علی آشتاب

نقدشوندگی مفهومی است که به روشنی قابل تعریف نبوده و تاکنون بیش از 90 معیار مختلف در سراسر جهان برای نقدشوندگی بکار رفته است. پژوهش حاضر با هدف ارایه مدلی بومی برای نقدشوندگی روزانه سهام بر مبنای عوامل موثر بر نقدشوندگی، شکل گرفته است. مقادیر 7 عامل غیرسیستماتیک که قابلیت ارزیابی روزانه داشتند، براساس داده های 151 شرکت فعال در بازه زمانی 1388 لغایت 1400 استخراج و در قالب دو خوشه افراز شد. با استفاده از معادلات ساختاری با رویکرد حداقل مربعات جزیی، اعتبار متغیرهای شناسایی شده با معیار استخراجی ارزیابی و توان آنها در توضیح دهندگی تغییرات آن محاسبه شد. ارزیابی ارتباط متغیرها در مدل های یادگیری ماشینی نشان داد که قیمت پایانی، ارزش روزانه معاملات، بازده روزانه، واریانس بازده های روزانه و اندازه شرکت بیشترین تاثیر را در خوشه بندی دارند. سرانجام بهترین مدل یادگیری ماشینی، براساس آموزش و آزمون انتخاب شد. نتایج نشان می دهد متغیرهای مستقل، بیش از 83 درصد از تغییرات نقدشوندگی را توضیح می دهند. همچنین مدل رگرسیون لجستیک در مقایسه با سایر مدل های یادگیری ماشینی، توان پیش بینی بالاتری داشته و با 6/99 درصد صحت برازش، مناسب ترین مدل پیش بینی نقدشوندگی است.

هدف این پژوهش، مقایسه کارایی مدل های یادگیری ماشین (32 مدل) و مدل های آماری (14 مدل)، در پیش بینی ریسک مالی 145 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی بازه زمانی 1389 تا 1398 و انتخاب بهترین مدل با استفاده از تکنیک های بهینه سازی پیشرفته می باشد. یافته های پژوهش با استفاده از آزمون مقایسه دقت ضرایب پیش بینی، بیانگر آن است که با اطمینان 99 درصد، دقت پیشبینی مدلهای یادگیری ماشین، بیشتر از مدلهای آماری است. همچنین بهترین مدل یادگیری ماشین پس از بهینه سازی، مدل ماشین بردار پشتیبان تکاملی با دقت پیش بینی 99.86درصد و مقدار سطح زیر منحنی برابر0.998بوده است. علاوه بر این، نسبت های مالی تعهدی با دقت پیش بینی99.45درصد و نسبت های مالی فعالیت با دقت پیش بینی 98.62درصد توانستند در مقایسه با سایر نسبت های مالی در استفاده از ماشین بردار پشتیبان تکاملی به منظور پیش بینی ریسک مالی عملکرد بهتری داشته باشند. از سوی دیگر ریسک مالی پیش بینی شده بر اساس صنایع مختلف، متفاوت بوده است. بنابراین مشخص شد که مدل های یادگیری ماشین به دلیل عدم برخورداری از محدودیت هایی که مدل های آماری با آن مواجهه هستند می توانند به عنوان ابزاری مهم، در پیش بینی ریسک مالی شرکت ها به کار روند.

از مولفه های مهم و تاثیرگذار بر عدم کارایی بازار بورس در ایران، تاخیر واکنش قیمت سهام می باشد در این پژوهش نقش معیارهای تاثیرگذار بر تاخیر واکنش قیمت سهام با استفاده از مدلسازی معادلات ساختاری pls نسخه 3 مورد بررسی قرار می گیرد. این پژوهش از نظر روش همبستگی-پیمایشی و از نظر هدف کاربردی محسوب می شود ابتدا نمونه 42 نفره از خبرگان انتخاب و از طریق مصاحبه با آنان مدل اولیه (گراندد تئوری) و ابزار گردآوری داده ها طراحی گردید. با توجه به نظر خبرگان و مبانی نظری، پرسشنامه محقق ساخته در اختیار 200 نفر جامعه آماری تحقیق قرار گرفت و نهایتا 112 پرسشنامه دریافت شد. متغیرهای تاثیرگذار در 8 گروه اصلی که شامل: عوامل کلان، عوامل روانشناختی، نارسایی های بازار، ویژگی خاص شرکت،کیفیت اطلاعات حسابداری، ویژگی حاکمیت شرکتی، ویژگی بازار و سهام و منابع خبری منتشر شده طبقه بندی و معیارهای تاثیرگذار شناسایی شدند. نتایج تحقیق نشان داد که به جزء متغیر ویژگی خاص شرکت، سایر متغیرها رابطه معنادار و تاثیرگذاری بر تاخیر واکنش قیمت سهام دارند.یافته های پژوهش مؤید آن است که با توجه به اهمیت واکنش تأخیری قیمت سهام در کارایی بازار، لازم است که به این مسئله و عوامل مؤثر بر آن توجه بیشتری شود.

هدف: پژوهش حاضر با شناسایی عوامل مؤثر بر نقدشوندگی، مدلی برای پیش بینی وضعیت نقدشوندگی سهام، در بازار اوراق بهادار تهران ارائه کرده است. روش: 23 عامل مشخص شده در مطالعات کتابخانه ای، بر اساس داده های 154 شرکت فعال در فاصله زمانی 1388 تا 1398 استخراج و در قالب دو خوشه افراز شد. با استفاده از معادلات ساختاری با رویکرد حداقل مربعات جزئی، اعتبار متغیرهای شناسایی شده با معیار حاصل از خوشه بندی ارزیابی شد. یافته ها: ارزیابی ارتباط متغیرها در مدل های یادگیری ماشینی نشان داد که جریان نقدی غیرعادی، هزینه اختیاری غیرعادی، خطای تخمین اقلام تعهدی، تفاوت بین سرمایه در گردش تحقق یافته و موردانتظار، سهام شناور آزاد، دوره تصدی حسابرس، حق الزحمه حسابرسی، سهم بازار حسابرس، محافظه کاری و تغییر حسابرس، در خوشه بندی بیشترین تأثیر را دارند. سرانجام بهترین مدل یادگیری ماشینی، بر اساس آموزش و آزمون انتخاب شد. نتیجه گیری: نتایج نشان می دهد که متغیرهای مستقل، بیش از 72 درصد از تغییرات نقدشوندگی را توضیح می دهند. همچنین مدل شبکه های عصبی در مقایسه با سایر مدل های یادگیری ماشینی، توان پیش بینی بیشتری دارد و با 32/99 درصد صحت برازش، مناسب ترین مدل پیش بینی نقدشوندگی است.

بازار سرمایه از منابع عمده تأمین مالی شرکت ها و دولت ها است و در تمام کشورهای دنیا به عنوان محلی مناسب برای سرمایه گذاری شناخته می شود. یکی از مواردی که برای سرمایه گذاران در بورس اوراق بهادار جذاب می باشد، اطلاع از عوامل موثر بر نقدشوندگی سهام است. پژوهش حاضر در پی بررسی تأثیر اندازه شرکت بر نقدشوندگی سهام با توجه به چرخه عمر در شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. روش نمونه گیری، حذف سیستماتیک و نمونه آماری پژوهش، 115 شرکت از شرکت های پذیرفته شده در بورس اوراق بهادار طی سال های 1387 تا 1397 است. به منظور بررسی مسئله پژوهش، آزمون فرضیه ها به کمک رگرسیون چندگانه و الگوی داده های ترکیبی انجام شد. نتایج نشان داد با افزایش اندازه شرکت ها، نقدشوندگی سهام آن ها افزایش پیدا می کند. همچنین، اندازه شرکت موجب افزایش نقدشوندگی سهام در دو دوره بلوغ و افول گردید.

هدف : هدف پژوهش، شناسایی عوامل مؤثر بر ریسک مالی شرکت ها با در نظر گرفتن تأثیر نوسان های این عوامل و گزینش متغیرهای منتخب است. روش : در این پژوهش از اطلاعات 145 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1389 تا 1398 استفاده شده است؛ همچنین برای تحلیل یافته ها از رویکرد مدل سازی معادلات ساختاری و از 31 متغیر شامل نسبت های مالی، عوامل اندازه، رشد شرکت و استراتژی های رقابتی با هم و به طور هم زمان بهره گرفته شده است. نتایج : نتایج نشان داد 6/58 درصد از ریسک مالی را نوسان های متغیرهای پژوهش توضیح داده اند؛ همچنین با استفاده از مقادیر بارهای عاملی و آزمون ضرایب بتا مشخص شد که نسبت های مالی تعهدی مانند حاشیه سود خالص، حاشیه سود عملیاتی، دوره گردش دارایی، نسبت سود انباشته به دارایی، نسبت جاری، نسبت نقدی و نسبت هزینه بهره به فروش خالص و نسبت های مالی نقدی مانند نسبت جریان نقد عملیاتی به مجموع دارایی و نسبت جریان نقد عملیاتی به بدهی های بلندمدت اهمیت خاصی دارند؛ علاوه بر این نتایج آزمون تی نشان داد تأثیر نسبت های مالی، عوامل اندازه، رشد شرکت و استراتژی های رقابتی بر ریسک مالی معنی دار است.

این پژوهش با هدف تدوین الگویی برای شناسایی عوامل موثر بر قیمت گذاری کمتر از واقع سهام در عرضه اولیه های عمومی شرکت ها در بورس اوراق بهادار تهران در طی سال های 1382 تا 1396 به منصه ظهور رسیده است. برای دستیابی به این هدف، مطالعات تجربی مرتبط با موضوع مرور شده و متغیرهای توضیحی مناسب انتخاب گردیدند. سپس، تعداد ۸۴ شرکت بورسی و ۵۴ شرکت فرابورسی به روش حذف سیستماتیک به عنوان نمونه آماری انتخاب شد و از روش حداقل مربعات جزئی در سه قسمت برازش مدل اندازه گیری، برازش مدل ساختاری و برازش کلی مدل برای آزمون فرضیه ها استفاده شد. یافته های پژوهش نشان داد متغیرهای عدم تقارن اطلاعاتی، حاکمیت شرکتی، محافظه کاری، کیفیت حسابرسی، نسبت های مالی، تداوم فعالیت، عدم اطمینان محیطی و بیش اعتمادی مدیران دارای تأثیر معنی داری بر قیمت گذاری کمتر از واقع در زمان عرضه اولیه عمومی دارد. اما، گرایش احساسی سرمایه گذار و متغیرهای کلان اقتصادی بر پدیده قیمت گذاری کمتر از واقع تأثیر معنی داری ندارند.

پیش بینی صحیح گزارشگری مالی متقلبانه نه تنها موجب کاهش هزینه ها و زیان های اقتصادی و اجتماعی شده، بلکه باعث پیشگیری و کنترل تقلب هم می شود. استقرار سامانه کنترل های داخلی برای کشف تقلب و اصلاح اشتباهات در گزارشات مالی واقعیتی انکارناپذیر است و همچنین طبق بیانیه سازمان بورس و اوراق بهادار تهران طراحی یک سیستم کنترل داخلی موثر برای پیشبرد اهداف شرکت دارای اهمیت می باشد. از این رو هدف این پژوهش، ارائه مدل توسعه یافته ی پنج ضلعی تقلب در گزارشگری مالی با تاکید بر ساختار کنترل های داخلی است. بدین منظور، برای انجام پژوهش، شش فرضیه طراحی شد که رابطه فشار، فرصت، توجیه، قابلیت، تکبر و ساختار کنترل های داخلی با تقلب را در صورتهای مالی 166 شرکت بورسی انتخاب شده به روش حذف سیستماتیک در دوره زمانی سالهای 1388 تا 1398مورد بررسی قرار گیرد. یافته های پژوهش نشان می دهد که متغیرهای فشار، فرصت، توجیه، قابلیت و ساختار کنترل های داخلی دارای تاثیر معناداری بر تقلب گزارشگری مالی متقلبانه هستند. از سوی دیگر متغیر تکبر تاثیر معنادار در گزارشگری مالی متقلبانه ندارد.

وجود تقلب و تداوم آن در صورتهای مالی،آثارگسترده ای بر سلامت مالی شرکت ها و توسعه پایدار  بازار سرمایه  دارد. روش های متداول حسابرسی در پیشگیری و کشف صورت های مالی متقلبانه، نتوانستهاندباتقلب هایحسابدارینوظهور به دلیل فقداندانشموردنیازداده کاوی،پیچیدگی تقلب های جدید و عدم تجربهکافیحسابرسان کناربیایند. در این پژوهش، انواع مدل های آماری و یادگیریماشین در دست یابی به الگویی با کارایی بالا در پیش بینی گزارشگری مالی متقلبانهاستفاده شد. از 20 متغیر در قالب الگوی پنج ضلعی تقلب با تاکید بر ساختار کنترل های داخلی در 166 شرکت هایفعال در بورس اوراق بهادار تهران طی سالهای 1388 الی 1397 و مقایسه بین مدل های مورد بررسی،باکمکآزم ونمقایس ه نسبت ها،نشان می دهدکهبه لحاظ آماریمدل هاییادگیریماش یندرپیش بینیگزارشگری مالی متقلبانه نس بتب ه مدل هایآماری،کارایی و دقتبیشتری دارند. ترکیب الگوریتم درخت تصمیم گیری CHAID، C5 و C&R بالاترین دقت در پیش بینی گزارشگری مالی متقلبانه را با دقت بالای 61/92 درصد در پیش بینی تقلب نشان می دهد. روش های داده کاوی بر پایه مدل های یادگیری ماشین و بویژه ترکیب آنها بطور موفقیت آمیزی  در پیش بینی و کشف تقلب در صورت های مالی می تواند مورد استفاده قرار گیرد. The existence and persistence of fraud in financial statements can have adverse impact on the sustainable development of the capital markets as well as the financial health of companies. Using conventional audit procedures which is applied to prevent and detect fraudulent financial statements, auditors fail to cope with emerging accounting frauds. This can be due to many reasons, such as the lack of the required data mining knowledge, the complexity and infrequency of financial frauds, and the auditors without much experience. Accordingly, due to importance of identifying fraud in capital market, different types of statistical and machine learning based models were examined to establish a rigorous and effective model to detect financial statements fraud in this study. For this purpose, 20 variables in the form of the pentagonal fraud with emphasis on the structure of internal controls (pressure, opportunity, justification, capability, arrogance and internal control structure) were used from 166 manufacturing companies listed on Tehran stock exchange over the period 2009-2018. Based on the statistical indices obtained, machine learning based models exhibited higher predictive ability and accuracy than statistical based models in predicting financial statement fraud. The results also showed that C5, CHAID and C&R decision tree models were highly accurate in prediction of fraudulent datapresented in fnancial statement. Accordingly, the efficacy of combination of CHAID, C5 and C&R decision tree algorithms which had the highest accuracy in prediction of fraudulent financial reporting was examined. The high accuracy of 92.61% of the combination of these algorithms in fraud prediction shows that data mining methods based on machine learning models and especially their combination can be used successfully in fnancial statement fraud prediction.

شناخت در مورد دستکاری اطلاعات حسابداری برای کلیه ذی نفعانی که تصمیم های خود را بر مبنای گزارش های سالیانه شرکت ها اتخاذ می کنند، مفید است. از این رو مقایسه ابزارهای مدیریت سود در شرکت های بحران زده و شرکت های سالم هدف این تحقیق قرار گرفته است. بدین منظور با بررسی 312 شرکت بورسی و فرابورسی طی سال های 1385 تا 1394 مشخص شد که هر دو گروه به مدیریت سود می پردازند و با استفاده از آزمون مقایسه میانگین مشخص شد که میزان مدیریت سود در شرکت های بحران زده مالی بیشتر از شرکت های سالم است و شرکت های بحران زده تمایل دارند در سال های قبل از وقوع بحران مالی به میزان بیشتری از ابزارهای مدیریت سود واقعی نسبت به اقلام تعهدی استفاده نمایند. همچنین مشخص شد که با نزدیک تر شدن به وقوع بحران مالی، میزان مدیریت سود در شرکت های بحران زده افزایش معنی داری پیدا نمی کند و با استفاده از آزمون گرنجر مشخص شد که ابزارهای مدیریت سود به صورت متقابل بر همدیگر تأثیر می گذارند.

هدف: هدف اصلی این مقاله بررسی رابطه بین بحران مالی پیش بینی شده و رویکردهای مدیریت سود است. روش: با استفاده از مدل درختی C 5 به پیش بینی بحران مالی 312 شرکت بورسی و فرابورسی طی سال های 1385 تا 1394 پرداخته شد؛ سپس با استفاده از مدل رگرسیون چند متغیره خطی (رویکرد معادلات ساختاری) رابطه بحران مالی پیش بینی شده و ابزارهای مدیریت سود مورد بررسی قرار گرفت. یافته ها: بحران مالی پیش بینی شده با شاخص اول مدیریت سود فعالیت های واقعی، رابطه معکوس و معنادار و با شاخص دوم مدیریت سود فعالیت های واقعی و شاخص مدیریت سود اقلام تعهدی رابطه مستقیم و معنا دار دارد. نتیجه گیری: شرکت های بحران زده مالی در مقایسه با سایر شرکت های با افزایش جریان های نقدی عملیاتی، کاهش بهای تمام شده تولید و افزایش اقلام تعهدی، به مدیریت بیشتر سود می پردازند. در نهایت مشخص شد که ابزارهای مدیریت سود تحت تأثیر نوع صنعت است و بحران مالی پیش بینی شده و ابزارهای مدیریت سود به صورت علت و معلول بر یکدیگر تأثیر می گذارند.    

هدف اصلی این پژوهش بررسی دقت مدل های پیش بینی بحران مالی و رویکردهای مدیریت سود است. بدین منظور پس از مقایسه مدل های پیش بینی بحران مالی و انتخاب مدل برتر، به تجزیه و تحلیل ارتباط آن با ابزارهای مدیریت سود پرداخته شد. برای پیش بینی بحران مالی، مدل های یادگیری ماشین و مدل های آماری 312 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1385 تا 1394 با یکدیگر مقایسه شدند و به کمک آزمون مقایسه میانگین، مشخص شد که از نظر پیش بینی بحران مالی، مدل های یادگیری ماشین نسبت به مدل های آماری دقت بیشتری دارند. سپس رابطه بهترین مدل پیش بینی بحران مالی به دست آمده از مرحله قبل و ابزارهای مدیریت سود با استفاده از رگرسیون چندگانه خطی بررسی شد و مشخص گردید که بحران مالی پیش بینی شده با مدیریت سود جریان های نقدی عملیاتی، رابطه معکوس و معنادار دارد و با مدیریت سود هزینه های تولیدی و مدیریت سود اقلام تعهدی، رابطه مستقیم و معناداری برقرار می کند.

با گسترش روز افزون شرکت های سهامی و پدیدار شدن بحران های مالی شدید در ابعاد خرد و کلان اقتصادی، مالکان و ذینفعان مختلف بنگاه ها به دنبال ایجاد پوشش و سپری برای مصون کردن خود در مقابل این گونه مخاطرات بوده اند و این موضوع آن ها را به استفاده از مدل های مناسب پیش بینی کننده برای ارزیابی توان مالی شرکت ها حساس و آگاه نموده است. در این پژوهش نسبت های نقدینگی استخراج شده از صورت جریان وجوه نقد و نسبت های مالی مبتنی بر ترازنامه و سود و زیان حاصل از سایر صورت های مالی به منظور پیش بینی درماندگی مالی شرکت ها مورد بررسی قرار گرفته است. بدین منظور با استفاده از مدل رگرسیون لوجیت و مدل تحلیل ممیزی تعداد 27 شرکت ورشکسته و 27 شرکت غیر ورشکسته مشابه، طی سال های 1380 تا 1386 مورد آزمون قرار گرفته است. نتایج ارزیابی حاکی از کارایی بیشتر نسبت های مالی مبتنی بر ترازنامه و سود و زیان در مقایسه با نسبت های مالی مبتنی بر صورت جریان نقدی است.

اطلاعات تاریخی اندک مربوط به سهام شرکت های جدیدالورود به بورس به دلیل عدم سابقه معاملاتی، سرمایه گذاران را با ریسک بیشتری برای خرید سهام این شرکت ها روبرو می کند. عدم تقارن اطلاعاتی میان مدیران و سرمایه گذاران بالقوه در این شرکت ها بالاست و سهام آن ها بر اساس اطلاعات ارایه شده از طرف مدیریت قیمت یابی می شود. شواهد تجربی نشان می دهد، سرمایه گذاران به اطلاعاتی نظیر پیش بینی سود هر سهم اتکا کرده و در قیمت گذاری سهام از آن استفاده می کنند. این پیش بینی ها بیانگر انتظارات مدیریت از عملکرد آتی شرکت است. بنابراین دقت این پیش بینی ها که مبنای تصمیم گیری آنهاست برای سرمایه گذاران حائز اهمیت بوده و خطای پیش بینی سود عامل مهمی در عملکرد بازار ثانویه است. در این پژوهش رابطه ی بین خطای پیش بینی سود و بازده غیرعادی سهام شرکت های جدیدالورود به بورس اوراق بهادار تهران بر اساس داده های 104 شرکت طی دوره 1378تا1384 بررسی شده است. اهمیت انتخاب این دوره از نظر گسترش چشمگیر بازار بورس طی آن سال ها و نیز تعداد زیاد شرکت هایی است که برای اولین بار سهام خود را در بورس اوراق بهادار عرضه نموده اند. نتایج پژوهش با استفاده از تحلیل رگرسیون خطی چند متغیره نشان می دهد، بین خطای پیش بینی سود و بازده غیرعادی سهام شرکت های جدیدالورود رابطه مثبت معناداری وجود دارد.