Bayesian Modeling of Corporate Financial Distress Risk in Emerging Markets with Evidence from Moroccan Firms
यह अध्ययन उभरते बाजार की अस्थिरता के संदर्भ में पारंपरिक विधियों की तुलना में बेहतर भविष्य कहनेवाला स्थिरता और अनिश्चितता मात्रा निर्धारण प्रदर्शित करते हुए, मोरक्कन सूचीबद्ध फर्मों के बीच कॉर्पोरेट वित्तीय संकट के पूर्वानुमान को बढ़ाने के लिए MCMC सिमुलेशन का उपयोग करते हुए एक बेयसियन पदानुक्रमित लॉजिस्टिक मॉडल का प्रस्ताव करता है और उसे मान्य करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
वित्त की दुनिया में, कंपनियाँ जीवित जीवों की तरह होती हैं जिन्हें जीवित रहने के लिए अपने संसाधनों का निरंतर प्रबंधन करना पड़ता है। जिस तरह मानव शरीर को हर अंग तक रक्त पहुँचने और हृदय को धड़कते रखने के लिए पर्याप्त ऊर्जा की आवश्यकता होती है, उसी तरह एक व्यवसाय को अपने बिलों का भुगतान करने के लिए पर्याप्त नकदी और विकास जारी रखने के लिए पर्याप्त लाभ की आवश्यकता होती है। जब कोई कंपनी पैसे की कमी का सामना करती है या बहुत अधिक कर्ज ले लेती है, तो वह 'वित्तीय संकट' (फाइनेंशियल डिस्ट्रेस) नामक स्थिति में प्रवेश कर जाती है। यह एक खतरनाक स्थिति है जहाँ फर्म अपने दायित्वों को पूरा करने के लिए संघर्ष करती है, जो अक्सर इस बात का चेतावनी संकेत होता है कि पूर्ण पतन या दिवालियापन निकट हो सकता है। यह भविष्यवाणी करना कि यह कब होगा, बैंकों, निवेशकों और नियामकों के लिए एक महत्वपूर्ण कार्य है, क्योंकि अचानक होने वाली विफलता अर्थव्यवस्था में लहरें पैदा कर सकती है, जिससे ऋणदाता और श्रमिक दोनों को नुकसान पहुँच सकता है। दशकों से, विशेषज्ञों ने इन चेतावनी संकेतों को जल्दी पहचानने के लिए गणितीय उपकरण बनाने का प्रयास किया है, जो आमतौर पर कंपनी की वित्तीय रिपोर्टों को देखते हैं कि क्या उसके आंकड़े लाल (घाटे में) हो रहे हैं। हालाँकि, ये पारंपरिक उपकरण उन स्थानों में संघर्ष करते हैं जहाँ अर्थव्यवस्था अस्थिर होती है या जहाँ जानकारी मिलना कठिन होता है, क्योंकि वे हर कंपनी के साथ ऐसा व्यवहार करते हैं जैसे कि वे बिल्कुल एक जैसी हों और वास्तविक दुनिया के डेटा के साथ आने वाली अनिश्चितता को समझने में विफल रहते हैं।
एक शोधकर्ता ने इस प्रक्रिया में सुधार करने के लिए मोरक्को में स्टॉक एक्सचेंज में सूचीबद्ध कंपनियों के वित्तीय स्वास्थ्य पर ध्यान केंद्रित करते हुए काम शुरू किया। उन्होंने महसूस किया कि समृद्ध, स्थिर अर्थव्यवस्थाओं में उपयोग की जाने वाली मानक विधियाँ मोरक्को जैसे उभरते बाजारों में विफल हो जाती हैं, जहाँ आर्थिक स्थितियाँ तेजी से बदल सकती हैं और कंपनियाँ आकार और संरचना में बहुत भिन्न होती हैं। पुराने, कठोर सूत्रों पर निर्भर रहने के बजाय, जो एक एकल, निश्चित उत्तर देते हैं, शोधकर्ता ने एक नए प्रकार का मॉडल बनाया जो अनिश्चितता को स्वीकार करता है। उन्होंने 'बेयसियन इन्फरेंस' (बेशियन इन्फ्रेंस) नामक एक सांख्यिकीय दृष्टिकोण का उपयोग किया, जो पारंपरिक तरीकों से अलग काम करता है। जबकि एक मानक मॉडल जोखिम का प्रतिनिधित्व करने के लिए एक सटीक संख्या खोजने की कोशिश करता है, यह नया दृष्टिकोण उत्तर को संभावनाओं की एक सीमा के रूप में मानता है, और डेटा को देखते हुए अपने विश्वासों को अपडेट करता है। यह ठीक वैसे ही है जैसे एक मौसम पूर्वानुमानकर्ता केवल यह नहीं कहेगा कि "बारिश होगी," बल्कि वर्तमान स्थितियों और पिछले पैटर्न के आधार पर बारिश की संभावना को समझाएगा, और नई जानकारी आने पर अपनी भविष्यवाणी को समायोजित करेगा। यह मॉडल को अधिक लचीला और ईमानदार बनाता है कि वह कितना आश्वस्त हो सकता है, जो सीमित डेटा के साथ काम करते समय विशेष रूप से महत्वपूर्ण है।
शोधकर्ता ने दस वर्षों की अवधि (2015 से 2024) के दौरान कैसासा ब्लांका स्टॉक एक्सचेंज में सूचीबद्ध तैंतालीस गैर-वित्तीय कंपनियों के वित्तीय रिकॉर्ड एकत्र किए। उन्होंने सावधानीपूर्वक विशिष्ट वित्तीय संकेतकों को मॉडल की 'आंखों' के रूप में चुना, जो यह देखते हैं कि कंपनियों के पास कितनी नकदी थी, उनका कर्ज कितना था, वे कितनी लाभदायक थीं, और वे अपने दैनिक कार्यों से नकदी उत्पन्न करने में कितनी सक्षम थीं। यह सुनिश्चित करने के लिए कि मॉडल भविष्य की भविष्यवाणी कर रहा है न कि केवल अतीत का वर्णन, उन्होंने एक वर्ष के वित्तीय डेटा का उपयोग यह अनुमान लगाने के लिए किया कि क्या अगले वर्ष कंपनी मुसीबत में होगी। उन्होंने एक कंपनी को वित्तीय संकट में तब परिभाषित किया जब उसने कम से कम दो संकेत दिखाए, जैसे कि लगातार दो वर्षों तक घाटा होना, कर्ज की तुलना में बहुत कम नकदी होना, या कुल संपत्ति के सत्तर प्रतिशत से अधिक का कर्ज होना। उनके द्वारा विश्लेषण किए गए 420 कंपनी-वर्ष रिकॉर्डों में से, लगभग 105 को संकटग्रस्त के रूप में चिह्नित किया गया था, जिससे शोधकर्ता को अपने नए तरीके का परीक्षण करने के लिए उदाहरणों का एक ठोस सेट मिला।
जब शोधकर्ता ने अपना नया मॉडल चलाया, तो यह मुसीबत को पहचानने के लिए एक शक्तिशाली उपकरण साबित हुआ। मॉडल ने 85.7 प्रतिशत की सटीकता के साथ संकटग्रस्त कंपनियों की सफलतापूर्वक पहचान की, जिसका अर्थ है कि यह अधिकांश मामलों में अपनी भविष्यवाणियों में सही था। इसने उन दो पारंपरिक विधियों से बेहतर प्रदर्शन किया जिनके विरुद्ध इसकी तुलना की गई थी: प्रसिद्ध 'ऑल्टमैन जेड-स्कोर' (ऑल्टमैन जेड-स्कोर), जो एक क्लासिक अकाउंटिंग फॉर्मूला है, और एक मानक सांख्यिकीय मॉडल जिसका उपयोग कई बैंक करते हैं। नया मॉडल स्वस्थ और संघर्षरत फर्मों के बीच अंतर करने की क्षमता में 0.887 का स्कोर प्राप्त करता है, जबकि क्लासिक फॉर्मूला के लिए यह 0.770 और मानक सांख्यिकीय दृष्टिकोण के लिए 0.860 है। इससे भी महत्वपूर्ण बात यह है कि मॉडल ने केवल "हाँ" या "नहीं" का सरल उत्तर नहीं दिया। इसने एक संभावना प्रदान की, जिससे उपयोगकर्ताओं को पता चला कि किसी कंपनी के विफल होने की कितनी संभावना है। उदाहरण के लिए, इसने वास्तव में संघर्ष कर रही कंपनियों को संकट की उच्च संभावना सौंपी और स्वस्थ कंपनियों को कम संभावना दी, जिससे दोनों समूहों के बीच स्पष्ट अंतर दिखाई दिया।
सबसे महत्वपूर्ण निष्कर्षों में से एक यह था कि मॉडल व्यक्तिगत कंपनियों के बीच अद्वितीय अंतर को ध्यान में रख सकता था। अतीत में, मॉडल अक्सर यह मान लेते थे कि उच्च ऋण स्तर हर व्यवसाय के लिए एक समान होता है। हालाँकि, यह नया दृष्टिकोण पहचानता है कि कुछ कंपनियाँ स्वाभाविक रूप से अन्य की तुलना में अधिक संवेदनशील होती हैं, जो कि प्रबंधन शैली या उद्योग की बारीकियों जैसे कारकों के कारण होती हैं जो आंकड़ों में दिखाई नहीं देते। प्रत्येक फर्म के विशिष्ट इतिहास से सीखने की अनुमति देकर, यह मॉडल मोरक्कन बाजार की जटिल वास्तविकता को संभालने में बहुत बेहतर हो गया। विश्लेषण ने पुष्टि की कि अत्यधिक ऋण वित्तीय संकट का सबसे मजबूत भविष्यवक्ता था, जिसके ठीक बाद कम लाभप्रदता और कमजोर नकदी प्रवाह का स्थान था। जो कंपनियाँ अपने ऋणों का भुगतान करने के लिए पर्याप्त नकदी उत्पन्न नहीं कर सकती थीं या जो घाटा झेल रही थीं, उनके संकट में पड़ने की संभावना बहुत अधिक थी। मॉडल ने यह भी दिखाया कि मजबूत तरलता (लिक्विडिटी), या नकदी तक आसान पहुंच, एक प्रमुख सुरक्षात्मक कारक था।
शोधकर्ता ने सावधानीपूर्वक उल्लेख किया कि हालांकि उनका मॉडल अत्यधिक प्रभावी था, लेकिन यह कोई 'क्रिस्टल बॉल' (भविष्य बताने वाला गोला) नहीं था। उनके द्वारा उपयोग किया गया डेटा सूचीबद्ध कंपनियों के एक विशिष्ट समूह से आया था, इसलिए परिणाम छोटे, असूचीबद्ध व्यवसायों पर पूरी तरह से लागू नहीं हो सकते हैं। इसके अतिरिक्त, क्योंकि मॉडल को उन वित्तीय अनुपातों पर प्रशिक्षित किया गया था जो अक्सर एक-दूसरे से संबंधित होते हैं, इसकी कुछ सफलता इस तथ्य से भी आ सकती है कि वित्तीय स्थितियाँ अचानक परिवर्तनों की गहरी क्षमता के बजाय एक वर्ष से दूसरे वर्ष तक समान रहती हैं। हालाँकि, अध्ययन ने प्रदर्शित किया कि एक लचीले, संभाव्य दृष्टिकोण का उपयोग करना जोखिम मूल्यांकन के लिए एक बड़ा कदम है। प्रत्येक फर्म की अनूठी प्रकृति को ध्यान में रखते हुए और अनिश्चितता की एक स्पष्ट तस्वीर प्रदान करके, यह नया ढांचा बैंकों, निवेशकों और नियामकों को संकट बनने से पहले वित्तीय संकट को पहचानने का एक अधिक विश्वसनीय तरीका प्रदान करता है। यह सुझाव देता है कि आर्थिक अनिश्चितता की दुनिया में, भविष्य की भविष्यवाणी करने का सबसे अच्छा तरीका एक एकल, निश्चित उत्तर की तलाश करना नहीं है, बल्कि संभावनाओं की सीमा और उनमें से प्रत्येक की संभावना को समझना है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।