تعداد نشریات | 25 |
تعداد شمارهها | 932 |
تعداد مقالات | 7,652 |
تعداد مشاهده مقاله | 12,494,318 |
تعداد دریافت فایل اصل مقاله | 8,885,713 |
رتبه بندی اعتباری شرکتهای بورسی بر اساس اطلاعات گزارشگری مالی در بانک ها | ||
پژوهش های تجربی حسابداری | ||
مقاله 9، دوره 14، شماره 1 - شماره پیاپی 51، فروردین 1403، صفحه 227-248 اصل مقاله (590.19 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22051/jera.2023.44334.3150 | ||
نویسندگان | ||
محمد جهانگیریان1؛ فرزین رضایی* 2؛ رضا احتشام راثی3 | ||
1دانشجوی دکتری حسابداری، گروه حسابداری، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران. | ||
2دانشیار، گروه حسابداری، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران. | ||
3استادیار،گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران | ||
چکیده | ||
اعتبارسنجی دقیق و مبتنی بر شرایط سبب افزایش ارزش بانکها خواهد شد و چنانچه این مهم به خوبی انجام نشود بانکها با خطر ورشکستگی روبهرو میشوند. هدف از این پژوهش ارزیابی سودمندی اطلاعات گزارشگری مالی در مدلسازی رتبهبندی اعتباری مشتریان بانکها در شرکتهای بورسی است. روش های استفاده شده برای اعتبارسنجی مدل در شرکت های بورسی، تئوری داده بنیاد، دیمتل و رگرسیون بود. در مرحله اول با نظرخواهی از 10 کارشناس در نهایت چهار محور اصلی شامل (1) معیارهای مالی، (2) معیارهای غیر مالی، (3) معیارهای حاکمیت شرکتی و (4) معیارهای بازار برای رتبهبندی اعتباری مشتریان تبیین گردید. در مرحله دیمتل سه فرضیه مشخص گردید: فرضیه اول: بین عوامل مالی و تسهیلات بانکی دریافتی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران رابطه معنی دار و مثبتی موجود بود. فرضیه دوم: بین اطلاعات بازار شرکت و تسهیلات بانکی دریافتی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران رابطه معنی دار و مثبتی موجود بود. فرضیه سوم: بین عوامل غیرمالی و تسهیلات بانکی دریافتی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران رابطه معنی دار و مثبتی موجود بود. یافتههای تحلیل رگرسیونی فرضیههای فوق را در 64 شرکت در طی دوره 5 ساله 1396 تا 1400 رد نکرد. بانکها باید در هنگام ارائه تسهیلات به مشخصات شرکتها در شرایط موجود توجه نمایند. | ||
کلیدواژهها | ||
رتبهبندی اعتباری؛ بانکها؛ اطلاعات گزارشگری مالی | ||
عنوان مقاله [English] | ||
Credit Rating of Listed Companies Based on Financial Reporting Information in Banks | ||
نویسندگان [English] | ||
Mohammad Jahangirian1؛ Farzin Rezayi2؛ Reza Ehteshamrasi3 | ||
1Ph.D. Student in Accounting, Department of Accounting, Qazvin Branch, Islamic Azad University, Qazvin, Iran | ||
2Associate Professor in Accounting, Department of Accounting, Qazvin Branch, Islamic Azad University, Qazvin, Iran. | ||
3Assistant Professor in Management, Department of Management, Qazvin Branch, Islamic Azad University, Qazvin, Iran. | ||
چکیده [English] | ||
Accurate and condition-based validation will increase the value of banks, and if this is not done well, banks will face the risk of bankruptcy. The purpose of this research is to evaluate the usefulness of financial reporting information in modeling the credit rating of bank customers in listed companies. The methods used to validate the model in listed companies were grounded theory, DEMATEL, and regression. In the first stage, four main axes including (1) financial criteria, (2) non-financial criteria, (3) corporate governance criteria, and (4) market criteria for credit rating of customers were clarified by asking the opinion of 10 experts, were explained for the credit rating of customers. Three hypotheses were identified in the DEMATEL phase: the first hypothesis: There is a significant positive relationship between financial factors and bank facilities received by companies admitted to the Tehran Stock Exchange. Second hypothesis: There is a significant positive relationship between the company's market information and the bank facilities received by the companies admitted to the Tehran Stock Exchange. Third hypothesis: There is a significant positive relationship between non-financial factors and bank facilities received by companies listed on the Tehran Stock Exchange. The findings of the regression analysis did not reject the above hypotheses in 64 companies during the 5 years from 1396 to 1400. Banks should pay attention to the characteristics of companies in the existing conditions when providing facilities | ||
کلیدواژهها [English] | ||
Credit Scoring, Banks, Financial reporting information | ||
سایر فایل های مرتبط با مقاله
|
||
مراجع | ||
اسلامزاده، امید، حاجینژاد، ابوالفضل، زارع، پریسا، صفاری، مهدی، (1400)، کنترلهای داخلی در بخش عمومی(دیدگاه نظری)، تهران: انتشارات ترمه.
بلوری، امین، مرادی، محمد، یزدانی، حمیدرضا، (1399)، طراحی مدل فرار مالیاتی بر پایه مالیات بر درآمد: رویکرد نظریه داده بنیاد، دوفصلنامه علمی حسابداری دولتی، 7، 1، 9-30.
بولو، قاسم، اعرابی، مهران، (1398)، شناسایی عوامل موثر بر ریسک جامع بانکهای دولتی، دو فصلنامه علمی حسابداری دولتی، 5، 2، 25-46.
حاجیها، زهره، بخشی، نیره، (1396)، بررسی رابطه اطلاعات حسابداری و ریسک اعتباری در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، مطالعات حسابداری و حسابرسی، 6، 24، 53-68.
خداوردی، امید، (1388)، امتیازدهی ریسک اعتباری بیمه شدگان با استفاده از روشهای هوشمند (مطالعه موردی در یک مؤسسه اعتبار صادراتی)، پایان نامه کارشناسی ارشد دانشگاه تهران.
ظهری، مریم، افشارکاظمی، محمدعلی، (1391)، طراحی مدل پیشبینی ورشکستگی شرکت ها به وسیله شبکههای عصبی فازی(مطالعه موردی: شرکتهای بورس اوراق بهادار تهران)، فصلنامه مهندسی مالی و اوراق بهادار، 3، 13.50-70
مدرس، احمد، ذکاوت، سید مرتضی،(1382)، مدلهای ریسک اعتباری مشتریان بانک (مطالعه موردی)، فصلنامه حسابرس، 19. 58-54
مفاخری، سعید، (1397)، مقایسه تکنیکهای درخت تصمیم و شبکههای عصبی در طبقهبندی و ارزش گذاری مشتریان بانکی و انتخاب عوامل بهینه با استفاده از ابزار داده کاوی، هشتمین همایش سالانه بانکداری الکترونیک و نظامهای پرداخت، تهران.
منتی، حسین، (1399)، بررسی اثرات ویروس کرونا کووید 19 بر اقتصاد جهانی، فصلنامه ارزیابی تأثیرات اجتماعی، 1، 2، 163-181.
مهرآرا، محسن، موسایی، میثم، تصوری، مهسا، حسنزاده، آیت، (1388)، رتبهبندی اعتباری مشتریان حقوقی بانک پارسیان، فصلنامه مدلسازی اقتصاد، 3، 4، 121-150.
حمزه نیک نیافرد، مسعود، افلاطونی، عباس، نیکبخت، زهرا. (1399). تأثیر کیفیت اطلاعات حسابداری و کیفیت افشاء بر بکارگیری منابع مالی در هستۀ اصلی فعالیت تجاری شرکتها. پژوهشهای تجربی حسابداری، 10(1)، 97-114.
شعری آناقیز، صابر، بولو، قاسم، محسنی ملکی رستاقی، بهرام. (1395). رابطه بین انعطافپذیری مالی و نوع تأمینمالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. پژوهشهای تجربی حسابداری، 6(4)، 171-190.
مهرانی، ساسان، کامیابی، یحیی، غیور، فرزاد. (1398). بررسی توانایی شاخص های حسابداری و غیرحسابداری مؤثر بر پیشبینی درماندگی مالی و مقایسه روشهای پارامتریک و ناپارامتریک. پژوهشهای تجربی حسابداری، 9(4)، 49-72.
References
Baby, S; (2013). AHP Modeling for Multicriteria Decision-Making and to Optimise Strategies for Protecting Coastal Landscape Resources. International Journal of Innovation, Management and Technology,4(2), April 2013.
Bolori, A; Moradi, M; Yazdani, H. (2021). Design a Tax Evasion Model Based on Income Tax: Grounded Theory Approach. Journal of Governmental Accounting,7(1), 9-30.(In Persian)
bulu, G; aarabi, M. (2019). Identifying Effective Factors on Comprehensive Risk of Government-Owned Banks. Journal of Governmental Accounting, 5(2), 25-46.(In Persian)
Driss, H; Drobetz, w; Ghoul, s; Guedhami, o; (2021). Institutional investment horizons, corporate governance, and credit ratings: International evidence. Journal of Corporate Finance, 67(C), 1-26.
Estran, R; Souchaud, A; Abitbol, D; (2022). Using a genetic algorithm to optimize an expert credit rating model. Expert Systems with Applications, (203), in progress.
Habib, A; Ranasinghe, D; (2022). Labor investment efficiency and credit ratings. Finance Research Letters, (48), in progress.
Hajiha, Z; Bakhshi, N; (2017). Investigating the relationship between accounting information and credit risk in companies listed on the Tehran Stock Exchange. Accounting and Auditing Studies, 6(24), 53-68. (in Persian)
Hamze Nikniafard, M; Aflatooni, A; & Nikbakht, Z. (2020). The Effect of Accounting Information Quality and Disclosure Quality on the Use of Financial Resources in Firms’ Core Business. Empirical Research in Accounting, 10(1), 97-114. (in Persian)
Hao,Y; Li, S; (2021). Does firm visibility matter to debtholders? Evidence from credit ratings. Advances in Accounting, (52), 1-12.
He, H; Zhang, W; Zhang, S; (2018). A novel ensemble method for credit scoring: adaption of different imbalance ratios. Expert Systems with Applications,98,105–117.
Islamzadeh, O; Hajinejad, A; Zare, P; Saffari, M, (2021). Internal controls in the public sector (theoretical perspective), Tehran. Termeh Publications. (in Persian)
Khodaverdi, O; (2009). Credit risk scoring of policyholders using intelligent methods (case study in an export credit institution), Master Thesis, University of Tehran. (in Persian)
Mafakheri, S; (2018). Comparison of decision tree techniques and neural networks in classifying and valuing bank customers and selecting optimal factors using data mining tools, 8th Annual Conference on Electronic Banking and Payment Systems, Tehran.(In Persian).
Mehrani, S; kamyabi, Y; & ghayour, F. (2020). Effects of Accounting and Non-Accounting Indices on Financial Distress Prediction: Comparing Parametric and Non-parametric Methods. Empirical Research in Accounting, 9(4), 49-72. (in Persian)
Mehrara, M; Mosaei, M; Tasori, M; Hassanzadeh, A; (2009). Credit Ranking of Legal Customers of Parsian Bank, Economic Modeling Quarterly, 3(4), 21-150.(in Persian)
Mennati, H; (2020). The effects of Corona Covid virus 19 on the global economy, Social Impact Assessment Quarterly, 1(2), 163-181. (in Persian)
Modarres, A; Zakavat, S. M; (2007). Credit risk models of bank customers (case study), Auditor Quarterly, 19. (in Persian)
Nazemi, F. Fatemi Pour, K. Heidenreich, F.J. Fabozzi, (2017). Fuzzy decision fusion approach for loss-given-default modeling, European Journal of Operational Research, 262(2), 780–791.
Papouskova,M; Hajek,P; (2019).Two-stage consumer credit risk modelling using heterogeneous ensemble Learning, Decision Support Systems, 118,33-45.
Park, J; W; Nam, G; Tsang, A; Lee, Y; (2022). Firstborn CEOs and credit ratings, The British Accounting Review, in press.
Serrano-Cinca C, Gutiérrez-Nieto B, López- Palacios L (2015). Determinants of Default in P2P Lending. PLoS ONE 10(10): e0139427.
Serrano-Cinca, C; Gutiérrez-Nieto, B; (2016). The use of profit scoring as an alternative to credit scoring systems in peer-to-peer (P2P) lending, Decision Support Systems, 89, 113–122.
Sheri Anaghiz, S; Bolu, G; & Mohsen Maliki Rastaghi, B. (2017). The Relation between Financial Flexibility and Financing Type of Firms Listed in Tehran Stock Exchange (TSE). Empirical Research in Accounting, 6(4), 171-190. (in Persian)
Smales, L.A; (2021). Investor attention and global market returns during the COVID-19 crisis, International Review of Financial Analysis, in press.
Verbraken, T; Bravo, C; Weber, R; Baesens, B; (2014). Development and application of consumer credit scoring models using profit-based classification measures, European Journal of Operational Research, 238, 505–513.
Zhang, W. ,Wang,c; Zhang , Y; Wang, j; (2020). Credit Risk Evaluation Model With Textual Features From Desctiptions For P2P Lending, Electronic Commerce Research and Applications, 42, 1-30.
Zohri, M; Afshar Kazemi, M. A; (2012). Designing a bankruptcy prediction model for companies using fuzzy neural networks, Case Study: Tehran Stock Exchange Companies), Quarterly Journal of Financial Engineering and Securities, 3(13). (In Persian)
| ||
آمار تعداد مشاهده مقاله: 332 تعداد دریافت فایل اصل مقاله: 177 |