رفتن به محتوای اصلی
Koohestun
توضیح کوهستانریسک اعتباریگزارش تشریحی· 7 دقیقه مطالعه· در کسب‌وکار

چگونه شاخص آلتمن با استفاده از پنج نسبت مالی، ورشکستگی شرکت‌ها را پیش‌بینی می‌کند

شاخص آلتمن که در سال ۱۹۶۸ توسعه یافت، پنج معیار مالی مجزا را در یک عدد ترکیبی واحد ادغام می‌کند تا سلامت مالی یک شرکت را ارزیابی کند. این فرمول همچنان ابزاری استاندارد برای سرمایه‌گذاران و اعتباردهندگان است تا احتمال ورشکستگی شرکت‌ها را در یک بازه زمانی دوساله پیش‌بینی کنند.

به قلم بهنام کاظمی

تحلیلگران بنیادی اعتبار 45%حامیان یادگیری ماشین 30%مشاوران تجدید ساختار شرکت‌ها 25%
تحلیلگران بنیادی اعتبار
شاخص آلتمن را به عنوان یک ابزار تشخیصی بنیادین می‌بینند که شفافیت ساختاری را در ترازنامه یک شرکت فراهم می‌کند.
حامیان یادگیری ماشین
استدلال می‌کنند که مدل‌های خطی ایستا در مقایسه با الگوریتم‌های پویایی که با شرایط اقتصاد کلان مدرن سازگار می‌شوند، به طور فزاینده‌ای منسوخ شده‌اند.
مشاوران تجدید ساختار شرکت‌ها
تأکید می‌کنند که شاخص آلتمن پایین یک سیگنال هشدار زودهنگام برای مداخله است، نه یک حکم قطعی از ورشکستگی اجتناب‌ناپذیر.

دیدگاه‌هایی که این گزارش پوشش نداده

  • سرمایه‌گذاران خطرپذیر در مراحل اولیه که استارتاپ‌های پیش از درآمدزایی را ارزیابی می‌کنند، جایی که معیارهای سنتی توانایی پرداخت دیون کاربردی ندارند.
  • نهادهای نظارتی که بر ریسک سیستماتیک در بخش بانکی نظارت دارند.

نکات کلیدی

  • شاخص آلتمن از پنج نسبت مالی وزن‌دار برای پیش‌بینی احتمال ورشکستگی یک شرکت در بازه دوساله استفاده می‌کند.
  • نمره زیر ۱٫۸۱ نشان‌دهنده بحران مالی شدید است، در حالی که نمره بالای ۲٫۹۹ توانایی پرداخت دیون و سلامت مالی را نشان می‌دهد.
  • این مدل نقدینگی، سودآوری انباشته، کارایی عملیاتی، اهرم بازار و گردش دارایی‌ها را ارزیابی می‌کند.
  • این فرمول که در ابتدا در سال ۱۹۶۸ برای شرکت‌های تولیدی سهامی عام طراحی شده بود، از آن زمان برای شرکت‌های خصوصی و غیرتولیدی نیز تطبیق داده شده است.
  • شفافیت این مدل به تحلیلگران اجازه می‌دهد تا دقیقاً نقص‌های ساختاری که منجر به بحران شرکت شده‌اند را شناسایی کنند.

زمانی که یک وام‌دهنده تجاری یا سرمایه‌گذار بدهی‌های معوق، گزارش‌های فصلی یک شرکت تولیدی بحران‌زده را بررسی می‌کند، تصمیم فوری آن‌ها این است که آیا خط اعتباری را تمدید کنند، خواستار تجدید ساختار شوند یا موقعیت خود را به طور کامل نقد کنند. برای اتخاذ این تصمیم، آن‌ها به طور معمول از یک آستانه ریاضی استفاده می‌کنند که از سال ۱۹۶۸ بر تخصیص سرمایه حاکم بوده است: شاخص آلتمن. این مدل که توسط ادوارد آی. آلتمن، استاد مالی دانشگاه نیویورک توسعه یافته، به عنوان یک سیستم هشدار زودهنگام ترکیبی عمل می‌کند. این شاخص، ترازنامه و صورت سود و زیان یک شرکت را در یک ارزش عددی واحد خلاصه کرده و احتمال اعلام ورشکستگی شرکت را در ۲۴ ماه آینده پیش‌بینی می‌کند.[4]

فرمول اصلی در دوره‌ای از افزایش نکول شرکت‌ها و با استفاده از یک تکنیک آماری به نام تحلیل ممیزی چندگانه ساخته شد. آلتمن مجموعه‌ای از داده‌های ۶۶ شرکت تولیدی سهامی عام را بررسی کرد؛ نیمی از آن‌ها اعلام ورشکستگی کرده بودند و نیمی دیگر به عنوان شرکت‌های فعال به حیات خود ادامه می‌دادند. با ارزیابی معیارهای مختلف حسابداری در این دو گروه، او ترکیب خاصی از پنج نسبت مالی را شناسایی کرد که در صورت وزن‌دهی مناسب، می‌توانستند شرکت‌های دارای توان پرداخت دیون را از شرکت‌های ناتوان با دقتی چشمگیر تفکیک کنند.[4][5]

در مستندات تاریخی توسعه این مدل آمده است: «شاخص آلتمن یک ترکیب خطی از چهار یا پنج نسبت تجاری رایج است که با ضرایب وزن‌دهی شده‌اند.» معادله به‌دست‌آمده — که در آن شاخص برابر است با مجموع ضرایب ضرب‌در پنج متغیر کلیدی — همچنان خط پایه برای مدل اصلی شرکت‌های تولیدی سهامی عام است. هر متغیر در این معادله بُعد متمایزی از معماری مالی یک شرکت را به تصویر می‌کشد و تضمین می‌کند که ضعف در یک حوزه نمی‌تواند به راحتی توسط نقطه قوت در حوزه‌ای دیگر پنهان شود.[5]

فرمول اصلی شاخص آلتمن پنج نسبت وزن‌دار را برای ارزیابی سلامت مالی یک شرکت تولیدی ترکیب می‌کند.

متغیر اول نشان‌دهنده نسبت سرمایه در گردش به کل دارایی‌ها است. این معیار، نقدینگی کوتاه‌مدت یک شرکت را نسبت به اندازه کلی آن ارزیابی می‌کند. شرکتی که زیان‌های عملیاتی مستمری را تجربه می‌کند، معمولاً شاهد کاهش دارایی‌های جاری خود نسبت به بدهی‌های جاری‌اش خواهد بود که این نسبت را به سمت پایین سوق می‌دهد. در نتیجه، مقدار پایین این متغیر به عنوان یک شاخص اولیه عمل می‌کند که نشان می‌دهد شرکت ممکن است به زودی در انجام تعهدات مالی فوری خود با مشکل مواجه شود.[2][5]

جزء دوم، سود انباشته تقسیم بر کل دارایی‌ها را اندازه‌گیری می‌کند. این نسبت به عنوان نماینده‌ای برای سودآوری انباشته و عمر شرکت عمل می‌کند. از آنجا که شرکت‌های جدیدتر زمان کافی برای ایجاد سود انباشته قابل‌توجه نداشته‌اند، به طور ذاتی در این معیار نمره پایین‌تری کسب می‌کنند. این سوگیری ساختاری بازتاب‌دهنده این واقعیت تجربی است که شرکت‌های جوان‌تر نسبت به شرکت‌های تثبیت‌شده با دهه‌ها مازاد انباشته، با خطر آماری بالاتری برای شکست مواجه هستند.[2][5]

کارایی عملیاتی توسط متغیر سوم محاسبه می‌شود که سود قبل از بهره و مالیات را بر کل دارایی‌ها تقسیم می‌کند. آلتمن به این متغیر با ضریب ۳٫۳ وزن سنگینی داد، با این شناخت که بهره‌وری بنیادین دارایی‌های یک شرکت، موتور اصلی بقای بلندمدت آن است. اگر یک شرکت نتواند درآمد عملیاتی کافی از پایه دارایی‌های خود ایجاد کند، ساختار سرمایه آن بی‌اهمیت می‌شود؛ در این حالت، ورشکستگی تنها مسئله زمان است.[2][5]

نسبت چهارم با تقسیم ارزش بازار حقوق صاحبان سهام بر ارزش دفتری کل بدهی‌ها، دیدگاهی مبتنی بر بازار را معرفی می‌کند. این معیار، سپر حقوق صاحبان سهام را که بالاتر از تعهدات بدهی شرکت قرار دارد، اندازه‌گیری می‌کند. نسبت بالای این متغیر نشان می‌دهد که بازار به جریان‌های نقدی آینده شرکت اطمینان دارد، در حالی که نسبت پایین نشان می‌دهد شرکت دارای اهرم مالی بالایی است و در برابر کاهش ناگهانی ارزش دارایی‌ها آسیب‌پذیر است.[2][5]

نسبت چهارم با تقسیم ارزش بازار حقوق صاحبان سهام بر ارزش دفتری کل بدهی‌ها، دیدگاهی مبتنی بر بازار را معرفی می‌کند.

در نهایت، متغیر پنجم نسبت فروش به کل دارایی‌ها را محاسبه می‌کند که معمولاً به عنوان گردش دارایی شناخته می‌شود. این متغیر اثربخشی مدیریت را در استفاده از پایه دارایی‌های شرکت برای تولید درآمد ارزیابی می‌کند. اگرچه این متغیر در فرمول اصلی ضریب نسبتاً متوسط ۱٫۰ را به خود اختصاص داده است، اما زمینه مهمی را در مورد موقعیت رقابتی و شتاب عملیاتی شرکت در صنعت خاص خود فراهم می‌کند.[2][5]

پس از جمع‌بندی پنج نسبت وزن‌دار، شاخص آلتمن به‌دست‌آمده، شرکت را در یکی از سه طبقه‌بندی متمایز قرار می‌دهد. نمره ۲٫۹۹ یا بالاتر، شرکت را در «منطقه امن» قرار می‌دهد که نشان‌دهنده سلامت مالی قوی و احتمال پایین شکست قریب‌الوقوع است. شرکت‌های حاضر در این سطح عموماً دارای بنیان‌های قوی، نقدینگی کافی و بهره‌وری عملیاتی بالا هستند.[2]

شرکت‌هایی که نمره آن‌ها به زیر آستانه ۱٫۸۱ سقوط می‌کند، به عنوان شرکت‌های بسیار آسیب‌پذیر در برابر ورشکستگی طی دو سال طبقه‌بندی می‌شوند.

در مقابل، شاخص آلتمن زیر ۱٫۸۱ شرکت را به «منطقه بحران» سقوط می‌دهد. تحقیقات اولیه آلتمن به این نتیجه رسید که شرکت‌هایی که به زیر این آستانه می‌رسند، احتمال ورشکستگی بالایی از خود نشان می‌دهند. این شرکت‌ها معمولاً از نقدینگی ناکافی، سودآوری ضعیف و اهرم مالی بالا رنج می‌برند — عواملی که در مجموع تاب‌آوری مالی آن‌ها را از بین برده و آن‌ها را به سمت ورشکستگی سوق می‌دهد.[2]

نمراتی که بین ۱٫۸۱ و ۲٫۹۹ قرار می‌گیرند، در «منطقه خاکستری» جای دارند که نشان‌دهنده یک موقعیت مالی مبهم است. شکست شرکت‌ها در این محدوده قطعی نیست، اما آن‌ها ضعف ساختاری کافی برای توجیه بررسی دقیق‌تر توسط اعتباردهندگان و تحلیلگران را نشان می‌دهند. شرکتی که در منطقه خاکستری درجا می‌زند، ممکن است از طریق تجدید ساختار استراتژیک بهبود یابد، یا بسته به شرایط اقتصاد کلان، وضعیت آن وخیم‌تر شود.[2]

دقت پیش‌بینی این مدل در طول دهه‌ها به طور گسترده مورد آزمایش قرار گرفته است. مطالعاتی که شاخص آلتمن را در گروه‌های تاریخی مختلف اعمال کرده‌اند، نشان داده‌اند که این مدل ورشکستگی را با دقت تقریبی ۷۲ درصد در دو سال قبل از وقوع رویداد پیش‌بینی می‌کند، در حالی که نرخ مثبت کاذب آن حدود ۶ درصد است. زمانی که این ارزیابی تنها یک سال قبل از شکست انجام شود، نرخ دقت اغلب از ۸۰ درصد فراتر می‌رود که نشان‌دهنده کاربرد مدل به عنوان یک ابزار تشخیصی کوتاه‌مدت است.[3][4]

با این حال، فرمول اصلی سال ۱۹۶۸ به طور صریح برای شرکت‌های تولیدی سهامی عام کالیبره شده بود. اعمال کورکورانه آن بر شرکت‌های خدماتی، بنگاه‌های خصوصی یا مؤسسات مالی می‌تواند نتایج بسیار گمراه‌کننده‌ای به همراه داشته باشد. برای رفع این مشکل، آلتمن متعاقباً نسخه‌های به‌روزشده‌ای را منتشر کرد، از جمله شاخص تعدیل‌شده برای شرکت‌های تولیدی خصوصی و نهادهای غیرتولیدی، که ضرایب را تغییر داده و نسبت گردش دارایی را به طور کامل حذف می‌کنند.

در حالی که مدل‌های یادگیری ماشین سازگاری پیشرفته‌ای ارائه می‌دهند، شاخص سنتی آلتمن همچنان به دلیل شفافیت و سهولت محاسبه مورد توجه است.

تحلیل‌های مالی مدرن نیز به دنبال تقویت شاخص آلتمن با تکنیک‌های محاسباتی پیشرفته بوده‌اند. یک بررسی اخیر که در مجله ام‌دی‌پی‌آی منتشر شده است، مدل کلاسیک آلتمن را با الگوریتم‌های معاصر یادگیری ماشین مقایسه کرد. محققان خاطرنشان کردند که در حالی که مدل‌های یادگیری ماشین دقت و سازگاری برتری ارائه می‌دهند، شاخص سنتی آلتمن «سادگی، قابلیت تفسیر و هزینه پایین را ارائه می‌دهد که برای شرکت‌هایی با منابع تحلیلی محدود مناسب است.»[2]

ارتباط ماندگار شاخص آلتمن در شفافیت ساختاری آن نهفته است. برخلاف جعبه‌های سیاه رتبه‌بندی اعتباری اختصاصی، شاخص آلتمن به یک تحلیلگر اجازه می‌دهد تا عدد نهایی را کالبدشکافی کرده و دقیقاً مشخص کند کدام نقص عملیاتی یا ساختاری باعث ایجاد بحران شده است. چه یک شرکت از بحران نقدینگی ناگهانی رنج ببرد و چه از فرسایش بلندمدت بهره‌وری دارایی‌ها، این پنج نسبت مکانیسم خاص شکست را منزوی می‌کنند. برای یک کمیته اعتباری که در حال بررسی تمدید یک وام پرخطر است، این دیدِ دقیق همچنان تفاوت بین یک ریسک محاسبه‌شده و یک نکول پیش‌بینی‌نشده است.[2]

چرا مهم است

برای سرمایه‌گذاران و وام‌دهندگان، شاخص آلتمن یک سیستم هشدار زودهنگام و قابل‌سنجش ارائه می‌دهد که با حذف نویزهای حسابداری، ضعف‌های ساختاری پنهان را آشکار می‌کند. درک این معیار به ذی‌نفعان اجازه می‌دهد تا مدت‌ها قبل از نکول رسمی یک شرکت، وضعیت بحرانی را شناسایی کرده و میزان ریسک خود را تعدیل کنند.

1.81
آستانه منطقه بحران
2.99
آستانه منطقه امن
72%
دقت پیش‌بینی دوساله
5
نسبت‌های مالی در فرمول

بررسی عمیق دیدگاه‌ها

تحلیلگران بنیادی اعتبار

شاخص آلتمن را به عنوان یک ابزار تشخیصی بنیادین می‌بینند که شفافیت ساختاری را فراهم می‌کند.

برای تحلیلگران اعتباری سنتی و وام‌دهندگان تجاری، ارزش اصلی شاخص آلتمن قابلیت تفسیر آن است. برخلاف رتبه‌بندی‌های اعتباری اختصاصی، شاخص آلتمن به یک تحلیلگر اجازه می‌دهد تا عدد نهایی را کالبدشکافی کرده و دقیقاً مشخص کند کدام نقص عملیاتی باعث ایجاد بحران شده است. آن‌ها استدلال می‌کنند که اگرچه این مدل ممکن است هر ظرافت تأمین مالی خارج از ترازنامه مدرن را در بر نگیرد، اما اتکای آن به داده‌های تاریخی حسابرسی‌شده، یک خط پایه قابل‌اعتماد و عینی برای ارزیابی توان پرداخت دیون فراهم می‌کند.

حامیان یادگیری ماشین

استدلال می‌کنند که مدل‌های خطی ایستا در مقایسه با الگوریتم‌های پویا به طور فزاینده‌ای منسوخ شده‌اند.

محققان کمی و دانشمندان داده استدلال می‌کنند که شاخص کلاسیک آلتمن برای بازارهای مالی مدرن بیش از حد خشک است. آن‌ها اشاره می‌کنند که یک ترکیب خطی ایستا از پنج نسبت نمی‌تواند با شرایط متغیر اقتصاد کلان یا ساختارهای سرمایه خاص صنعت سازگار شود. این گروه از پذیرش مدل‌های یادگیری ماشین، مانند جنگل‌های تصادفی و شبکه‌های عصبی حمایت می‌کنند که می‌توانند مجموعه داده‌های عظیم را پردازش کرده و روابط غیرخطی را ثبت کنند و در نهایت دقت پیش‌بینی برتری ارائه دهند.

مشاوران تجدید ساختار شرکت‌ها

تأکید می‌کنند که شاخص آلتمن یک سیگنال هشدار زودهنگام است، نه یک حکم قطعی.

مشاوران احیا و متخصصان تجدید ساختار، شاخص آلتمن پایین را نه به عنوان حکم اعدام، بلکه به عنوان محرکی برای مداخله می‌بینند. آن‌ها تأکید می‌کنند شرکتی که در منطقه بحران سقوط می‌کند، هنوز زمان دارد تا مسیر خود را از طریق تغییرات عملیاتی، فروش دارایی‌ها یا مذاکره مجدد بدهی اصلاح کند. از این منظر، بالاترین کاربرد مدل در مجبور کردن تیم‌های مدیریتی به رویارویی با ضعف‌های ساختاری است، پیش از آنکه بحران نقدینگی، ورشکستگی را اجتناب‌ناپذیر سازد.

منابع

پوشش منابع

6 منبع

3 دیدگاه شناسایی‌شده

تحلیلگران بنیادی اعتبار 45%حامیان یادگیری ماشین 30%مشاوران تجدید ساختار شرکت‌ها 25%
  1. [1]DefaultRisk.com

    Financial Ratios, Discriminant Analysis and the Prediction of Corporate Bankruptcy

    مطالعه در DefaultRisk.com
  2. [2]MDPIحامیان یادگیری ماشین

    Corporate Failure Prediction: A Literature Review of Altman Z-Score and Machine Learning Models Within a Technology Adoption Framework

    مطالعه در MDPI
  3. [3]University of Cape Townمشاوران تجدید ساختار شرکت‌ها

    Predicting Corporate Failure: an application of Altman's Z- Score and Altman's EMS models to the JSE Alternative

    مطالعه در University of Cape Town
  4. [4]Corporate Finance Instituteتحلیلگران بنیادی اعتبار

    Altman's Z-Score Model

    مطالعه در Corporate Finance Institute
  5. [5]Wikipedia

    Altman Z-score

    مطالعه در Wikipedia
  6. [6]تیم سردبیری کوهستانمشاوران تجدید ساختار شرکت‌ها

    تحلیل تیم سردبیری کوهستان

    مطالعه در تیم سردبیری کوهستان

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

دریافت کسب‌وکار اخبار همراه با پوشش کامل منابع و تحلیل دیدگاه‌ها، مستقیم در صندوق ورودی شما.