پیشبینی شوک منفی قیمت سهام با تأکید بر نسبتهای مالی
تاریخ دریافت: 26/04/1401 تاریخ پذیرش: 27/06/1401 ابراهیم فدایی
محمدجواد زارع بهنمیری
چکیده
براساس تحقیقات بازار سرمایه، شوک منفی قیمت سهام در هر بازار تابع عوامل محیطی و ویژگی‌های خاص شرکتی بوده و هر بینشی درمورد چگونگی تشریح و پیشبینی شوک، میتواند بر تصمیمات سرمایهگذاران و فعالان حاضر در بورس اثرگذار باشد. در این پژوهش بر اساس دادههای مرتبط با 140 شرکتها اقدام به پیشبینی شوک قیمتی سهام با تأکید بر نسبتهای مالی شده است. به‌منظور انتخاب متغیرهای بهینه از مجموعه 96 متغیر، از دو الگوریتم تکاملی بهینهسازی ازدحام ذرات و الگوریتم ژنتیک استفاده‌شده است. پس از به‌کارگیری الگوریتمهای ذکرشده درنهایت 8 متغیر تأثیرگذار بر شوکهای دائم و موقت استخراج گردید که در مدل رگرسیونی باقیمانده مستحکم در تحقیق تأثیر آنها بر متغیر پیشبینی شونده شوک بررسی گردید. نتایج حاصل از RSME مدلهای بررسی‌شده بهترتیب برای شوک دائم (الگوریتم ژنتیک)، شوک دائم (الگوریتم تکاملی بهینهسازی ازدحام ذرات)، شوک موقت (الگوریتم ژنتیک) و شوک موقت (الگوریتم تکاملی بهینهسازی ازدحام ذرات)، 5.8433، 5.6284، 7.537 و 7.295 میباشد. همانطور که مشاهده میشود RSME در شوک دائم براساس الگوریتم ژنتیک، بیشتر از RSME مدل شوک دائم براساس الگوریتم تکاملی بهینهسازی ازدحام ذرات میباشد. همچنین در مدل شوک موقت براساس الگوریتم ژنتیک RSME مدل، بیشتر از RSME مدل شوک موقت براساس الگوریتم تکاملی بهینهسازی ازدحام ذرات میباشد. بنابراین میتوان بیان نمود که رگرسیون برآورد شده بر اساس متغیرهای انتخابی از الگوریتم تکاملی بهینهسازی ازدحام ذرات دارای RSME پایین‌تر بوده و قدرت پیش‌بینی‌کنندگی بهتری نسبت به متغیرهای انتخابی از الگوریتم ژنتیک دارد.
واژه‌های کلیدی: شوک منفی قیمت سهام، رگرسیون، الگوریتم ژنتیک، الگوریتم بهینهسازی ازدحام ذرات.
1- مقدمه
بورس اوراق بهادار به معنای یک بازار متشکل و رسمی سرمایه است که در آن خرید و فروش سهام شرکتها و قرضه دولتی یا مؤسسات معتبر خصوصی، تحت ضوابط و قوانینی و مقررات خاصی انجام میشود. مشخصه همه بورس اوراق بهادار، از سویی مرکز جمع‌آوری پس‌اندازها و نقدینگی بخش خصوصی به منظورتأمین مالی پروژه‌های سرمایهگذاری بلندمدت است و از سوی دیگر مرجع رسمی و مطمئن ایست که دارندگان پس‌اندازهای راکد می‌توانند محل نسبتاً مناسب و ایمن سرمایهگذاری را جستجو کرده و وجوه مازاد خود را برای سرمایهگذاری در شرکتها بکار انداخته و یا با خرید اوراق قرضه دولتی و شرکتهای معتبر، از سود معین و تضمین شده‌ای برخوردار شود (خدابخش، 1383). از سوی دیگر کامیابی و پرهیزگار(1395) ادعا میکنند که قیمت سهام وابستگی کمتری به حرکت بازاردارد، چون مقدار بیشتری از اطلاعات خاص شرکتی وجود دارد که فعالان بازار به آن اطمینان میکنند. با توجه به تغییر قیمت سهام و ارزشگذاری مناسب بر آن سازمان بورس اوراق بهادار تأسیس گردید که بر حسب عرضه و تقاضا، روزانه سهام شرکتهای پذیرفته شده قیمت‌گذاری و معامله میشود. اهمیت بورس اوراق بهادار در آنجا است که سرمایه‌های کوچک به سمت حرکت‌هایی بزرگ متمایل میشوند و پول در بخش خصوصی در جهتی که منافع ملی و شخصی را تأمین میکند هدایت میشود. شاخص هر بورس همچون دماسنج نشاندهنده وضعیت بازارسرمایه و وضعیت اقتصادی یک کشور است. کاهش قیمت سهام عموماً به معنای رکود اقتصادی و افزایش آن به مفهوم رونق اقتصادی است. اولین بار شاخص قیمت سهام در سال 1884 در آمریکا مورد استفاده قرارگرفت. این شاخص در صنعت راه‌آهن از میانگین ساده بازده شرکت بدست می‌آمد. در مجموع شاخص قیمت سهام درتمامی بازارهای مالی دنیا، به مثابه یکی از مهمترین معیارهای سنجش عملکرد بورس اوراق بهادار، از اهمیت و توجه زیادی برخوردارند. شاید مهمترین دلیل این توجه روزافزون این امر باشد، که شاخصهای مذبور از تجمیع حرکت‌های قیمتی سهام تمامی شرکتهای طبقه خاصی از شرکتهای موجود در بازار بدست میآید. در نتیجه بررسی جهت و اندازه حرکت‌های قیمتی را در بازار سهام امکانپذیر می‌سازند. در واقع گسترش نظریه‌ها و نوآوری‌های مالی در یکی دو دهه‌های اخیر بر پایه نقش محوری توجه به حرکت عمومی بازار، با گرایش روزافزون به محاسبه و بررسی روند حرکتی چنین شاخص‌هایی همراه بوده است. همچنین امروزه بازار سرمایه در کشورهای جهان با چالش‌های متعددی مواجه است که یکی از این چالش‌ها بحث شوک قیمتی است که بر عوامل متعددی تأثیرگذار است و از عوامل زیادی هم ناشی میشود. در بورسهای معتبر دنیا شاخصهای متنوعی برای بررسی و تجزیه‌وتحلیل عملکرد این بورسها موردمحاسبه قرار میگیرند. اولین شاخص استفاده‌شده در بورس اوراق بهادار، شاخص قیمتی سهام میباشد که خود این شاخص از روشهای متفاوتی به دست میآید. اگر یک کشور یک شوک مطلوب قیمت سهام را تجربه کنـد، بودجـه بیشـتر بـه کشـور اختصـاص داده میشود و به‌احتمال‌زیاد نرخ تبادل ارز دنباله‌رو خواهد بود (الماسـی و همکاران، 2012). علاوه بر این، ممکن است افزایش قیمت سهام از طریق اثرات ثـروت بـر مصـرف و اثـرات ترازنامه، فعالیت‌های واقعی را تحت تأثیر قرار دهد. هر دو امر موجب بالا رفتن تقاضا بـرای واردات و نوسـان نامطلوب حساب‌جاری میشوند. البته، هیچ تفسیر ساختاری واضح و روشن از شوکهای قیمت سهام وجود ندارد. بر اساس این فرض که قیمت‌های سهام آینده‌نگر هسـتند و درنتیجه منعکس‌کننده انتظارات مردم‌اند، این تحقیق و بخش بزرگی از مطالعات، شوکهای قیمت را به‌عنوان تغییـر جهـت در انتظـارات تفسیر میکنند. برای مثال مردم انتظار دارند در آینده، تولید یا خروجی سهم کشور در جهـان افـزایش یابـد (انگل و راجرز، 2006). متناوباً میتوان به شوکهای قیمتی، به‌عنوان حبابهای منطقی نگریست (کرای و ونتورا، 2007).
پیشبینی شوک قیمتی یکی از راه‌هایی است که با استفاده از آن میتوان از فرصتهای سرمایهگذاری به‌صورت مناسب بهرهبرداری و از هدر رفتن منابع جلوگیری نمود. دوم اینکه سرمایهگذار میتواند فرصتهای مطلوب سرمایهگذاری را از فرصتهای نامطلوب تشخیص دهد. در اینجاست که مدلهای پیشبینی اهمیت خود را نشان میدهند. این مدلها مانند زنگ خطری است که مشکلات نهفته سازمان را آشکار میکنند و امکان عکس‌العمل به‌موقع را برای مدیران و سرمایهگذاران فراهم می‌آورند (پیتز و گوبتا، 2016).
پایه و اساس بسیاری از تصمیم‌گیری‌های اقتصادی استفاده‌کنندگان را میتوان اطلاعات مالی و حسابداری دانست. برای اینکه این اطلاعات جهت تصمیم‌گیری‌ها مفید باشد لازم است که دارای خصوصیات کیفی مربوط بودن و قابل‌اتکا بودن باشد. اطلاعاتی مربوط تلقی می‌گردد که بر تصمیمات اقتصادی استفاده‌کنندگان در ارزیابی رویدادهای گذشته حال آینده و تائید و با تصحیح ارزیابی‌های گذشته آنها مؤثر واقع شود. پس اطلاعات مربوط یا دارای ارزش پیش‌بینی‌کنندگی و یا حائز ارزش تائیدکنندگی است (بیانیه مفاهیم نظری گزارشگری مالی ایران). بر این اساس اطلاعات مالی و حسابداری بایستی سرمایهگذاران را جهت پیشبینی رویدادهای آتی یاری دهد. از میان اطلاعات مالی مختلف، نسبتهای مالی از برجستگی خاصی برخوردار است و به دلیل اهمیت فوق‌العاده‌ای که در جهت افزایش ثروت سهامداران دارد محققان و دانشمندان مالی همواره به دنبال متغیرهای بودهاند که بتوانند از طریق آنها نسبتهای مالی را محاسبه کنند؛ بنابراین این تحقیق به دنبال پیشبینی شوک منفی قیمتی سهام با کمک نسبتهای مالی میباشد.
پژوهش حاضر، اولین پژوهشی است که در ایران به پیشبینی شوک قیمتی سهام با تأکید بر نسبتهای مالی میپردازد.
در ادامه، قسمت دوم مقدمهای در مورد توضیح و تبیین متغیرهای پژوهش فراهم کرده و فرضیه‌های پژوهش را تدوین میکند. قسمت سوم، نمونهگیری، تدوین مدل و متغیرهای کنترلی را شامل میشود. قسمت چهارم، یافته‌های مربوط به آمار توصیفی و آمار استنباطی را ارائه میکند. قسمت پنجم شامل بحث و نتیجهگیری است.
2- مبانی نظری و پیشینه پژوهش
شوکهای بازده سهام، یکی از موضوعهای بحث‌برانگیز مالی است که در سالهای اخیر موردتوجه پژوهشگران بازار سرمایه در بازارهای نوظهور قرارگرفته است. دلیل این گرایش، به ارتباط بین نوسانپذیری قیمت و بهتبع آن بازده سهام شرکتها و تأثیر آن بر عملکرد مالی شرکتها و همچنین کل اقتصاد برمیگردد. به اعتقاد یورک(2004) بازارهای کارا از نوسانپذیری و رویدادهای غیرمنتظره تنفر دارند. زمانی که نوسانپذیری وجود داشته باشد، بازارها به علامت بالا بودن ریسک، واکنش نشان میدهند. صرف‌نظر از علت نوسانپذیری مدیران دو راه برای برخورد با آن دارند؛ یکی، مقابله با علل ریشهای و استفاده از کنترل مدیریتی برای کاهش یا حذف آن میباشد که با این کار ریسک واقعی کاهش مییابد و موجب کاهش هزینه سرمایه میشود. راه‌حل دیگر، پنهان نمودن نوسانپذیری با استفاده از روشهای مختلف حسابداری میباشد. حاصل این رویکرد، صرفاً ثبات ظاهری است و ریسک عملیاتی واقعی تغییر نمییابد. درواقع، این رویه موجب افزایش ریسک کل میشود، زیرا بازار سرمایه، اطلاعات موردنیاز خود را از صورتهای مالی به دست نمیآورد. مطالعه و بررسی عوامل مؤثر بر نوسانپذیری بازده سهام میتواند در اتخاذ بسیاری از تصمیم‌های بازار سرمایه مفید و راهگشا بوده، نتیجه آن برای فعالان بورس اعم از نهادهای مالی، مدیران شرکتها، ناظران سیستم‌های اقتصادی و سرمایهگذاران عادی قابل‌استفاده باشد (کاسار، 2010). مسئله شوک منفی قیمت سهام، به علت اقدامات مدیریتی نظیر تعویق در انتشار اخبار بد و تسریع در انتشار اخبار خوب، فرار از مالیات، استمرار پروژه‌های باارزش فعلی منفی و عدم شفافیت اطلاعات مالی صورت می‌پذیرد. موضوع قابل‌توجه در این بین آن است که بر اساس تحقیقات حسابداری همواره مدیران واحدهای تجاری به دلایل مالی ازجمله نگرانی در مورد شغل و پاداش و دلایل غیرمالی همچون انگیزه حکمرانی و نگهداری عزت‌نفس، انگیزههایی برای نگهداری اطلاعات منفی از بازار دارند (تنانی و همکاران، 1393). پیشبینی این نوسانات و شوک‌ها با کمک مدلهای آماری به شفافیت و کارایی بورس کمک نموده و تصمیمات سرمایهگذاران را بهبود می‌بخشد و درنهایت به اقتصاد کشورمان توسعه می‌بخشد. علاوه بر آن پایه و اساس بسیاری از تصمیم‌گیری‌های سهامداران را میتوان بر مبنای نسبتهای مالی دانست. به جهت انکه نسبتهای مالی جهت تصمیم‌گیری‌ها مفید باشد لازم است که دادههای مورداستفاده‌شان مربوط و قابل‌اتکا باشند. اطلاعاتی مربوط تلقی می‌گردد که بر تصمیمات اقتصادی استفاده‌کنندگان در ارزیابی رویدادهای گذشته حال آینده و تائید و با تصحیح ارزیابی‌های گذشته آنها مؤثر واقع شود. بر این اساس اطلاعات حسابداری باید به‌درستی در فرمولهای نسبتهای مالی جاگذاری گردد و بایستی سرمایهگذاران را جهت پیشبینی رویدادهای آتی یاری دهد. همچنین از میان روشهای تحلیل مختلف در بورس، نسبتهای مالی از برجستگی خاصی برخوردار است و به دلیل اهمیت فوق‌العاده‌ای که در جهت تحلیل برای پیشبینی نوسانات قیمت سهام دارد تئوریسین‌ها، محققان و دانشمندان مالی همواره به دنبال متغیرهایی بودهاند که بتوانند از طریق آنها شوک را در دوره‌های آتی پیشبینی کنند (ﻫﺮﻣﺎن و ﻓﺮاﺗﺰﺷﺮ، 2004).
تحقیقات گسترده‌ای درزمینه تشریح شوک قیمت سهام صورت گرفته است که حاصل این تحقیقات ارائه مدلهایی است که دستخوش انتقادها و حمایت‌های مختلفی بوده است. یکی از معروف‌ترین این مدلها مدل ﻫﻮﺳـﻦ و ﺑﻮﻧﮕـﺎ ﺑﻮﻧﮕـﺎ (2005) است. نتایج تحقیقات گذشته در آمریکا، ژاپن و سایر کشورهای پیشرفته حاکی از این است که این مدل توانایی لازم برای پیشبینی شوک قیمت سهام را ندارد و باید علاوه بر بتا، متغیرهایی مانند اندازه نسبت سود به قیمت سهام، نسبت ارزش دفتری به ارزش بازار سهام، نسبت جریان نقدی به قیمت سهام و ... بازده سهام را بهتر از این مدل پیشبینی میکنند (لاوش، 2019).
ژای و همکاران (2020) به بررسی رابطه توجه سرمایهگذار و بازده سهام تحت شوکهای منفی: تحلیل تجربی مبتنی بر لیست " اژدها و ببر" در چین پرداختند. نتایج تحقیق نشان داد که: 1) افزایش توجه سرمایهگذار به‌طور منفی بازده سهام را هنگامی‌که بازده انباشته روزانه سهام فهرست شده در لیست اژدها و ببر در لیست روز منفی است، پیشبینی میکند. 2) زمانی که سهام واردشده در لیست تجربه بازده منفی در ماه جاری را تجربه میکنند، توجه سرمایهگذار به‌طور منفی با بازده سهام ارتباط دارد. 3) زمانی که مبلغ خرید خالص انباشته‌شده در سهام لیست شده در فهرست اژدها و ببر منفی است، توجه سرمایهگذار با بازده سهام همبستگی منفی دارد. دین تنه و همکاران (2020) به بررسی اثرات نامتقارن شوکهای پولی پیش‌بینی‌نشده بر قیمت سهام پرداختند. شواهد نشان داد که تکامل قیمت سهام در فرآیندهای مختلف سیاست پولی وابسته به دولت است. به نظر می‌رسد شوکهای پولی پیش‌بینی‌نشده دارای تأثیرات نامتقارن قابل‌توجهی روی قیمت سهام است: 1) تأثیر مثبت شوکهای منفی پیش‌بینی‌نشده در بازارهای پررونق. 2) اثر منفی شوکهای پیش‌بینی‌نشده مثبت در بازارهای کم رونق. یافته‌ها حاکی از آن است که نشانگرهای سیاست پولی باید برای آینده سیاست‌های عرضه پول به این شرایط توجه کنند تا از میزان عدم اطمینان در مورد عرضه پول در تنظیم قیمت سهام کاسته شود. تانگ سنگ و کیان چونگ (2019) در تحقیق خود نشان دادند که نسبتهای اهرمی و نسبتهای نقدینگی قادر به پیشبینی مقدار شوک دائمی قیمت سهام میباشد. بریدی و پرمتی (2018) پژوهشی با عنوان "سرمایهگذاران چگونه قیمت‌های سهام را بعد از شوکهای بزرگ قیمت مشخص میکنند؟" انجام دادند. نتایج نشان داد که سرمایهگذاران بر نقاط مرجع و سیگنالهای اطلاعات خصوصیشان تکیه میکنند. همچنین نتایج نشان داد زمانی که بازده غیرعادی سهام قبل از شوک در جهت مخالف است، بازدههای آتی به سمت شوک سوق داده میشوند. بینون و همکاران (2018) نیز در کار مطالعاتی خود با استفاده از متغیرهای حسابداری در شرکتهای انگلستان و با به‌کارگیری تکنیک داده‌کاوی به پیشبینی شوک قیمتی سهام پرداختند که نتایج ارائه‌شده صحت تأثیر متغیرهای حسابداری در پیشبینی شوک قیمتی سهام را نشان می‌داد. سئو و چانگ (2017) در پژوهشی به بررسی رابطه ساختار سرمایه و واکنش شرکت به سهام منفی پرداختند. نتایج نشان داد که مشوق‌های مدیریتی و سیاست‌های مالی تاریخی شرکتها (به‌عنوان‌مثال، دارایی‌های نقدی بالا یا تقریباً اهرم صفر) نقش مهمی در تعیین چگونگی واکنش شرکتها به شوکهای قیمت سهام نسبت به تمایل مدیران به حفظ اهرم بهینه ایفا میکنند. ردن و لولن (2017) در تحقیق خود با موضوع بررسی ارتباط ساختار سرمایه و شوکهای یازده منفی سهام، تصمیمات ساختار سرمایه نمونهای متشکل از 48 شرکت کشور آمریکا که طی سالهای 2000 تا 2017 از طریق خرید استقراضی تأمین مالی کرده بودند را موردبررسی قراردادند و به این نتیجه رسیدند که به دلیل وجود نوسانات منفی در بازار سهام برای اکثر سهام موجود در بازار، عملکرد مالی شرکتها تضعیف‌شده و زیانده بودهاند. پراهیش و ویدیا (2017) در تحقیقی به‌عنوان آیا در چرخه‌های تجاری شوکهای تکنولوژی خاص سرمایهگذاری برای بازده سهام مهم هستند؟ بدین نتیجه رسیدند که بین شوکهای تجاری و بازده بازار سهام به‌ویژه در زمان آزادسازی بازار مالی رابطه وجود دارد. چرخه‌های جهانی نقش غالبی بر چرخه کشور در توضیح بازده سهام دارد. نرخ بهره نقش مهمی در تعامل چرخه تجاری پویا و بازده مهم دارند که یک اثر نسبتاً ضعیف از شوکهای تکنولوژیکی سرمایهگذاری در چرخه تجاری و بازده سهام است. ولینیوکس و همکاران (2014) نشان دادند که نوسانات قیمتی سهام به‌عنوان متغیر مهمی برای تقاضای پول برکنار متغیرهای استاندارد و قیمت سهام است. با بررسی شاخصهای مختلف سهام نتایج تحقیق آنها بیانگر آن است که ریسک گریزی سرمایهگذاران نیروی مهمی است که سرمایهگذاران در زمان نوسان قیمت سهام به سمت دارایی‌های امن حرکت میکنند. گوپتا و مودیز (2013) در تحقیقی بدین نتیجه دست یافتند که نرخ تورم و نسبتهای مالی قدرت پیشبینی کننده بسیار قدرتمندی در افق‌های 6 ماهه برای شوک قیمتی سهام دارد و متغیرهای نرخ بهره در توضیح رفتار بازده سهام دارای اهمیت متفاوتی است. کوچ و ویو (2013) در تحقیقی با عنوان سرمایهگذاری خصوصی و بازده سهام آن بدین نتیجه رسیدند که نسبتهای مالی میتواند به‌خوبی بازدههای مقطعی سهام و تغییرات در قیمت سهام را پیشبینی کند و توضیح دهد. فیضالهی و لشکری زاده (1400) در تحقیقی به بررسی تاثیر کیفیت اقلام تعهدی بر نوسانات بازده سهام پرداختند. بدین منظور نمونهای متشکل از 155 شرکت پذیرفته شده در بورس اوراق بهادار تهران انتخاب گردید. در این راستا از مدلهای ناهمسان واریانس شرطیپانلی پویای نامتوازن جهت برآورد و آزمون فرضیه استفاده شده است. نتایج نشان داد کیفیت اقلام تعهدی بر ریسک بازده سهام، تأثیر منفی و معنادار دارد. بدین معنی که با افزایش کیفیت اقلام تعهدی نوسانپذیری بازده سهام افزایش مییابد. کاویانی و همکاران (1397) در تحقیق خود با عنوان تأثیر شوکهای پولی بر بازده قیمتی سهام شرکتهای فعال بورسی (رویکرد DSGE)، نشان دادند که شوک پایه پولی ابتدا بر بازده قیمتی سهام شرکتها تأثیر مثبت دارد و سپس در دوره‌های بعدی با کاهش این شوک به حالت تعادلی و پایدار خود برمیگردد. همچنین شوک سرمایهگذاری به علت عرضه بیشتر سهام شرکتها در بازار سرمایه ابتدا بازده قیمتی سهام را کاهش میدهد زیرا سهام بیشتری در بازار عرضه می‌گردد، اما در دوره‌های بعدی قیمت سهام به علت سودآوری مورد انتظار این سرمایهگذاریها افرایش یافته و متعاقباً بازده قیمتی افزایش مییابد. خجسته دریادوست و علی اکبری (1397) به بررسی ارتباط شوکهای منفی بازده سهام با ساختار سرمایه در بورس اوراق بهادار تهران پرداختند. نتایج تحقیق نشان میدهد که بین شوکهای منفی بازده سهام با کل بدهی رابطه معنادار وجود دارد و بین شوکهای منفی بازده سهام با حقوق صاحبان سهام رابطه معنادار وجود دارد. همچنین مشخص گردید که بین شوکهای منفی بازده سهام با نسبت کل بدهیها به جمع کل بدهیها و حقوق صاحبان سهام رابطه معنادار وجود دارد. افشاری و همکاران (1397) به بررسی تأثیر شوک شاخص کل قیمت سهام بر متغیرهای کلان اقتصادی با استفاده از رویکرد DSGE پرداختند. بر اساس نتایج، بررسی توابع عکس‌العمل آنی متغیرها در برابر شوک بازار سهام، نشان میدهد شوک شاخص کل قیمت سهام، اثر ناچیزی بر متغیرهای تولید و تورم داشته است که این میتواند به دلیل اندازه کوچک بازار سهام در ایران باشد. در پایان، با یافتن ضرایب بهینه برای شکاف تورم، تولید و شاخص کل قیمت سهام و زیان رفاهی بانک مرکزی تحت هریک از سناریوها، این نتیجه حاصل شد که اولاً، بانک مرکزی در توابع واکنش خود باید وزن بیشتری به تورم دهد؛ ثانیا سناریویی که در آن وزن شکاف شاخص کل قیمت سهام صفر باشد، زیان رفاهی کمتری دارد، لذا واکنش بانک مرکزی به شکاف شاخص کل قیمت سهام منجر به کاهش رفاه اجتماعی خواهد شد. رستمی و همکاران (1395) به بررسی رابطه شوکهای قیمت سهام با نوسانات حساب‌جاری پرداختند. با استفاده از رهیافت var نتایج حاصل برای متغیر نوسانات حساب‌جاری نشان داد که بیشترین تأثیرگذاری بر این متغیر را بعد از خود متغیر نوسانات حساب‌جاری، متغیرهای قیمت سهام و نسبت نوسانات حساب‌جاری به تولید ناخالص داخلی و نرخ بهره اسمی دارند. علاوه بر این کمترین توضیحدهندگی در نوسانات حساب‌جاری مربوط به متغیرهای تولید ناخالص داخلی و قیمت مصرف‌کننده میباشد. بیات و همکاران (1395) در پژوهشی نشان دادند که وضعیت شوک شاخص کل قیمت سهام سبب واکنش ملایم بانک مرکزی به انحرافات شاخص کل قیمت سهام از سطح تعادلی آن می‌گردد و منجر به کاهش نوسانات اقتصادی شده و ثبات کلی اقتصاد کلان را افزایش میدهد. دستگیر و همکاران (1394) به بررسی رابطه بین کیفیت سود (پراکندگی سود) و بازده سهام پرداختند. هدف اصلی این پژوهش بررسی و مقایسه رابطه بین پراکندگی سود و بازده سهام با استفاده از الگوی جورجینسن و همکاران (2012) میباشد. تحلیل دادههای گردآوری شده در این پژوهش با استفاده از روشهای رگرسیون و آزمون معناداری t انجام شد. سپس فرضیه های پژوهش مورد آزمون قرار گرفتند. نتایج حاصل بررسی 285 شرکت عضو نمونه نشان داد که، بین پراکندگی سود جاری و بازده سهام جاری رابطه مثبت و معناداری وجود دارد. در نتیجه فرضیه اول مبنی بر وجود رابطه معنادار بین پراکندگی سود جاری و بازده سهام جاری پذیرفته و فرضیه دوم مبنی بر وجود رابطه معنادار بین پراکندگی سود آتی و بازده سهام جاری رد میشود. حیدرپور و رفیع (1393) به بررسی تاثیر متغیرهای سود تقسیمی و فرصتهای رشد بر رابطه کیفیت گزارشگری مالی و نوسانپذیری بازده سهام پرداختند. نتایج حاصل از آزمون فرضیه‌های تحقیق با استفاده از روش دادههای پانل حاکی از این است که در شرکتهای پذیرفته شده در بازار سرمایه ایران کیفیت گزارشگری مالی رابطه معکوسی با نوسان پذیری بازده سهام شرکتها داشته و افزایش آن منجر به کاهش نوسانات بازدهی سهام شرکتها و به تبع آن کاهش ریسک شرکت‌هامی‌شود. همچنین نتایج بدست آمده گویای آن است که فرصتهای رشد اثر مستقیمی بر رابطه میان کیفیت گزارشگری مالی و نوسان پذیری بازده سهام داشته و افزایش آن رابطه میان کیفیت گزارشگری مالی بر نوسان پذیری بازده سهام شرکتها را تشدید میکند. با این وجود یافته‌های این مطالعه گویای آن است که سیاست‌های تقسیم سود شرکتها تأثیرگذاری کیفیت گزارشگری مالی بر نوسان پذیری بازده سهام شرکتها را به صورت معنی داری تحت تأثیر خود قرار نمی‌دهد. سلامی و لطفی (1382) روند قیمت سهام در بورس اوراق بهادار تهران را برای کشف رابطه‌ی غیرخطی مورد آزمون قراردادند و نتایج تحقیق آنها بیانگر روند کاملاً غیرخطی برای دادههای مالی سالهای مابین 1375 تا 1382 بوده است. راعی و چاووشی (1382) در تحقیق خود بدین نتیجه رسیدند که رفتار بازده سهام در بورس اوراق بهادار تهران قابل پیشبینی است و آنها قیمت روزانه سهام شرکت توسعه صنایع بهشهر را به‌عنوان نمونه برگزیده و تأثیر چند متغیر اقتصاد و کلان شامل شاخص کل قیمت بورس تهران و نرخ دلار را به‌عنوان پیشبینی بازده سهام به‌وسیله مدل خطی چندعاملی و شبکه عصبی مصنوعی پرداختند. نتایج حاکی از موفقیت این دو مدل و همچنین برتری مدل شبکه عصبی مصنوعی بود.
بر مبنای چنین نیازی این تحقیق با هدف توسعه نتایج تحقیقات قبلی تلاش دارد به بررسی ارتباط برخی از نسبتهای مالی با شوک قیمتی سهام بپردازد؛ زیرا از میان روشهای موجود در تجزیه‌وتحلیل و پیشبینی؛ بسیاری از اندیشمندان علم حسابداری تأکید خاصی بر نسبتهای مالی دارند و این نسبت‌ها را یکی از سودمندترین اطلاعاتی می‌دانند که میتواند در تجزیه‌وتحلیل‌ها به کار گرفته شود.
3- سوالات های پژوهش
سؤالاتی که در این پژوهش موردبررسی قرار میگیرد:
کدام‌یک از نسبتهای مالی برای پیشبینی شوک قیمتی منفی در شرکتهای پذیرفته‌شده در بورس اوراق بهادار تهران مناسب‌ترین است؟
از بین دو الگوریتم تکاملی بهینهسازی ازدحام ذرات و الگوریتم ژنتیک کدام الگوریتم، نسبتهای مالی مناسب‌تری را جهت پیشبینی شوک قیمتی منفی ارائه می‌نماید؟
4- روش پژوهش
به‌منظور انتخاب متغیرهای بهینه، از مجموع 96 نسبت مالی که در ادبیات و تحقیقات مختلف بر بازده و شوکهای قیمتی تأثیر داشتهاند (لیمینگ گان، 2015؛ گراندین، 2015؛ راویسانکار، 2011؛ فن مای لیو، 2008؛ کریستفر و همکاران، 2008؛ کاتلن و همکاران، 2004؛ چارالامبوز، 2002؛ فانینگ و کوگر، 1998؛ گرین و چوی،1997؛ هافمن،1997؛ هولمن و باتن،1997؛ زیمبلمن،1997؛ بیزلی،1996؛ بولوگنا و همکاران،1996 و غیره)، از دو الگوریتم تکاملی بهینهسازی ازدحام ذرات و الگوریتم ژنتیک استفاده‌شده است که در زیر توضیح داده میشود، سپس با استفاده از ریشه میانگین مربعات خطا (RMSE) به دست آمده از رگرسیون‌های باقیمانده مستحکم اقدام به تجزیه‌وتحلیل مدلها می‌پردازیم. در این پژوهش، برای دسته‌بندی دادهها و انجام محاسبات برروی دادهها از نرم افزار Excel، و همچنین برای انجام تحلیل‌های لازم از نرم‌افزارهای MATLAB و STATA استفاده شده است.
1-4- الگوریتم ژنتیک
یکی از پیشرفته‌ترین الگوریتم‌ها برای انتخاب ویژگی، الگوریتم ژنتیک است. الگوریتم ژنتیک یک روش تصادفی برای بهینهسازی عملکرد بر اساس مکانیک ژنتیک طبیعی و تکامل بیولوژیکی است. در طبیعت، ژن‌های موجودات زنده در طول نسل‌های متوالی تکامل می‌یابند تا با محیط سازگار شوند. الگوریتمهای ژنتیک بر روی گروهی از افراد (راه‌حل‌ها) عمل میکنند تا تقریب بهتر و بهتری تولید کنند. این الگوریتم با انتخاب افراد با توجه به سطح آمادگی آنها در حوزه مسئله، هر نسل جمعیت جدیدی ایجاد میکند. نشان داده شده است که الگوریتم ژنتیک نسبت به الگوریتمهای سنتی در حوزه انتخاب متغیر بهتر عمل میکند (راث و ساروج، 2020). الگوریتم ژنتیک که روش بهینهسازی الهام گرفته از طبیعت جاندار (موجودات زنده) است که میتوان در طبقه‌بندی‌ها، از آن به عنوان یک روش عددی، جستجوی مستقیم و تصادفی یاد کرد. این الگوریتم، الگوریتمی مبتنی بر تکرار است و اصول اولیۀ آن همانطور که پیشتر اشاره شد از علم ژنتیک اقتباس گردیده است و با تقلید از تعدادی از فرآیندهای مشاهده شده در تکامل طبیعی اختراع شده است و به طور موثّری از معرفت قدیمی موجود در یک جمعیت استفاده میکند، تا حل‌های جدید و بهبود یافته را ایجاد کند. این الگوریتم در مسائل متنوعی نظیر بهینهسازی، شناسایی و کنترل سیستم، پردازش تصویر و مسایل ترکیبی، تعیین توپولوژی و آموزش شبکه‌های عصبی مصنوعی و سیستم‌های مبتنی بر تصمیم و قاعده به کار می‌رود. عامل اصلی انتقال صفحات بیولوژیکی در موجودات زنده کروموزومها و ژن‌ها میباشد و نحوه عملکرد آنها به گونه‌ای است که در نهایت ژن‌ها و کروموزوم‌های برتر و قوی مانده و ژن‌های ضعیف‌تر از بین می‌روند. به عبارت دیگر نتیجۀ عملیات متقابل ژن‌ها و کروموزومها باقی ماندن موجودات اَصلح و برتر میباشد. همچنین مجدداً یادآور می‌شویم که این الگوریتم برای بهینهسازی، جستجو و یادگیری ماشین مورد استفاده قرار میگیرد. اساس این الگوریتم قانونِ تکاملِ داروین بقا بهترین است که می‌گوید: موجودات ضعیف‌تر از بین می‌روند و موجودات قوی‌تر باقی می‌مانند. در واقع تکامل فرآیندی است که روی رشته‌ها صورت میگیرد، نه روی موجودات زنده‌ای که معرف موجودات رشته است. در واقع، قانون انتخاب طبیعی برای بقا می‌گوید که هر چه امکان تطبیق موجود بیشتر باشد بقای موجود امکان‌پذیرتر است و احتمال تولید مثل بیشتری، برایش وجود دارد. این قانون بر اساس پیوند بین رشته‌ها و عملکرد ساختمان‌های رمزگشایی شده آنها میباشد (راث و ساروج، 2020).
2-4- الگوریتم بهینه سازی ازدحام ذرات
الگوریتم ازدحام ذرات دارای دو عملگر اصلی میباشد: عملگر به روز کننده سرعت و عملگر به روز کننده مکان. در طی هر نسل، هر ذره به سمت ذرات بهترین موقعیت قبلی و بهترین موقعیت کلی شتاب مییابد. در هر تکرار یک مقدار سرعت جدید برای هر ذره بر اساس سرعت فعلی آن، فاصله از بهترین موقعیت قبلی خود و فاصله از بهترین موقعیت کلی محاسبه میشود. سپس مقدار جدید سرعت برای محاسبه موقعیت بعدی ذره در فضای جستجو استفاده میشود. سپس این فرآیند تعداد معینی، یا تا زمانی که یک حداقل خطایی حاصل شود، تکرار می‌گردد. الگوریتم ازدحام ذرات از دسته الگوریتمهای بهینهسازی است که بر مبنای تولید تصادفی جمعیت اولیه عمل میکنند. در این الگوریتم با الگوگیری و شبیه‌سازی رفتار پرواز دسته جمعی(گروهی) پرندگان یا حرکت دسته جمعی (گروهی) ماهی‌ها بنا نهاده شده است. هر عضو در این گروه توسط بردار سرعت و بردار موقعیت در فضای جستجو تعریف می شود. در هر تکرار زمانی، موقعیت جدید ذرات با توجه به بردار سرعت و بردار موقعیت در فضای جستجو تعریف میشود. در هر تکرار زمانی، موقعیت جدید ذرات با توجه به بردار سرعت فعلی، بهترین موقعیت یافت شده توسط آن ذره و بهترین موقعیت یافت شده توسط بهترین ذره موجود در گروه، به روزرسانی میشود. این الگوریتم ابتدا برای پارامترهای پیوسته تعریف شده بود، اما با توجه به اینکه در برخی از کاربردها با پارامترهای گسسته سروکار داریم، این الگوریتم به حالت گسسته نیز بست داده شده است. الگوریتم بهینهسازی ازدحام ذرات را در حالت گسسته با (BPSO) معرفی می شود. سرعت هر ذره نیز به عنوان احتمال تغییر هر ذره به مقدار یک تعریف میشود (فدائی، 1399).
5- گردآوری دادهها
جامعه آماری در این پژوهش، شرکتهای پذیرفته‌شده در بورس اوراق بهادار تهران است. دوره زمانی پژوهش بین سالهای 1389 تا 1397 میباشد. برای انتخاب نمونه در این پژوهش از روش حذف سیستماتیک استفاده‌شده که معیارهای اعمال‌شده به شرح زیر است:
شرکتها جزو بانکها و مؤسسههای مالی (شرکتهای سرمایهگذاری، واسطهگری مالی، هلدینگ و لیزینگها) نباشند.
شرکتها باید قبل از سال 1389 در بورس پذیرفته‌شده و تا سال 1397 عضویت آنها تداوم داشته باشد.
اطلاعات مالی موردنیاز برای محاسبه متغیرهای پژوهش در مورد آن شرکتها، در طول دوره پژوهش در دسترس باشند.
با توجه به محدودیتهای یادشده، تعداد شرکتهای موجود در جامعه همگن شده به 140 شرکت رسید.
1-5- متغیرهای نهایی مستخرج برای پیش بینی شوک موقت و دائم
الگوریتم ژنتیک و الگوریتم بهینهسازی ازدحام ذرات، دارای پارامترهایی هستند که در ابتدا و شروع الگوریتم‌ها می‌بایست این پارامترها را تنظیم کرد که در جدول 1 پارامترهای مربوط به الگوریتم ژنتیک و در جدول 2 پارامترهای مربوط به الگوریتم بهینه سازی ازدحام ذرات نشان داده شده است. تعداد جمعیت اولیه، تعداد تصادفی از راه‌حل‌ها است که در ابتدا تشکیل شده است، تعداد تکرار الگوریتم شرط پایان الگوریتم ژنتیک و نرخ ادغام و جهش مربوط به عملگرهای ادغام و جهش است که بر روی جمعیت اولیه اعمال شده است. همچنین در جدول 2، مقدار c1، c2 مقادیر ضرایب شتاب (ذرات با چه شتابی به سمت هدف حرکت کنند) و وزن اینرسی میزان تأثیرگذاری سرعت تکرار قبل بر تکرار فعلی میباشد.
جدول 1- نحوه تنظیم پارامترهای الگوریتم ژنتیک
پارامترها تعداد جمعیت اولیه تعداد تکرار الگوریتم نرخ ادغام نرخ جهش
مقدار 30 50 8/0 1/0
منبع: یافته‌های پژوهشگر
جدول 2- نحوه تنظیم پارامترهای الگوریتم بهینهسازی ازدحام ذرات
پارامترها تعداد ذرات اولیه وزن C1 وزن C2 حداکثر تعداد تکرار وزن اینرسی
مقدار 50 5/1 5/1 100 1/0 تا 9/0
منبع: یافته‌های پژوهشگر
در ادامه متغیرهای به‌دست‌آمده برای شوک موقت با استفاده از الگوریتم ژنتیک و الگوریتم بهینهسازی ازدحام ذرات، در جدول 3 مشاهده میشود.
جدول 3- متغیرهای استخراجی با استفاده از الگوریتم ژنتیک و الگوریتم بهینهسازی ازدحام ذرات برای شوک موقت
الگوریتم ژنتیک الگوریتم بهینهسازی ازدحام ذرات
حساب‌های دریافتنی به دارایی حساب‌های دریافتنی به دارایی
دارایی جاری به کل دارایی دارایی جاری به کل دارایی
سود خالص به حقوق صاحبان سهام ارزش دفتری به بازار حقوق صاحبان سهام
فروش به حقوق صاحبان سهام درصد تغییرات در سود عملیاتی
درصد تغییرات در گردش موجودی هزینه بهره به هزینه‌های عملیاتی
هزینه‌های عملیاتی به کل دارایی هزینه‌های عملیاتی به کل دارایی
تغییرات نسبت موجودی به فروش تغییرات نسبت موجودی به فروش
سرمایه در گردش به فروش وجه نقد به بدهی
منبع: یافته‌های پژوهشگر
متغیرهای به‌دست‌آمده برای شوک دائم با استفاده از الگوریتم ژنتیک و الگوریتم بهینهسازی ازدحام ذرات، در جدول 4 مشاهده میشود.
جدول 4- متغیرهای استخراجی با استفاده از الگوریتم ژنتیک و الگوریتم بهینهسازی ازدحام ذرات برای شوک دائم
الگوریتم ژنتیک الگوریتم بهینهسازی ازدحام ذرات
سود خالص به دارایی سود خالص به دارایی
درصد تغییرات فروش درصد تغییرات دارایی
درصد تغییرات در گردش موجودی دارایی جاری به بدهی جاری
ارزش دفتری به بازار حقوق صاحبان سهام سود خالص به فروش
هزینه بهره به کل دارایی درصد تغییرات در سود عملیاتی
درصد تغییرات در سود عملیاتی درصد تغییرات سود ناخالص به فروش
سود قبل از مالیات به فروش ارزش دفتری به بازار حقوق صاحبان سهام
سود قبل از بهره و مالیات به بدهی جاری سود قبل از بهره و مالیات به بدهی جاری
منبع: یافته‌های پژوهشگر
به‌منظور بررسی فرضیه پژوهش، از مدل رگرسیونی رابطه 1 استفاده‌شده است.
(1)
2-5- متغیر پیشبینیشونده
در این تحقیق شوک قیمتی سهام است که تعریف عملیاتی آن بر اساس تحقیق سئو و چانگ (2017) به شرح ذیل است:
در این پژوهش بازده شاخص بورس تهران به عنوان بازده بازار استفاده شده است و شوکهای منفی به صورت مازاد بازدههای روزانه‌ای در نظر گرفته شده که بیشتر از یک واحد از انحراف معیار ماهانه سهام می‌باشند. شوک منفی بازده به وسیله مقایسه اندازه بازده سهام با نوسانات تاریخی کوتاه‌مدت شده است. انحراف معیار از رابطه 2 محاسبه میشود:
(2)
st برابر است با لگاریتم قیمت در پایان روز t و mt لگاریتم شاخص بازار در پایان روز t میباشد. n تعداد روزهای معاملاتی در طی یک ماه، بازده مازاد روزانه در پایان روز t برابر است با
(3) rt= (st-st-1)-(mt-mt-1).
زمانی که شوکهای منفی شناسایی شد، این شوک‌ها به دو گروه شوکهای زود گذر و شوکهای بلند مدت طبقه‌بندی میشود. شوک منفی اگر در زمان سی روز معاملاتی برگردد زودگذر یا موقتی و اگر در این بازه زمانی بازنگردد بلند مدت یا دائمی است. پس از شناسایی این شوک‌ها، بازده سهام در روزی که شوک شروع شد بر انحراف معیار بازده‌ها تقسیم میشود و نتایج با هم جمع میشود و به این صورت شوک موقت و دائمی یکسال به دست میآید (سئو و چانگ، 2017).
(4)
6- یافته‌های پژوهش
1-6- آماره‌های توصیفی
اولین گام در تحلیل آماری، تعیین مشخصات خلاصه‌شده دادهها و محاسبه شاخصهای توصیفی میباشد. هدف از این تحلیل، شناخت روابط درونی متغیرها و نشان دادن رفتار آزمودنیهاست تا مقدمات تحلیل آماری فراهم‌شده و خصوصیات توصیفی برای تحلیل بیشتر آشکار شود. جدول 1 نشاندهنده اندازه شاخصهای آمار توصیفی دادههای مورداستفاده در پژوهش برای شرکتهای موردمطالعه میباشد. میانگین شوک دائم 863/8 و میانگین شوک موقت 938/95 میباشد. در ارتباط با متغیرهای مستقل پژوهش، مشاهده میشود که میانگین سود خالص به دارایی 117/0 میباشد، همچنین میانگین درصد تغییرات در گردش موجودی 177/0 میباشد. همچنین با توجه به نتایج 22% از شرکتها در دوره موردبررسی رشد فروش داشتهاند.
جدول 5، آمار توصیفی مربوط به متغیرهای موردمطالعه طی دوره پژوهش را به نمایش میگذارد:
جدول 5- نتایج آمار توصیفی متغیرهای پژوهش
نام متغیر میانگین انحراف معیار حداقل حداکثر
شوک دائم 863/8 153/06 0 536/47
شوک موقت 938/95 004/43 386/0 591/223
سود خالص به دارایی 117/0 131/0 404/0- 681/0
درصد تغییرات فروش 219/0 424/0 970/0- 551/6
درصد تغییرات در گردش موجودی 117/0 208/2 987/0- 324/64
ارزش دفتری به بازار حقوق صاحبان سهام 059/0 153/0 316/0- 470/1
هزینه بهره به کل دارایی 037/0 032/0 0 170/0
درصد تغییرات در سود عملیاتی 615/0 223/5 953/17- 793/136
سود قبل از مالیات به فروش 183/0 236/0 387/1- 034/2
سود قبل از بهره و مالیات به بدهی جاری 448/0 558/0 525/0- 924/4
درصد تغییرات دارایی 198/0 337/0 872/0- 145/3
دارایی جاری به بدهی جاری 480/1 918/0 095/0 224/12
سود خالص به فروش 262/0 163/0 416/0- 978/0
درصد تغییرات سود ناخالص به فروش 436/0 496/10 086/44- 046/145
حساب‌های دریافتنی به دارایی 249/0 171/0 0 818/0
دارایی جاری به کل دارایی 657/0 190/0 065/0 985/0
سود خالص به حقوق صاحبان سهام 191/0 181/2 695/72- 673/4
فروش به حقوق صاحبان سهام 950/2 063/8 532/74- 421/78
درصد تغییرات در گردش موجودی 177/0 208/2 987/0- 324/64
هزینه‌های عملیاتی به کل دارایی 060/0 047/0 098/0- 404/0
تغییرات نسبت موجودی به فروش 177/0 208/2 987/0- 324/24
سرمایه در گردش به فروش 275/0 871/1 477/3- 855/24
هزینه بهره به هزینه‌های عملیاتی 899/0 921/1 001/0 996/9
وجه نقد به بدهی 095/0 154/0 0003/0 669/1
منبع: یافته‌های پژوهشگر
6-2- آمار استنباطی پژوهش
در این تحقیق، بر مبنای مدل رگرسیونی (وابسته : شوک، مستقل: نسبت های مالی)، اثرات سال و صنعت کنترل شده و برازش مدل از نوع مقطعی خواهد بود. لذا نیازی به انجام آزمون های تشخیصی لیمر و هاسمن جهت تفکیک اثرات مشترک، ثابت و تصادفی نیست. در این پژوهش، بعد از کنترل اثرات سال و صنعت و برازش مدل رگرسیونی به روش پانل مقاوم با استفاده از دستور Vce(cluster cod)، ناهمسانی واریانس و خودهمبستگی سریالی جملات خطای هر شرکت در بازه مورد بررسی، رفع و خروجی نهایی به شرح جدول زیر قابل ارائه است. خروجی مربوط به شوک دائم، شوک موقت، تعداد شوک دائم و تعداد شوک موقت در ادامه تشریح می گردند.
آزمون مدل اول پژوهش
جدول 6 نتایج برآورد رگرسیون در خصوص تأثیر متغیرهای استخراجی بر اساس الگوریتم ژنتیک بر شوک دائم را نشان میدهد. آماره f و احتمال آن‌که به ترتیب برابر 88/5 و 000/0 میباشد، نشاندهنده معناداری کل مدل میباشد. همچنین RMSE مدل برابر 8433/5 میباشد.
جدول 6- بررسی تأثیر متغیرهای استخراجی بر اساس الگوریتم ژنتیک بر شوک دائم
متغیر وابسته شوک دائم
ضریب انحراف معیار آماره T احتمال
عرض از مبدأ 891/5 706/0 34/8 000/0
X1: سود خالص به دارایی 283/2 895/3 59/0 559/0
X2: درصد تغییرات فروش 440/0- 422/0 04/1- 300/0
X3: درصد تغییرات در گردش موجودی 043/0- 037/0 16/1- 249/0
X4: ارزش دفتری به بازار حقوق صاحبان سهام 430/1 990/1 72/0 474/0
X5: هزینه بهره به کل دارایی 754/1 235/7 24/0 809/0
X6: درصد تغییرات در سود عملیاتی 008/0 027/0 32/0 746/0
X7: سود قبل از مالیات به فروش 986/1 607/1 24/1 219/0
X8: سود قبل از بهره و مالیات به بدهی جاری 145/0 717/0 20/0 840/0
سال-صنعت بررسی شد.
آماره بروش پاگان (معناداری) (000/0) 98/31
آماره وولدریچ (معناداری) (0060/0) 779/7
آماره F (معناداری) (000/0) 88/5
ضریب تعیین 3176/0
RMSE 8433/5
منبع: یافته‌های پژوهشگر
آزمون مدل دوم پژوهش
جدول 7 نتایج برآورد رگرسیون در خصوص تأثیر متغیرهای استخراجی بر اساس الگوریتم بهینهسازی ازدحام ذرات بر شوک دائم را نشان میدهد. آماره f و احتمال آن‌که به ترتیب برابر 77/5 و 000/0 میباشد، نشاندهنده معناداری کل مدل میباشد. همچنین RMSE مدل برابر 6284/5 میباشد. ضریب و احتمال متغیر سود خالص به دارایی به ترتیب برابر 876/18 و 038/0 میباشدکه نشاندهنده تأثیر مثبت این متغیر بر شوک دائم میباشد. همچنین ضریب و احتمال متغیر سود قبل از مالیات به کل دارایی که به ترتیب برابر 338/14- و 093/0 میباشد نشاندهنده تأثیر منفی و معنادار این متغیر بر شوک دائم میباشد.
جدول 7- بررسی تأثیر متغیرهای استخراجی بر اساس الگوریتم بهینهسازی ازدحام ذرات بر شوک دائم
متغیر وابسته شوک دائم
ضریب انحراف معیار آماره T احتمال
عرض از مبدأ 346/6 783/0 10/8 000/0
X1: سود خالص به دارایی 876/18 996/8 10/2 038/0
X2: درصد تغییرات دارایی 146/0- 413/0 35/0- 724/0
X3: دارایی جاری به بدهی جاری 216/0- 217/0 00/1- 320/0
X4: سود خالص به فروش 002/1- 267/2 44/0- 659/0
X5: درصد تغییرات در سود عملیاتی 338/14- 479/8 69/1- 093/0
X6: درصد تغییرات سود ناخالص به فروش 003/0 009/0 38/0 702/0
X7: ارزش دفتری به بازار حقوق صاحبان سهام 352/1 994/1 68/0 499/0
X8: سود قبل از بهره و مالیات به بدهی جاری 343/2 601/1 46/1 146/0
سال-صنعت بررسی شد.
آماره بروش پاگان (معناداری) (000/0) 12/35
آماره وولدریچ (معناداری) (000/0) 608/7
آماره F (معناداری) (000/0) 77/5
ضریب تعیین 3220/0
RMSE 6284/5
منبع: یافته‌های پژوهشگر
آزمون مدل سوم پژوهش
جدول 8 نتایج برآورد رگرسیون در خصوص تأثیر متغیرهای استخراجی بر اساس الگوریتم ژنتیک بر شوک موقت را نشان میدهد. آماره f و احتمال آن‌که به ترتیب برابر 98/16 و 000/0 میباشد، نشاندهنده معناداری کل مدل میباشد. همچنین RMSE مدل برابر 537/7 میباشد. ضریب و احتمال متغیر دارایی جاری به کل دارایی به ترتیب برابر 486/27- و 026/0 میباشدکه نشاندهنده تأثیر منفی این متغیر بر شوک موقت میباشد. همچنین ضریب و احتمال متغیر سود خالص به حقوق صاحبان سهام که به ترتیب برابر 036/1 و 008/0 میباشد نشاندهنده تأثیر مثبت و معنادار این متغیر بر شوک موقت میباشد؛ و به همین ترتیب ضریب و احتمال متغیر سرمایه در گردش به فروش که به ترتیب برابر 650/0 و 013/0 میباشد نشاندهنده تأثیر مثبت و معنادار این متغیر بر شوک موقت میباشد.
جدول 8- بررسی تأثیر متغیرهای استخراجی بر اساس الگوریتم ژنتیک بر شوک موقت
متغیر وابسته شوک موقت
ضریب انحراف معیار آماره T احتمال
عرض از مبدأ 505/96 934/8 80/10 000/0
X1: حساب‌های دریافتنی به دارایی 970/19 146/12 64/1 102/0
X2: دارایی جاری به کل دارایی 612/27- 329/12 24/2- 027/0
X3: سود خالص به حقوق صاحبان سهام 043/1 386/0 70/2 008/0
X4: فروش به حقوق صاحبان سهام 133/0 145/0 92/0 361/0
X5: درصد تغییرات در گردش موجودی 249/0- 245/0 02/1- 311/0
X6: هزینه‌های عملیاتی به کل دارایی 397/50- 945/33 48/1- 140/0
X7: تغییرات نسبت موجودی به فروش 555/0 318/2 24/0 811/0
X8: سرمایه در گردش به فروش 655/0 262/0 50/2 014/0
سال-صنعت بررسی شد.
آماره بروش پاگان (معناداری) (000/0) 22/26
آماره وولدریچ (معناداری) (000/0) 105/35
آماره F (معناداری) (000/0) 98/16
ضریب تعیین 4544/0
RMSE 537/7
منبع: یافته‌های پژوهشگر
آزمون مدل چهارم پژوهش
جدول 9 نتایج برآورد رگرسیون در خصوص تأثیر متغیرهای استخراجی بر اساس الگوریتم بهینهسازی ازدحام ذرات بر شوک موقت را نشان میدهد. آماره f و احتمال آن‌که به ترتیب برابر 89/14 و 000/0 میباشد، نشاندهنده معناداری کل مدل میباشد. همچنین RMSE مدل برابر 295/7 میباشد. ضریب و احتمال متغیر دارایی جاری به کل دارایی به ترتیب برابر 406/21- و 069/0 میباشد که نشاندهنده تأثیر منفی این متغیر بر شوک موقت میباشد. همچنین ضریب و احتمال متغیر ارزش دفتری به بازار حقوق صاحبان سهام که به ترتیب برابر 826/20و 092/0 میباشد نشاندهنده تأثیر مثبت و معنادار این متغیر بر شوک موقت میباشد؛ و به همین ترتیب ضریب و احتمال متغیر درصد تغییرات سود عملیاتی که به ترتیب برابر 237/0 و 007/0 میباشد نشاندهنده تأثیر مثبت و معنادار این متغیر بر شوک موقت میباشد.
جدول 9- بررسی تأثیر متغیرهای استخراجی بر اساس الگوریتم بهینهسازی ازدحام ذرات بر شوک موقت
متغیر وابسته شوک موقت
ضریب انحراف معیار آماره T احتمال
عرض از مبدأ 371/93 837/8 57/10 000/0
X1: حساب‌های دریافتنی به دارایی 601/15 907/11 31/1 192/0
X2: دارایی جاری به کل دارایی 406/21- 662/11 84/1- 069/0
X3: ارزش دفتری به بازار حقوق صاحبان سهام 826/20 279/12 70/1 092/0
X4: درصد تغییرات در سود عملیاتی 237/0 086/0 74/2 007/0
X5: هزینه بهره به هزینه‌های عملیاتی 595/0 725/0 82/0 413/0
X6: هزینه‌های عملیاتی به کل دارایی 169/46- 114/33 39/1- 165/0
X7: تغییرات نسبت موجودی به فروش 216/0- 240/0 90/0- 370/0
X8: وجه نقد به بدهی 452/6- 843/8 73/0- 467/0
سال-صنعت بررسی شد.
آماره بروش پاگان (معناداری) (000/0) 40/26
آماره وولدریچ (معناداری) (000/0) 754/35
آماره F (معناداری) (000/0) 89/14
ضریب تعیین 4560/0
RMSE 295/7
منبع: یافته‌های پژوهشگر
7- بحث و نتیجهگیری
به‌منظور انتخاب متغیرهای بهینه از مجموعه 96 متغیر، از دو الگوریتم تکاملی بهینهسازی ازدحام ذرات و الگوریتم ژنتیک استفاده‌شده است. پس از به‌کارگیری الگوریتمهای ذکرشده درنهایت 14 متغیر تأثیرگذار بر شوکهای دائم و موقت استخراج گردید که در مدل رگرسیونی باقیمانده مستحکم(vce cluster) قدرت پیش‌بینی‌کنندگی آنها بر متغیر پیشبینی شونده شوک بررسی گردید. به جهت مقایسه نتایج از مقدار RSME (Root Mean Square Error)، استفاده گردید که نشاندهنده ریشه میانگین مربع خطا است. بدین معنی که میانگین قدر مطلق از تفاضل مقادیر پیشبینی شده و مقادیر واقعی محاسبه میشود. هرچه قدر میزان RSME کمتر باشد، یعنی الگوریتم نتایج نزدیکتری به میزان واقعی داشته است و دقیق‌تر عمل کرده است. نتایج مربوط به‌احتمال آماره f نشاندهنده معناداری تمامی مدلها میباشد. همچنین RSME مدلهای بررسی‌شده بهترتیب برای شوک دائم (الگوریتم ژنتیک)، شوک دائم (الگوریتم تکاملی بهینهسازی ازدحام ذرات)، شوک موقت (الگوریتم ژنتیک) و شوک موقت (الگوریتم تکاملی بهینهسازی ازدحام ذرات)، 8433/5، 6284/5، 537/7 و 295/7 میباشد. همانطور که مشاهده میشود RSME در شوک دائم براساس الگوریتم ژنتیک، بیشتر از RSME مدل شوک دائم براساس الگوریتم تکاملی بهینهسازی ازدحام ذرات میباشد. همچنین در مدل شوک موقت براساس الگوریتم ژنتیک RSME مدل، بیشتر از RSME مدل شوک موقت براساس الگوریتم تکاملی بهینهسازی ازدحام ذرات میباشد. بنابراین میتوان بیان نمود که رگرسیون برآورد شده براساس متغیرهای انتخابی از الگوریتم تکاملی بهینهسازی ازدحام ذرات دارای RMSE پایین‌تر بوده و قدرت پیش‌بینی‌کنندگی بهتری نسبت به متغیرهای انتخابی از الگوریتم ژنتیک دارد. که بر این اساس متغیرهای حساب‌های دریافتنی به دارایی، دارایی جاری به کل دارایی، ارزش دفتری به بازار حقوق صاحبان سهام، درصد تغییرات در سود عملیاتی، هزینه بهره به هزینه‌های عملیاتی، هزینه‌های عملیاتی به کل دارایی، تغییرات نسبت موجودی به فروش، وجه نقد به بدهی جهت پیشبینی شوک موقت و نسبتهای مالی سود خالص به دارایی، درصد تغییرات دارایی، دارایی جاری به بدهی جاری، سود خالص به فروش، درصد تغییرات در سود عملیاتی، درصد تغییرات سود ناخالص به فروش، ارزش دفتری به بازار حقوق صاحبان سهام، سود قبل از بهره و مالیات به بدهی جاری جهت پیشبینی شوک دائم، که برگرفته از الگوریتم تکاملی بهینهسازی ازدحام ذرات می باشند، می‌توانند پیشبینی بهتری از شوک قیمتی (موقت و دائم) نسبت به سایر نسبتهای مالی داشته باشند.
با توجه به نتایج تحقیق پیشنهاد میشود تحلیلگران مالی برای پیشبینی شوک دائم و موقت قیمت سهام از الگوریتم ازدحام ذرات استفاده نموده و به تقویت پیشبینی جهش قیمتی در هلدینگ‌های سرمایهگذاری کمک نماید. همچنین کارشناسان سرمایهگذاری در تهیه و تنظیم گزارش کارشناسی و ارکان سرمایهگذاری در ارزیابی توانایی مالی شرکتها جهت انتخاب پرتفوی مناسب، بهتر است از الگوریتم ازدحام ذرات استفاده نمایند. با توجه به نتایج پیشنهاد میشود تحلیلگران مالی نسبتهای اثرگذار بر شوک منفی شامل حساب‌های دریافتنی به دارایی، دارایی جاری به کل دارایی، ارزش دفتری به بازار حقوق صاحبان سهام، درصد تغییرات در سود عملیاتی، هزینه بهره به هزینه‌های عملیاتی، هزینه‌های عملیاتی به کل دارایی، تغییرات نسبت موجودی به فروش، وجه نقد به بدهی، سود خالص به دارایی، درصد تغییرات دارایی، دارایی جاری به بدهی جاری، سود خالص به فروش، درصد تغییرات سود ناخالص به فروش، سود قبل از بهره و مالیات به بدهی جاری را در تحلیل‌های خود بیشتر استفاده کنند و سرمایهگذاران به این نسبت‌ها بیشتر اتکا کنند. به مدیران شرکتها پیشنهاد میشود از تحلیلگران مالی قوی آشنا با مدلهای فراابتکاری در شرکت جهت پیشبینی دقیق نبض بازار استفاده نمایند. انتظار می‌رود این رویکرد بتواند در افزایش بازدهی شرکتها و مدل‌سازی شوک قیمتی سهام در بخش اعظمی از شرکتهای بورسی اثرگذار باشد.
