مقایسۀ دقت مدل‌های پیش‌بینی بحران مالی و تأثیر آن بر ابزارهای مدیریت سود

نوع مقاله: مقاله علمی پژوهشی

نویسندگان

1 دانشجوی دکتری حسابداری، دانشکدة علوم اجتماعی، دانشگاه بی نالمللی امام خمینی (ره)، قزوین، ایران

2 دانشیار گروه حسابداری، دانشکدة علوم اجتماعی، دانشگاه بی نالمللی امام خمینی (ره)، قزوین، ایران

چکیده

هدف اصلی این پژوهش بررسی دقت مدل‌های پیش‌بینی بحران ‌مالی و رویکردهای مدیریت سود است. بدین منظور پس از مقایسۀ مدل‌های پیش‌بینی بحران ‌مالی و انتخاب مدل برتر، به تجزیه و تحلیل ارتباط آن با ابزارهای مدیریت سود پرداخته شد. برای پیش‌بینی بحران ‌مالی، مدل‌های یادگیری ماشین و مدل‌های آماری 312 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال‌های 1385 تا 1394 با یکدیگر مقایسه شدند و به کمک آزمون مقایسۀ میانگین، مشخص شد که از نظر پیش‌بینی بحران‌ مالی، مدل‌های یادگیری ماشین نسبت به مدل‌های آماری دقت بیشتری دارند. سپس رابطۀ بهترین مدل پیش‌بینی بحران ‌مالی به‎دست آمده از مرحلۀ قبل و ابزارهای مدیریت سود با استفاده از رگرسیون چندگانۀ خطی بررسی شد و مشخص گردید که بحران ‌مالی پیش‌بینی شده با مدیریت سود جریان‌های نقدی عملیاتی، رابطۀ معکوس و معنادار دارد و با مدیریت سود هزینه‌های تولیدی و مدیریت سود اقلام تعهدی، رابطۀ مستقیم و معناداری برقرار می‎کند.

کلیدواژه‌ها


عنوان مقاله [English]

Comparison of Financial Distress Prediction Models Accuracy and its Effect on Earnings Management Tools

نویسندگان [English]

  • Ali Ashtab 1
  • Hanid Haghighat 2
  • Gholamreza kordestani 2
1 Ph.D. Candidate in Accounting, Imam Khomeini International University, Ghazvin, Iran
2 Associate Prof. in Accounting, Imam Khomeini International University, , Iran
چکیده [English]

The main purpose of this paper is to investigate financial distress prediction models accuracy and earnings management approaches. Thus, primarily model was selected by comparing financial distress prediction models and its relation was analised through earnings management tools. In order to predict financial distress the comparison of machine learning and statistical models were considered for 312 listed companies at the Tehran Stock Exchange (TSE) during 2006 to 2015 and the result determined by comparing mean test shows that machine learning models can predict financial distress more accuracy than statistical models. Then, the relation between the best model resulted from previous section and earnings management tools was investigated by multiple linear regressions and the result shows that relation between financial distress prediction and operating cash flows earnings management was negative and significant and this relation with earnings management for manufacturing costs and accrual items was positive and significant.

کلیدواژه‌ها [English]

  • Accrual earnings management
  • Financial distress prediction
  • Machine learning models
  • Real activity earnings management
  • Statistical models

ابراهیمی، ک.، بهرامی نسب، ع.، ممشلی، ر. (1395). تأثیر بحران‌ مالی بر کیفیت سود. بررسی‌های حسابداری و حسابرسی، 23(4)، 434-415.

ایزدی‌نیا، ن.، منصورفر، غ.، و رشیدی خزایی، م. (1394). درماندگی مالی به عنوان عاملی برای مدیریت سود. مجلۀ راهبرد مدیریت مالی، 3 (3)، 47-25.

پورحیدری، ا.، کوپائی حاجی، م. (1389). پیش‎بینی بحران ‌مالی شرکت‌ها با استفاده از مدل مبتنی بر تابع تفکیکی خطی. مجلۀ پژوهشهای حسابداری مالی، 2(3)، 46-33.

ستایش، م.،کاظم‎نژاد، م.، و حلاج، م. (1395). بررسی سودمندی طبقه‌بندی‎کنندۀ جنگل‌های تصادفی و روش انتخاب متغیر ریلیف در پیش‌بینی بحران ‌مالی: مطالعۀ شرکت‎های پذیرفته شده در بورس اوراق بهادار تهران. پژوهش‌های حسابداری مالی، 8(2)، 24-1.

سلیمانی امیری، غ، ر. (1382). نسبت‎های مالی و پیش‎بینی بحران ‌مالی شرکت‎ها در بورس اوراق بهادار تهران. تحقیقات مالی، 5(1)، 136-121.

صادقی، ح.، رحیمی، پ.، سلمانی، ی. (1393). تأثیر عوامل کلان اقتصادی و نظام راهبری بر بحران ‌مالی شرکت‌های تولیدی پذیرفته شده در بورس اوراق بهادار تهران. فصلنامۀ اقتصاد پولی، مالی، 21(8)، 127-107.

صنیعی آباده، م.، محمودی، س.، طاهرپرور، م. (1393). داده‌کاوی  کاربردی. تهران: انتشارات نیاز دانش.

فهیمی، م.، و اردکان، م. (1393). بررسی قابلیت روش فراتحلیل در شناسایی متغیرهای پیش‌بینی ورشکستگی. بررسی‌های حسابداری و حسابرسی، 21(2)، 210-189.

کردستانی، غ.، تاتلی، ر. (1395). پیش‌بینی دستکاری سود: توسعۀ یک مدل. بررسیهای حسابداری و حسابرسی، 23 (1)، 96-73.

مهرانی، س.، مهرانی، ک.، منصفی، ی. کرمی، غ. (1384). بررسی کاربردی الگوهای پیش‌بینی ورشکستگی زیمسکی و شیراتا در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. بررسی‌های حسابداری و حسابرسی، 12(41)، 131-105.

مهربان‌پور، م.ر.، ندیری، م.، جندقی قمی، م. (1396). اثر جایگاه مالی بر کیفیت سود شرکت‌های پذیرفته‎شده در بورس اوراق بهادار تهران. بررسی‌های حسابداری و حسابرسی، 24(1)، 146-127.

ولی‌پور، ه.، طالب‌نیا، ق.، جوانمرد، ع. (1392). بررسی تأثیر مدیریت سود بر کیفیت سود در شرکت‌های دارای بحران‌مالی. مجلۀ دانش حسابداری، 4 (13)، 103-75.

Agarwal, V. & Taffler R (2008). Comparing the performance of market-based and accounting-based bankruptcy prediction models. Journal of Bank Finance, 32(8), 1541-1551.

Agrawal, K. & Maheshwari, Y. (2014). Default risk modeling using Macroeconomic variables, Journal of Indian Business Research, 6(4), 270 – 285.

Aktan, S. (2011). Application of machine learning algorithms for business failure prediction. Investment Management and Financial Innovations, 8(2), 51-65.

Bergstresser, D. & Philippon, T. (2006). CEO Incentives and Earnings Management. Journal of Financial Economics, 3(80), 511-529.

Bisigno, M. & Luka, R (2015). Financial distress and Earnings Manipulation: evidence from Italian SMEs. Journal of Accounting and Finance, 4(1), 42-51.

Campa, D. & Camacho-Miñano, M. M. (2015). The impact of SME’s pre-bankruptcy financial distress on earnings management tools. The International Review of Financial Analysis, (42), 222–234.

Charitou, A., Lambertides, N. & Trigeorgis, L. (2007a). Earnings behaviour of financially distressed firms: the role of institutional ownership. Abacus, 43(3), 271–296.

DeFond, Μ. L. (1994). Debt Covenant Violations and Manipulation of Accruals. Journal of Accounting and Economics, 17(1-2), 145-176.

Dichev, I. & Skinner, D. (2002). Large Sample Evidence on the Debt Covenant Hypothesis. Journal of Accounting Research, 4(40), 1091-1123.

Dutzi, A. & Rausch, B. (2016). Earnings Management before Bankruptcy: A Review of the Literature. Journal of Accounting and Auditing: Research & Practice, 2016, 1-21.

Ebrahimi, K. Bahrami, A. & Mamashali, R. (2016). The impact of financial distress on earnings quality. The Iranian accounting and auditing review, 4 (23), 415-434. (in Persian)

Fahimi, M. & Ardakan,M. (2014). An investigation on the capability of Meta-analysis in identification of bankruptcy prediction variables. The Iranian accounting and auditing review, 21(2), 189-210. (in Persian)

García Lara, J. M., García Osma, B. & Neophytou, E. (2009). Earnings quality in ex-post failed firms. Accounting and Business Research, 39(2), 119–138.

Gunny, K. A. (2010). The relation between earnings management using real activities manipulation andfuture performance: evidence from meeting earnings benchmarks. ContemporaryAccounting Research, 27(3), 855–888.

Habib, A., Uddin Bhuiyan, B. & Islam, A. (2013). Financial distress, earnings management and market pricing of accruals during the global financial crisis. Managerial Finance, 39(2), 155–180.

Healy, P.M. & Wahlen, J.M. (1999). A review of the earnings management literature. Accounting Horizons, 13 (4), 365–383.

Izadinia, N., Mansourfar, G. & Rashidi Khazai, M. (2015). Financial distress as a factor for earnings management. Journal of financial management Policy, 3 (10), 25-47. (in Persian)

Jacoby, G., Li, J. & Liu, M. (2016). Financial Distress, Political Affiliation, and Earnings Management: The Case of Politically-Affiliated Private Firms. European Journal of Finance, 1-20.

Jones, J. (1991). Earnings management during import relief investigations. Journal of Accounting Research, 29(2), 193–228.

Jones, S. Johanson, D. & Wilson, R. (2016). Predicting corporate bankruptcy: An evaluation of alternative statistical frameworks, Journal of business finance and accounting, 44(2), 1-58.

Joosten, C. (2012). Real Earnings Management and Accrual-Based Earnings Management as Substitutes. Tilburg University, Tilburg.

Kacharava, A. (2016). Impact of Financial Crisis on Earnings Management in Listed Companies of Portugal and UK. Master Dissertation in International Business.

Keasey, K. & Watson, R. (1986). Current cost accounting and the prediction of small company performance. Journal of Business Finance and Accounting, 13(1), 51-70.

Kordestani, G.R. & Tatli, R. (2016). Manupulation of earning: developing a model. The Iranian accounting and auditing review, 23 (1), 73-96. (in Persian)

Manzaneque, M., Priego, A. & Merino, E. (2016). Corporate governance effect on financial distress likelihood: Evidence from Spain. Spanish accounting review, 19(1), 1-11.

Mehrabanpour, M.R. Nadiri, M. & Jandoghi, M. (2017). The impact of financial position on earnings quality of listed companies at Tehran stock exchange. The Iranian accounting and auditing review, 1(24), 127-146.

Mehrani, S. Mehrani, K. Monsefi, Y & Karami, G.R. (2005). Experimental review of Zemiski and Shirata bankruptcy prediction models for listed companies at Tehran stock exchange. The Iranian accounting and auditing review, 12 (41), 105-131. (in Persian)

Miglani, S. Ahmed, K. Henry, D. (2015). Voluntary corporate governance structure and financial distress: Evidence from Australia. Journal of Contemporary Accounting & Economics, 11(1), 18–30.

Nagar, N. & Sen, K. (2016). Earnings management in India: Managers’ fixation on operating profits. Journal of International Accounting, Auditing and Taxation, 26, 1–12.

Onur, I. & Yelkenci, T. (2017). A Theoretical Approach to Financial Distress Prediction Modeling . Managerial Finance, 43(2), 1-33.

Pindado, J., Rodrigues, L. & de la Torre, C. (2006). How does financial distress affect small firms’ financial structure? Small Business Economics, 26(4), 377–391.

Pourheidari, O. & Kupai Haji, M. (2010). Financial distress prediction with linear discriminate model, Journal of financial accounting researches, 2 (1), 33-46. (in Persian)

Roychowdhury, S. (2006). Earnings management through real activities manipulation. Journal of Accounting and Economics, 42(3), 335–370.

Sadeghi, H. Rahimi, P. & Salmani, Y. (2014). The impact of macro-economic factors and corporate governance on financial distress for manufacturing companies at Tehran stock exchange. Financial Monetary Economics, (8), 107-127. (in Persian)

Sanii, M. Mahmudi, S. & Taherparvar, M. (2014). Applied data-mining. Tehran: Niaze danesh press. (in Persian)

Schipper, K. (1989). Commentary on earnings management. Accounting horizons, 3(4), 91-102.

Setayesh, M.H. Kazem Nezhad, M. & Hallaj, M. (2016). Review of random forest classifier usefulness and relief variable selection method in predicting financial distress. Journal of Financial accounting researches, 8(2), 1-24.
(in Persian)

Shan, Y. Taylor, S. & Walter, T. (2013). Error in estimating unexpected accruals in the presence of large changes in net external financing. Working paper. 1-57.

Smith, M. Kestel, J. & Robinson, P. (2001). ‘Economic recession, corporate distress and income increasing accounting policy choice,’ Accounting Forum. 25 (4), 335–352.

Soleimani Amiri, G.R. (2003). Financial ratios and financial distress prediction of companies at Tehran Stock Exchange. Journal of Financial researches, 5(1), 121-136. (in Persian)

Tian, S. Yu, Y. & Guo, H. (2015).Variable selection and corporate bankruptcy forecasts. Journal of Banking & Finance, 52(1), 89-100.

Valipour, H. Talebnia, G.A. & Javanmard, A. (2013). The impact of earnings management on quality of earning in distress companies. Journal of accounting knowledge, 4 (13), 75-103. (in Persian)

Zavgren, C. V. (1985). Assessing the vulnerability to failure of American industrial firms: A logistic analysis. Journal of Business Finance & Accounting, 12(1), 19-45.