پژوهش های حسابداری مالی و حسابرسی

هدف از این مقاله بررسی اثرات کیفیت گزارشگری مالی بر سیاست تقسیم سود شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. به همین منظور، با استفاده از مدل فرانسیس و همکاران(2005)، از بخش اختیاری و ذاتی(غیراختیاری) کیفیت اقلام تعهدی به عنوان کیفیت گزارشگری مالی استفاده شده است. جامعه آماری این پژوهش را 64 شرکت پذیرفته شده در بورس اوراق بهادار تهران تشکیل می دهد. از تحلیل آماری رگرسیون خطی چند متغیره برای آزمون فرضیه های پژوهش استفاده شده است. نتایج آزمون آماری فرضیه های پژوهش نشان می دهد که بین بخش اختیاری کیفیت اقلام تعهدی با پرداخت سود سهام رابطه مستقیم معناداری وجود دارد اما بین بخش غیراختیاری کیفیت اقلام تعهدی با پرداخت سود سهام رابطه معناداری وجود ندارد. همچنین، نتایج پژوهش در خصوص متغیرهای کنترلی نشان دهنده آن است که بین نسبت کیوتوبین و نسبت هزینه های عملیاتی به فروش، با پرداخت سود سهام رابطه معکوس معناداری وجود دارد؛ اما بین سایر متغیرهای کنترلی(اندازه شرکت و بازده حقوق صاحبان سهام) با پرداخت سود سهام رابطه معناداری وجود ندارد

امروزه پیشرفت سریع فن آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیش بینی بحران مالی توسط تکنیک های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصبی) است. بر اساس اطلاعات و آمارهای در دسترس شرکت های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره 1389-1376، از بین شرکت های مشمول ماده 141 قانون تجارت، 72 شرکت و از بین بقیه شرکت ها نیز 72 شرکت انتخاب شد. نتایج آزمون مک نمار برای تکنیک های الگوریتم ژنتیک غیرخطی و شبکه عصبی نشان می دهد که تفاوت معنی داری بین نتایج الگوریتم ژنتیک خطی و غیرخطی با شبکه عصبی وجود ندارد. اگر چه دقت پیش بینی الگوریتم ژنتیک غیرخطی(90 درصد) و الگوریتم ژنتیک خطی(80 درصد) بیشتر از شبکه عصبی(70 درصد) است ولی این تفاوت از لحاظ آماری معنی دار نیست.

وجود اطلاعات مالی صحیح و معتبر باعث اتخاذ تصمیم های مفید اقتصادی می گردد. پژوهش حاضر در صدد است تا به بررسی رابطه تورم و معیارهای ارزیابی بودجه بندی سرمایه ای در شرکت های پذیرفته شده در بورس اوراق بهادار تهران بپردازد.جامعه آماری کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. روش نمونه گیری در این تحقیق نمونه گیری تصادفی ساده است.در این پژوهش 30 شرکت نمونه انتخاب گردید.این تحقیق از جنبه هدف کاربردی، از جنبه استنتاج توصیفی و از جنبه طرح تحقیق پس رویدادی می باشد. ابزار جمع آوری اطلاعات شامل اطلاعات کتابخانه ای و اطلاعات موجود درگزارشات بیانیه های ثبت افزایش سرمایه شرکت های پذیرفته شده بورسی می باشد. آزمون کلموگروف – اسمیرنف برای بررسی نرمال بودن توزیع داده ها استفاده شده است و در مواردی که توزیع داده ها نرمال نبوده است از آزمون ناپارامتری ویلکاکسون نیز برای مقایسه روش ها انجام شده است و در مورد تغییرات نسبی و با توجه به نرمال بودن توزیع داده ها از آزمونt یک نمونه ای مقدار میانگین آن با مقدار صفر آزمون شده است. نتایج و یافته هاتحقیق نشان داد در کشورهای با اقتصاد تورمی که معیارهای مربوط به بودجه بندی سرمایه ای در تصمیم های سرمایه گذاری که از منابع اطلاعات بهای تمام شده تاریخی استفاده می شود اطلاعات مربوطی را برای تصمیم گیری فراهم نمی نماید و اساسا می بایستی در اندازگیری شاخص های ارزیابی بودجه بندی سرمایه ای عامل تورم در محاسبات جریان های نقدی طرح های سرمایه گذاری لحاظ نمود.

تحقیق حاضر به بررسی عوامل تعیین کننده نسبت پرداخت سود سهام همچنین مقایسه قدرت پیش بینی شبکه های عصبی و مدل رگرسیون حداقل مربعات به منظور برآورد نسبت پرداخت سود سهام می پردازد. هدف این تحقیق شناسایی و تبیین عوامل تعیین کننده نسبت پرداخت سود سهام، ارزیابی درجه اهمیت این عوامل و ارائه یک مدل توصیفی از عوامل تعیین کننده نسبت پرداخت سود سهام می باشد. از میان تئوری ها و نظریه های متفاوتی که از سوی محققین حوزه مالی در خصوص سود تقسیمی ارائه شده است در این تحقیق نظریه های علامت دهی، نمایندگی و سود سهام باقیمانده مورد بررسی قرار گرفته است. برای بررسی این نظریه ها ابتدا متغیرهای جایگزین تعیین و سپس اطلاعات لازم برای 133 شرکت گردآوری گردید. برای تجزیه و تحلیل اطلاعات نیز از روش های آماری مبتنی بر ضریب همبستگی، رگرسیون چندگانه و شبکه های عصبی مصنوعی استفاده شده است. نتایج تحقیق حاکی از آن است که میان نسبت پرداخت سود سهام و متغیرهای نسبت پرداخت سود سهام سال قبل، پراکندگی مالکیت و جریان نقد آزاد رابطه معنادار و مثبتی وجود دارد. مقایسه بین مدل های رگرسیون و شبکه عصبی نشان دهنده پیش بینی دقیق تر نسبت پرداخت سود سهام با استفاده از مدل شبکه عصبی می باشد. همچنین در ساختار 1-13-7 شبکه عصبی مدلی که دارای نرخ یادگیری 15/0 و اندازه حرکت 9/0 است نشان می دهد که رشد درآمد، نسبت پرداخت سود سهام سال قبل و پراکندگی مالکیت مهمترین عوامل تعیین کننده نسبت پرداخت سود سهام می باشند.

هدف از انجام این پژوهش بررسی ارتباط بین بالاترین قیمت سهام در ۵۲ هفته ی گذشته و بازده آن در سطوح مختلف شاخص بازار سهام می باشد. همچنین در این پژوهش ارتباط بین روند های کوتا مدت تر، شامل دوره های ۶۰ روزه، ۲۰ روزه و ۵ روزه نیز با بازده سهام در سطوح مختلف شاخص بازار سهام مورد آزمون قرارگرفته است. برای انتخاب نمونه آماری با استفاده از روش حذف سیستماتیک، نمونه ای شامل ۲۲ شرکت پذیرفته شده در بورس اوراق بهادار تهران در طی دوره زمانی ۹ ساله(۱۳۸۸ ۱۳۸۰) انتخاب و بررسی گردید. به منظور تجزیه و تحلیل داده ها و آزمون فرضیه های پژوهش از روش رگرسیون با داده های ترکیبی استفاده گردیده است. نتایج حاصل از آزمون فرضیه ها نشان می دهد زمانی که شاخص بازار سهام از میانگین شاخص بازار سهام در ۵۲ هفته ی گذشته بیشتر است یک ارتباط قوی و مثبت بین بالاترین قیمت سهام در ۵۲ هفته ی گذشته و بازده آن وجود دارد. با وجود ارتباط مثبت بین بالاترین قیمت سهام در ۵۲ هفته ی گذشته و بازده آن، از این نسبت می توان برای پیش بینی بازده آتی سالانه سهام استفاده کرد.

یکی از مهمترین ابزارهای تعیین نقاط قوت و ضعف عملکرد، شناسایی فرصت ها و تهدیدهای بیرونی شرکت ها و رتبه بندی شرکت ها است. با توجه به ابنکه بورس اوراق بهادار تهران بر اساس معیارهای کیفی از جمله به موقع بودن اطلاعات، کیفیت افشا و اطلاع رسانی مناسب اقدام به رتبه بندی می نماید، لذا مقاله حاضر با ترکیب روش AHPو نظریه فازی، شرایط عدم اطمینان را بگونه ای منطقی و کاربردی مدل سازی می نماید. از آنجایی که درجه اهمیت نسبت های مالی برای گروه های مختلف متفاوت است، از اینرو با استفاده از پرسشنامه توزیع شده بین گروه های مختلف تأثیرگذار در تصمیم های سرمایه گذاران، شامل اساتید دانشگاهی، حسابرسان مستقل و مشاوران سرمایه گذاری، وزن شاخص ها محاسبه و در نهایت با استفاده از روش TOPSIS بانک های پذیرفته شده در بورس اوراق بهادار تهران در سال 1389 رتبه بندی گردید. نتیجه تحقیق نشان داد که رتبه بندی مذکور با رتبه بندی بورس اوراق بهادار تهران با توجه به استفاده از روش های متفاوت رتبه بندی، یکسان نمی باشد

بررسی، سنجش و اندازه گیری اعتبار مشتریان در مؤسسات اعتباری، امروزه یکی از مهمترین تصمیم های مالی بشمار می آید. نحوه تصمیم گیری در خصوص اعطای تسهیلات به مشتریان از این جهت دارای اهمیت می باشد که عدم ارزیابی دقیق مشتریان می تواند منجر به مطالبات سررسید گذشته و معوق با کاهش توان تسهیلات دهی بانک ها و در نهایت سوخت شدن مطالبات بانک ها گردد. این پژوهش با هدف مدل سازی اعتبارسنجی مشتریان در بانک به روش های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان انجام می شود. بدین منظور اطلاعات و داده های مالی و کیفی یک نمونه تصادفی 300 تایی(218 مشتری خوش حساب و 82 مشتری بدحساب) از شرکت های حقوقی را که در سال های 89 و 90 از بانک ملی ایران شعب شهر تهران تسهیلات اعتباری دریافت نموده اند، مورد بررسی قرار می گیرد. در این تحقیق پس از بررسی پرونده های اعتباری هریک از مشتریان، 31 متغیر توضیح دهنده مورد ارزیابی قرار گرفت و نتایج ضمن دلالت بر تأیید نظریه های اقتصادی و مالی نشان می دهد که تکنیک های داده کاوی جهت اعتبارسنجی مشتریان از کارآیی بالایی برخوردار می باشد و همچنین عملکرد پیش بینی الگوی شبکه عصبی به مراتب بهتر از سایر الگوها است.   Nowaday's, one of the most important financial decision's in financial institution's is investigation, assessment and measuring customer's validity. Decision making for granting facilitie's to customer's is vital from this perspective that imprecise assessment of customer's could Past due and delayed claim's and attenuated financial granting facilities power of banks and finally resulted the unpaid claim's of the bank's. This study has been conducted with the aim of modeling customer's validity in bank by using neural network, decision tree and support vector machine method's. For this purpose, financial and qualitative data for a random sample with 300 member's(218 good customer's and 82 bad customer's) have been selected from legal firm's that were received credit facilitie's from Iranian meli bank's of Tehran city member's in 1389 and 1390 year's, will be survey. In this study, after investigating each of customer's credit dossier's, 31 descriptive variable's were assessed and result's addition to verifying financial and economic theorie's, show that data mining method's have high efficiency for Validation of customer's. Also, performance of neural network model for prediction is much better than other model's.    

تحقیق حاضر به مقایسه دو مدل Reward Beta  و مدل سه عامله CAPM جهت پیش بینی بازده مورد انتظار در بورس اوراق بهادار تهران پرداخته است. آزمون مدل ها در دو مرحله انجام گرفت: 1- تعیین پارامتر های مدل ها به صورت آینده نگر(1/1/1379- 29/12/1382) بر اساس رگرسیون سری زمانی و 2- استفاده از پارامترهای تعیین شده در مرحله قبل به عنوان متغییر های توضیحی در رگرسیون مقطعی به صورت گذشته نگر(1/1/1383-29/12/1386). در این تحقیق 112 شرکت پذیرفته شده در بورس اوراق بهادار تهران با استفاده از روش نمونه گیری قضاوتی انتخاب شده وجهت تجزیه و تحلیل داده ها از ضریب تعیین R 2، سطح معنی داری آماره t و F  و برای ارزیابی مدل های تخمینی از آزمون خطای تصریح رگرسیونی، آزمون نرمالیتی باقیمانده ها و آزمون دوربین واتسون(DW)  استفاده شده است. یافته های تحقیق حکایت از آن دارد که مدل Reward Beta بر مدل CAPM در پیش بینی بازده سهام برتری دارد.   Abstract This article tests and compares two models CAPM and the Reward Beta Model for the prediction of the expected return in the Tehran Stock Exchange(TSE): based on the two-step test methodology 1) estimation  of the models’ parameters through time series regressions in an ex-ante sample;  2) use of the parameters as explanatory variables in a cross section regression and ex-post sample; By using Microfit4 and Excel, some relevant statistical and econometrics methods such as t-statistics, F statistics, adjusted coefficient of determination(Adj. R 2 ), Durbin–Watson, Jarque-Bera, Functional Form, were employed for testing the research hypotheses. The results, based on a sample of 112 firms during the period 1998 to 2008, show that reward beta has a higher explanatory power in comparison with CAPM