مرضیه یوسفی نژاد

رفتار هزینه نقش مهمی در رشد فروش و سودآوری شرکت دارد و تأثیر آن در امر تصمیم گیری استفاده کنندگان و تعیین ارزش شرکت ها باعث شده است محققان مجدداً به بررسی رفتار نامتقارن هزینه توجه کنند. پژوهش حاضر با هدف بررسی نقش تعدیلی حاکمیت شرکتی بر رابطه بین ریسک مالی و چسبندگی بهای تمام شده کالای فروش رفته انجام شده است. داده های این مطالعه از گزارشات سالانه حسابرسی شده 128 شرکت تولیدی پذیرفته شده در بورس اوراق بهادار تهران در سال های 1391 تا ۱۴۰۰ با کل مشاهدات 1280 سال - شرکت جمع آوری شدند و برای ارائه مدل از رویکرد مدل معادلات ساختاری استفاده شده است. یافته ها نشان دادند بهای تمام شده کالای فروش رفته در نمونه بررسی شده دارای رفتار چسبنده است و ریسک مالی و حاکمیت شرکتی رابطه مثبت و معناداری با چسبندگی بهای تمام شده کالای فروش رفته دارند و همچنین، حاکمیت شرکتی تعدیل کننده رابطه بین ریسک مالی و چسبندگی بهای تمام شده کالای فروش رفته است. نتایج مطالعه می توانند برای مدیران به منظور درک رفتار هزینه برای برنامه ریزی، کنترل و کاهش هزینه ها و همچنین برای تحلیلگران مالی و سرمایه گذاران به منظور ارزیابی عملکرد شرکت ها و درنهایت گرفتن تصمیمات مربوط به سرمایه گذاری مفید باشند.  

سهامداران جهت گرفتن تصمیم های سرمایه گذاری مناسب، نیازمند اطلاعاتی هستند که آنها را در گرفتن بهترین تصمیم یاری رساند. در میان اطلاعات موجود، اطلاعات مربوط به سود پیش بینی شده هر سهم از نظر استفاده کنندگان با اهمیت تلقی می شود. از طرفی شرکت ها برای جذب سرمایه گذاران سعی می کنند سود هر سهم را با بیشترین دقت پیش بینی کنند. بنابراین، مقاله حاضر به دنبال ارائه مدلی جهت بهبود پیش بینی سود هر سهم شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از رویکرد های نوین هوش مصنوعی است. برای این منظور ابتدا عوامل مؤثر بر سود هر سهم سال آتی از پژوهش های داخلی و خارجی استخراج شد، سپس با استفاده از اطلاعات مالی شرکت های نمونه در بازه زمانی سال های 1384 تا 1391 و به کارگیری روش ماشین بردار پشتیبان و شبکه های عصبی مصنوعی، مدلی هایی جهت پیش بینی سود هر سهم طراحی گردید. مدل ماشین بردار پشتیبان توانست سود هر سهم سال آتی شرکت های نمونه را با میزان خطای مطلوب 5 درصد پیش بینی کند. این مدل سود هر سهم سال جاری را با ضریب تأثیر 25 درصد به عنوان مؤثرترین متغیر برای پیش بینی سود هر سهم آتی معرفی می کند. همچنین نتایج نشان می دهد که مدل ماشین بردار پشتیبان در مقایسه با مدل شبکه های عصبی مصنوعی عملکرد مشابهی دارد.