کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7339550 1476135 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Financial performance and distress profiles. From classification according to financial ratios to compositional classification
ترجمه فارسی عنوان
عملکرد مالی و پروفایل های پریشانی. از طبقه بندی با توجه به نسبت های مالی به طبقه بندی ترکیب
ترجمه چکیده
نسبت های مالی اغلب در تجزیه خوشه ای برای طبقه بندی شرکت ها با توجه به شباهت ساختار مالی آنها استفاده می شود. علاوه بر وابستگی فاصله ها به انتخاب نسبت، نسبت خود را در معرض یک تجزیه و تحلیل خوشه ای مانند توزیع های مبهم، رد و اضافی، و اضافی در معرض تعداد زیادی از مشکلات جدی است. برخی از راه حل ها برای غلبه بر این نقایص در ادبیات ارائه شده اند، اما اثبات شده مشکل ساز است. در این کار، ما یک روش تجزیه و تحلیل بیانیه های مالی جایگزین برای طبقه بندی شرکت ها ارائه می دهیم که هدف آن حل کردن نقص های فوق و ترسیم از تجزیه و تحلیل داده های ترکیب شده است. روش مبتنی بر استفاده از روش های خوشه بندی موجود با نرم افزار استاندارد بر روی داده های تبدیل شده با استفاده از به اصطلاح لگاریتم های ایزومتریک نسبت است. این روش موجب صرفه جویی در مراحل تجزیه و تحلیل (فراتر از درمان و کاهش داده ها) می شود در حالی که تعریف فاصله ها در میان شرکت ها به نحوی معنی دار است که به نسبت خاص انتخاب نشده است. ما نمونه هایی از کاربرد را به دو صنایع مختلف نشان می دهیم و نتایج را با نتایج به دست آمده از مقادیر استاندارد مقایسه می کنیم.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری حسابداری
چکیده انگلیسی
Financial ratios are often used in cluster analysis to classify firms according to the similarity of their financial structures. Besides the dependence of distances on ratio choice, ratios themselves have a number of serious problems when subject to a cluster analysis such as skewed distributions, outliers, and redundancy. Some solutions to overcome those drawbacks have been proposed in the literature, but have proven problematic. In this work we put forward an alternative financial statement analysis method for classifying firms which aims at solving the above mentioned shortcomings and draws from compositional data analysis. The method is based on the use of existent clustering methods with standard software on transformed data by means of the so-called isometric logarithms of ratios. The method saves analysis steps (outlier treatment and data reduction) while defining distances among firms in a meaningful way which does not depend on the particular ratios selected. We show examples of application to two different industries and compare the results with those obtained from standard ratios.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Advances in Accounting - Volume 40, March 2018, Pages 1-10
نویسندگان
, , ,