早期预警系统—以土耳其为例【外文翻译】.doc

1、1本科毕业论文外文翻译译文标题早期预警系统以土耳其为例资料来源道古斯大学学报，2005,6（1）作者SINANAKTAN摘要我们主要选择了两种方法，用于实证研究来预测失败。这些技术的选定和独立变量之间都有不同的假设关系。线性判别分析是基于线性组合的独立变量，罗吉特分析使用后勤累积概率分布函数。我们的目标是研究这些基本方法之间和独立变量实证选择的差异，这些将导致预测结果的准确性。此外，建立预测模型，将受益于管理层本身，股东，政府，供应商，债权人，投资者和其他利益相关者。关键词判别分析回归分析企业财务危机简介最近在学术界和工业界许多破产的公司都强调财务危机预测的重要性。现在看来更有必要研究早期预警

2、系统，可以帮助防止或避免企业违约，并便于选择企业合作或投资。我们这一研究的目的是建立一个预测模型，这些预测将受益于管理层本身，股东，政府，供应商，债权人，投资者和其他利益相关者。决策者们的浓厚兴趣，是这个变量随着时间的推移方向的预测。因此，最初的行动是应该建立一个模型，揭示变量之间的关系。正如艾可夫发现的有症状能表明存在的威胁或机会，变量作为症状性质的行为组织或环境。这些变量也可以用分析预兆的症状和动态，作为未来的机会指标或问题。我们可以总结出目标的预测模型，让分析师分析该模型和干预的变量来影响预测结果（KURMAN，1999）。在这个意义上，我们的模型让分析师采取行动并得出结果，因为无力改变

3、宏观经济趋势；此外，前期的资产负债表和损益表变量状态来实现组织战略。要实现这些研究的目的，我们已经进行了实证研究，公司所属行业的资料显示，我们选择的标准是根据土耳其贸易法中的第179条破产法的代码324和434。这些代码表明，总产值的2/3的总失可以定义为破产。然而，我们的样本除了三个破产公司，主要是研究占主导地位的财务危机的公司部门，选定了这些公司的1991年和2001年之间的资产负债表。在开始研究财务危机预测时，没有先进的统计方法和电脑可供研究人员。财务价值比率只能在失败和失败相互比较。在1966年，比弗的开创性研究提出2了单变量判别分析法，1968奥特曼扩大这一研究，提出了多变量分析法，

4、直到1980年代的判别分析的主要方法是在失败和默认情况下预测。然而，它往往又遭受侵犯性假设，正态分布的比例假设是有问题的。在1980年逻辑特分析取代了判别分析，直到最近几年逻辑特分析一直是最常用的危机预测统计方法。判别分析和回归分析有关的独立变量有不同的假设之间的关系。线性判别分析是基于的独立变量的线性组合，回归分析使用累计概率函数。判别分析假设变量是正常的，并没有多重共线性。很明显，维持正常的财务比率几乎是不可能的。罗吉特分析满足正常的假设但有多重共线性的质量障碍。为了解决这个问题，我们采用了因子分析来总结和约简数据这两个目标。这些目标释放多重共线性紧缩的变量。在这项研究中，我们将提出我们的

5、预测模型，在实证研究结果下判别分析，回归分析，因素分析，在第3章。在这一章中我们将构造一个判别函数，方便地应用于读者和其他研究人员。根据判别函数Z分数的研究人员可以很容易地找出样本。此外，本研究将启发其他研究人员并采取的进一步研究的样本大小或使用的统计工具。早期预警系统，如土耳其3案例，我们遇到一些限制，同时进行研究，一些主要的限制因素总结如下我们首先根据奥特曼失败和非失败的公司来研究，他的研究取决于变量的歧视属于这两个设置；此外，他选择了非失败的企业，根据失败公司的资本结构和业务领域的相似性女。反之，我们不能选择违约的公司特别是根据资本结构相似性不良的。由于资本结构在行内的变化，这是我们面临

6、的问题，取决于我们年轻的股票市场，因为大约190的公司是我们的研究，除金融和银行部门。虽然最拥挤的部门是纺织，没有类似的企业之间的资本结构。总结和结论自1930年关于危机预测问题的实证研究，从没有得出统一的理论。尽管如此，实证预测结果都被看好。没有理论背景的模型预测通常正确率为80，在一些研究的正确分类得出结论数据更高。问题是，在理论建设还没有充分运用，预测的准确性取决于选择的变量预测模型和统计方法的使用。直到1980年，逻辑分析方法取代危机预测的判别分析法，今天甚至有取代逻辑分析法的挑战者。其中有神经网络模型，模糊逻辑模型，这似乎导致预测精度提高。在这项研究中，我们比较了判别分析和逻辑分析方

7、法也提出了新的可能性来用于模型选择，即因子分析法。3这项研究表明，使用回归分析、因子分析中模型的变量不同导致不同的危机预测。此外，不同的预测方法导致选择不同的财务比率。尽管选择的方法，流动性似乎在危机预测中是非常重要的因素。从两个方面进行了讨论第一，流动性更普遍强调土耳其事件中的危机因素模型；其次，该变量的主要因素选择那些以往的好的预测危机模型的原始变量，这些变量，大致分为四类，即盈利能力，偿付能力，活动和流动性。进一步分析构建模型进行因子分析。它表明，除了不同的模型中变量数目和信息内容不同，在阿里三年前失败的循序渐进的模式选择罗吉特模型使用的信息连接到的因素数量最少最少。从一些因素的解决方案

8、看，每年78因素也表示，集团原有的财务比率必须分四个以上类别。此外，使用相应的统计方法对罗吉特分析和因子分析预测模型精度进行了测试。结果表明，罗吉特分析优于另外两种预测失败的方法。三个月前的预测失败率非常低，只有274。八个月之前的罗吉特分析导致最低错误率为127。综上所述，三个结论，首先，模型的选择方法影响了一些被选中的独立变量；其次，由于是衡量一个企业的不同经济层面的变量，数量的变量，模型的信息内容也不同；最后，连接替代的危机预测方法，预测精度也不同。4外文文献原文TITLEEARLYWARNINGSYSTEMS,THECASEOFTURKEYMATERIALSOURCEDOGUSUNIV

9、ERSITYJOURNAL,612005AUTHORSINANAKTANABSTRACTWEAREFOCUSINGONTWOALTEMATIVETECHNIQUESTHATCANBEUSEDEMPIRICALLYTOSELECTPREDICTORSFORFAILUREPREDICTIONPURPOSESTHESELECTEDTECHNIQUESHAVEALIDIFFERENTASSUMPTIONSABOUTTHERELATIONSHIPSBETWEENTHEINDEPENDENTVARIABLESLINEARDISCRIMINANTANALYSISISBASEDONLINEARCOMBINAT

10、IONOFINDEPENDENTVARIABLESLOGITANALYSISUSESLOGISTICCUMULATIVEPROBABILITYDISTRIBUTIONFUNCTIONOURAIMISTOSTUDYIFTHESEESSENTIALDIFFERENCESBETWEENMETHODSAFFECTTHEEMPIRICALSELECTIONOFINDEPENDENTVARIABLESTOTHEMODELSANDLEADSIGNIFICANTDIFFERENCESINFAILUREPREDICTIONACCURACYMOREOVER,DEVELOPAPREDICTIONMODELTHATW

11、OULDBEBENEFITEDBYMANAGEMENTITSELF,SHAREHOLDERS,GOVERNMENT,VENDORS,CREDITORS,INVESTORSANDOTHERSTAKEHOLDERSINTHEIRPROJECTIONSANDSTRATEGIESKEYWORDSDISCRIMINANTANALYSIS,LOGITANALYSISBUSINESSFAILURESINTRODUCTIONTHERECENTBANKRUPTCIESOFMANYCOMPANIESHAVEUNDERLINEDTHEIMPORTANCEOFFAILUREPREDICTIONBOTHINACADEM

12、IAANDINDUSTRYITNOWSEEMSMORENECESSARYEVERTODEVELOPEARLYWARNINGSYSTEMSTHATCANHELPPREVENTORAVERTCORPORATEDEFAULT,ANDFACILITATETHESELECTIONOFFIRMSTOCOLLABORATEWITHORINVESTINOURPURPOSEINTHISSTUDYISTODEVELOPAPREDICTIONMODELTHATWOULDBEBENEFITEDBYMANAGEMENTITSELF,SHAREHOLDERS,GOVERNMENT,VENDORS,CREDITORS,IN

13、VESTORSANDOTHERSTAKEHOLDERSINTHEIRPROJECTIONSANDSTRATEGIESDECISIONMAKERSAREINTENSELYINTERESTEDINTHEPREDICTIONOFDIRECTIONOFVARIABLESOVERTIMETHEREFORE,THEINITIALACTIONOUGHTTOCONSTRUCTAMODELTHATEXPOSETHERELATIONSHIPBETWEENVARIABLESASACKOFFINITIATES,ASYMPTOMINDICATESTHEPRESENCEOFATHREATORANOPPORTUNITYVA

14、RIABLESUSEDASSYMPTOMSAREPROPERTIESOFTHEBEHAVIOROFTHEORGANIZATIONORITSENVIRONMENTSUCHVARIABLESCANALSOBEUSEDDYNAMICALLYASPRESYMPTOMSOROMENS,ASINDICATORSOFFUTUREOPPORTUNITIESORPROBLEMSWECANSUMMARIZETARGETSOFTHEPREDICTIONMODELSASLETTINGANALYSTTOACTDUETOTHERESULTSOFTHEMODELAND5PREINTERVENTIONTOTHEVARIABL

15、ESINORDERTOAFFECTTHEPREDICTIONRESULTSKURMAN,1999INTHISSENSE,OURMODELSLETANALYSTTOTAKECOURSEOFACTIONACCORDINGTOTHERESULTS,BECAUSEINABILITYTOCHANGEMACROECONOMICTRENDSMOREOVER,PREINTERVENTIONTOTHEBALANCESHEETANDINCOMESTATEMENTVARIABLESTOSTATEORGANIZATIONALSTRATEGIESTOACHIEVETHEPURPOSEOFTHISSTUDY,WEHAVE

16、CONDUCTEDEMPIRICALSTUDIESONCOMPANIESWHICHAREBELONGINGTOREALSECTORREVEALEDFROMISEOURSELECTIONCRITERIONISBANKRUPTCYLAWARTICLE179,PURSUANTTOTURKISHTRADELAWARTICLECODE324AND434SHORTLYTHESECODESCLAIMSTHAT2/3LOSSINTOTALASSETVALUECOULDBEDEFINEDASBANKRUPTWHEREAS,OURSAMPLEMOSTLYDOMINATEDBYDISTRESSEDFIRMSEXCE

17、PTFORTHREEBANKRUPTFIRMSANDTHESEFIRMSARECOMPAREDWITHTHEIRSECTORMEANSTHESUBJECTRATIOSOFSELECTEDFIRMSANDSECTORMEANSAREBETWEENYEARS1991AND2001JUNEBALANCESHEETSATTHEBEGINNINGOFRESEARCHESONFAILUREPREDICTION,THEREWERENOADVANCEDSTATISTICALMETHODSORCOMPUTERSAVAILABLEFORTHERESEARCHERSTHEVALUESOFFMANCIALRATIOS

18、INFAILEDANDNONFAILEDFIRMSWERECOMPAREDWITHEACHOTHERIN1966THEPIONEERINGSTUDYOFBEAVERPRESENTEDTHEUNIVARIATEAPPROACHOFDISCRIMINANTANALYSISANDIN1968ALTMANEXPANDEDTHISSTUDYTOMULTIVARIATEANALYSISUNTIL1980SDISCRIMINANTANALYSISWASTHEDOMINANTMETHODINFAILUREANDDEFAULTPREDICTIONHOWEVER,ITSUFFEREDFROMASSUMPTIONS

19、THATWEREVIOLATEDVERYOFTENTHEASSUMPTIONOFNORMALITYOFFMANCIALRATIODISTRIBUTIONSWASPROBLEMATICDURINGTHE1980STHEDISCRIMINANTANALYSISWASREPLACEDBYLOGISTICANALYSISWHICHUNTILRECENTYEARSHASBEENTHEMOSTUSEDSTATISTICALMETHODFORFAILUREPREDICTIONDISCRIMINANTANALYSISANDLOGITANALYSISHAVEDIFFERENTASSUMPTIONSCONCERN

20、INGTHERELATIONSHIPSBETWEENTHEINDEPENDENTVARIABLESLINEARDISCRIMINANTANALYSISISBASEDONLINEARCOMBINATIONOFINDEPENDENTVARIABLES,LOGITANALYSISUSESTHELOGISTICCUMULATIVEPROBABILITYFUNCTIONDISCRIMINANTANALYSISASSUMESVARIABLESARENORMALANDSUGGESTSNOMULTICOLLINEARITYITISOBVIOUSTHATSUSTAININGNORMALITYNEARLYIMPO

21、SSIBLEINFMANCIALRATIOSLOGITANALYSISSATISFIESNORMALITYASSUMPTIONWHEREASTHEREISSTILIANOBSTACLEWHICHISMULTICOLLINEARITYINORDERTORESOLVETHISPROBLEMWEHAVEAPPLIEDFACTORANALYSISWHICHISUSEDFORTWOGOALSUMMARIZATIONANDDATAREDUCTIONTHESEGOALSRELEASETHE6MULTICOLLINEARITYBYTIGHTENINGTHEVARIABLESINTHISSTUDY,WEWILL

22、PRESENTOURPREDICTIONMODELSRESULTOFEMPIRICALSTUDIESUNDERDISCRIMINANTANALYSIS,LOGITANALYSIS,ANDFACTORANALYSIS,INCHAPTER3INTHISCHAPTERWEWILLCONSTRUCTADISCRIMINANTFUNCTIONTHATWILLBEEASILYAPPLIEDBYTHEREADERSANDOTHERRESEARCHERSACCORDINGTODISCRIMINANTFUNCTIONSZSCORERESEARCHERSORANALYSTSCANEASILYFIGREOUTWHE

23、RETHEIRFIRMSTANDWHETHERINDISTRESSEDAREAORNOTMOREOVER,THISSTUDYWILLENLIGHTENTHERESEARCHOFOTHERRESEARCHERSANDTHERESEARCHERSCANTAKETHISSTUDYFURTHERINSAMPLESIZEORSTATISTICALTOOLSUSEDEARLYWARNINGSYSTEMS,THECASEOFTURKEY3WEENCOUNTEREDSOMELIMITATIONSWHILEWEHAVEBEENCONDUCTINGOURSTUDY,ANDSOMEMAINLIMITATIONSSU

24、MMARIZEDBELOWWEBEGINOURSTUDYUNDERTHELIGHTOFALTMANSSTUDYWHICHHADTWOSETS,FAILEDFIRMSANDNONFAILEDFIRMS,HISSTUDYDEPENDSONTHEDISCRIMINATIONOFVARIABLESBELONGTOTHESETWOSETMOREOVER,HESELECTEDNONFAILEDFIRMSACCORDINGTOSIMILARITYINCAPITALSTRUCTUREANDOPERATIONAREASOFFAILEDFIRMSONTHECONTRARY,WECOULDNTSELECTNONDI

25、STRESSEDFIRMSESPECIALLYACCORDINGTOCAPITALSTRUCTURESIMILARITYOFDISTRESSEDFIRMS,BECAUSECAPITALSTRUCTUREOFOURCOTEDFIRMSVARIESESPECIALLYINWITHINSECTORSTHISPROBLEMTHATWEFACEDEPENDSONOURYOUNGSTOCKMARKET,BECAUSEAPPROXIMATELY190COMPANIESARESUBJECTTOOURSTUDYEXCEPTFINANCEANDBANKINGSECTORSALTHOUGH,MOSTCROWDEDS

26、ECTORISTEXTILE,NOSIMILARCAPITALSTRUCTUREAMONGFIRMSEXISTSSUMMARYANDCONCLUSIONTHEFAILUREPREDICTIONRESEARCHHASSUFFEREDFROMTHELACKOFANYUNIFIEDTHEORYSINCETHE1930SWHENFIRSTEMPIRICALSTUDIESONTHISSUBJECTWEREPUBLISHEDINSPITEOFTHAT,EMPIRICALPREDICTIONRESULTSHAVEBEENPROMISINGWITHOUTTHEORETICALBACKGROUNDALTERNA

27、TIVEMODELSHAVEPREDICTEDTHEFUTUREOFAFIRMUSUALLYCORRECTLYIN80OFTHECASES,INSOMESTUDIESTHEAMOUNTOFCORRECTCLASSIFICATIONSISEVENHIGHERTHEPROBLEMISTHATBEFORETHETHEORETICALCONSTRUCTIONFORFAILINGFIRMSISSETTLED,THEPREDICTIONACCURACYISDEPENDENTONTHEBESTPOSSIBLESELECTIONOFVARIABLESINCLUDEDINPREDICTIONMODELSANDA

28、LSOONTHESTATISTICALMETHODTHATISUSED7UNTIL1980STHEPROMINENTMETHODINFAILUREPREDICTIONWASDISCRIMINANTANALYSISIN1980SLOGISTICANALYSISREPLACEDTHISMETHODANDTODAYEVENLOGISTICANALYSISHASSOMECHALLENGERSSOMEOFTHESEARENEURALNETWORKS,FUZZYLOGIC,WHICHARESEEMTOLEADTOHIGHPREDICTIONACCURACYBESIDETOTHETWOOTHERMETHOD

29、SDISCRIMINANTANALYSISANDLOGITANALYSISINTHISSTUDY,WEHAVECOMPAREDTHESETWOCENTRALMETHODSANDALSOSUGGESTEDANEWPOSSIBILITYTOBEUSEDINMODELSELECTION,FACTORANALYSISTHISSTUDYSHOWSTHATTHEUSEOFLOGITANALYSISORFACTORANALYSISALILEADTODIFFERENTFAILUREPREDICTIONMODELSTHEAMOUNTOFVARIABLESINCLUDEDINTHEMODELSVARIESALSO

30、,DIFFERENTMETHODSLEADTOTHESELECTIONOFDIFFERENTFMANCIALRATIOSDESPITEOFTHESELECTIONMETHODUSED,LIQUIDITYSEEMSTOBEVERYIMPORTANTFACTORINFAILUREPREDICTIONTWOREASONSFORTHISWEREDISCUSSEDFIRST,THELIQUIDITYFAILUREISMOREGENERALFAILURETYPEINTURKEYWHICHSTRESSESTHEIMPORTANCEOFTHISFACTORINTHEMODELSSECOND,THEVARIAB

31、LESINOURORIGINALSAMPLEWEREMOSTLYFACTORSDESCRIBINGLIQUIDITYINTHISSTUDYTHEGROUPOFORIGINALVARIABLESWASFORMEDBYSELECTINGTHOSEVARIABLESWHICHINPREVIOUSCENTRALSTUDIESHAVEBEENFOUNDGOODPREDICTORSOFFAILURETHESEVARIABLESWERETHENROUGHLYDIVIDEDINTOFOURCATEGORIES,NAMELYPROFITABILITY,SOLVENCY,ACTIVITYANDLIQUIDITYT

32、OANALYZEFURTHERTHECONSTRUCTEDMODELSFACTORANALYSISWASDONEITINDICATEDTHATINADDITIONTOTHEDIFFERENTNUMBEROFVARIABLESINDIFFERENTMODELSALSOTHEINFORMATIONCONTENTOFTHEMODELSVARIEDINALITHREEYEARSPRIORTOFAILURETHESTEPWISEMODELSELECTIONFORTHELOGITMODELUSEDTHEINFORMATIONCONNECTEDTOTHEFEWESTNUMBEROFFACTORSTHENUM

33、BEROFFACTORSINFACTORSOLUTIONS,78FACTORSEACHYEARINDICATEDALSOTHATTHEGROUPOFORIGINALRATIOSMUSTBEDIVIDEDINTOMORETHANFOURCATEGORIESFURTHERMORE,THEPREDICTIONACCURACYOFSELECTEDMODELSWASTESTEDUSINGCORRESPONDINGSTATISTICALMETHODSFORLOGITANALYSISANDFACTORANALYSISTHERESULTSINDICATEDTHATLOGITANALYSISOUTPERFORM

34、EDTWOOTHERMETHODSONEANDEIGHTPERIODPRIORTOFAILURETHEMISCLASSIFICATIONRATEONETHREEMONTHSPRIORTOFAILUREWASEXTREMELYLOW,ONLY274EIGHTMONTHSPRIORTOFAILURELOGITANALYSISLEDTOALOWESTMISCLASSIFICATIONRATEWITH127INSUMMARY,THREECONCLUSIONSCANBEMADEFIRST,THEDIFFERENCESBETWEENALTERNATIVEMODELSELECTIONMETHODSAFFEC

35、TTHENUMBEROFINDEPENDENTVARIABLESTOBE8SELECTEDSECOND,NOTONLYTHENUMBEROFVARIABLESBUTALSOTHEINFORMATIONCONTENTOFTHEMODELSVARIESDUETOTHEVARIABLESTHATAREMEASURINGDIFFERENTECONOMICDIMENSIONSOFAFIRMFINALLY,CONNECTEDWITHALTERNATIVEFAILUREPREDICTIONMETHODS,ALSOTHEPREDICTIONACCURACYVARIESFROMSINANAKTAN,EARLYWARNINGSYSTEMS,THECASEOFTURKEYDOGUSUNIVERSITYJOURNAL,612005