A Model For Assessing the Financial Risk of Companies Using The Hybrid FUZZY-BWM Method

Document Type : Original Article

Authors
mehdi ahmadpour 1
Reza Aghajan Nashtaei 2
Mohsen Khodadadi 3
1 PhD student of Financial engineering, Department of Management, Rasht Branch, Islamic Azad University, Rasht, Iran
2 Department of Business Management, Rasht Branch, Islamic Azad University, Rasht, Iran
3 Department of Accounting, Roudsar and Amlash Branch, Islamic Azad University, Roudsar, Iran,
10.30495/jik.2025.23834
Abstract
The aim of this research is to design a model for evaluating the financial risk of companies using the hybrid FUZZY-BWM method. At first, by reviewing the research literature and conducting interviews with experts in this field, it was investigated the indicators of financial risk of companies; In the following, while confirming the 16 sub-criteria and 4 main risk criteria identified, by using two BWM and BWM-FUZZY methods, the priority of the best and worst criteria compared to other criteria was determined using linguistic terms, and then the FUZZY weight of the criteria was calculated using The best-worst comparisons were made with respect to others. At the end, the combination of the best and worst fuzzy weights and the calculation of the decision criteria weights were determined. To analyze the data prepare a questionnaire for the financial ratios of each of the risks and the ranking of the companies according to FUZZY TOPSIS. Based on the prioritization of the research options in the final model, it was found that the listed companies of the oil products group are in the first place in the financial risk assessment of listed companies with a score of 0.94. The listed companies of the metal ore and basic metal extraction group were ranked second with a score of 0.54, the cement, lime and plaster group was ranked third with a score of 0.19, and the listed companies of the automobile group were ranked fourth with a score of 0.20.
Keywords
liquidity risk
investment risk
activity risk
leverage risk
ابونوری اسمعیل، تهرانی رضا، صبوری حسین (1400)، سرایت پذیری ریسک از بخش مالی به بخش واقعی با استفاده از شاخص برخورد شرطی (CCX): مطالعه موردی بازار سرمایه ایران، اقتصاد مالی (اقتصاد مالی و توسعه)، شماره 3 (پیاپی 56)؛ از صفحه 1 تا صفحه 24.
ایوانی، فرزاد و پرویز، زهرا (1401)، تاثیر اخلاق حرفه‌‌ای حسابداران بر کاهش ریسک مالی و کیفیت گزارشگری مالی (مطالعه موردی: اداره کل امور مالیاتی کرمانشاه)،سومین کنفرانس بین المللی چالش‌ها و راهکارهای نوین در مهندسی صنایع، مدیریت و حسابداری،چابهار
حقیقت، جعفر ؛ اصغر پور، حسین (1401). اثر غیرخطی ریسک‌ مالی با وجود مداخله سیاستی بانک مرکزی و فشار بازار ارز بر ثبات بانکی کشور: رویکرد رگرسیون انتقال، پژوهش‌ها و سیاست‌های اقتصادی،101: 306-271
حیدری، رحمان، بهشتی فر، ملیکه و ضیاءالدینی، محمد (1402). شناسایی و اولویت‌بندی اقدامات کاهنده شکست اجرای خط‌مشی‌های سازمان راهداری حمل‌ونقل جاده‌ای بر اساس تکنیک واکاوی حالات نقص و اثرات آن با به‌کارگیری روش AHP و TOPSIS فازی. جاده، 31(114), 91-108.
علی نژاد، محمدرضا، (1401)، عدم تقارن اطلاعاتی درخصوص ریسک سرمایه‌گذاری و گزینش تامین مالی در شرکتهای ایرانی،سومین کنفرانس بین المللی چالش‌ها و راهکارهای نوین در مهندسی صنایع، مدیریت و حسابداری،چابهار
فلاح شمس، میرفیض، بنی شریف عباس(1400). سرایت پذیری ریسک‌های مالی در بانک‌های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از رهیافت MGARCH ، تحقیقات مالی،دوره 23، شماره 1 ; از صفحه 87 تا صفحه 107.
میرآئیز، سید مهدی (1401). بررسی رابطه ویژگی‌های مدیرعامل و ترکیب تعاملی آنها با نوسان ریسک مالی.مطالعات مدیریت و توسعه پایدار، 5، 48-63
Bai, Xiwen., Cheng, Liangqi, Iris, Çağatay(2022). Data-driven financial and operational risk management: Empirical evidence from the global tramp shipping industry.Transportation Review.Volume 158, February 2022, 102617
Bansal, Arun, Robert Kaufmann, Robert Mark, and Edward Peters. 1992. Financial Risk and Financial RiskManagement Technology: Issues and Advantages. Working Papers Series; New York: New York University
Chen, C. T. (2000). Extensions of the TOPSIS for group decision-making under fuzzy environment. Fuzzy sets and systems, 114(1), 1–9.
Chen, S. J., Hwang, C. L., Beckmann, M. J., & Krelle, W. (1992). Fuzzy multiple attribute decision making: methods and applications. Springer-Verlag New York, Inc. Secaucus, NJ, USA.
Himounet, Nicolas (2022). Searching the nature of uncertainty: Macroeconomic and financial risks VS geopolitical and pandemic risks, International Economics Volume 170, August 2022, Pages 1-31
Kumar Roy, P., Shaw, K., & Ishizaka, A. (2022). Developing an integrated fuzzy credit rating system for SMEs using fuzzy-BWM and fuzzy-TOPSIS-Sort-C. In Annals of Operations Research (Vol. 325, Issue 2, pp. 1197–1229). Springer Science and Business Media LLC. https://doi.org/10.1007/s10479-022-04704-5
Lam, W. H., Lam, W. S., Liew, K. F., & Lee, P. F. (2023). Decision Analysis on the Financial Performance of Companies Using Integrated Entropy-Fuzzy TOPSIS Model. In Mathematics (Vol. 11, Issue 2, p. 397). MDPI AG. https://doi.org/10.3390/math11020397