در مقاله قبلی ، ما بررسی کردیم که چگونه مدل‌های پیش‌بینی ورشکستگی راه طولانی را طی کرده‌اند. درست است که آنها به سرمایه گذاران کمک می کنند تا زمانی که پول خود را در یک شرکت قرار می دهند حدس بزنند. با این حال، درک این نکته نیز مهم است که این روش ها به هیچ وجه به خطاناپذیری نزدیک نیستند. در واقع این مدل‌ها دارای کاستی‌های زیادی هستند که سرمایه‌گذاران هنگام تصمیم‌گیری بر اساس تفاسیر این مدل‌ها باید از آنها آگاه باشند.
در این مقاله، برخی از کاستی‌های رایجی که معمولاً توسط تحلیلگران در هنگام استفاده از مدل‌های پیش‌بینی ورشکستگی گزارش می‌شود، فهرست کرده‌ایم .
از داده های صورت های مالی استفاده می کند
مدل های پیش بینی ورشکستگی از داده های صورت های مالی استفاده می کنند. این داده ها ممکن است در بسیاری از مواقع دقیق نباشند. این به این دلیل است که یک واقعیت شناخته شده است که شرکت ها مجموعه های متعددی از کتاب ها را نگهداری می کنند. یک مجموعه کتاب با هدف کاهش بدهی های مالیاتی نگهداری می شود. از سوی دیگر، مجموعه متفاوتی از کتاب ها برای تحت تاثیر قرار دادن سرمایه گذاران نگهداری می شود. این مجموعه کتاب هایی است که معمولاً در دسترس عموم است. مفروضات حسابداری استفاده شده در این اظهارات کاملا آزادانه هستند و به منظور نمایش شرکت در یک نور خوب هستند. بنابراین استفاده از درآمدها، سود انباشته و سایر ارقام حاصل از این صورت‌ها ممکن است تصویر درستی را ارائه نکند. اگر همان مدل با استفاده از داده های مجموعه متفاوتی از کتاب ها اجرا شود، نتیجه ممکن است کاملاً متفاوت باشد!
به جریان نقدی توجه زیادی نکنید
نکته مهم دیگری که باید به آن توجه کرد این است که تعداد کمی از مدل‌های پیش‌بینی ورشکستگی توجه زیادی به جریان نقدی دارند. با توجه به این واقعیت که ورشکستگی در واقع وضعیتی است که شرکت جریان نقدی کافی ندارد، پوچ است. با این حال، هیچ یک از نسبت های استفاده شده در مدل امتیاز Z آلتمن یا مدل مرتون به طور خاص جریان نقدی را اندازه گیری نمی کند.
واقعیت این است که همه اعداد در صورت حسابداری به جز وجه نقد قابل حذف هستند. از این رو، زمانی که مدل های ورشکستگی از پول نقد در تحلیل خود استفاده نمی کنند، کاستی های بیشتری را وارد تحلیل خود می کنند.
مدل‌ها ممکن است مختص صنعت باشند
مدل‌های تک متغیره برای پیش‌بینی ورشکستگی تنها به یک متغیر نگاه می‌کنند. این متغیر اغلب به عنوان در نظر گرفتن صنایع خاص تعریف می شود. بنابراین، این مدل ها مختص صنعت هستند. با این حال، در عمل، تحلیلگران از این مدل ها در صنایع مختلف استفاده می کنند. بنابراین، درک این نکته مهم است که در چنین مواردی، مدل ممکن است نتیجه درستی را ارائه ندهد.
ضرایب به دلیل زمان باید به روز شوند
بسیاری از مدل ها مانند نمره Altman Z به ضرایب متکی هستند. این ضرایب وزن به نسبت خاص را ارائه می دهند. با این حال، توجه به این نکته مهم است که داده هایی که مدل آلتمن بر اساس آن است، در دهه های 1960 و 1970 جمع آوری شده است. بنابراین می توان فرض کرد که داده ها اکنون قدیمی شده اند و شرکت ها باید ضرایب را به روز کنند. از دهه 1970 خیلی چیزها تغییر کرده است، و این تغییرات بر پرداخت بدهی هر شرکتی تأثیر می گذارد. نیاز مبرمی به جمع آوری داده های جدید، انجام یک تحلیل تجربی دقیق و تغییر ضرایب در مدل آلتمن وجود دارد. بسیاری از شرکت ها از این نقص آگاه هستند و از این رو از نسخه اصلاح شده مدل آلتمن برای تحلیل خود استفاده می کنند.
از آنجایی که صنایع تغییر کرده اند، ضرایب باید به روز شوند
همچنین باید درک کرد که داده هایی که مدل Altman Z بر اساس آن ایجاد شده است از شرکت های حوزه تولید جمع آوری شده است. مدل های کسب و کار از آن زمان دستخوش دگرگونی شده اند. این مدل ها زمانی توسعه یافتند که شرکت های فناوری مانند گوگل، مایکروسافت و فیس بوک حتی وجود نداشتند. بنابراین، منصفانه است که بگوییم این مدل‌ها برای شرکت‌های فناوری نسل جدید، که شامل بسیاری از استارت‌آپ‌های امیدوارکننده و همچنین غول‌هایی مانند موارد ذکر شده در بالا هستند، قابل استفاده نیستند.
بسیاری از این شرکت ها از مدل های مالی غیر متعارف پیروی می کنند. به عنوان مثال، شرکت هایی مانند فیس بوک و توییتر برای مدت زمان طولانی سود انباشته ای نداشتند. همچنین طی سالیان متمادی جریان نقدی منفی داشتند. مدل های قدیمی مانند امتیاز Z آلتمن توانایی تحلیل این شرکت ها را ندارند. یک مدل جدیدتر باید مطابق با مدل Z آلتمن توسعه یابد.
برای شرکت های مالی قابل اجرا نیست
مدل های پیش بینی ورشکستگی برای شرکت های مالی نیز قابل اجرا نیستند. این غیرقابل باور است زیرا رکود بزرگ سال 2008 ناشی از ورشکستگی موسسات مالی بود. این نهادها ستون فقرات اقتصاد را تشکیل می دهند و از این رو هرگونه مشکلی در آنها منجر به بحران سیستمی می شود.
با این حال، شرکت های مالی تمایل دارند ترازنامه پیچیده و مبهم داشته باشند. استفاده قابل توجهی از حسابداری خارج از ترازنامه در این شرکت ها وجود دارد. به همین دلیل است که برای تحلیل در مدل هایی که بر اساس ترازنامه هستند مناسب نیستند.
نمی توان موارد پرت را پیش بینی کرد
درس مهم دیگر از بحران 2008 این است که نقاط دورافتاده می توانند خسارات زیادی ایجاد کنند. شرکت‌های دورافتاده شرکت‌هایی هستند که احتمال نکول پایینی دارند، اما اگر پیش‌فرض واقعاً اتفاق بیفتد، تأثیر آن بسیار زیاد است. مدل‌های رایج پیش‌بینی ورشکستگی هیچ مکانیسمی برای انجام تجزیه و تحلیل خاصی از نقاط پرت ندارند. بنابراین، مدل‌های جدیدتری مورد نیاز است که توجه ویژه‌ای به مؤسساتی داشته باشد که ورشکستگی آنها می‌تواند تأثیر زیادی داشته باشد و کل اکوسیستم را شوکه کند.
به طور خلاصه، مدل های ورشکستگی به هیچ وجه به حد کامل نیستند. با این حال، استفاده نکردن از آنها نیز یک گزینه نیست. از این رو، برای سرمایه گذار مهم است که بداند چه زمانی این مدل ها به تصمیم گیری کمک می کنند و چه زمانی کمک نمی کنند!
بدون نظر