Scenario planing of factors affecting financial distress using fuzzy system dynamics technique

Document Type : Scientific-research

Authors

1 Associate Professor of Management, Yazd University

2 PhD student in finance, Yazd University

3 Assistant Professor of Management, Yazd University

10.30465/ce.2023.41595.1791

Abstract

Financial distress of banks and public and private companies is a serious issue for the economies of the countries. The individual and social costs of financial distress have raised the problem of financial distress for many managers, banks, investors, policy-makers and auditors as a major issue. Due to the development of companies, increasing economic activity, intensifying competition and cycles of inflation and recession in recent decades, the number of financially distress companies and the importance of helplessness is increasing. The issue of bankruptcy and financial distress has always been a matter of concern. Therefore, it is very important to study the causes of financial distress and evaluate financial distress with the help of common models.
In this research, financial distress is modeled using the system dynamics method. For this purpose, the factors affecting financial distress were first identified after studying the research literature and using the opinion of experts, the most important of these factors were selected. Then, using the identified components, the causal diagram was developed and based on the causal diagram, the flow diagram was developed. Scenarios were proposed using the flow model.

Keywords


 احمدپور، احمد و شهسواری، معصومه (1393). بررسی نحوه­ی اعمال اختیارات مدیران در مراحل مختلف درماندگی مالی در شرکت­های پذیرفته­شده در بورس اوراق بهادار تهران. مجله دانش حسابداری، 19، 27-50.
 اسماعیل­زاده مقری، علی و شاکری، هاجر (1394). پیش­بینی درماندگی مالی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه بیزی ساده و مقایسه آن با تحلیل پوششی داده­ها. مجله مهندسی مالی و مدیریت اوراق بهادار، 22.
اسمعیل پور، اوین و پیری، پرویز و غیور، فرزاد، (1400)،بررسی رابطه بین ظرفیت استقراض و درماندگی مالی با تعدیل گری سرمایه در گردش،دومین کنفرانس بین المللی چالش ها و راهکارهای نوین در مهندسی صنایع و مدیریت و حسابداری،دامغان
 پیرایش، رضا، منصوری ، علی و امجدیان، صابر (1388 ). طراحی مدل ریاضی مبتنی بر جریان­های نقدی برای پیش­بینی درماندگی مالی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران. مجله توسعه و سرمایه، 4، 73-94.
جبارزاده، سعید، خدایار، سعید و سلطان­احمدی، رضا (1388). بررسی ارتباط بین هموارسازی سود و درماندگی مالی شرکت­ها در بورس اوراق بهادار تهران. فصل­نامه حسابداری مالی، 2، 60-80
خانزادی، مصطفی، نصیرزاده، فرناد و علیپور، مجید (1390). استفاده از تجمیع پویایی سیستم و تکنیک فازی دلفی در تعیین دوره بهره­برداری در قراردادهای بی ا تی. هفتمین کنفرانس بین­المللی مدیریت پروژه. تهران. ایران.
خوش طینت، محسن و محمد تقی قسوری (1384). مقایسه بین نسبت­های مالی ترکیبی مبتنی برصورت جریان وجوه نقد و اقلام تهعدی با نسبت­های مالی صرفا مبتنی بر اقلام نسبت­های مالی مبتنی بر ترازنامه و سود(زیان) در پیش­بینی درماندگی مالی شرکت­ها. فصل­نامه مطالعات حسابداری، 9، 43-61.
راعی، رضا و فلاح­پور، سعید (1387). کاربرد ماشین بردار پشتیبان در پیش­بینی درماندگی مالی شرکت­ها با استفاده از نسبت­های مالی. بررسی­های حسابداری و حسابرسی، 53، 17-34.
رستمی، محمدرضا. فلاح شمس، میرفیض و اسکندری، فرزانه (1390). ارزیابی درماندگی مالی شرکت­های پذیرفته­شده در بورس اوراق بهادار تهران: مطالعه مقایسه­ای بین تحلیل پوششی داده­ها و رگرسیون لجستیک. پژوهش­های مدیریت در ایران، 3، 129-147.
سعیدی، علی و آقایی، آرزو ( 1388 ). پیش­بینی درماندگی مالی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه­های بیز. بررسی­های حسابداری و حسابرسی ،59-78.
شکوه زاده، الهه و ظفری، سبحان،1400،کاربرد شبکه های عصبی مصنوعی در پیش بینی ورشکستگی شرکت های پذیرفته شده در بورس اوراق بهادار تهران،دومین همایش ملی مدیریت نوین و کسب و کارهای نوپا،شیراز.
طبرستانی، محمد رضا. (1387). پیش بینی درماندگی مالی شرکت­ها با استفاده از تحلیل پوششی داده­ها. پایان نامه کارشناسی ارشد. دانشگاه آزاد واحد مشهد. .
عینی زاده, مهدی غریب, حجت. (1400). بررسی تاثیر نسبت های مالی و ساختار مالکیت در پیش بینی درماندگیمالی، ، 4(41)،66-48..چشم انداز حسابداری و مدیریت 
 غیور، فرزاد (1384). بررسی رابطه بین نسبت­های نقدینگی سنتی و نسبت­های حاصل از صورت جریانات نقدی جهت ارزیابی تداوم فعالیت شرکت­ها. پایان­نامه کارشناسی ارشد. دانشکده مدیریت دانشگاه تهران.
فرهادی، مریم و فولادی، مسعود، (1400)،بررسی تاثیر فرصتهای رشد و نقد شوندگی سهام بر رابطه بین کیفیت نظام راهبری شرکتی و ریسک درماندگی مالی،نهمین کنفرانس بین المللی ترفندهای مدرن مدیریت، حسابداری، اقتصاد و بانکداری با رویکرد رشد کسب و کارها
کردستانی، غلام­رضا. غیور، فرزاد و آشتاب، علی (1390). مقایسه کارآیی نسبت­های مالی مبتنی بر روش نقدی و روش تعهدی در پیش­بینی درماندگی مالی شرکت­های پذیرفته شده در بورس اوراق بهادار تهران. فصلنامه بورس اوراق بهادار، 15، 191-205.
کمیجانی، اکبر و سعادتفر، بداد ( 1385 ). تعیین مدل بهینه احتمال شرطی برای پیش­بینی ورشکستگی اقتصادی شرکت­ها در ایران. ماهنامه مفید، 57.
محسنی، رضا، آقابابایی، رضا و محمدقربانی، وحید (1392). پیش­بینی درماندگی مالی با بکار بردن کارایی به عنوان یک متغیر پیش­بینی­کننده. فصل­نامه پژوهش­ها و سیاست­های اقتصادی، 65، 123-146.
موسوی شیری، محمود و طبرستانی، محمدرضا (1391). پیش­بینی درماندگی مالی با استفاده از الگوی مبتنی بر تحلیل تشخیصی و ارزیابی تاثیر متغیر کارایی در بهبود الگو. پژوهش­های مدیریت در ایران، 1، 149-165.
مهرانی، ساسان، مهرانی، کاوه و  کرمی، غلامرضا ( 1383 ). استفاده از اطلاعات تاریخی مالی و غیرمالی جهت تفکیک شرکت­های موفق و ناموفق. بررسی­های حسابداری و حسابرسی، سال یازدهم..
مهرانی، ساسان، بهرامفر، نقی و غیور، فرزاد (1384). بررسی رابطه بین نسبت­های نقدینگی سنتی و نسبت­های حاصل از صورت جریان وجوه نقد جهت ارزیابی تداوم فعالیت شرکت­ها. فصل­نامه بررسی­های حسابداری و حسابرسی، سال 40، 3-17.
نصیرزاده، فرتاد، خانزادی، مصطفی و علیپور، مجید (1394). ارزیابی اقتصادی پروژه­های بی ا تی با یکپارچه­سازی روش­های شبیه­سازی پویایی سیستم و منطق فازی. نشریه علمی پژوهشی مهندسی سازه و ساخت، 4.
نمازی، محمد و ابراهیمی، شهلا،(1400) ،پیش بینی درماندگی مالی شرکت های پذیرفته شده در فرابورس و بورس اوراق بهادار تهران با استفاده از ماشین بردار پشتیبان
 Altman, E.I. (1968). Financial ratios discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, 23(4), 589-609.
 Beaver ,W.H. (1966). Financial Ratios as Predictors of Failure. Journal of Accounting Research. 4,11-111.
 Bloemhof-Ruwaard JM, van Beek P, Hordijk L, Van Wassenhove LN.( 1995). Interactions between operational research and environmental management. European Journal of Operational Research,52(2),43-229.
 Campuzano, Francisco. Mula, Josefa. Peidro, David. (2010). Fuzzy estimations and system dynamics for improving supply chains. Fuzzy sets and systems, 161, 1530-1542.
 Casey,C.J.,& Bartzak,N.J. (1984). Cash flow: It Is Not the Bottom Line, Harvard Business Review, 61-66.
 Coyle, R.G. (1996). System Dynamics Modelling: A Practical Approch. CRC Press.
 Deakin, E. B. (1972). A discriminant analysis of predictors of Business failure. Journal of Accounting Research, 10 (1), 167-179.
 De salles, Daniel cardoso. Goncalves Neto, Armando Celestino. Marujo, Lino Guimaraes. (2016). Using Fuzzy Logic to Implement Decision Policies in System Dynamics Models. Expert Systems With Applications.
 Forrester, J. W.(1961). Industrial dynamics. Cambridge, MA: MIT Press
 Georgiadis, P; Volachos, D; Iakovou, E. ( 2005). A System Dynamics modeling framework for the strategic supply chain management of food chains, Journal of food Engineering, 70, 351-364.
 Gordon, M.J. (1971). Towards a theory of Financial distress. The Journal of Finance, 26, 347-356.
 Horrigan, J. o. (1968). A short history of Financial ratio analysi. The Accounting Review, 284-294.
 Jones, F. L. (1987). Current techniques in Bankruptcy Prediction. Journal of Accounting Literature, 6, 131-164.
 Karavezyris, V., Timpe, K.,& Marzi, R. (2002). Application of System Dynamics and Fuzzy Logic to Forecasting of Municipal Solid Waste. Mathematics and Computers in Simulation, 60, 149–158.
 Kunsch, P.,& Springael, J. (2008). Simulation with System Dynamics and Fuzzy Reasoning of a Tax Policy to Reduce CO2 Emissions in the Residential Sector. European Journal of Operational Research, 185, 1285–1299.
 Lin, Tzong-Huei. (2009), A Cross Model Study of Corporate Financial Distress Prediction in Taiwan: Multiple Discriminant Analysis, Logit, Probit and Neural Networks Models, Neuro Computing, 72, 3507-3516.
Lin B, kine J. charin L. (2020). Modeling bankruptcy prediction using earnings management. Journal of Accounting Research, 25(5), 108–131.
 Mesaki, M.(2010), Analysis of Cash Flow Models, Journal of Contemporary Accounting Research,14, 601-626.
 Ohlson, J. (1980). Financial ratios and the probabilistic prediction of bankruptcy. Journal of Accounting Research, 18(1), 109–131.
 Orji, Ifeyinwa Juliet. Wei, Sun. (2015). An innovative integration of fuzzy logic and system dynamics in sustainable supplier selection: A case on manufacturing industry, Computers and Industrial Engineering, 2015, 1-12.
 Pankaj., Seth, K.& Sushil. (1994).A fuzzy set theoretic approach to qualitative analysis of causal loops system dynamics. European Journal of Operational Research, 78, 380-393
 Pfahl, D; Lebsanft, K.. (1999). Integration of system dynamics modelling with descriptive process modelling and goal-oriented measurement, The Journal of Systems and Software, 46, 135-150.
 Philosophov, L. and philosophov, V. (2002). Corporate Bankruptcy Prognosis; an Attempt at a Combined Prediction of the Bankruptcy Event and Time Interval of its Occurrence, International Review of Financial Analysis, 11, 3.
 Reid, R. A. and Koljonen, E. L.(1999). validating a manufacturing paradigm: a system dynamics modeling approach. Proceedings of the 1999 Winter Simulation Conference (Phoenix, AZ), 759–765.
 Ross, T. J. (2005). Fuzzy Logic with Engineering Applications. John Wiley & Sons.
 Song, J., Song, D., & Zhang, D. (2015). Modeling the Concession Period and Subsidy for BOT Waste-to-Energy Incineration Projects. Journal of Construction Engineering and Management, 141.
 Sterman JD. (1991). A skeptic’s guide to computer models. In: Barney GO, Kreutzer WB, Garrett MJ, editors. Managing a nation: the microcomputer software catalog. Boulder: Westview Press.
 Sterman, J. D. (2000). Business Dynamics: Systems Thinking and Modeling for a Complex World. Irwin/McGraw-Hill.
 Towill, D. R. (1991). Supply chain dynamics. International Journal of Computer Integrated Manufacturing, 4(4), 197–208.
 Towill, D.R. (1997). The seamless supply chain—the predator's strategic advantage . International Journal of Technology Management, 131, 37–56.
 Wanda, W. (2004). Risk Assessment by Internal Auditors Using Past Research on Bankruptcy, Journal of Finance.2004; 36: 427-465.
 Weston J. Fred & E. Copeland, Thomas. (1992), Managerial Finance, Dryden Press, 9th Edition.
 Whitaker, Richard .(1999). The Early Stage of Financial Distress. Journal of Economics and Finance, 23 (2), 123-133.
 Weston J. Fred., Copeland, Thomas E. (1992). Managerial Finance.Dryden Press; 9th edition.
 Zadeh, L. A. (1975a). The Concept of a Linguistic Variable and Its Application to Approximate Reasoning-I. Journal of Information Science, 8, 199–245.
 Zadeh, L. A. (1975b). The Concept of a Linguistic Variable and Its Application to Approximate Reasoning-II. Information Sciences,8, 301-375.
 Zhao, Huimin, Sinha, Atish P., & Ge, Wei. (2009). Effects of feature construction on classification performance: An empirical study in bank failure prediction. Expert Systems with Applications,36(2, Part 2), 2633-2644.
 Zimmerman,H.J. (2001). Fuzzy set theory and its application , 4th edition, Kluwer Academic publishers, Boston, Drodrecht and London.