Πρόβλεψη αποτυχίας επιχειρήσεων με την χρήση μη παραμετρικής μεθόδου (modified super-SBM-DEA) σε συνδυασμό με μεθοδολογία επιλογής των χρησιμοποιούμενων λογιστικών μεταβλητών (LASSO)

Abstract

Over the last six decades, corporate failure prediction has been a major topic in the fields of accounting and finance. This dissertation aims to develop a corporate failure prediction model in combination with the application of an appropriate empirical methodology for the selection of the variables. In addition, emphasis is also given to the study of the theoretical framework of corporate failure, the overview of existing prediction models in the relevant literature, the basic categories of explanatory variables that have been used, as well as the methodologies for their selection. In the frame of the empirical analysis, it was deemed necessary to create three separate samples. The first one consists of 270 listed U.S. firms, 135 failed and 135 non-failed, operating mainly in commercial and industrial sectors. The second sample consists of 90 listed U.S. firms, 45 failed and 45 non-failed, from the energy sector. Finally, the third sample also includes listed U.S. firms from the energy sector, however, the number of failed and non-failed firms is not equal. Specifically, it includes 149 non-failed firms, while the number of failed ones varies from year to year, with each firm being excluded from the sample during the year of its failure. For the examination of the research hypotheses, both econometric models and methodological tools from the field of operational research were utilized. In more details, the Least Absolute Shrinkage and Selection Operator (LASSO) has been selected as a method for corporate failure prediction variables selection. Data Envelopment Analysis (DEA) has been selected as the primary corporate failure prediction model and more specifically, an advanced version of DEA, the modified super-SBM-DEA model that is used for the first time in the establishment of a corporate failure prediction model. Logistic regression has been selected as an alternative corporate failure prediction methodology for the performance assessment of the modified super-SBM-DEA model as a corporate failure prediction tool. For the dynamic assessment of failure, Malmquist DEA has been implemented. According to the findings, the proposed methodology that is based on the combination of LASSO and DEA offers superior results in terms of corporate failure prediction accuracy and is a valuable tool that contributes to the decision-making process.

Τις τελευταίες έξι δεκαετίες, το ζήτημα της πρόβλεψης της εταιρικής αποτυχίας κατέχει δεσπόζουσα θέση στα ερευνητικά πεδία των επιστημών της λογιστικής και της χρηματοοικονομικής. Η παρούσα διατριβή έχει ως σκοπό την ανάπτυξη ενός υποδείγματος πρόβλεψης αποτυχίας επιχειρήσεων σε συνδυασμό με την εφαρμογή κατάλληλης εμπειρικής μεθοδολογίας για την επιλογή των μεταβλητών. Επιπλέον, αποδίδεται ειδική βαρύτητα στην μελέτη του θεωρητικού πλαισίου της εταιρικής αποτυχίας, στην επισκόπηση των υποδειγμάτων πρόβλεψης που συνθέτουν την υφιστάμενη βιβλιογραφία, των βασικών κατηγοριών μεταβλητών που έχουν χρησιμοποιηθεί καθώς και των μεθόδων επιλογής αυτών. Στα πλαίσια της εμπειρικής ανάλυσης, κρίθηκε αναγκαία η δημιουργία τριών επιμέρους δειγμάτων. Το πρώτο δείγμα αποτελείται από 270 εισηγμένες αμερικάνικες επιχειρήσεις, εκ των οποίων 135 αποτυχημένες και 135 μη αποτυχημένες, που δραστηριοποιούνται κυρίως σε εμπορικούς και βιομηχανικούς κλάδους. Το δεύτερο δείγμα αποτελείται από 90 εισηγμένες αμερικάνικες επιχειρήσεις, 45 αποτυχημένες και 45 μη αποτυχημένες, από τον κλάδο της ενέργειας. Τέλος, το τρίτο δείγμα περιλαμβάνει επίσης εισηγμένες αμερικάνικες επιχειρήσεις από τον κλάδο της ενέργειας, ωστόσο το πλήθος των αποτυχημένων και των μη αποτυχημένων επιχειρήσεων δεν είναι ισόποσο. Ειδικότερα, περιλαμβάνει 149 μη αποτυχημένες επιχειρήσεις, ενώ το πλήθος των αποτυχημένων επιχειρήσεων μεταβάλλεται από έτος σε έτος, με την κάθε επιχείρηση να αποβάλλεται από το δείγμα κατά το έτος αποτυχίας της. Για την εξέταση των ερευνητικών υποθέσεων χρησιμοποιήθηκαν τόσο οικονομετρικά υποδείγματα όσο και μεθοδολογικά εργαλεία από τον τομέα της επιχειρησιακής έρευνας. Ειδικότερα, ως μέθοδος για την εύρεση των αριθμοδεικτών με τη μεγαλύτερη προβλεπτική ικανότητα επιλέχθηκε ο Ελάχιστα Απόλυτος Τελεστής Συρρίκνωσης και Επιλογής (LASSO). Ως βασικό υπόδειγμα πρόβλεψης αποτυχίας επιχειρήσεων επιλέχθηκε η Περιβάλλουσα Ανάλυση Δεδομένων (DEA) και ειδικότερα, μία εκδοχή της μεθόδου, το τροποποιημένο super-SBM υπόδειγμα, η οποία δεν έχει χρησιμοποιηθεί ξανά στην βιβλιογραφία ως υπόδειγμα πρόβλεψης. Ως μέθοδος σύγκρισης για την αξιολόγηση της επίδοσης του προτεινόμενου υποδείγματος πρόβλεψης επιλέχθηκε το Λογαριθμικό Υπόδειγμα Πιθανότητας. Τέλος, για τη δυναμική αξιολόγηση της αποτυχίας, εφαρμόστηκε ο δείκτης παραγωγικότητας Malmquist DEA. Τα αποτελέσματα του εμπειρικού μέρους υποδεικνύουν ότι το προτεινόμενο υπόδειγμα πρόβλεψης που στηρίζεται στον συνδυασμό της LASSO και της DEA υπερείχε ως προς την προβλεπτική του ικανότητα και προσφέρει ένα αξιόπιστο εργαλείο, το οποίο συνεισφέρει στη διαδικασία λήψης αποφάσεων.