Abstract. Since the large number of

Abstract. Since the large number of parties involved in corporate failure or ‘business failure’, the
avoidance of failure has always been an important issue in the field of corporate finance and business
management. In this paper, the model was developed to predict business failure in Thailand particular
in technology industry by using four variables from Altman’s model and adding one variable to the
model. Descriptive statistics, correlation, and independent T-test are used for testing to see the
characteristics of each variable on both failed and non-failed companies. The model was developed by
using the stepwise logistic regression. Samples were developed by using financial information from
private limited companies based on technology industry in Bangkok. The result from this empirical
study can conclude that financial ratios are useful analytical techniques for forecasting financial health
of companies in technology industry. The result of independent T-test has pointed out sales to total
assets ratio is the only significant independent variable indicating significant differences between
failed and non-failed group. The Nagelkerke R2 indicated 42.4% of the variation in the outcome
variable. The predictability accuracy of the model is 77.8% which is under 95% confidence level
Research Framework
The financial status of a business firm can be produced information to creditors, investors, stockholders and
others for making decision. There are many researchers have been used financial information for predicting financial health of companies. The literature of Edward I. Altman developed the popular model called Z-score for a predictor of business failure. Therefore, the model would serve to reduce such losses by providing warning to these interested parties and that model predicts business failure to assess financial status as
early as possible. Hence, this study tends to focus on modified Altman’s model to develop the business failure prediction which is suitable for Bangkok based companies in technology industry.

Method Used
Descriptive statistics, correlation, and independent Ttest are used for testing to see the characteristics of each
variable both failed and non-failed companies. Stepwise logistic regression is the method used to develop the model which derived the variables from modified Altman’s model. Samples are developed by using financial information from private limited companies based on Bangkok in technology industry. Logistic regression produces all predictions, residuals, influence statistics, and goodness-of-fit tests using data at the individual case level. This empirical finding will provide warning signs to both the internal and external users of financial statements in planning, controlling, and decision-making. The warning signs and stepwise logistic regression model have the ability to assist management for predicting corporate problems early
enough to avoid financial difficulties. Moreover, the evidence from analysis of warning signs and the model can signal going concern problems early before eventually enters bankruptcy. Financial analysts could improve the development of this model since there are limitations associated that affected the ability of warning signs on financial status and predictive ability. For example, the failed firms selected in this study
were dissolved not bankruptcy. To improve the significance and predictive ability of the model, it is suggested to select failed firms as bankruptcy. The reason is that dissolved companies may need to stop doing business without financial problem while as bankruptcy companies have to stop doing business because of financial problem. Moreover, since financial information in this paper is limited to only income statement and balance sheet, this leads to the limited number of ratios in the model. One way to improve the model is to add
more ratios so that the predictability will be more accurate. It would be suggested that other statements such as statement of owner’s equity and statement of cash flow should be put into consideration. Lastly, besides the important financial ratios that measure the internal state of the firm, the existing macroeconomic conditions need to be included to help properly model the external environment of the firm. In the past, corporate failure prediction has been based on traditional methods of financial ratio analysis with multivariate discriminant analysis (MDA). This paper is limited to logistic regression. However, there are methods can be applied for further company failure prediction. For example, neural networks [K. D. Gunawardana, 2002] would
be applied to predict corporate failure. Artificial Neural Networks (ANN) are an attempt to imitate the human
reasoning and have been used in various applications of financial modeling that can be an effective forecasting alternative when compared to traditional techniques.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อ ตั้งแต่ของฝ่ายใน 'ธุรกิจล้มเหลว' หรือความล้มเหลวขององค์กรหลีกเลี่ยงของความล้มเหลวได้เสมอเป็นปัญหาสำคัญในด้านการจัดการการเงินและธุรกิจการจัดการ ในเอกสารนี้ รุ่นถูกพัฒนาขึ้นเพื่อทำนายความล้มเหลวของธุรกิจในประเทศไทยโดยเฉพาะในอุตสาหกรรมเทคโนโลยีโดยใช้ตัวแปร 4 จากแบบจำลองของ Altman และเพิ่มตัวแปรหนึ่งแบบจำลอง สถิติพรรณนา ความสัมพันธ์ และอิสระ T-ทดสอบจะใช้สำหรับการทดสอบเพื่อดูการลักษณะของแต่ละตัวแปรในบริษัทล้มเหลว และไม่ล้มเหลว รูปแบบได้รับการพัฒนาโดยโดยใช้การถดถอยโลจิสติก stepwise ตัวอย่างได้รับการพัฒนา โดยใช้ข้อมูลทางการเงินจากส่วนตัวที่จำกัดบริษัทเทคโนโลยีอุตสาหกรรมในกรุงเทพมหานคร ผลจากการรวมนี้การศึกษาสามารถสรุปอัตราส่วนทางการเงินใช้เทคนิคการวิเคราะห์มีประโยชน์สำหรับการคาดการณ์ทางการเงินสุขภาพบริษัทในอุตสาหกรรมเทคโนโลยี ผลของการทดสอบ T อิสระได้ชี้ให้เห็นการขายรวมทั้งหมดอัตราส่วนสินทรัพย์จะแสดงความแตกต่างอย่างมีนัยสำคัญระหว่างตัวแปรอิสระสำคัญเท่านั้นกลุ่มล้มเหลว และไม่ล้มเหลว Nagelkerke R2 ระบุ 42.4% ของความแปรปรวนในผลตัวแปร แอพพลิเคชันความถูกต้องของแบบจำลองเป็น 77.8% ซึ่งต่ำกว่า 95% ระดับความเชื่อมั่นกรอบงานวิจัยสถานะการเงินของบริษัทธุรกิจสามารถผลิตข้อมูลเจ้าหนี้ ลงทุน stockholders และอื่น ๆ สำหรับการตัดสินใจ มีนักวิจัยจำนวนมากได้ใช้ข้อมูลทางการเงินสำหรับการคาดการณ์สุขภาพทางการเงินของบริษัท วรรณกรรมของเอ็ดเวิร์ด I. Altman พัฒนารุ่นยอดนิยมที่เรียกว่าคะแนน Z สำหรับผู้ทายผลของความล้มเหลวของธุรกิจ ดังนั้น แบบจำลองจะทำหน้าที่เพื่อลดความสูญเสียดังกล่าว โดยให้คำเตือนเหล่านี้สนใจ และแบบจำลองที่ทำนายความล้มเหลวทางธุรกิจเพื่อประเมินสถานะทางการเงินเป็นเร็วที่สุด ดังนั้น การศึกษานี้มีแนวโน้มเน้นรุ่น Altman แก้ไขพัฒนาการทำนายความล้มเหลวทางธุรกิจเหมาะสำหรับกรุงเทพตามบริษัทในอุตสาหกรรมเทคโนโลยีวิธีใช้สถิติพรรณนา ความสัมพันธ์ และอิสระ Ttest ใช้ในการทดสอบเพื่อดูลักษณะของแต่ละตัวแปรทั้งสองไม่สำเร็จและบริษัทที่ไม่ใช่ล้มเหลว ถดถอยโลจิสติก stepwise เป็นวิธีที่ใช้ในการพัฒนาแบบจำลองซึ่งตัวแปรมารุ่น Altman แก้ไข มีพัฒนาตัวอย่าง โดยใช้ข้อมูลทางการเงินจากบริษัทจำกัดส่วนตัวยึดกรุงเทพในอุตสาหกรรมเทคโนโลยี ถดถอยโลจิสติกผลิตคาดการณ์ทั้งหมด ค่าคงเหลือ อิทธิพลสถิติ และความดีของพอดีทดสอบโดยใช้ข้อมูลในแต่ละกรณีระดับ ค้นหานี้ประจักษ์จะให้สัญญาณเตือนทั้งภายใน และภายนอกผู้ใช้งบการเงินในการวางแผน การควบคุม และตัดสินใจ สัญญาณเตือนและแบบจำลองการถดถอยโลจิสติก stepwise มีความสามารถในการช่วยจัดการคาดการณ์ปัญหาขององค์กรก่อนเพื่อหลีกเลี่ยงปัญหาทางการเงินเพียงพอ หลักฐานจากการวิเคราะห์อาการและรูปแบบสามารถส่งสัญญาณไปกังวลปัญหานอก ช่วงก่อนก็ป้อนล้มละลายได้ นักวิเคราะห์ทางการเงินสามารถปรับปรุงพัฒนารูปแบบนี้เนื่องจากมีข้อจำกัดที่เกี่ยวข้องที่ได้รับผลกระทบความสามารถของสัญญาณเตือนสถานะทางการเงินและความสามารถในการคาดการณ์ ตัวอย่าง บริษัทล้มเหลวที่เลือกในการศึกษานี้มีส่วนยุบไม่ล้มละลาย การปรับปรุงสำคัญและความสามารถในการคาดการณ์ของแบบจำลอง แนะนำการเลือกบริษัทที่ล้มเหลวเป็นบุคคลล้มละลาย เหตุผลคือ ว่า บริษัทละลายอาจจำเป็นต้องหยุดทำธุรกิจ โดยไม่มีปัญหาทางการเงินในขณะที่เป็นบุคคลล้มละลาย บริษัทจำเป็นต้องหยุดทำธุรกิจเนื่องจากปัญหาทางการเงิน นอกจากนี้ เนื่องจากข้อมูลในเอกสารนี้จำกัดอยู่เฉพาะงบดุลและงบกำไรขาดทุน นี้นำไปสู่จำนวนอัตราส่วนในรูปแบบจำกัด วิธีการปรับปรุงรูปแบบหนึ่งคือการ เพิ่มอัตราส่วนเพิ่มเติมเพื่อให้แอพพลิเคชันที่จะถูกต้องมากขึ้น มันจะแนะนำว่า คำอื่น ๆ เช่นคำสั่งของส่วนของเจ้าของและงบกระแสเงินสดควรย้ายพิจารณา สุดท้าย นอกจากความสำคัญทางการเงินอัตราที่วัดสถานะภายในของบริษัท สภาพเศรษฐกิจมหภาคที่มีอยู่ได้ถูกรวมไว้เพื่อช่วยในการจำลองสภาพแวดล้อมภายนอกของบริษัทอย่างถูกต้อง ในอดีต ทายความล้มเหลวขององค์กรได้ถูกใช้ในการวิเคราะห์อัตราส่วนทางการเงินกับการวิเคราะห์ตัวแปรพหุ discriminant (MDA) วิธีแบบดั้งเดิม กระดาษนี้จะถดถอยโลจิสติกจำกัด อย่างไรก็ตาม มีวิธีการที่สามารถใช้สำหรับพยากรณ์ความล้มเหลวของบริษัทต่อไป ตัวอย่าง เครือข่ายประสาท [คุณ D. Gunawardana, 2002] จะสามารถใช้ทำนายความล้มเหลวขององค์กร ความพยายามเลียนแบบมนุษย์ได้ประดิษฐ์ประสาทเครือข่าย (แอน)ใช้เหตุผล และการใช้ในโปรแกรมประยุกต์ต่าง ๆ ของโมเดลทางการเงินที่สามารถทางคาดการณ์มีประสิทธิภาพเมื่อเทียบกับเทคนิคดั้งเดิม

ผลลัพธ์ (ไทย) 2:

นามธรรม. ตั้งแต่จำนวนมากของฝ่ายที่เกี่ยวข้องในความล้มเหลวขององค์กรหรือธุรกิจล้มเหลว 'ที่หลีกเลี่ยงความล้มเหลวได้เสมอเป็นเรื่องที่สำคัญในด้านการเงินขององค์กรธุรกิจและการจัดการ ในบทความนี้รูปแบบได้รับการพัฒนาในการทำนายความล้มเหลวของธุรกิจในประเทศไทยโดยเฉพาะอย่างยิ่งในอุตสาหกรรมเทคโนโลยีโดยใช้สี่ตัวแปรจากแบบจำลองของอัลท์แมนและการเพิ่มตัวแปรหนึ่งไปยังรูปแบบ สถิติเชิงพรรณนาความสัมพันธ์และอิสระ t-test จะใช้สำหรับการทดสอบเพื่อดูลักษณะของแต่ละตัวแปรทั้งล้มเหลวและบริษัท ที่ไม่ใช่ล้มเหลว รูปแบบที่ได้รับการพัฒนาโดยใช้การถดถอยโลจิสติกแบบขั้นตอน ตัวอย่างได้รับการพัฒนาโดยใช้ข้อมูลทางการเงินจากบริษัท เอกชน จำกัด ขึ้นอยู่กับอุตสาหกรรมเทคโนโลยีในกรุงเทพฯ ผลที่ได้จากการทดลองนี้ศึกษาสามารถสรุปได้ว่าอัตราส่วนทางการเงินที่เป็นประโยชน์เทคนิคการวิเคราะห์การคาดการณ์สำหรับสุขภาพทางการเงินของบริษัท ในอุตสาหกรรมเทคโนโลยี ผลมาจากการที่เป็นอิสระ T-ทดสอบได้ชี้ให้เห็นยอดขายรวมต่อสินทรัพย์เป็นเพียงตัวแปรอิสระที่มีนัยสำคัญที่แสดงให้เห็นความแตกต่างอย่างมีนัยสำคัญระหว่างกลุ่มล้มเหลวและไม่ล้มเหลว Nagelkerke R2 ชี้ 42.4% ของการเปลี่ยนแปลงในผลตัวแปร ความถูกต้องของการคาดเดารูปแบบเป็น 77.8% ซึ่งอยู่ภายใต้ระดับความเชื่อมั่น 95% กรอบการวิจัยสถานะทางการเงินของ บริษัท ที่ธุรกิจสามารถผลิตข้อมูลให้กับเจ้าหนี้นักลงทุนผู้ถือหุ้นและผู้อื่นในการตัดสินใจ มีนักวิจัยหลายคนได้รับการใช้ข้อมูลทางการเงินในการทำนายสุขภาพทางการเงินของ บริษัท วรรณกรรมของเอ็ดเวิร์ดฉัน Altman การพัฒนารูปแบบที่นิยมเรียกว่า Z-คะแนนทำนายของความล้มเหลวทางธุรกิจ ดังนั้นรูปแบบที่จะทำหน้าที่ในการลดการสูญเสียดังกล่าวโดยการให้คำเตือนไปยังผู้ที่สนใจเหล่านี้และรูปแบบที่คาดการณ์ความล้มเหลวทางธุรกิจในการประเมินสถานะทางการเงินเป็นเร็วที่สุด ดังนั้นการศึกษาครั้งนี้มีแนวโน้มที่จะมุ่งเน้นไปที่การปรับเปลี่ยนรูปแบบของอัลท์แมนในการพัฒนาการคาดการณ์ทางธุรกิจที่ล้มเหลวซึ่งเหมาะสำหรับกรุงเทพฯ บริษัท ที่อยู่ในอุตสาหกรรมเทคโนโลยี. วิธีใช้สถิติเชิงพรรณนาความสัมพันธ์และอิสระ ttest ถูกนำมาใช้สำหรับการทดสอบเพื่อดูลักษณะของแต่ละตัวแปรทั้งสองบริษัท ที่ล้มเหลวและไม่ล้มเหลว ถดถอยโลจิสติแบบขั้นตอนเป็นวิธีการที่ใช้ในการพัฒนารูปแบบที่มาจากตัวแปรรุ่นอัลท์แมนที่มีการปรับเปลี่ยน ตัวอย่างที่มีการพัฒนาโดยใช้ข้อมูลทางการเงินที่ จำกัด จาก บริษัท เอกชนที่อยู่ในกรุงเทพฯในอุตสาหกรรมเทคโนโลยี การถดถอยโลจิสติกการคาดการณ์การผลิตทั้งหมดที่เหลือสถิติอิทธิพลและการทดสอบความดีของพอดีโดยใช้ข้อมูลในระดับที่แต่ละกรณี การค้นพบการทดลองนี้จะให้สัญญาณเตือนทั้งผู้ใช้ภายในและภายนอกของงบการเงินในการวางแผนการควบคุมและการตัดสินใจ สัญญาณเตือนและรูปแบบการถดถอยโลจิสติกแบบขั้นตอนมีความสามารถในการให้ความช่วยเหลือในการทำนายการจัดการปัญหาขององค์กรในช่วงต้นพอที่จะหลีกเลี่ยงปัญหาทางการเงิน นอกจากนี้ยังมีหลักฐานจากการวิเคราะห์ของสัญญาณเตือนและรูปแบบที่สามารถส่งสัญญาณไปปัญหาความกังวลในช่วงต้นที่สุดก่อนที่จะเข้าสู่การล้มละลาย นักวิเคราะห์ทางการเงินสามารถปรับปรุงพัฒนารูปแบบนี้ตั้งแต่มีข้อ จำกัด ที่เกี่ยวข้องที่มีผลต่อความสามารถในการสัญญาณเตือนเกี่ยวกับฐานะการเงินและความสามารถในการคาดการณ์ ยกตัวอย่างเช่น บริษัท ที่ล้มเหลวในการเลือกในการศึกษาครั้งนี้ได้รับการละลายไม่ล้มละลาย เพื่อปรับปรุงอย่างมีนัยสำคัญและความสามารถในการคาดการณ์ของรูปแบบก็จะแนะนำให้เลือก บริษัท ที่ล้มเหลวในฐานะล้มละลาย เหตุผลก็คือ บริษัท ที่ละลายในน้ำอาจจะต้องหยุดการทำธุรกิจโดยไม่ต้องประสบปัญหาทางการเงินในขณะที่เป็น บริษัท ที่ล้มละลายต้องหยุดการทำธุรกิจเนื่องจากมีปัญหาทางการเงิน นอกจากนี้ตั้งแต่ข้อมูลทางการเงินในบทความนี้จะถูก จำกัด ในงบกำไรขาดทุนเท่านั้นและงบดุลนี้นำไปสู่จำนวน จำกัด อัตราส่วนในรูปแบบ วิธีหนึ่งในการปรับปรุงรูปแบบคือการเพิ่มอัตราส่วนการมากขึ้นเพื่อให้การคาดการณ์จะมีความถูกต้องมากขึ้น มันจะชี้ให้เห็นว่างบอื่น ๆ เช่นงบส่วนของเจ้าของและงบกระแสเงินสดควรจะนำมาพิจารณา สุดท้ายนอกเหนือจากอัตราส่วนทางการเงินที่สำคัญที่วัดรัฐภายในของ บริษัท ที่เงื่อนไขทางเศรษฐกิจมหภาคที่มีอยู่จะต้องมีการรวมที่จะช่วยให้ถูกต้องจำลองสภาพแวดล้อมภายนอกของ บริษัท ในอดีตที่ผ่านมาการทำนายความล้มเหลวขององค์กรที่ได้รับการขึ้นอยู่กับวิธีการแบบดั้งเดิมของการวิเคราะห์อัตราส่วนทางการเงินที่มีการวิเคราะห์หลายตัวแปรจำแนก (ภาคตะวันออกเฉียงเหนือ) กระดาษนี้จะถูก จำกัด การถดถอยโลจิสติก แต่มีวิธีการที่จะสามารถนำมาใช้ในการทำนายความล้มเหลวของ บริษัท ต่อไป ตัวอย่างเช่นเครือข่ายประสาท [KD Gunawardana, 2002] จะถูกนำมาใช้ในการทำนายความล้มเหลวขององค์กร เครือข่ายประสาทเทียม (ANN) เป็นความพยายามที่จะเลียนแบบมนุษย์เหตุผลและมีการใช้ในการใช้งานต่างๆของแบบจำลองทางการเงินที่สามารถจะเป็นทางเลือกที่มีประสิทธิภาพในการคาดการณ์เมื่อเทียบกับเทคนิคแบบดั้งเดิม

ผลลัพธ์ (ไทย) 3:

นามธรรม ตั้งแต่จำนวนมากของฝ่ายที่เกี่ยวข้องกับความล้มเหลวหรือความล้มเหลวทางธุรกิจของบริษัท ' ' ,
หลีกเลี่ยงความล้มเหลวได้เสมอที่สำคัญในด้านการเงินของ บริษัท และการจัดการธุรกิจ

ในกระดาษนี้ ยังได้พัฒนาโมเดลเพื่อทำนายความล้มเหลวทางธุรกิจในไทยโดยเฉพาะ
ในอุตสาหกรรมเทคโนโลยี โดยใช้ปัจจัยจากอัลท์แมนแบบเพิ่มตัวแปรหนึ่งไปยัง
นางแบบ สถิติ สถิติเชิงพรรณนา และ independent t-test ใช้สำหรับการทดสอบเพื่อดูลักษณะของแต่ละตัวแปร
ทั้งล้มเหลวและไม่ล้มเหลว บริษัท แบบจำลองที่พัฒนาขึ้นโดย
โดยใช้การถดถอยโลจิสติกแบบขั้นตอน . ตัวอย่างการพัฒนาโดยใช้ข้อมูลทางการเงินจาก
เอกชน จำกัด บริษัท บนพื้นฐานของเทคโนโลยีอุตสาหกรรม ในเขตกรุงเทพมหานคร ผลที่ได้จากการศึกษาเชิงประจักษ์
นี้สามารถสรุปได้ว่าเทคนิคการวิเคราะห์อัตราส่วนทางการเงินที่มีประโยชน์สำหรับการพยากรณ์สุขภาพทางการเงิน
ของบริษัทในอุตสาหกรรมเทคโนโลยี ผลของ Independent t-test ได้ชี้ให้เห็นการรวม
อัตราส่วนสินทรัพย์ที่เป็นเพียงที่สำคัญตัวแปรอิสระที่ระบุความแตกต่างระหว่าง
ล้มเหลวและไม่ล้มเหลว กรุ๊ป R2 nagelkerke พบ 42.4 % ของการเปลี่ยนแปลงในผล
ตัวแปร สามารถคาดการณ์ความถูกต้องของแบบจำลองเป็นร้อยละ 77.8 ซึ่งอยู่ภายใต้กรอบการวิจัยระดับความเชื่อมั่น 95%

สถานะทางการเงินของ บริษัท ธุรกิจสามารถผลิตข้อมูลเจ้าหนี้