رتبه‌بندی اعتباری از لحاظ توان مالی پرداخت اصل و فرع بدهیها با استفاده از شیوه تحلیل پوششی داده‌ها

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار حسابداری دانشگاه شیراز

2 عضو هیأت علمی گروه حسابداری دانشگاه خلیج فارس ایران

چکیده

     هدف این پژوهش تعیین رتبه اعتباری شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران است. به این منظور در این پژوهش از شیوه تحلیل پوششی داده‌ها استفاده شد. تحلیل پوششی داده‌ها روشی است که به وسیله آن می‌توان کارایی نسبی واحد‌های مورد بررسی را تعیین کرد. با استفاده از این شیوه، کارایی اعتباری نسبی شرکت‌های مورد بررسی محاسبه، و رتبه اعتباری آن‌ها در سطح کل شرکت‌ها تعیین شد. جامعه آماری پژوهش شامل 281 شرکت برای دوره زمانی 1385 تا 1387، است. به منظور رتبه‌بندی اعتباری شرکت‌های مورد بررسی، شیوه تحلیل پوششی داده‌ها شامل دو ورودی بود. نتیجه پژوهش شامل تعیین رتبه اعتباری شرکت‌های مورد بررسی بود که به هر یک از آن‌ها رتبه‌هایی از AAA تا D اختصاص یافت. این رتبه‌ها نشان‌دهنده توانایی مالی نسبی شرکت‌ها در پرداخت بموقع بدهی‌ها‌یشان است که هرچه رتبه شرکت‌ها به D نزدیکتر باشد، توانایی مالی کاهش می‌یابد و هر چه به AAA نزدیکتر باشد، افزایش می‌یابد. نتایج با تحلیل سنتی نسبت‌ها نیز مورد تأیید قرار گرفت.

کلیدواژه‌ها


آذر، عادل، دانشور، مریم و زالی، محمد رضا، (1385)، طراحی مدل ارزیابی عملکرد شعب بیمه با استفاده از تکنیک DEA (مطالعه موردی بیمه دانا)، پژوهشنامه علوم انسانی و اجتماعی، شماره 23، ص  62-35.
- آذر، عادل و مؤتمنی، علیرضا، (1383)، اندازه‌گیری بهره‌وری در شرکتهای تولیدی به وسیله مدلهای تحلیل پوششی داده‌ها (DEA)، دانشور رفتار، شماره 8. ص  54-41.
- حسن‌پور بهابادی، داود، (1384)، بررسی ارتباط بین تغییرات ساختار سرمایه و تغییرات ارزش شرکتهای پذیرفته شده در بورس اوراق بهادار تهران،. رساله کارشناسی ارشد، دانشگاه تهران.
- خواجوی، شکراله، سلیمی فرد، علیرضا و ربیعه، مسعود، (1384)، کاربرد تحلیل پوششی داده‌ها (DEA) در تعیین پرتفویی از کاراترین شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، پژوهشنامه علوم اجتماعی و انسانی ، شماره 2، ص   89-75.
- صفایی قادیکلایی، عبدالحمید و یحیی‌زاده‌فر، محمود، (1386)، اندازه‌گیری کارایی شرکتهای
سرمایه‌گذاری با استفاده از تحلیل پوششی داده‌ها در سازمان بورس اوراق بهادار تهران، پژوهشهای علوم انسانی و اجتماعی (مدیریت)، شماره 25، ص  120-97.
- فقیه، مصطفی، (1387)، طراحی مدل رتبه‌بندی اعتباری مشتریان حقوقی بانکهای تجاری، رساله کارشناسی ارشد، دانشگاه امام صادق.
- مهرگان، محمد رضا، (1383)، ارزیابی عملکرد سازمانها: رویکردی کمی با استفاده از تحلیل پوششی داده‌ها. تهران: انتشارات دانشگاه تهران.
- عبدالخلیق، راشد. (2000). پژوهشهای تجربی در حسابداری: دیدگاه روش شناختی، ]محمد نمازی[. شیراز. دانشگاه شیراز.]1379[.
-Banker, R.D., Charnes, A., and Cooper, W.W. (1984). Some models for the estimation of technical and scale inefficiencies in Data Envelopment Analysis. Management Science. Vol 30. pp. 1078–1092.
-Belkaoui, A. (1980). Industrial bond ratings: new look. Financial Management,. No. 9. pp. 44–51.
-Beaver, W. H. (1966). Financial Ratios as Predictors of Failure. Empirical Research in Accounting: Selected Studies. Vol. 4. N. 3. pp. 71–111.
-Bhandari, S., Soldolsky, R. M.  & Boe, W. J. (1979). Bond quality rating chang for electric utilities: a multivariate analysis. Financial Management Association. Spring. pp. 74– 81.
-Chikolwa, B. and Chan, F. (2008). Determinants of commercial mortgage-backed securities credit ratings: Australian evidence. International Journal of Strategic Property Management. Vol. 12. pp. 69–94.
-Cheng, E.W.L., Chiang, Y. H. and Tang, B.S. (2007). Alternative approach to credit scoring by DEA: Evaluating borrowers with respect to PFI projects. Building and Environment. Vol. 42. pp. 1752– 1760.
-Gray, S. Mirkovic, A. and Ragunathan, V. (2006). The determinants of credit ratings: Australian evidence. Australian Journal of Management. Vol. 13. N. 2. pp. 333– 354.
-Halkos, G. E. and Salamouris, D. S.  (2004). Efficiency measurement of the Greek commercial banks with the use of financial ratios: a data envelopment analysis approach. Management Accounting Research. Vol. 15. pp. 201–224.
-Higgins, R. C. (1990). Analysis for financial management. Japan: Toppan Company.
-Horrigan, J. O. (1966). The determination of long-term credit standing with financial ratios. Journal of Accounting Research. Vol. 4. pp. 44–62.
-Huang, Z. Chen, H. Hsu, C.J. Chen, W.H. and Wu, S. (2004). Credit rating analysis with support vector machines and neural networks: a market comparative study. Decision Support Systems. Vol. 37. pp. 543– 558.
-Liang, G.S; Liu, C.F.; Lin, W.C. and Yeh. C.H. (2006). A data envelopment analysis of shipping industry bond ratings. Tamkang Journal of Science and Engineering. Vol. 9. N. 4. pp. 403–408.
-Malhotra, R., Malhotra, D.K. and Russel, P. (2007). Using data envelopment analysis to rate bonds. Proceedings of the Northeast Business & Economics Association. Vol. 4. pp. 420–423.
-Min, J.H. and Lee, Y.C. (2008). A practical approach to credit scoring. Expert Systems with Applications. Vol. 35. pp. 1762–1770.
-www.standardandpoors.com/ratingsdirect.