بهمن طالبی

بهمن طالبی

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۶ مورد از کل ۶ مورد.
۱.

رابطه مدیریت سود با عملکرد بازار شرکت های توزیع کننده سود سهمی(مقاله علمی وزارت علوم)

کلید واژه ها: عملکرد بازار مدیریت سود اقلام تعهدی اختیاری مدل تعدیل شده جونز سود سهمی

حوزه های تخصصی:
تعداد بازدید : ۹۶۳ تعداد دانلود : ۴۸۸
هدف این تحقیق بررسی ارتباط بین مدیریت سود و عملکرد بازار شرکت های توزیع کننده سود سهمی در بورس اوراق بهادار تهران می باشد. برای آزمون مدیرت سود از مدل تعهدی تعدیل شده جونز استفاده شده است. دوره زمانی مورد مطالعه سال های 1384 تا 1389 و نمونه انتخابی شامل 87 شرکت است. در این پژوهش سه فرضیه برای بررسی موضوع تحقیق طراحی و برای آزمون آن ها، روش آماری داده های ترکیبی بکار گرفته شد. نتایج نشان می دهد شرکت هایی که سود سهمی توزیع می کنند اقلام تعهدی بیشتری را در سال انتشار در مقایسه با سال های قبل از انتشار، گزارش می کنند. همچنین در شرکت هایی که سود سهمی توزیع می کنند تغییرات در سود های آتی ارتباط منفی با اقلام تعهدی دارد. به علاوه بازده بازار سهام آنها نیز با اقلام تعهدی ارتباط منفی دارد.
۲.

ارتباط اخلاق حرفه ای با مسئولیت پذیری اجتماعی و عملکرد سازمانی با نقش میانجی گری عملکرد محیطی در اداره کل اموراقتصادی و دارایی آذربایجان شرقی

کلید واژه ها: اخلاق حرفه ای مسئولیت پذیری اجتماعی عملکرد سازمانی و عملکرد محیطی

حوزه های تخصصی:
تعداد بازدید : ۷۱۸ تعداد دانلود : ۴۰۷
اخلاق حرفه ای، تاثیر چشم گیری بر روی فعالیت ها، عملکرد فردی و گروهی و نتایج سازمان دارد. هدف اصلی پژوهش حاضر، بررسی ارتباط اخلاق حرفه ای با مسئولیت پذیری اجتماعی و عملکرد سازمانی با نقش میانجی گری عملکرد محیطی در اداره کل اموراقتصادی و دارایی آذربایجان شرقی است. جامعه ی آماری این پژوهش کارکنان اداره کل اموراقتصادی و دارایی آذربایجان شرقی می باشد و از این جامعه ی آماری،80 نفر به عنوان نمونه به طور تصادفی مورد مطالعه قرار گرفتند. برای گردآوری اطلاعات از پرسشنامه و برای بررسی روابط بین متغیرهای پژوهش از تکنیک مدل یابی معادلات ساختاری و نرم افزار PLS استفاده شد. یافته های پژوهش نشان می دهد که بین اخلاق حرفه ای با مسئولیت پذیری اجتماعی و عملکرد سازمان رابطه ی معنادار و مثبتی وجود دارد ولی با نقش میانجی گری عملکرد محیطی، بین اخلاق حرفه ای با مسئولیت پذیری اجتماعی و عملکرد سازمانی رابطه مستقیم و مثبت مشاهده نگردید.
۳.

رابطه محدودیت های مالی و سرمایه گذاری: با تاکید بر الگوی جریان نقدی چرخه عمر

کلید واژه ها: چرخه عمر محدودیت مالی سرمایه گذاری

حوزه های تخصصی:
تعداد بازدید : ۳۶۳ تعداد دانلود : ۲۹۳
در این پژوهش به بررسی تأثیر محدودیت های مالی بر سرمایه گذاری در شرکت های پذیرفته شده در بورس اوراق بهادار تهران با تأکید بر چرخه عمر شرکت پرداخته شد. جهت تعیین محدودیت مالی، از معیار بومی شده KZ استفاده شد .برای انجام این پژوهش تعداد 164 شرکت پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی 1394 الی 1386 مورد بررسی قرار گرفت. برای آزمون فرضیه های پژوهش از تحلیل رگرسیونی تلفیقی، ترکیبی در نرم افزار ایویوز 6 استفاده شده است. یافته های پژوهش نشان می دهد که محدودیت مالی بر سرمایه گذاری و فرصت های سرمایه گذاری، تأثیر منفی و معنی دار دارد. و چرخه عمر شرکت در مرحله بلوغ بر رابطه بین محدودیت مالی و سرمایه گذاری، تأثیر معکوس دارد. این در حالی است که چرخه عمر شرکت در مرحله رشد، بلوغ و رکود بر رابطه بین محدودیت مالی و فرصت های سرمایه گذاری، تأثیر معکوس دارد.
۴.

The Evaluation of the Capability of the Regression & Neural Network Models in Predicting Future Cash Flows(مقاله علمی وزارت علوم)

کلید واژه ها: Future Cash Flows Neural Network Model Accruals

حوزه های تخصصی:
تعداد بازدید : ۳۳۲ تعداد دانلود : ۲۱۵
Cash flow and profit are two important indicators for measuring the performance of a business unit. The future prediction was always a necessity in everyday life, and one of the subjects in which “The Prediction” has a great importance is economical and financial problems. The purpose of the present study is to predict future cash flows using regression and neural network models. Sub – separated variables of the accruals and operational cash flows were used to investigate this prediction. For this purpose, data of 137 accepted stock exchange companies in Tehran during 2009 to 2017 has been studied. In this study, Eviews9 software for regression model and Matlab13 software for Multi-Layer Artificial Neural Networks (MANN) with Error back propagation algorithm were used to test the hypotheses.The findings of the research show that both regression and neural network models within proposed variables in the present study have the capability of predicting future cash flows. Also, results of neural network models' processes show that a structure with 16 hidden neurons is the best model to predict future cash flows and this proposal neural network model compared with regression model in predicting future cash flows has a better and accurate function. Furthermore, in this study, it was noticed that accruals of assets compared with debt accrual and variables of operating cash flows with accrual components were more predictive for future cash flows.
۵.

شواهدی نوین از پیش بینی جریان های نقدی آتی با استفاده از طبقه بندی جدیدی از اجزاء اقلام تعهدی و جریان های نقدی عملیاتی(مقاله علمی وزارت علوم)

تعداد بازدید : ۱۶۷ تعداد دانلود : ۱۲۸
هدف پژوهش حاضر بررسی ارتباط بین اجزائ اقلام تعهدی و جریان های نقدی عملیاتی با جریان های نقدی آتی شرکت های پذیرفته شده در بورس اوراق بهادار تهران است و بدنبال پاسخ گویی به این سوال می باشد که آیا طبقه بندی اقلام تعهدی به اجزای (سرمایه در گردش، سرمایه گذاری و تامین مالی ) و اجزای جریان های نقدی عملیاتی، توانایی آنها را در توضیح دهی جریان های نقدی آتی بهبود می بخشد؟ برای این منظور داده های137 شرکت بورسی طی 1396- 1388 مورد بررسی قرار گرفت. شواهد تجربی نشان می دهد که اجزائ سرمایه در گردش اقلام تعهدی (دارایی ها و بدهی های جاری عملیاتی) و جزء دارایی های اقلام تعهدی سرمایه گذاری و تامین مالی نقش مهمی را در توضیح دهی جریان های نقدی آتی در مقابل جزء بدهی های اقلام تعهدی سرمایه گذاری وتامین مالی دارند. همچنین نکته قابل توجه در این پژوهش این بود که اقلام تعهدی دارایی ها نسبت به اقلام تعهدی بدهی ها، و اجزای جریان های نقدی عملیاتی نسبت به اجزای اقلام تعهدی، قابلیت پیش بینی جریان های نقدی آتی بیشتری را دارند.
۶.

Modelling Optimal Predicting Future Cash Flows Using New Data Mining Methods (A Combination of Artificial Intelligence Algorithms)(مقاله علمی وزارت علوم)

کلید واژه ها: Future Cash Flows Neural Network Model Genetic Algorithm Particle swarm Algorithm

حوزه های تخصصی:
تعداد بازدید : ۱۳۲ تعداد دانلود : ۱۰۷
The purpose of this study was to present an optimal model Predicting Future Cash Flows optimized neural network with genetic (ANN+GA) and particle swarm algorithms (ANN+PSO). In this study, due to the nonlinear relationship among accounting information, we have tried to predict future cash flows by combining artificial intelligence algorithms. Variables of accruals components and operating cash flows were employed to investigate this prediction; therefore, the data of 137 companies listed in Tehran Stock Exchange during (2009-2017) were analysed. The results of this study showed that both neural network models optimized by genetic and particle swarm algorithms with all variables presented in this study (with 15 predictor variables) are able to provide an optimal model Predicting Future Cash Flows. The results of fitting models also showed that neural network optimized with particle swarm algorithm (ANN+PSO) has lower error coefficient (better efficiency and higher prediction accuracy) than neural network optimized with ge-netic algorithms (ANN+GA).

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان