مقاله انگلیسی با ترجمه پیش‌بینی ورشکستگی توسط تحلیلگران: بررسی مجدد ارزش اطلاعاتی افزوده شده توسط متخصصان مالی

مشخصات مقاله  فهرست مطالب نمونه ترجمه مقاله انگلیسی خرید ترجمه مقالات مرتبط

عنوان فارسی:

پیش‌بینی ورشکستگی توسط تحلیلگران: بررسی مجدد ارزش اطلاعاتی افزوده شده توسط متخصصان مالی

عنوان انگلیسی:

Analysts’ bankruptcy prediction: revisiting the information value added by financial experts

کد محصول: H1167

سال نشر: 2025

نام ناشر (پایگاه داده): الزویر

نام مجله: Finance Research Letters

نوع مقاله: علمی پژوهشی (Research Article)

متغیر : دارد

فرضیه: ندارد

مدل مفهومی: مدل ریاضی دارد

پرسشنامه : ندارد

تعداد صفحه انگلیسی: 8 صفحه PDF

تعداد صفحه ترجمه فارسی:   18 صفحه WORD

قیمت فایل ترجمه شده:  81000 تومان

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

وضعیت ترجمه: این مقاله به صورت کامل ترجمه شده برای خرید ترجمه کامل مقاله بر روی دکمه ذیل کلیک نمایید (لینک دانلود بلافاصله بعد از خرید نمایش داده می شود)

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

چکیده فارسی

این مطالعه اثربخشی اطلاعات ارائه‌شده در پیش‌بینی‌های سود تحلیلگران (AEFها) را برای پیش‌بینی ورشکستگی شرکت‌ها مورد بررسی مجدد قرار می‌دهد. با استفاده از یک مجموعه داده توسعه‌یافته و چارچوب اقتصادسنجی بهبودیافته، مطالعه برجسته موزس (1990) را برای رفع محدودیت‌ها و ارائه بینش‌های جامع، بازبینی و گسترش می‌دهیم. ما قدرت پیش‌بینی‌کنندگی تحلیلگران در پیش‌بینی ورشکستگی را با در نظر گرفتن پیش‌بینی‌ها و سطح پوشش آن‌ها در کنار داده‌های حسابداری و بازار، بررسی می‌کنیم. تحلیل‌های چندمتغیره ما نشان می‌دهد که اطلاعات تحلیلگران به طور قابل توجهی مدل‌های پیش‌بینی ورشکستگی را حتی پس از در نظر گرفتن اثرات درون‌زایی و احتمالات شکست از پیش تعیین شده ، بهبود می‌بخشد. این یافته‌ها نقش مکمل تحلیلگران را به عنوان یک منبع اطلاعات پیش‌بینی‌کننده برای شناسایی ورشکستگی قریب‌الوقوع برجسته می‌کند و بینش‌های ارزشمندی را برای تنظیم‌کنندگان، سرمایه‌گذاران، و ذی‌نفعان برای کاهش درماندگی مالی ارائه می‌دهد. مطالعه ما با نشان دادن ارزش افزوده اطلاعات تحلیلگران در پیش‌بینی ورشکستگی، فراتر از معیارهای متداول حسابداری و بازار، ادبیات موجود را غنی می کند. مطالعات آتی می‌توانند ارزش افزوده ناشی از حضور بیشتر فعالان آگاه‌تر را در بازارهای سرمایه، مجدداً بررسی کنند.

کلمات کلیدی: تحلیلگران، مدل‌های پیش‌بینی ورشکستگی، ورشکستگی شرکت‌ها، پیش‌بینی‌های سود

Abstract: This study draws on data from companies listed on the Shenzhen Stock Exchange in China from 2014 to 2023 to examine the impact of artificial intelligence (AI) adoption on the quality of corporate accounting information disclosure, along with its heterogeneity and underlying mechanisms. The baseline results show that AI adoption significantly enhances disclosure quality. Heterogeneity analysis finds this positive effect is more evident in small- and medium-sized enterprises, firms in central cities, and high-tech industries. Mechanism analysis indicates that improvements in the business environment and increases in corporate growth potential further amplify AI’s positive impact. This study provides empirical evidence on AI’s role in improving accounting information quality and offers theoretical insights and practical guidance for policymakers and corporate managers seeking to implement AI effectively.

Keywords: Artificial intelligence use, Quality of accounting information disclosure, Moderating effect

1.مقدمه

این مطالعه اثربخشی پیش‌بینی‌های تحلیلگران در پیش‌بینی ورشکستگی شرکت‌ها را مجدداً بررسی می‌کند. ما قدرت پیش‌بینی‌کنندگی آن‌ها را فراتر از داده‌های حسابداری و بازار و با بررسی درون‌زایی احتمالی بین اطلاعات آن‌ها و نتایج ورشکستگی، ارزیابی می‌کنیم. در حالی که دیدگاه‌ها در مورد ارزش افزوده تحلیلگران متفاوت است، اکثر مطالعات بر این موضوع توافق دارند که پیش‌بینی‌های سود آن‌ها واکنش‌های قوی سرمایه‌گذاران را برمی‌انگیزد. تحلیلگران – که گاهی «پیامبران»، «واعظان»، یا «نظرسازان» نامیده می‌شوند – به طور قابل توجهی بر تصمیمات سرمایه‌گذاران تأثیر می‌گذارند (باربر و همکاران، 2001؛ بارنیو و همکاران، 2009؛ جِگادیش و همکاران، 2004). با این حال، ناتوانی آن‌ها در پیش‌بینی بحران‌های مالی بزرگ (هم رویدادهای گسترده بازار، مانند ترکیدن حباب فناوری در سال 2000 و بحران وام مسکن ساب‌پرایم سال 2008، و هم فروپاشی‌های خاص شرکت، مانند ورشکستگی‌های انرون در سال 2001 و لیمن برازرز در سال 2008) انتقاد عمومی فزاینده‌ای را نسبت به قابلیت اطمینان پیش‌بینی‌های آن‌ها برانگیخته است…

1. Introduction This study revisits the efficacy of analysts’ forecasts in predicting corporate bankruptcy. We assess their predictive power beyond accounting and market data, addressing potential endogeneity between their information and bankruptcy outcomes. While views on analysts’ added value vary, most studies agree that their earnings forecasts provoke strong investor reactions. Analysts—often labeled “prophets,” “preachers,” or “opinion makers”—significantly influence investor decisions (Barber et al., 2001; Barniv et al., 2009; Jegadeesh et al., 2004). However, their failure to foresee major financial crises—both market-wide events, such as the bursting of the tech bubble in 2000 and the subprime mortgage crisis of 2008, and firm-specific collapses, such as the bankruptcies of Enron in 2001 and Lehman Brothers in 2008—has prompted increasing public criticism regarding the reliability of their forecasts…

2.1. نمونه

نمونه ما شامل تمام شرکت‌هایی است که بین سال‌ های 1950 و 2018 تحت فصل 11 یا فصل 7 قانون ورشکستگی، درخواست ورشکستگی داده‌اند و داده‌های موجود از COMPUSTAT و CRSP استخراج شده اند. تاریخ‌های درخواست ورشکستگی از طریق S&P Capital IQ شناسایی شدند. ما جفت‌های تطبیق‌یافته‌ای از شرکت‌های ورشکسته و غیرورشکسته با احتمالات ورشکستگی از پیش تعیین شده قابل مقایسه، بر اساس سه مدل تثبیت شده: شوم‌وی (2001)، آلتمن (1968)، و اولسون (1980) ساختیم. طبق تحقیقات قبلی که از طرح‌های زوجی تطبیق‌یافته استفاده کرده‌اند (مثلاً رامالینگه‌گودا، 2014)، ما معیارهای انتخاب سختگیرانه‌ای را اعمال کردیم. به طور خاص، یک شرکت تطبیق یافته باید: (1) حداقل پنج سال پس از ورشکستگی جفت خود غیرورشکسته باقی بماند؛ و (2) احتمال ورشکستگی آنها نزدیک به احتمال ورشکستگی شرکت ورشکسته یک سال قبل از درخواست باشد. این شرط دوم تضمین می‌کند که شرکت‌های تطبیق‌یافته سطوح درماندگی مشابهی را در دوره بحرانی قبل از ورشکستگی منعکس می‌کنند. مهمتر از آن، نتایج ما حتی زمانی که تطبیق بر اساس احتمالات ورشکستگی دو سال قبل از درخواست – زمانی که رویداد کمتر قابل پیش‌بینی بود – انجام می‌شود، پایدار باقی می‌ماند. نمونه نهایی شامل 88 جفت تطبیق‌یافته است. توضیحات دقیق مدل‌های پیش‌بینی در پیوست ارائه شده است…

2.1.Sample: Our sample includes all firms that filed for bankruptcy under Chapter 11 or Chapter 7 between 1950 and 2018, with available data from COMPUSTAT and CRSP. Bankruptcy filing dates were identified via S&P Capital IQ. We constructed matched pairs of bankrupt and non-bankrupt firms with comparable ex-ante bankruptcy probabilities, based on three established models: Shumway (2001), Altman (1968), and Ohlson (1980)2. Following prior research employing matched-pair designs (e.g., Ramalingegowda, 2014), we applied strict selection criteria. Specifically, a matching firm had to: (1) remain non-bankrupt for at least five years following the bankruptcy of its pair; and (2) have a bankruptcy probability closest to the bankrupt firm’s one year before filing. This second condition ensures that matched firms reflect similar distress levels during the critical pre-bankruptcy period. Importantly, our results remain robust when matching is based on bankruptcy probabilities two years before filing—when the event was less predictable. The final sample consists of 88 matched pairs. A detailed description of the prediction models is provided in the Appendix…

۳.۲. تحلیل چندمتغیره

در حالی که موزس در سال ۱۹۹۰ تفاوت‌های تک‌متغیره در معیارهای پیش‌بینی تحلیلگران بین شرکت‌های ورشکسته و غیرورشکسته را بررسی کرد، ما این تحلیل را با ارزیابی قدرت پیش‌بینی‌کننده آن‌ها – در کنار متغیرهای اضافی – در یک چارچوب چندمتغیره گسترش می‌دهیم. به طور خاص، ما یک مدل پروبیت را تخمین می‌زنیم که در آن متغیر وابسته، احتمال ورشکستگی را منعکس می‌کند و متغیرهای مستقل شامل عواملی هستند که در ادبیات به عنوان عوامل تأثیرگذار بر درماندگی مالی شناسایی شده‌اند:..

3.2.Multivariate analysis While Moses (1990)examined univariate differences in analysts’ forecast measures between bankrupt and non-bankrupt firms, we extend this analysis by assessing their predictive power—alongside additional variables—within a multivariate framework. Specif ically, we estimate a probit model where the dependent variable reflects the likelihood of bankruptcy, and the independent variables include factors identified in the literature as influencing financial distress, as follows:..

۴. خلاصه و نکات پایانی

این مطالعه اثربخشی پیش‌بینی‌های تحلیلگران را در پیش‌بینی ورشکستگی شرکت‌ها، با ارزیابی قدرت پیش‌بینی‌کننده آن‌ها در مقایسه با داده‌های حسابداری و بازار و در عین حال بررسی مسائل درون‌زایی احتمالی، مجدداً بررسی می‌کند. اگرچه تحلیلگران تأثیر قابل توجهی بر تصمیمات سرمایه‌گذاران اعمال می‌کنند، با این حال شکست های پیش بینی های گذشته آنها نگرانی‌هایی را ایجاد کرده است. این مطالعه، مطالعه موزس در سال ۱۹۹۰ را بازبینی و گسترش می‌دهد و از یک چارچوب اقتصادسنجی بهبود یافته و مجموعه داده‌های بزرگ‌تر که یک دوره زمانی طولانی‌تر را در بر می‌گیرد، استفاده می‌کند. نتایج ما نشان می‌دهد که پیش‌بینی‌ها و پوشش تحلیلگران، توانایی خاصی در پیش‌بینی دارند که از روش‌های معمول بهتر است. این بینش‌ها، علاوه بر پر کردن یک شکاف در ادبیات، ممکن است برای قانون‌گذاران، سرمایه‌گذاران و سایر ذینفعان در کاهش ریسک ورشکستگی مفید باشد. پژوهش‌های آتی می‌توانند نقش سایر مشارکت‌کنندگان آگاه بازار را بررسی کنند…

4.Summary and concluding remarks This study reexamines the effectiveness of analysts’ forecasts in predicting corporate bankruptcy, evaluating their predictive power relative to accounting and market data while addressing potential endogeneity. Although analysts exert considerable influence on investor decisions, past failures have raised concerns. This study revisits and extends Moses (1990), employing an enhanced econo metric framework, and a larger dataset spanning a longer time-period. Our findings highlight the unique predictive value of analysts’ forecasts and coverage, exceeding traditional measures. Beyond filling a gap in the literature, these insights may be useful for lators, investors, and other stakeholders in mitigating bankruptcy risk. Future research could explore the role of other informed market participants.