ملیحه فرجامی

شناسایی موجودیت نامدار از زیرشاخه های پردازش زبان طبیعی و پدیده ای کاملا نوظهور در پژوهش های مالی و حسابداری است. این تکنیک مبتنی بر هوش مصنوعی، با استخراج خودکار اطلاعات کلیدی همچون نام اشخاص، سازمان ها و مکان ها از متون مالی، امکان تحلیل جامع تری از وضعیت شرکت را فراهم می کند. هدف این پژوهش، بررسی علم سنجی تولیدات علمی مرتبط با کاربرد شناسایی موجودیت نامدار در حوزه مالی و حسابداری، جهت آشنایی بیشتر پژوهشگران این حوزه است. در این پژوهش، ابتدا ضمن برشمردن اهمیت بخش متنی گزارش های مالی شرکت ها، روش شناسایی موجودیت نامدار معرفی شده و کارکرد آن در تحلیل محتوای متنی گزارش هاتشریح می شود. سپس از پایگاه علمی اسکوپوس روند پژوهشی، پر استنادترین مقالات و مرتبط ترین مقالات مالی و حسابداری موضوع پژوهش شناسایی می شود. در ادامه با استفاده از خروجی های اسکوپوس و با کمک نرم افزار vosviewer ، شبکه همکاری نویسندگان و کشورها و اصلی ترین و به روزترین کلیدواژه ها شناسایی می شوند. نتایج نشان می دهد که طی سال های اخیر، با وجود چالش های فراوان، توجه به شناسایی موجودیت نامدار در این حوزه به طور فزاینده ای افزایش یافته است و بیشترین تولیدات علمی مربوط به کشور چین و تمرکز مطالعات بر استخراج اطلاعات و شناسایی روابط است.

پژوهش حاضر به بررسی تأثیر همزمانی قیمت سهام و نوسان های بازده سهام بر نقدشوندگی سهام می پردازد. بازه زمانی پژوهش از سال 1385 تا سال 1392 است. جامعه آماری پژوهش کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران بوده که نهایتاً 95 شرکت واجد شرایط در این مطالعه انتخاب شدند. جهت سنجش نقدشوندگی سهام از معیار عدم نقدشوندگی آمیهود استفاده شده است. همچنین همزمانی قیمت سهام با استفاده از معیار ضریب تعیین مدل بازار محاسبه شده و نوسان های بازده سهام به تفکیک نوسان سیستماتیک و غیرسیستماتیک به ترتیب از طریق جذر واریانس سیستماتیک و غیرسیستماتیک سهام محاسبه شده است. نتایج پژوهش حاکی از تأثیر مثبت همزمانی قیمت سهام و نوسان سیستماتیک بازده سهام بر نقدشوندگی سهام می باشد در حالی که نوسان غیر سیستماتیک بازده سهام دارای تأثیر منفی بر نقدشوندگی سهام است.