مطالعات تجربی حسابداری مالی

چکیده نوسانات شدید اقتصادی و تبعات نامطلوب آن برای سرمایه­گذاران نیاز به الگوهای پیش­بینی وضعیت مالی شرکت­ها را بیش از پیش ضروری ساخته است. در این راستا این پژوهش قصد دارد با بررسی رابطه میان نسبت­های مالی و محتوای گزارش­های هیئت ­مدیره راهی جدید را برای پیش­بینی وضعیت شرکت بگشاید. بدین منظور فراوانی کلمات و عبارات با بار معنایی مثبت و منفی با استفاده از الگوریتم استخراج کلمات، از متن گزارش­های هیئت مدیره 219 شرکت غیر درمانده مالی و 81 شرکت درمانده مالی استخراج شد. نتایج تخمین رگرسیون نسبت کلمات مثبت و منفی بر شاخص­های عملکرد مالی، نشان داد در شرکت­هایی که از سلامت مالی برخوردارند کلمات منفی رابطه­ی معناداری با معیارهای عملکردی دارند. علاوه بر این، در این شرکت­ها  مدیران سعی در پنهان کردن  بحران مالی خود ندارند.در مقابل، در رابطه با شرکت­های درمانده مالی، ارتباط معنا­داری میان کلمات با شاخص­های عملکرد این شرکت­ها مشاهده نشد. به نظر می­رسد این گروه از شرکت­ها با در ابهام قرار­دادن ذینفعان، سعی در جلوگیری از فروش سهام خود  توسط سهامداران دارند.

چکیده بیشینه کردن ثروت، یا به عبارت بهتر بیشینه کردن مطلوبیت انتظاری در پایان دوره، هدف اصلی سرمایه گذاران میباشد. اما باید توجه داشت که ویژگی ناپایداری قیمت ها در بازار، سرمایه گذاران را در دستیابی به اهداف خود با دامنه ای از نااطمینانی مواجه میسازد و گریز از ریسک حاصل از این نااطمینانی ها تنها با تحمل هزینه صرف نظر کردن از سود مورد انتظار بیشتر امکان پذیر است. معیارهای متعددی جهت تخمین ریسک تدوین شده که به بررسی رفتار سرمایه گذاران میپردازند. در این تحقیق با ارائه مدل های مختلف جهت پیش بینی بازده، بهترین معیار ریسک براساس قدرت پیش بینی بازده انتخاب شده است. بدین منظور، 4 معیار ریسک، انحراف معیار، انحراف مطلق از میانگین، نیم انحراف معیار و ارزش در معرض خطر از بین معیارهای معمولی و نامطلوب ریسک انتخاب گردیده و به بررسی قدرت پیش بینی هریک از این معیارها در افق های زمانی یک، دو و سه ماهه پرداخته شده است. همچنین برای تحلیل داده ها از رگرسیون با استفاده از داده های پانل استفاده گردیده است. نتایج به دست آمده از طلاعات 66 شرکت در دوره زمانی 1382 تا 1386 حاکی از آن است که به ترتیب معیارهای نیم انحراف معیار و ارزش در معرض خطر، از قدرت پیش بینی بهتری نسبت به دیگر معیارها به خصوص در افق تک دوره ای برخوردارند.

چکیده مدل سازی پیش بینی متغیرهای مالی و اقتصادی با توجه به رفتار متغیرها، روش های گوناگونی دارد. تحقیق حاضر، چگونگی پیش بینی بازده سهام در بورس اوراق بهادار تهران را با دو مدل آربیتراژ و شبکه های عصبی مصنوعی مورد آزمون قرار داده است. برای این منظور از اطلاعات روزانه شاخص بازده نقدی و قیمت به عنوان متغیر وابسته و از اطلاعات روزانه قیمت سکه بهار آزادی، حجم معاملات کل بازار و قیمت دلار به عنوان متغیرهای مستقل استفاده شده است. برازش مدل چندعاملی مبتنی بر رگرسیون چندمتغیره و مدل شبکه عصبی برمبنای پرسپترون چندلایه با الگورتیم آموزش پس انتشار خطاست. نتایج به دست آمده حاکی از موفقیت دو مدل در پیش بینی شاخص بازده نقدی و قیمت و همچنین برتری عملکرد شبکه عصبی بر مدل چندعاملی است.