破産予測

倒産予測とは、上場企業の倒産や財務状況の様々な指標を予測する技術です。これは、財務および会計研究における広範な分野です。この分野の重要性は、債権者や投資家が企業の倒産の可能性を評価する上で 重要であることに一部起因しています。

研究の量は、データの入手可能性にも左右されます。倒産した企業、あるいは倒産しなかった企業については、危険性を示唆する可能性のある会計比率を多数算出でき、その他にも多くの潜在的な説明変数が利用可能です。したがって、この分野は、ますます高度化され、データ集約的な予測手法の検証に適しています。

歴史

倒産予測の歴史は、徐々に利用可能になった数多くの統計ツールの応用と、初期の分析における様々な落とし穴への理解を深めることに繋がっています。長年にわたり認識されてきた落とし穴を抱えた研究が、今もなお発表されています。

倒産予測は、少なくとも1932年以来、正式な分析の対象となってきました。フィッツパトリックは、倒産し​​た企業と存続した企業を、日付、規模、業種を一致させた20組の企業を対象とした研究を『公認会計士』誌に発表しました。彼は現在一般的に行われているような統計分析は行いませんでしたが、比率とその傾向を綿密に解釈しました。彼の解釈は、実質的に複雑な多変数分析でした。

1967 年、ウィリアム ビーバーはt 検定を適用して、類似のペア マッチ サンプル内の個々の会計比率の重要性を評価しました。

1968年、エドワード・I・アルトマンは、最初の正式な多重変数分析において、2対1標本を用いた多重判別分析を適用しました。倒産予測における最も著名な初期のモデルの一つは、アルトマンZスコアであり、これは今日でも適用されています。

1980 年に、James Ohlson は、ペアマッチングを含まない、はるかに大規模なサンプルで ロジット回帰を適用しました。

現代的な方法

企業の倒産予測は、多くの経済学者が注目するテーマとなっている。企業の財務難を開発・予測する根拠は、研究者が関心を持つ複数の計量経済学的変数を組み合わせることで、企業の財務状況を予測する予測モデルを開発することである。本研究では、開示文書を用いた企業倒産予測のためのディープラーニングモデルの導入を目指した。本研究では、ケニアの上場企業に基づいて倒産を予測する包括的な研究モデルを構築した。研究対象集団には、ナイロビ証券取引所に10年間上場している全64社が含まれる。企業の財務難を予測するモデルの構築には、ロジスティック分析が使用された。調査結果から、資産回転率、総資産、運転資本比率には正の係数があることが明らかになった。一方、在庫回転率、負債比率、債務者回転率、負債比率、流動比率には負の係数があった。この研究では、在庫回転率、資産回転率、負債資本比率、債務者回転率、総資産、負債比率、流動比率、運転資本比率が破産を予測する上で最も重要な比率であると結論付けられました（Ogachi, D.; Ndege, R.; Gaturu, P.; Zoltan, Z. (2020)

異なるアプローチの比較

破産および倒産予測の分野における最新の研究では、さまざまな異なるアプローチ、モデリング手法、および個々のモデルを比較して、いずれかの手法が他の手法より優れているかどうかを確認します。

Jackson and Wood (2013) は、これまでの数多くの文献レビューの一つであり、既存の文献から15の一般的なモデルの実証的評価が含まれています。これらのモデルは、Beaverの単変量モデルからAltmanとOhlsonの多次元モデル、そしてオプション評価アプローチを含むより最近の手法まで多岐にわたります。彼らは、オプション評価アプローチのような市場データに基づくモデルは、会計数値に大きく依存する初期のモデルよりも優れたパフォーマンスを示すことを明らかにしました。[ 1 ]

Zhang、Wang、Ji (2013) は、破産予測問題を解決するための新しいルールベースシステムを提案した。この手順は、以下の4つの段階から構成される。第1段階として、逐次前向き選択法を用いて最も重要な特徴を抽出する。第2段階として、与えられたデータセットに適合するルールベースモデルを選択する。これは、物理的な意味を示すことができるためである。第3段階として、遺伝的アントコロニーアルゴリズム(GACA) を導入する。GACA に適応度スケーリング戦略とカオス演算子を統合し、新しいアルゴリズムである適応度スケーリングカオスGACA (FSCGACA) を構築した。このアルゴリズムは、ルールベースモデルの最適パラメータを求めるために用いられる。最後に、層別K分割交差検証法を用いて、モデルの汎化性を高める。[ 2 ]

倒産予測のためのデータを入手できる情報源はいくつかあります。例えば、1997年10月から現在までの米国大手企業の倒産状況をまとめたUCLA-LoPucki [ 3 ]データベースや、2008年以降の倒産状況をまとめた連邦司法センター[ 4 ]などがあります。一部の金融機関は、これらのデータセットを機械学習モデルと組み合わせ、将来の倒産リスクの予測に取り組んでいます。[ 5 ]これは新興分野であり、今後の研究では、非構造化金融データや代替データソースを予測モデルに活用する研究が進むと予想されます。

参考文献

  1. ^ジャクソン、リチャードHG; ウッド、アンソニー (2013). 「英国における倒産予測と信用リスクモデルの性能：比較研究」.英国会計レビュー. 45 (3): 183– 202. doi : 10.1016/j.bar.2013.06.009 . hdl : 10871/9690 . S2CID  73518244 .
  2. ^ Zhang, Yudong; Shuihua Wang; Genlin Ji (2013). 「改良された遺伝的アントコロニーアルゴリズムに基づく破産予測のためのルールベースモデル」(PDF) . Mathematical Problems in Engineering . 2013 753251. doi : 10.1155/2013/753251 . 2014年4月29日時点のオリジナルよりアーカイブ(PDF) . 2014年4月29日閲覧.
  3. ^ 「大規模破産の世界を覗く窓」。2021年8月30日時点のオリジナルよりアーカイブ。2021年8月30日閲覧。
  4. ^ 2008年度から現在までの破産事件の申請、終了、係属中 2022年2月9日アーカイブ、 Wayback Machine
  5. ^ 「Sov.ai AI Finance Research Lab」 . sov.ai. 2021年8月30日時点のオリジナルよりアーカイブ。

Ogachi, D.; Ndege, R.; Gaturu, P.; Zoltan, Z. ケニアの上場企業を対象とした企業倒産予測モデル．J. Risk Financial Manag. 2020, 13, 47. https://doi.org/10.3390/jrfm13030047

「 https://en.wikipedia.org/w/index.php?title=Bankruptcy_prediction&oldid=1312951058」より取得