دانلود ترجمه مقاله مدل تحلیل ریسک مالی شرکت ها بر مبنای اطلاعات ناهمگن

نتیجه گیری و تحقیقات آتی:
در این مطالعه، یک مدل ارزیابی ریسک مالی جامع فازی چند سطحی برای شرکت ها ارائه شده است. برای ارزیابی دقیق ریسک مالی شرکت، شاخص های ذهنی و عینی به طور همزمان در سیستم شاخص ریسک مالی استفاده شده است که ترکیبی از تئوری فازی و تحلیل داده های کمی است. همچنین، از اطلاعات ناهمگن بدست آمده از اطلاعات مالی تاریخی شرکت، آژانس رتبه بندی اعتباری و تخمین تصمیم گیرندگان نظیر اعداد قطعی ، اعداد فازی مثلثی و اعداد نوتروسفیک برای کاهش اتلاف اطلاعات استفاده شده است. همچنین، برای به دست آوردن ترتیب رتبه بندی شرکت ها با توجه به ریسک مالی آنها از TOPSIS مبتنی بر MCDM ناهمگن استفاده شده است. مدل پیشنهادی در بررسی تجربی، برای ارزیابی ریسک های مالی شرکت های دارویی ذکر شده Chinese A-share استفاده شده است. همچنین، نتایج مقایسه با دو روش دیگر نشان می دهد که مدل پیشنهادی موثرتر و موثق تر است. بعلاوه، تحلیل حساسیت انجام گرفت و نتایج بررسی توانمندی مدل ارائه شده است. به طور خلاصه، این تحقیق هم به توسعه نظریه و هم کاربرد عملی کمک می کند. ابتدا، مدل پیشنهادی از هر دو روش تحلیل کمی تاریخی و تئوری فازی استفاده می کند. غنی کردن محتوای تحقیقات مربوط به ریسک سودمند است. دوم ، مدل پیشنهادی روش ارزیابی ریسک مالی را برای شرکتها بهینه می کند. سوم، مدل پیشنهادی را می توان برای پشتیبانی منطقی از تصمیم گیرندگان در روند مدیریت ریسک مالی اعمال نمود. دستورالعمل های متعددی برای تحقیقات بیشتر وجود دارد. ابتدا، انواع اطلاعات بیشتری از ارزیابی ریسک مالی را می‌توان در مدل پیشنهادی در نظر گرفت تا با محیط مالی پویا در تحقیقات آینده سازگار باشد. دوم، مدل پیشنهادی به دلیل محاسبه ساده می تواند با بررسی MULTIMOORA (بهینه سازی چند هدفه با تجزیه و تحلیل نسبتهای مالی به همراه فرم ضرب کامل) ، ترتیب رتبه بندی شرکت ها را با توجه به ریسک مالی به دست آورد. در نهایت، مدل پیشنهادی می تواند برای ارزیابی ریسک برای برخی از زمینه های دیگر در مطالعه آتی اتخاذ شود.

Conclusion and future research:
In this paper, a multi-level fuzzy comprehensive financial risk assessment model for companies has been developed. In order to assess the company’s financial risk accurately, subjective and objective indexes have been utilized simultaneously in the financial risk index system, which combines fuzzy theory with quantitative data analysis. Moreover, heterogeneous information obtained from historical financial information of company, credit rating agency and the decision makers’ estimation, such as crisp numbers, triangular fuzzy numbers and neutrosophic numbers, has been employed to decrease the information loss. In addition, TOPSIS based on heterogeneous MCDM has been employed to obtain the ranking order of companies according to their financial risk. The proposed model has been used in empirically study to assess the financial risks of the listed pharmaceutical manufacturing companies of Chinese A-share. Moreover, the comparison results with the two other methods show that the proposed model is effective and reliable. In addition, the sensitivity analysis has been carried out and the results verify the robustness of the proposed model. In summary, this paper not only contributes to the development of theory, but also contributes to practical application. First, the proposed model uses both quantitative historical data analysis and fuzzy theory; it is helpful to enrich the contents of risk research. Second, the proposed model will optimize the financial risk assessment method for companies. Third, the proposed model can be applied to provide rational support for decision makers in the process of financial risk management. There are several possible directions of further research. First, more information types of financial risk assessment could be considered in the proposed model in order to adapt to the dynamic financial environment in future research. Second, the proposed model can obtain the ranking order of companies according to financial risk by investigating MULTIMOORA (multi–objective optimization by ratio analysis plus the full multiplicative form) method because of its simple computation. Finally, the proposed model can be adopted for risk assessment for some other fields in future study.