نوع مقاله : مقاله پژوهشی
نویسندگان
عضو هیئت علمی دانشگاه علامه طباطبایی
چکیده
بازده سهام یکی از مفاهیم پیچیده است که مورد علاقه سرمایه گذاران و تصمیم گیرندگان می باشد. برای تبیین و پیش بینی سهام مدل ها نظریه های مختلفی شامل مدل قیمت گذاری دارایی های سرمایه ای (CAPM)، مدل های عاملی یا شاخصی (FM)، مدل های آربیتاژ (APT)، تحلیل های فنی (TA) و تحلیل های بنیادی (FA) مطرح شده است. در تحلیل بنیادی بازده سهام تابعی از شرایط کلان اقتصادی، وضعیت صنعت و شرایط خاص شرکت میباشد. شرایط خاص شرکت شامل عملکرد و وضعیت مالی است که در قالب صورت های مالی اساسی ارائه میگردد.
دانش حسابداری مدعی است که برای تصمیم گیرندگان اطلاعات سودمندی تهیه میکند. یکی از معیارهای سودمندی اطلاعات حسابداری، توان پیش بینی آن است.
این پژوهش با انتخاب بازده سهام جهت پیش بینی، در صدد آزمون تجربی سودمندی اطلاعات حسابداری می باشد. هدف دیگر، ایجاد ارتباط بین متغییرهای حسابداری و اقتصادی میباشد که در صورت حصول نتیجه میتوان از تجزیه و تحلیل صورت های مالی برای استخراج ارزش و بازده اقتصادی استفاده کرد.
برای انتخاب متغییرهای حسابداری مرتبط با بازده، مدل قیاسی استوارت مبنای کار قرار گرفت و سپس عوامل تشکل دهنده آن بسط داده شد. درنتیجه 42 متغییر مستقل انتخاب و مورد آزمون قرار گرفت. آزمون های آماری براساس رگرسیون های مبتنی بر مقادیر و علائم متغییرهای مستقل با نرم افزار SPSS به صورت گام به گام (Stepwise)، انجام گردید. مدل های رگرسیون برای دوره های 1374 تا 80، 1374 تا 78، 1379 تا 80 و همچنین تک تک سالهای 1374 الی 1380 برای کل نمونه شامل 82 شرکت از صنایع مختلف برازش شد. این مدل ها برای دو صنعت سیمان و کانی غیرفلزی و شیمیایی و دارویی برای دوره های 1374 تا 78 و 1379 تا 80 نیز برازش شد.
نتایج تجربی حاصل تایید کننده توان پیش بینی اطلاعات حسابداری است. R2تعدیل شده مدل های نمونه اصلی 0.033 تا 0.665 متفاوت بود.ضرایب متغییرهای بازده دارایی ها (ROA) ، بازده سرمایه گذاری ها (ROI) ، رشد فروش به جمع دارایی ها (GSTTA) ، رشد سود خالص به فروش (GNITS) ، هزینه های مالی به فروش (FEXTS) ، در 9 مدل معنادار بوده است. به عبارت دیگر این متغییرها سهم بیشتری (نسبت به سایر متغییرها) در پیش بینی بازده را داشته اند. بقیه متغییرهای پیش بینی کننده بازدهی در طول زمان همسان نبودند.
استفاده از مدل های علائم به جای مدل های مقادیر باعث افزایش توان پیش بینی نشد. تنها متغییر رشد فروش به جمع دارایی ها (GSTTA) در هر دو مدل مقادیر و علائم مشترک بود.
توان پیش بینی مدل های خاص صنعت، برای دو نمونه صنعت شیمیایی دارویی و سیمان و کانی غیرفلزی در هر یک از دوره های 74-78 و 79-80 نیز آزمون شد. R2 تعدیل شده مدل صنایع شیمیایی و دارویی در دوره های فوق به ترتیب 0.348 و 0.729 و همچنین در مدل سنعت سیمان و کانی غیرفلزی به ترتیب0.400 و 0.417 شد. نتایج حاصل از برازش مدل های خاص صنایع فوق به مراتب بهتر از نتایج مدل اصلی در دوره های مشابه بود.
این پژوهش از طریق جمع آوری شواهد تجربی در خصوص سودمندی اطلاعات حسابداری و شناخت متغییرهای حسابداری مرتبط با بازدهی، میتواند در ارتقای دانش حسابداری سهمی داشته باشد.
کلیدواژه‌ها
عنوان مقاله [English]
Role of Fundamental Accounting Information in Predicting Stock Return
نویسندگان [English]
- Ali Saghafi
- Saber Sheri
چکیده [English]
This Study is aimed at examining the usefulness of financial statements information. In particular, usefulness criteria of financial statements depend upon relevance and predictive ability.
So far many models and hypotheses have been developed in order to evaluate and predict stock return through different viewpoints. A large number of empirical accounting researches have been done in order to achieve this goal. Different groups of investors and decision makers are interested in evaluation and prediction of Stock return.
This guided research procedure is different from the mere statistical searches because, we have chosen the fundamental variables through theory and famous models. We developed Samuel Stewart’s model and ended up selecting 42 independent Variables (fundamentals). Eighty two listed companies were selected from Tehran Stock Exchange. The selection was done from various industries.
Regression cross-sectional models were developed for the firms within the years 1374 to 1380; 1378 to 1380 and, for each single year of the research period.
We constructed the following hypotheses:
1- The financial Statements information has ability to predict stock return.
2- Using Accounting models for selected industries, industries, increase the predictive ability of financial statements information.
3- Using models based upon sign of variables increase the predictive ability of financial statements information.
Conclusion:
The concluding results of this study, confirms the predictive ability of accounting information. Variables such as rate of return on assets (ROA), rate of return on investments (ROI), growth of sales to total assets ratio (GSTTA), growth of net income to sales ratio (GNITS) and financial expenses to sales (FEXTS), have had the most influence among 9 regressed models, in prediction of stock return.
The performance of models in short run was better than long run. Using models for special selected industries (drug and chemical; mineral and cement) improved the predictive ability of our selected variables. But the models based on sign of variables did not increase the predictive ability of the models.
)