین در دوره ی رکود ممکنست مثبت ویا منفی باشد و نهایتا این جریان نقد در مرحله ی نزول بعلت نقد کردن دارایی ها جهت پرداخت بدهی ها مثبت می گردد. ژووانیک1982)) بر اساس تحقیقات صورت گرفته دریافتند که در مرحله ی ظهور بعلت خوش بینی مدیران و سرمایه گذاری در یک کسب و کار خوب سرمایه گذاری میکنند وازاینروجریان نقد ناشی از فعالیتهای سرمایه گذاری شرکت منفی می باشد(دیکیسن، 2011). . همچنین دیماند(1991) ومایرز(1984) در زمینه تامین مالی در یافتند که در مرحله ی ظهور شرکت برای دستیابی به سرمایه فعالیت های تامین مالی انجام می دهد از اینرو جریان نقد ناشی ازتامین مالی مثبت خواهد بود.همچنین مایرز(1977) وجنسن(1986) بارسلی و اسمیت (2005) نیز به این نتیجه رسیدند که در مرحله ی ظهور شرکتها برای رشد شرکت تامین مالی می نمایند در نتیجه در این مرحله شرکت دارای جریان نقد تامین مالی مثبت می باشد. در مرحله ی رشد نیز به همین دلیل جریان نقد ناشی از تامین مالی مثبت می شود. مایرز(1977) وجنسن(1986) بارسلی واسمیت (2005) علاوه بر موارد فوق در یافتند که در مرحله بلوغ بعلت پرداخت وجه نقد به طلبکاران و سهامداران این جریان منفی و در مرحله ی رکود و نزول(افول)بسته به تصمیمات مدیریت مثبت و یا منفی خواهد بود(دیکیسن، 2011). کیزی و بارتزاک(1985)از اطلاعات جریان نقدی عملیاتی برای پیش بینی ورشکستگی استفاده کردند.این تحقیق نشان داد که اطلاعات جریان نقدی نمی تواند قدرت پیش بینی اضافی نسبت به نسبتهای تعهدی فراهم کنند.در عوض ثابت کردند که در نظر نگرفتن نسبتهای جریان نقد ی در تحقیقات ورشکستگی توسط آلتمن و سایرین، نامناسب بوده است. در این تحقیق از دو نسبت وجه نقد حاصل از عملیات به بدهی های جاری و نسبت وجه نقد حاصل از عملیات به جمع بدهی ها استفاده می شود. در این مورد تحقیقی درباره رابطه سود و جریان های نقدی باارزش شرکت را بررسی نمود،یافته های وی نشان می دهدکه در مراحل رشد و افول رابطه جریان های نقدی با ارزش شرکت قوی تر از رابطه سود با ارزش شرکت است و در مرحله بلوغ،عکس این موضوع صادق است.( قربانی،حقیقت 1385). درسالهای اخیر،در ایران نیز تحقیقات متعددی در زمینه بررسی محتوای اطلاعاتی جریانهای نقدی صورت گرفته است.نگاهی به تحقیقات یاد شده نشان می دهد که اطلاعات حاصل از صورت جریان های نقدی به همراه سایر صورتهای مالی اساسی، می توا ند در ارزیابی جریان های نقد ی آتی به استفاده کنندگان صورتهای مالی کمک کند. همچنین بین نسبتهای تعهدی و نسبتهای نقدی، رابطه معنی دار قوی وجود ندارد و افشا یکی، کفایت از افشا دیگری نمی کند. مضافا، شاخص های عملیات جاری موسسه، معیار مناسبی برای ارزیابی تداوم فعالیت نمی باشد.زیرا تداوم فعالیت ماهیتا بلند مدت بوده و سرمایه گذاران، اعتبار دهندگان و حسابرسان نیز به دلیل تغییرات مداوم و سریع این شاخص ها، نمی توانند آنها را برای ارزیابی تداوم فعالیت مورد استفاده قرار دهند (عبدالهی نژاد،هادی1376). 2-14) نتیجه گیری ادبیات و پیشینیه تحقیقات بر اساس ادبیات و پیشینیه تحقیقات گذشته مشخص گردید که جریان های وجوه نقد توانایی پیش بینی درماندگی مالی را دارند و همچنین مدل برنامه ریزی ژنتیک در مقایسه با سایر مدل ها دارای میزان دقت بیشتری در پیش بینی درماندگی مالی می باشد، لذا مدل برنامه ریزی ژنتیک به عنوان مدل مقایسه ای انتخاب گردید. 2-15)خلاصه فصل دوم در فصل دوم این پایان نامه ابتدا به ادبیات مربوط به تحقیق که شامل تعاریف اصطلاحات مربوط به ورشکستگی، دلایل ورشکستگی، مراحل ورشکستگی، ورشکستگی از دیدگاه قانون، تکنیک های مورد استفاده در پیش بینی ورشکستگی، مدل های استفاده شده در پیش بینی ورشکستگی، شرح کاملی از مدل برنامه ریزی ژنتیک، میزان کاربرد تکنیک ها در مدل بندی ورشکستگی، میزان دقت و خطای نوع اول و دوم مدل های پیش بینی ورشکستگی، نسبت های مالی مورد استفاده در پیش بینی ورشکستگی می باشد اشاره دارد که در نهایت با توجه به ادبیات پیشینه تحقیق این نتیجه حاصل شد که مدل های حاصل شده از الگوریتم ژنتیک نسبت به سایر مدل ها از لحاظ میزان دقت پیش بینی و نوع خطاهای نوع اول و دوم مطلوب تر است و از اینرو مدل برنامه ریزی ژنتیک فرج زاده که طبق شرایط اقتصادی ایران ارائه گردیده را بعنوان مدل مقایسه ای انتخاب گردید ، و سپس به تحقیقات خارجی و داخلی صورت گرفته در زمینه مدل های پیش بینی درماندگی مالی و الگوهای جریان های نقدی اشاره شده است. منابع فارسی 1) حافظ نیا، محمد رضا،(1389). "مقدمه ای بر روش تحقیق در علوم انسانی"،(چاپ هفدهم)،انتشارات سمت. 2) حقیقت، حمید،قربانی،آرش.(1385).” بررسي رابطه سود و جريان هاي نقدي با ارزش شركت در چارچوب چرخه عمرشرکت”، پیام مدیریت،شماره21،صفحه 201تا219. 3) دیو سالار،مهدی.(1389)،"بررسی تطبیقی پیش بینی ورشکستگی شرکت های صنعتی پذیرفته شده در بورس اوراق بهادار تهران با استفاده از روشهای آماری و روش های هوش محاسباتی"، پایان نامه کارشناسی ارشد، دانشگاه علامه طباطبایی. 4) سازمان حسابرسی.(1390). "استانداردهای حسابرسی".مرکز تحقیقات حسابداری و حسابرسی سازمان حسابرسی. 5) سرمد، زهره، و بازرگان، عباس، و حجازی، الهه، (1388). "روش های تحقیق در علوم رفتاری"،(چاپ هفدهم)، انتشارات آگاه. 6) سلیمانی امیری،غلامرضا.(1381)،"بررسی شاخص های پیش بینی ورشکستگی در شرایط محیطی ایران"، پایان نامه کارشناسی ارشد، دانشگاه تهران. 7) سهرابی عراقی،محسن.(1387)،"مدلی جهت پیش بینی بحران مالی در شرکتهای ایرانی"، پایان نامه دکتری، دانشگاه علامه طباطبایی. 8) صفری،علی.(1381)،"ارتباط بین نسبتهای مالی و تداوم فعالیت شرکتها "، پایان نامه کارشناسی ارشد، دانشگاه علامه طباطبایی. 9) عبدالهی نژاد،هادی.(1376)."رابطه نسبتهای مالی تعهدی و نسبتهای مالی مبتنی بر جریانهای نقدی".فصلنامه بررسی ها حسابداری و حسابرسی.شماره 20و21.صفحه 63تا 79. 10) غلامپور فرد،محمد مسعود.(1387)،"بررسی توانایی پیش بینی آلتمن و اهلسون در پیش بینی ورشکستگی شرکتهای پذیرفته شده در بورس اوراق بهادار"، پایان نامه کارشناسی ارشد، دانشگاه فردوسی مشهد. 11) فرج زاده دهکردی، حسن(1386)."مدل پیش بینی ورشکستگی از طریق الگوی ژنتیک"، پایان نامه کارشناسی ارشد، دانشگاه تربیت مدرس. 12) فغانی نرم،مهدی.(1380)،"ارتباط بین نسبتهای مالی و پیش بینی ورشکستگی "، پایان نامه کارشناسی ارشد، دانشگاه علامه طباطبایی. 13) فقیه، نظام الدین، (1383)."الگوریتم ژنتیک در برنامه ریزی بازرسی های پیشگیرانه"، شیراز، نسیم حیات. 14) فلاح پور، سعید (1383)."پیش بینی درماندگی مالی شرکت ها با استفاده از شبکه های عصبی مصنوعی".پایان نامه کارشناسی ارشد،دانشگاه تهران. 15) قسوری، محمد تقی.(1384)،"مقایسه ترکیبی از نسبتهای مالی مبتنی بر صورت جریان وجوه نقد و اقلام تعهدی و نسبتهای مالی صرفا مبتنی بر اقلام تعهدی در پیش بینی ورشکستگی"، پایان نامه کارشناسی ارشد، دانشگاه علامه طباطبایی. 16) منصور، جهانگیر، (1379). "قانون تجارت همراه با قانون چک، آیین نامه اصلاحی ثبت تشکیلات و موسسات غیر تجاری "، نشر دیدار، چاپ هشتم. 17) موسوی شیری، محمود(1388)."پیش بینی درماندگی مالی با استفاده از تحلیل پوششی داده ها"، فصلنامه تحقیقات حسابداری.شماره دوم.صفحه 158 تا 187. 18) نبوی، بهروز، (1375). "مقدمه ای بر روش تحقیق در علوم اجتماعی "،(چاپ هفدهم)، انتشارات آبان. منابع لاتین: 1.Altman,E.I.(1993).” Corporate Financial Distress and Bankruptcy:A Complete Guide to Predicting and Avoiding Distress and Profiting from Bankruptcy”.Second Edition, John Wiley and Sons. .2Altman, E. (1968), " Financial ratio Discriminant Analysis and the Prediction of corporate bankruptcy", The Journal of Finance, vol. 23, No. 4, pp. 589-609. 3.Beaver, W.(1967). “Financial ratios predictions of failure”,Empirical research in accounting:selected studies 1966.Journal of Accounting Research,4,71-111. 4.Beaver, W.H., Mcnichols, M.F.,Rhie, J.W.(2005)."Have financial statements Becom less Informative?Evidence from the Ability of financial Ratios to predict Bankruptcy".Review of Accounting studis,10,93-122. 5.Bioch, J. C., Popova, V.(2001).”Bankruptcy prediction with rough sets”,ERIM Report Series Reseach in Manangement(ERS-2001-11-LIS) 6.Blum, M.(1974)."Failing company discriminant analysis".Journal of Accounting Research.12(1):1-25. 7.Deakin, E.B.(1972).”A discriminant analysis of predictors of business failure”, Journal of Accounting Reseach,10,167-179. 8. Dickinson,V.(2011),”Cash Flow Patterns as a Proxy for Firm Life Cycle”,Dissertation for degree of doctor of philosoph, university of Wisconsin – Miadison. 9.Dimitras, A.I.,Zanakis, S.H., Zopounidis, C.(1996).”A survey of business failure with an emphasis on predition methods and industrial application”, European Journal of Operational Research,90,487-513. 10.Dun and Bradstreet Corporation,(1980).”Business Failure Record”.Author.New York.. 11.Fulmer, M.(1989). “A bankruptcy classification model for small firma”.Journal of commercial bank lending,25-37. 12.Galvao, R.K.(2004).” Ratio Selection for Classification Models”.Data Mining and Knowledge Discovery, 8, 151-170. 13.Gloubos, G., Grammatikos, T.(1988). “The success of bankruptcy prediction models in Greece”.Studies in Banking and Finance 7,37-46. 14.Goldberg, D.E.,(1989).”Genetic algorithms in search , optimization and machine”. 15.Gordon, M.J.,(1971).Toward theory of financial distress”.The journal of finance, 36,1347-56. 16.Greco, S., Matarazzo, B., Slowinski,R.,Zopounidis, C.(1998).”A new rough set approach to evaluation of bankruptcy risk”,operational Tools in the Management of financial Risks, Kluwer Academic publisher,Dordrecht,121-136. 17.Haber, J. (2006).”Theoretical development of bankruptcy prediction variable “.The Journal of Theoretical Accounting Research,2,82-101. 18.Hamer, M.M.(1983).”Failureprediction:Sensitivity of classification accuracy to alternative statistical methods and variable sets”.Journal of Accounting and public Policy 2 ,289-307. 19.Jons, F.L.(1978).”Current techniques in bankruptcy prediction”.Journal of Accounting Literature 6,131-164. 20.Jones, S., Hensher , D.A.(2004).Predicting firm financial distress: A mixed Logit model,Accounting Review,79(4)1011-1038. 21.Koza,J.R.(1992).”Genetic Programming:On the Programming of Computers by Natural Selection,MIT press,Cambrige,MA. 22.Lens berg, T., Eilifsen, A., and McKee,T.E.,(2006)."Bankruptcy Theory development and classification via genetic programming", European Journal of Operational Research,169,677-696. 23.McKee,T.E.(2000).”Developing a bankruptcy prediction model via rough sets theory”,International Journal of Intelligent Systems in Accounting, Finance and Management,9,59-173. 24.McKee,T.E.,Lensberg, T.(2002). Genetic programming and rough sets: a hybrid approach to bankruptcy classification, European Journal of Operational Research,138,436-451. 25.Min, J.H., Lee, Y.c.(2005).”Bankruptcy prediction using support vector machine(SVM) with optimal choice of kernel function parameters”, Expert Systems with Applications,28,603-614. 26.Newton, G.W.(1998).”Bankruptcy Insolvency Accounting Practice and Procedure”,1: Wiley,21-41.. 27.Odom, M. and Sharda, R.(1993)."A neural network model for bankruptcy prediction".Chicago. 28.Ohlson , J.(1980).”Financial ratios and the probabilistic prediction of bankruptcy”.Journal of Accounting Reseach,18(1), 109-131. 29.Pawlak , Z.(1982).”Rough sets”,International Journal of Information and Computer Sciences,11,341-356. 30.Platt,H.D.,Platt, M.B.(1990).”Development of a class of stable predictive variables:the case of bankruptcy prediction”,Journal of Banking , finance and Accounting ,17(1),31-51. 31.Sandra,S.(1999),”The Effects of Experience on the use Irrelevant Evidence in Auditor Judgment”,The Accounting Review,Vol.47,No.2. 32.Shin, K.,Lee, Y. (2002). A genetic algorithm application in bankruptcy prediction modeling, Expert Systems with Applications, 23(3), 321-328. 33.Springate,Gord, I,V.(1978)."predicting the possibility of failure in Canadian firm".unpublished M.B.A Research project, Junauary. 34.Slowinski,R., Stefanowski,J. (1994).”Rough classification with valued closeness relation. In:Diday ,E. et al. (EDS.),New approaches in classification and data analysis”.springer,Berlin,482-488. 35.Slowinski, R. ,Zopounidis, C.(1995).”Application of the rough set approach to evaluation of bankruptcy risk”.International Journal of intellijent Systems in Accounting , Finance and Management,4,27-41. 36.Sung, T.,Chang, N. and Lee, G.(1999)."Dynamics of modeling in data mining".Journal of Management Information systems 16(1):63-85. 37.Tamari, M.(1966).”financial ratios as a means of forecasting bankruptcy”.Management International Review, 4,15-21. 38.Varetto, F.(2007).”Genetic algorithms applications in the analysis of insolvency risk”,Journal of Banking and finance,22,1421-1439. 39.Vapnik , V.,Haykin, S.(1998).”Statistical Learning Theory:An Adaptive and Learning Systems”,736,John Wiley and Sons. 40.Whitaker, R.(1999).”The early stays of financial distress”.Journal of economics and finance,23(2),122-133. 42.Zmijewski, M.E.(1984)."Methodological Issues Related to the Estimation of financial Distress prediction models".Journal of Accounting Research, Vol,24, PP59-82.