معرفی و آزمون عامل چرخۀ عمر به‌‌منزلۀ عامل مؤثر در توسعۀ الگوهای چندعاملی قیمت‌گذاری با استفاده از رویکرد رگرسیون‌های پوششی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه حسابداری، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران

2 گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران

10.22108/amf.2020.118267.1447

چکیده

هدف: در پژوهش‌های پیشین بر تأثیر چرخۀ عمر شرکت به‌‌منزلۀ یک ویژگی بر بازده شرکت‌ها تأکید شده است. هدف این پژوهش، معرفی و آزمون عامل چرخۀ عمر شرکت به‌منزلۀ عامل سیستماتیک جدید در توسعۀ الگوهای چندعاملی قیمت‌گذاری با استفاده از رویکرد رگرسیون‌های پوششی است.
روش: با استفاده از داده‌های 345 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران و فرابورس ایران بین سال‌های 1383 تا 1397، ابتدا نشان داده می‌شود بین بازده شرکت‌های موجود در مراحل مختلف چرخۀ عمر تفاوت معنی‌داری وجود دارد و الگو‌های قیمت‌گذاری رایج توان تبیین این الگوی بازده را ندارند؛ سپس با توجه به دو رویکرد مبتنی بر ریسک و قیمت‌گذاری نادرست برای تبیین تفاوت بازده شرکت‌ها، شواهد تجربی ارائه می‌شود که نشان می‌دهد تأثیر چرخۀ عمر بر بازده شرکت‌ها به‌طور عمده با تفسیر مبتنی بر قیمت‌گذاری نادرست شرکت‌های مرحلۀ بلوغ سازگار است. بر این اساس، پنج ساختار برای تشکیل عامل چرخۀ عمر بر مبنای تفاوت بازده شرکت‌های مرحلۀ بلوغ و شرکت‌های سایر مراحل شامل مراحل معرفی، رشد، رکود و افول ارائه و سپس قابلیت تبیین بازده عامل چرخۀ عمر پیشنهادی به‌وسیلۀ الگوهای قیمت‌گذاری موجود بررسی می‌شود.
نتایج: نتایج حاصل از رگرسیون‌های پوششی نشان می‌دهد هیچ‌کدام از الگو‌های سه‌عاملی فاما[1] و فرنچ[2] (1993)، چهارعاملی کارهارت[3] (1997)، پنج‌عاملی فاما و فرنچ (2015) و شش‌عاملی فاما و فرنچ (2018)، قدرت توضیح‌دهندگی بازده عامل چرخۀ عمر در همۀ ساختارهای پیشنهادی را ندارند؛ بنابراین، عامل چرخۀ عمر شرکت، عامل جدیدی است که موجب بهبود عملکرد الگوهای عاملی ذکرشده در توضیح تفاوت بازده شرکت‌ها می‌شود.



[1]. Fama


[2]. French


[3]. Carhart

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Introducing and Testing Firm's Life Cycle as a New Factor in Developing Multifactor Asset Pricing Models using Spanning Regression Approach

نویسندگان [English]

  • Mehdi Mirzaie 1
  • Mahmoud Botshekan 2
  • Abdullah Khani 1
1 Department of Accounting, Faculty of Administrative Sciences and Economics, University of Isfahan, Isfahan, Iran
2 Department of Management, Faculty of Administrative Sciences and Economics, University of Isfahan, Isfahan, Iran
چکیده [English]

Objective: The effect of a firm's life cycle, as a characteristic, on stock return has been documented in the literature. The purpose of this research is to introduce and test "firm life cycle" as a new systematic factor for developing multifactor asset pricing models.
Method: Using data of 345 companies listed in the Tehran Stock Exchange (TSE) and Iran Farabourse market during 2004 to 2018, we first show there is a significant difference among returns of companies in different firm cycle stages and that the pattern observed cannot be explained by notable multifactor asset pricing models. Regarding two competitive approaches to explain differences between stocks with different characteristics, namely risk or mispricing, empirical evidence on returns of stocks in different life cycle stages shows that return of mature firms are higher compared to that of firms in other life cycle stages and the pattern is consistent with mispricing of mature firms. Considering these results, five structures for the life cycle factor are proposed, based on the difference in monthly average returns of firms in the maturity stage and firms in other stages.
Results:The results of spanning regressions show that none of the notable asset pricing models, namely the Fama and French three-factor model, the Carhart four-factor model, the Fama and French five-factor model, and the Fama and French six-factor model, can explain  life cycle factor return. Therefore, the life cycle factor with proposed structures can be used as an additional factor to improve the performance of these multi-factor models in explaining the variation in (expected) stock returns.

کلیدواژه‌ها [English]

  • Firm's life cycle
  • Multifactor asset pricing models
  • Spanning regression approach

مقدمه.

موضوع اصلی در حوزۀ قیمت‌‌گذاری دارایی‌‌ها، ارائۀ الگو‌هایی برای تبیین تفاوت نرخ بازده دارایی‌هاست. الگوی قیمت‌گذاری دارایی‌های سرمایه‌ای (CAPM)[1] که شارپ[2] (1964)، لینتنر[3] (1975) و موسیون[4] (1966) ارائه کردند و سنگ زیربنای الگو‌های قیمت‌گذاری شناخته می‌شود، عامل بتا (که میزان تغییرپذیری بازده شرکت نسبت به تغییرات بازده بازار را می‌سنجد) را تنها عامل توضیح‌دهندۀ تفاوت بازده موردانتظار دارایی‌های مختلف معرفی کرد. در پژوهش‌های اولیه مانند بلک[5]، جنسن[6] و شولز[7] (1972) و فاما و مکبث[8] (1973) عملکرد کلی این الگو در توضیح تفاوت بازده سبدهایی از سهام شرکت‌ها که براساس بتای قبلی مرتب‌ شده بودند، تأیید شد؛ اما پژوهش‌های بعدی نشان دادند بعضی ویژگی‌های شرکتی[9] وجود دارند که اگر شرکت‌ها براساس آنها مرتب شوند، الگوی CAPM نمی‌تواند تفاوت بازده سبدهای مرتب‌شده براساس این ویژگی‌ها را به‌طور کامل توضیح دهد. به همین دلیل این الگوها به ناهنجاری‌های قیمت‌گذاری (نسبت به الگوی CAPM) معروف شدند که ازجمله آنها عبارت‌اند از: ناهنجاری قیمت به سود (باسو[10]، 1977)، ناهنجاری اندازه (بنز[11]، 1981)، ناهنجاری نسبت ارزش دفتری به ارزش بازار (روزنبرگ[12]، رید[13] و لانستین[14]، 1985) و اهرم مالی (بهانداری[15]، 1988). شناسایی این ناهنجاری‌ها و ناتوانی الگوی CAPM در توضیح این ناهنجاری‌ها سبب شد پژوهش‌هایی برای توسعه و بهبود الگو‌های قیمت‌گذاری دارایی‌ها انجام شود. در این زمینه فاما و فرنچ (1992) شواهد تجربی ارائه کردند که از بین الگوهای تجربی بازده، دو متغیر اندازه و نسبت ارزش دفتری به ارزش بازار سهام بیشترین قدرت توضیح‌دهندگی بازده سهام را دارند. براساس این شواهد تجربی، فاما و فرنچ (1993) الگوی سه‌عاملی خود را ارائه دادند که از سه عامل بازار، اندازه و ارزش تشکیل‌ شده است و در پژوهش‌های دانشگاهی بیشتر این ناهنجاری را توضیح داد و بین افراد حرفه‌ای بازار سرمایه نیز مقبولیت کافی داشت؛ اما در مطالعات بعدی برخی ناهنجاری‌های دیگر مانند مومنتوم شناسایی شدند که الگوی سه‌‎عاملی فاما و فرنچ (1993) توانایی توضیح آنها را نداشت و سبب توسعۀ الگو‌های عاملی قیمت‌گذاری شد که ناهنجاری‌های الگوی سه‌عاملی را توضیح می‌دهند. برای ‌مثال کارهارت (1997) الگوی چهارعاملی خود را ارائه کرد که در آن عامل مومنتوم به الگوی سه‌عاملی فاما و فرنچ (1993) اضافه ‌شده بود و هو[16]، زو[17] و ژانگ[18] (2015) و فاما و فرنچ (2015) با اضافه‌کردن عوامل سرمایه‌گذاری و سودآوری، به ترتیب الگو‌های چهارعاملی و پنج‌عاملی را برای توضیح ناهنجاری‌های مختلف قیمت‌گذاری ارائه داده‌اند.

در همین راستا در پژوهش‌های بازار سرمایه مرتبط با حوزۀ حسابداری نیز ناهنجاری‌های حسابداری شناسایی‌ شده است که الگو‌های عاملی رایج توان توضیح این موارد خلاف قاعده را ندارند؛ برای‌ مثال ناهنجاری اقلام تعهدی (اسلون[19]، 1996)، ناهنجاری جریان نقدی عملیاتی به قیمت (دزای[20]، راجاگوپال[21] و ونگاتاچالم[22]، 2004)، ناهنجاری سودآوری (بال[23]، جراکوس[24]، لیننما[25]، نیکولاف[26]، 2015) و ناهنجاری اختلاف دفتری مالیات (هپفر[27]، 2018). بر این اساس، پژوهش‌هایی با هدف توسعۀ الگو‌‌های عاملی قیمت‌‌گذاری دارایی‌‌ها، متغیرهای‌‌ حسابداری را به‌‌منزلۀ عوامل توضیح‌دهندۀ بازده موردانتظار سهام پیشنهاد کردند (مانند عامل اقلام تعهدی، سودآوری، چرخۀ تبدیل به وجه نقد). پژوهش حاضر در این حوزۀ پژوهشی قرار دارد و در آن از چرخۀ عمر شرکت که به پیروی از دیکینسون[28] (2011) بر مبنای اطلاعات صورت جریان وجوه نقد ‌استخراج می‌شود، به‌‌منزلۀ ویژگی مؤثر بر بازده شرکت‌ها برای ساختن عامل چرخۀ عمر استفاده و سپس این موضوع بررسی می‌شود که آیا این عامل ممکن است به‌منزلۀ عامل جدیدی برای توسعۀ الگو‌های قیمت‌گذاری استفاده شود یا خیر.

دربارۀ تأثیر چرخۀ عمر بر بازده شرکت‌ها پژوهش‌های متعددی انجام ‌شده است. برای مثال دیکینسون (2011) و ورست[29] و یان[30] (2018) نشان می‌دهند مرحلۀ چرخۀ عمر شرکت بر پیش‌بینی سودهای موردانتظار شرکت در الگوی ارزش‌گذاری تنزیل سود تقسیمی و در سطح سهام انفرادی نیز بر بازده سهام مؤثر است. حسن[31]، حسین[32]، چئونگ[33] و حبیب[34] (2015) نشان می‌دهند چرخۀ عمر شرکت به‌‌منزلۀ عامل مؤثر در سطح سهام انفرادی بر هزینۀ سرمایۀ ضمنی نیز تأثیر داشته است. علاوه بر این، کونستانتیندی[35] (2019) با ارائۀ شواهد تجربی نشان داده است چرخۀ عمر شرکت الگوی بازده دارد که تفاوت بازده معناداری دارد و الگوهای سه‌عاملی فاما و فرنچ (1993) و پنج‌عاملی فاما و فرنچ (2015) قادر نیستند این الگوی بازده را توضیح دهند؛ بنابراین، به‌منزلۀ ناهنجاری حسابداری به‌لحاظ تجربی مطرح‌ شده است.

با توجه به این مطالب، در این پژوهش ابتدا این موضوع بررسی می‌شود که آیا تفاوت معنی‌داری بین بازده شرکت‌ها در مراحل مختلف چرخۀ عمر وجود دارد یا خیر و در این صورت، آیا چرخۀ عمر شرکت در بازار سرمایۀ ایران به‌لحاظ تجربی به‌‌منزلۀ الگوی بازده یا ناهنجاری قیمت‌گذاری مطرح می‌شود. شواهد تجربی ارائه‌شده در این بخش نشان می‌دهد نخست، بین بازده شرکت‌های موجود در مراحل چرخۀ عمر و به‌‌ویژه بین بازده شرکت‌های موجود در مرحلۀ بلوغ و سایر مراحل، تفاوت بازده معنی‌داری وجود دارد و دوم، الگو‌های قیمت‌گذاری رایج توان توضیح این الگوی بازده را ندارند. در بخش بعد بر مبنای شواهد تأییدکنندۀ سؤال قبل، ساختار عامل چرخۀ عمر پیشنهاد و بازده این عامل با استفاده از تفاوت بازده شرکت‌های موجود در مرحلۀ بلوغ و سایر مراحل محاسبه می‌شود[36]؛ سپس این موضوع بررسی می‌شود که آیا اضافه‌کردن این عامل ممکن است سبب بهبود عملکرد این الگو‌ها در توضیح بازده موردانتظار سهام شرکت‌ها شود یا خیر.

برای بررسی سؤال اخیر رویکردهای مختلفی در ادبیات قیمت‌گذاری وجود دارند که از میان آنها می‌توان به رویکردهای رگرسیون‌های سری زمانی توسعه داده‌شده به‌وسیلۀ گیبونز[37]، راس[38] و شانکن[39] (1989) و رویکرد رگرسیون‌های مقطعی متوالی توسعه داده‌شده به‌وسیلۀ فاما و مکبث (1973) اشاره کرد. برای بررسی این سؤال، رویکرد رگرسیون‌های پوششی توسعه داده‌شده به‌وسیلۀ بریلاس[40] و شانکن (2017)، فاما و فرنچ (2018) و استفاده‌شده به‌وسیلۀ واهال[41] (2019) به کار رفته است؛ در این رویکرد این موضوع بررسی می‌شود که آیا هر یک از الگو‌های قیمت‌گذاری موجود، قابلیت تبیین بازده عامل چرخۀ عمر پیشنهادی را دارند یا خیر. در صورتی‌ که الگو‌های موجود توان توضیح‌دهندگی عامل چرخۀ عمر را داشته باشند، بازده عامل چرخۀ عمر به‌‌منزلۀ ترکیب خطی از بازده عوامل دیگر تبیین می‌شود؛ بنابراین، اضافه‌کردن آن به الگو‌های چندعاملی، قابلیت توضیح‌دهندگی الگو برای توضیح بازده شرکت‌ها را افزایش نمی‌دهد. در غیر این صورت این عامل به توضیح‌دهندگی الگو کمک می‌کند. تبیین این موضوع از دیدگاه سرمایه‌گذاری نیز به این صورت بیان می‌شود که در فضای میانگین - واریانس مارکویتز[42] (1952) اگر بتوان یک دارایی‌ پایه‌ (N) را شناسایی کرد که عوامل موجود (K) در الگوهای عاملی قادر نباشند آن را توضیح (پوشش) دهند، با اضافه‌کردن آن دارایی پایه به‌‌منزلۀ عامل می‌توان انتظار داشت مجموعه فرصت‌های سرمایه‌گذاری و به‌دنبال آن مرز کارا ارتقا یابد. به همین ترتیب، الگو‌های چندعاملی قیمت‌گذاری جدید که شامل عامل K هستند، توانایی بهتری در توضیح بازده موردانتظار دارایی‌های موجود در مجموعه فرصت‌های سرمایه‌گذاری را خواهند داشت (هوبرمن[43] و کندل[44]، 1987). مهم‌ترین حسن رویکرد رگرسیون‌های پوششی نسبت به سایر روش‌ها این است که نیازی به دارایی‌های آزمون مختلف وجود ندارد و برخلاف سایر رویکردها، نتایج این آزمون به نوع دارایی آزمون استفاده‌شده متکی نیست.

دربارۀ دلایل توجیه بازده عامل چرخۀ عمر یا تفاوت بازده شرکت‌های موجود در مرحلۀ بلوغ با سایر مراحل، در ادبیات موضوع تبیین‌های مختلفی با توجه به دو رویکرد ریسک یا قیمت‌گذاری نادرست ارائه‌ و در بخش ادبیات پژوهش بررسی شده است. برای ‌مثال حسن و همکاران (2015) اثر چرخۀ عمر شرکت بر هزینه سرمایه ضمنی (بازده موردانتظار) را ناشی از ریسک اطلاعات و عدم اطمینان (رویکرد ریسک) و دیکینسون (2011) و کونستانتیندی (2019) الگوی بازده چرخۀ عمر شرکت را ناشی از عوامل رفتاری و قیمت‌گذاری نادرست می‌دانند.

دربارۀ مقایسۀ نتایج مقاله با پژوهش‌‌های داخلی انجام‌شده باید گفت تاکنون هیچ پژوهش داخلی الگوی بازده ناشی از چرخۀ عمر شرکت مبتنی بر روش دیکینسون (2011) را به‌‌منزلۀ ناهنجاری قیمت‌گذاری و ارائۀ شواهد تجربی اولیه برای تطابق این الگوی بازده با یکی از دو رویکرد ریسک و قیمت‌گذاری نادرست بررسی نکرده است. علاوه بر این، تاکنون هیچ‌یک از پژوهش‌های خارجی و داخلی، چرخۀ عمر شرکت را به‌منزلۀ عاملی برای توسعۀ الگو‌‌های چندعاملی قیمت‌‌گذاری دارایی‌‌ها بررسی و آزمون تجربی نکرده است. در این راستا به‌‌منزلۀ آزمون‌های پایایی، پنج شیوۀ مختلف تشکیل[45] و محاسبۀ بازده این عامل و ساختار تشکیل عامل چرخۀ عمر شرکت با استفاده از دو روش سبد پوششی[46] و بخش نگهداری[47] سبد پوششی بررسی شده است.

در ادامه، ابتدا مبانی نظری و کاربردهای چرخۀ عمر شرکت در ادبیات مالی و حسابداری و سپس، نظریه‌های موجود در توضیح بازده یا ناهنجاری چرخۀ عمر - شامل دو رویکرد رقیب ریسک و قیمت‌گذاری نادرست برای توجیه الگوی بازده چرخۀ عمر شرکت - ارائه می‌شود؛ سپس، بازده شرکت‌ها در مراحل مختلف چرخۀ عمر شرکت و تفاوت بازده شرکت‌های موجود در مراحل مختلف به‌صورت تجربی بررسی و نحوۀ ساختن عامل چرخۀ عمر شرکت به‌‌منزلۀ عامل مؤثر بر بازده موردانتظار در الگو‌های چندعاملی قیمت‌گذاری دارایی‌ها ارائه می‌شود؛ سپس، فرضیه‌ها و روش پژوهش در جهت آزمون این عامل به‌‌منزلۀ عاملی برای توسعۀ الگو‌های قیمت‌گذاری بیان و یافته‌های تجربی مربوط به فرضیه‌های پژوهش ارائه می‌شود؛ درنهایت، بحث و نتیجه‌گیری و پیشنهاد‌هایی در این زمینه ارائه می‌شود.

 

مبانی نظری.

چرخۀ عمر شرکت از مفاهیمی است که به‌تازگی وارد ادبیات حسابداری و مالی شده است (یان[48]، 2010). براساس این چرخه، شرکت‌ها در طول عمر خود، از زمان تشکیل تا انحلال، مراحل مختلفی مانند معرفی، رشد، بلوغ، رکود و افول را طی می‌کنند و در طی این مراحل ویژگی‌های منحصربه‌فردی دارند. اثر این ویژگی‌ها در متغیرهای حسابداری و مالی شرکت‌ها مانند میزان سودآوری، سرمایه‌گذاری، سود تقسیمی، ساختار سرمایه، هزینه سرمایه و جریان‌های نقدی شرکت نشان داده می‌شود (آهارونی[49]، فالک[50] و یهودا[51]، 2006؛ دیکینسون، 2011، یان، 2010). بر این اساس، از چرخۀ عمر شرکت به‌‌منزلۀ متغیر توضیح‌دهنده در پژوهش‌های حسابداری، حسابرسی، مالی شرکتی و قیمت‌گذاری دارایی‌ها استفاده‌ شده است (حبیب و حسن، 2018). ازجمله اولین پژوهش‌ها در زمینۀ کاربرد چرخۀ عمر شرکت در قیمت‌گذاری دارایی‌ها، پژوهش زو[52] (2007) است. او با تعدیل عوامل ریسک اندازه و ارزش در الگوی سه‌عاملی فاما و فرنچ (1993) با استفاده از چرخۀ عمر به این نتیجه رسید که بازار سرمایه در تفسیر عوامل ریسک و تخمین نرخ بازده سهام، محتوای اطلاعاتی چرخۀ عمر را در نظر می‌گیرد. بزرگ‌اصل و مسجدموسوی (2016؛ 2019) و صالحی، حجازی، طالب‌نیا و امیری (2019) نیز شواهد تجربی فراهم کردند که بازار سرمایه، محتوای اطلاعاتی چرخۀ عمر شرکت را در تفسیر عوامل ریسک الگوی بازار، سه‌عاملی فاما و فرنچ (1993)، پنج‌عاملی فاما و فرنچ (2015) و الگوی تعدیل‌شدۀ چهارعاملی کارهارت (1997) با ریسک درماندگی مالی در نظر می‌گیرد. استدلال این سه پژوهش، نظریۀ چرخۀ عمر سود تقسیمی است؛ براساس این نظریه، شرکت‌های در حال رشد با مجموعه فرصت‌های سرمایه‌گذاری زیادی روبه‌رو هستند؛ ولی به‌ اندازۀ کافی توان ایجاد جریان‌های نقدی از محل عملیات خود را ندارند تا همۀ مجموعه فرصت‌های سرمایه‌گذاری خود را پوشش دهند. ازسوی دیگر، تأمین مالی از منابع بیرون از شرکت نیز به‌دلیل ناشناخته‌بودن با مشکلاتی همراه است؛ بنابراین، این شرکت‌ها منابع وجه نقد درون شرکت را حفظ می‌کنند و سود تقسیمی پرداخت نمی‌کنند. بعد از مدت‌زمانی که شرکت‌ها به مراحل بلوغ خود می‌رسند، مجموعه فرصت‌های سرمایه‌گذاری آنها کاهش و توانایی وجه نقد این شرکت‌ها افزایش می‌یابد؛ بنابراین، شرکت‌های بالغ جریان نقد آزاد خود را در قالب سود تقسیمی بین سهامداران خود تقسیم می‌کنند (بولان[53] و سوبرامانیام[54]، 2011). از کاربردهای دیگر چرخۀ عمر شرکت در قیمت‌گذاری دارایی‌ها، توضیح ریسک سیستماتیک (بتا) به‌وسیلۀ سن شرکت است. چینکارینی[55]، کیم[56] و مونتئا[57] (2016) نشان دادند سن شرکت، تغییرات زمانی ریسک سیستماتیک (بتا) و ارتباط آن با هزینۀ حقوق مالکانه را توضیح می‌‌دهد. حسن و حبیب (2017) بیان می‌کنند که با توجه به متفاوت‌بودن نوسان جریان‌های نقدی و عدم اطمینان اطلاعاتی در طی مراحل چرخۀ عمر شرکت، نوسان ریسک ویژۀ سهام نیز به‌دلیل تأثیرپذیری از نوسان جریان‌های نقدی و عدم اطمینان اطلاعاتی در طی مراحل چرخۀ عمر شرکت متفاوت خواهد بود. نتایج آنها نشان داد نوسان ریسک ویژه در مراحل معرفی و افول بالاتر و در مراحل رشد و بلوغ پایین‌تر است. هریبار[58] و یهودا[59] (2015) نیز با استفاده از مراحل چرخۀ عمر شرکت نشان دادند ناهنجاری اقلام تعهدی و جریان نقدی عملیاتی در مراحل مختلف چرخۀ عمر شرکت متفاوت است؛ به‌طوری ‌که در مرحلۀ بلوغ این دو ناهنجاری به‌صورت یکسان وجود دارند.

یکی دیگر از کاربردهای مهم چرخۀ عمر شرکت، بررسی نحوۀ تأثیر مرحلۀ چرخۀ عمر شرکت بر بازده موردانتظار سهام در سطح سهام انفرادی است که به پژوهش‌های مرتبط با آن در مقدمه اشاره شد. دربارۀ دلایل این تأثیر بر مبنای استفاده از رویکرد ریسک یا قیمت‌گذاری نادرست، دو دسته استدلال مختلف در ادبیات پژوهش ارائه ‌شده است که به‌‎دلیل اهمیت و ارتباط با موضوع این پژوهش در ادامه توضیح داده می‌شود.

 

دلایل مبتنی بر رویکرد ریسک

در این رویکرد از مؤلفه‌‌های متفاوت ریسک شرکت‌ها در مراحل مختلف چرخۀ عمر به‌‌منزلۀ توجیهی برای ارتباط تجربی بین چرخۀ عمر شرکت و بازده موردانتظار سهام استفاده شده است. اولین و مهم‌ترین پژوهش تجربی در این حوزه را حسن و همکاران (2015) انجام داده‌اند. آنها با استفاده از مبانی نظری مندرج در نظریۀ منابع پویای هلفت[60] و پتراف[61] (2003) و الگوی انتظارات عقلایی ناقص ایزلی[62] و اوهارا[63] (2004) و نیز با استفاده از هزینه سرمایه ضمنی به‌‌منزلۀ معیاری برای اندازه‌گیری نرخ بازده موردانتظار سهام، بیان کردند که شرکت‌ها در مراحل اولیۀ چرخۀ عمر خود به‌وسیلۀ بازار سرمایه ناشناخته‌اند و از منابع خود به‌صورت کارا و اثربخش استفاده نمی‌کنند؛ بنابراین، بازار سرمایه ریسک بیشتری را برای سرمایه‌گذاری در این شرکت‌‌‌ها در نظر می‌گیرد؛ درنتیجه، بازده موردانتظار آنها نیز بیشتر خواهد بود. هرچه شرکت‌ها به مراحل رشد و بلوغ خود نزدیک می‌شوند، به‌وسیلۀ بازار سرمایه بیشتر شناخته‌ می‌شوند و میزان افشای اطلاعات آنها نیز افزایش می‌یابد و تحلیلگران بیشتری آنها را دنبال می‌‌کنند؛ بنابراین، میزان عدم تقارن اطلاعاتی و عدم اطمینان اطلاعاتی آنها کاهش پیدا می‌کند. در ضمن، با توجه به اینکه این شرکت‌ها منحنی یادگیری خود را طی کرده‌اند و فرایندهای عملیاتی در این شرکت‌ها بهینه است، از منابع خود به‌صورت کارا و اثربخش استفاده می‌کنند؛ پس میزان ریسک آنها کمتر و نرخ بازده موردانتظار آنها نیز پایین‌تر است. دربارۀ مرحلۀ افول نیز به‌دلیل اینکه ریسک ورشکستگی بالاتر (کوه[64]، دوراند[65]، دای[66] و چانگ[67]، 2015) و میزان اطلاعات افشاشده به‌وسیلۀ این شرکت‌ها کمتر است، ریسک این شرکت‌ها بیشتر و درنتیجه نرخ بازده موردانتظار آنها بالاتر خواهد بود (حسن و همکاران، 2015). شواهد تجربی آنها نشان می‌دهد نرخ بازده موردانتظار (هزینه سرمایه ضمنی) در مرحلۀ معرفی و افول بالا و در مرحلۀ رشد و بلوغ پایین است و الگوی U‌شکل دارد. پژوهش ذکرشده تنها شواهد تجربی در این زمینه ارائه داده و استدلال‌های ریسک اطلاعات و ریسک ورشکستگی را به‌‌منزلۀ عوامل توجیه‌کنندۀ این ارتباط آزمون نکرده است (حبیب و حسن، 2018). در پژوهش‌های داخلی نیز کرمی و آخوندی (2016) نشان می‌‌دهند هزینه سرمایه ضمنی در مراحل مختلف چرخۀ عمر شرکت متفاوت است و میزان هزینه سرمایه ضمنی در مرحلۀ بلوغ کمترین و در مرحلۀ افول بیشترین میزان را دارد.

 

دلایل مبتنی بر رویکرد قیمت‌گذاری نادرست

دستۀ دوم پژوهش‌ها در زمینۀ ارتباط بین چرخۀ عمر شرکت و بازده موردانتظار سهام، از رویکرد قیمت‌گذاری نادرست سهام به‌منزلۀ مبنای توجیه‌کننده استفاده کرده‌اند. در این دسته از پژوهش‌ها بر استفاده از بازده تحقق‌یافتۀ سهام به‌‌منزلۀ معیاری برای اندازه‌گیری نرخ بازده موردانتظار سهام تأکید شده است. دیکینسون (2011) ضمن ارائۀ روش جدیدی برای اندازه‌گیری مراحل چرخۀ عمر شرکت بر مبنای الگوهای جریان‌های نقدی مندرج در صورت جریان‌های نقدی، شواهد تجربی فراهم کرد که چرخۀ عمر شرکت (با تأکید بر مرحلۀ بلوغ) تأثیر مثبتی بر بازده سهام دارد. در پژوهش‌های داخلی خدامی‌پور، دلدار و چوپانی (2013) این موضوع را بررسی کرده‌اند. اعتمادی، رحیمی‌موگویی، آقایی و انواری‌رستمی (2016) و امامی‌نایینی و رحیمی‌موگویی (2016) نیز نقش چرخۀ عمر شرکت بر الگوی ارزش‌گذاری اولسون[68] (1995) و فلتهام[69] و اولسون (1995) را بررسی کرده‌اند. یکی از حوزه‌های پژوهش مرتبط، بررسی عوامل و روش‌های پیش‌بینی سودهای موردانتظار آتی در الگوهای ارزش‌گذاری سهام است. در این حوزه در صورتی‌ که متغیری قدرت پیش‌بینی‌کنندگی در زمینۀ سودهای موردانتظار آتی را داشته باشد، ممکن است محتوای اطلاعاتی برای نرخ بازده موردانتظار سهام نیز داشته باشد (کوتاری[70]، 2001؛ ریجاردسون[71]، تانا[72] و وایوسکی[73]،2010؛ لولن[74]، 2010). عموماً الگوی نظری استفاده‌شده در این بخش از ادبیات پژوهشی، الگوی ارزش‌گذاری تنزیل سود تقسیمی است (ریچاردسون و همکاران، 2010، لولن، 2010، سلیمان[75]، 2008). بر این اساس، برای توجیه بهتر و رسمی‌تر نتایج دیکینسون (2011) از الگوی تنزیل سود تقسیمی استفاده و استدلال قیمت‌گذاری نادرست او مبنی بر واکنش خام مشارکت‌کنندگان بازار سرمایه به پایداری بیشتر شرکت‌های مراحل بلوغ نسبت به شرکت‌های سایر مراحل چرخۀ عمر شرکت شرح داده می‌شود.

برای شروع، الگوی تنزیل سود تقسیمی به شرح رابطۀ (1) را در نظر بگیرید:

(1)

 

 

که در آن، ، ارزش سهام شرکت و  سود تقسیمی موردانتظار است. با توجه به رابطۀ مازاد تمیز اولسون (1995)، سود تقسیمی موردانتظار برابر با سودهای موردانتظار آتی ( ) به‌علاوۀ رشد در ارزش دفتری سرمایه ( ) و به شرح رابطۀ (2) است.

(2)

 

در صورتی ‌که سمت راست رابطۀ (2) جایگزین  در الگوی ارزش‌‌گذاری تنزیل سود تقسیمی به شرح رابطۀ (1) شود، الگوی ارزش‌‌گذاری به شرح رابطۀ (3) خواهد بود. دو طرف رابطه بر ارزش دفتری سرمایه تقسیم ‌شده است (فاما و فرنچ، 2015؛ ناوی‌‎مارکس[76]، 2013).

(3)

 

 

براساس رابطۀ (3) از عوامل مؤثر بر بازده موردانتظار سهام، سودهای موردانتظار آتی است. برخی پژوهش‌‌ها (مانند فاما و فرنچ، 2006؛ ناوی‌مارکس، 2013؛ بال و همکاران، 2015، 2016)، تأثیر معیارهای اندازه‌گیری سودآوری مانند سود ناخالص، سود عملیاتی و جزء نقدی سود عملیاتی را در الگوهای عاملی قیمت‌‌گذاری دارایی‌ها بررسی کردند؛ با این‌ حال، از مهم‌ترین عوامل مؤثر بر سودهای موردانتظار آتی که سبب بهبود تأثیر سودهای موردانتظار آتی بر بازده موردانتظار سهام می‌‌شود، پایداری سود است (ریبل[77]، 2014). در ادبیات پژوهش برای بررسی دقیق‌‌تر اثر پایداری سود بر پیش‌‌بینی سودهای موردانتظار آتی و بازده سهام، از تحلیل دوپانت استفاده ‌شده است (فارفیلد[78] و یان، 2001؛ سلیمان، 2008). در تحلیل دوبخشی دوپانت، بازده دارایی‌‌ها به دو نسبت حاشیۀ سود[79] (PM) و گردش دارایی‌‌ها[80] (ATO) تقسیم می‌‌شود؛ بنابراین، الگوی پایداری سود به شرح رابطۀ (4) ارائه می‌شود (فرانکل[81] و لیتوف[82]، 2009؛ فارفیلد و یان، 2001؛ سلیمان، 2008).

(4)

 

 

که در این رابطه ، برابر با حاشیۀ سود خالص، ، گردش دارایی‌‌ها و  و  ضرایب پایداری سود است. یافته‌‌ها نشان می‌‌دهد ATO جزء پایدارتری نسبت به PM برای پیش‌‌بینی سود است (فارفیلد و یان، 2001، پنمن[83] و ژانگ، 2006) و یکی از مهم‌ترین توضیحاتی که برای این تفاوت پایداری ارائه می‌شود، چرخۀ عمر شرکت است. نتایج پژوهش‌‌ها (استر[84]، 1990؛ شی[85]، 1995) نشان داده است شرکت‌‌ها در مرحلۀ معرفی و رشد، راهبرد تمایز محصول را در پیش می‌‌گیرند. محصولات متمایز قیمت فروش بیشتری نسبت به محصولات دیگر و درنتیجه، حاشیۀ سود بیشتری دارند؛ بنابراین، PM پایداری بیشتر و درنتیجه، قدرت پیش‌‌بینی‌کنندگی بهتری برای سودهای موردانتظار آتی در مرحلۀ معرفی و رشد شرکت‌‌ها خواهد داشت؛ در حالی‌ که ATO
در مرحلۀ بلوغ به‌دلیل پیروی این شرکت‌‌ها از راهبرد رهبری هزینه و با تأکید بر مدیریت هزینه و استفادۀ کارا از منابع خود، پایداری بیشتری دارد و معیار مناسب‌‌تری برای پیش‌‌بینی سود اینگونه شرکت‌‌ها تلقی می‌‌شود (دیکینسون، 2011)؛ بنابراین، رابطۀ (4) به شرح رابطۀ (5) و با توجه به مراحل چرخۀ عمر شرکت بازنویسی می‌شود:

(5)

 

 

که در این رابطه،  مراحل مختلف چرخۀ عمر شرکت است.

در صورتی‌ که رابطۀ (5) جایگزین  در رابطۀ (3) شود، رابطۀ (6) را خواهیم داشت.

 میانگین صفر دارد. اگر تحلیلگران و مشارکت‌‌کنندگان بازار سرمایه بخواهند بازده موردانتظار سهام را بهتر تبیین کنند، باید مضامین مندرج در رابطۀ (6) را در نظر بگیرند؛ با این ‌حال، شواهد تجربی (دیکینسون، 2011؛ کونستانتیندی، 2019) نشان می‌‌دهد مشارکت‌کنندگان بازار سرمایه این مضامین را در نظر نمی‌‌گیرند.

 

 

(6)

 

 

 

دیکینسون (2011) نشان داد در سطح سهام انفرادی، مشارکت‌‌کنندگان بازار سرمایه به ویژگی پایداری سود و اجزای نسبت دوپانت برای پیش‌‌بینی سودهای موردانتظار آتی با توجه به مراحل مختلف چرخۀ عمر شرکت و خود چرخۀ عمر شرکت به‌‌منزلۀ متغیر پیش‌بینی‌‎کنندۀ سودهای موردانتظار آتی، توجه کامل دارند و برای ارزش‌‌گذاری سهام شرکت‌‌ها از رابطۀ (6) استفاده نمی‌‌کنند. به ‌عبارت ‌دیگر، مشارکت‌کنندگان نسبت به مرحلۀ بلوغ بدبین و نسبت به سایر مراحل (به‌ویژه مرحلۀ معرفی) خوش‌‌بین‌اند (کونستانتیندی، 2019)؛ با این‌ حال، شرکت‌‌های مرحلۀ بلوغ، ویژگی‌‌های بااهمیتی دارند. این شرکت‌‌ها با استفاده از راهبرد رهبری هزینه، بر استفادۀ کارا از منابع خود تمرکز دارند. بر این اساس، گردش دارایی‌‌های شرکت‌‌های بالغ به‌‌منزلۀ منبع دائمی و بلندمدت سودآوری آتی، سبب پایداری بیشتر سود (گردش دارایی‌‌ها) این شرکت‌‌ها نسبت به شرکت‌‌های سایر مراحل چرخۀ عمر می‌‌شود (دیکینسون، 2011). این شرکت‌‌ها منحنی یادگیری خود را کامل طی کرده‌‌اند و از دارایی‌‌های موجود[86] به‌صورت کارا و اثربخش استفاده می‌کنند؛ بنابراین، جریان‌‌های نقدی عملیاتی پایدارتری نسبت به سایر شرکت‌‌‌‌های مراحل دیگر دارند (کالینز[87]، هریبار و تیان[88]، 2014). ازلحاظ تغییر در مراحل چرخۀ عمر نیز شرکت‌‌هایی که در مرحلۀ بلوغ قرار دارند، در یک دورۀ بلندمدت پنج‌ساله، با احتمال بیشتری در مرحلۀ فعلی خود قرار می‌‌گیرند (دیکینسون، 2011). با توجه به اینکه مشارکت‌کنندگان بازار سرمایه این ویژگی‌‌های مرحلۀ بلوغ را در نظر نمی‌‌گیرند، سبب می‌‌شوند ارزش سهام این شرکت‌‌ها به‌صورت سیستماتیک کمتر از حد برآورد شود و در دوره‌‌های بعدی که تصحیح قیمت‌‌گذاری رخ می‌‌دهد، صرف ریسک مثبت به دست بیاورد. دربارۀ شرکت‌‌های سایر مراحل، صرف ریسک به‌دلیل خوش‌‌بینی منفی خواهد بود؛ بنابراین، انتظار بر این است که با ایجاد عاملی که این قیمت‌‌گذاری نادرست و تفاوت در صرف را در مراحل چرخۀ عمر پوشش دهد، به توان توضیح‌دهندگی الگوهای عاملی قیمت‌‌گذاری دربارۀ بازده موردانتظار سهام کمک کند.

با توجه به اینکه دیکینسون (2011) تنها تأثیر چرخۀ عمر بر بازده سهام در سطح سهام انفرادی را به‌صورت تجربی بررسی کرده بود، کونستانتیدی (2019) نتایج دیکینسون (2011) را بسط داد. او ابتدا نشان داد چرخۀ عمر الگوی بازده را دارد که به‌وسیلۀ الگوی سه‌عاملی فاما و فرنچ (1993) و فاما و فرنچ (2015) توضیح داده نمی‌شود. در الگوی بازده او شرکت‌های مرحلۀ بلوغ نسبت به سایر مراحل چرخۀ عمر شرکت، بازده تحقق‌یافتۀ بیشتری داشتند و تشکیل سبد سهامی مبتنی بر رویکرد سبد پوششی که در سمت نگهداری آن شرکت‌های مرحلۀ بلوغ و در سمت فروش استقراضی آن شرکت‌های مرحلۀ معرفی قرار داشت، تفاوت بازده معناداری ایجاد می‌کند. او با توجه به دو رویکرد ریسک و قیمت‌گذاری نادرست و براساس رویکردهای موجود در زمینۀ تبیین الگوهای بازده (ناهنجاری‌های قیمت‌گذاری) آزمون‌هایی را در این زمینه ارائه داد؛ ازجمله آزمون‌های او برای این منظور، استفاده از واکنش نادرست سرمایه‌گذاران و تحلیلگران به انتشار گزارش‌های مالی با تأکید بر صورت جریان وجوه نقد بود. او از آزمون‌های ارائه‌شده در زمینۀ ارتباط بین ذائقۀ سرمایه‌گذاران نیز استفاده کرد. در ادامه این آزمون‌ها به‌صورت تفصیلی تشریح می‌شوند.

 

خطای پیش‌بینی تحلیلگران

از روش‌‌های استفاده‌شده برای آزمون رویکرد ریسک در برابر رویکرد قیمت‌‌گذاری نادرست در توجیه اثرگذاری عوامل مؤثر بر بازده موردانتظار سهام، استفاده از ارتباط خطای پیش‌‌بینی تحلیلگران و عامل تعیین‌کنندۀ بازده سهام است. از این روش برادشا[89]، ریچادرسون و اسلون (2001) برای اقلام تعهدی و دوکاس[90]، کیم و پانزالیس[91] (2002) برای نسبت ارزش دفتری به ارزش بازار نیز استفاده کرده‌اند. بر این اساس، در صورتی ‌که علت اثر متغیر مرتبط بر بازده سهام، انتظارات عقلایی باشد، نباید بین خطای پیش‌‌بینی سود تحلیلگران در دورۀ بعدی و متغیر مرتبط در دورۀ جاری ارتباط وجود داشته باشد. بر این اساس، کونستانتیندی (2019) نشان داد بین چرخۀ عمر شرکت در دورۀ جاری و خطای پیش‌‌بینی سود تحلیلگران در دورۀ بعدی ارتباط وجود دارد. برای توجیه این پدیده نیز به فرضیۀ خطا در انتظارات تحلیلگران اشاره می‌‌شود. بر این اساس، تحلیلگران توانایی لازم برای به‌کارگیری مضامین چرخۀ عمر شرکت در پیش‌بینی سود را ندارند و این موضوع سبب خطای سیستماتیک در پیش‌بینی سود می‌‌شود؛ یعنی در حالی‌ که به‌طور معمول تحلیلگران در پیش‌‌بینی سود شرکت‌‌ها دچار تورش خوش‌‌بینانه‌اند، این تورش برای شرکت‌‌های موجود در مراحل معرفی و رشد به‌مراتب بیشتر است (کونستانتیندی، 2019). این خطای پیش‌‌بینی سود تا زمان انتشار صورت‌‌های مالی دورۀ بعد وجود دارد و براساس اطلاعات مندرج در صورت‌‌های مالی دورۀ بعد تصحیح می‌‌شود و از آنجا که این خطا برای شرکت‌‌های موجود در مرحلۀ بلوغ به‌مراتب کمتر است، بازده غیرعادی آتی منفی این شرکت‌‌ها (ناشی از خطای پیش‌بینی) از بازده غیرعادی منفی شرکت‌‌های موجود در سایر مراحل چرخۀ عمر نیز کمتر خواهد بود که سبب تفاوت بازده این شرکت‌‌ها از شرکت‌‌های موجود در سایر مراحل می‌‌شود. کونستانتیندی (2019) نشان می‌دهد در دوره‌‌های بعد نیز این خطا تکرار می‌‌شود؛ ولی میزان خطا در طی زمان کمتر می‌‌شود؛ بنابراین، این تفاوت بازده شرکت‌‌های مرحلۀ بلوغ نسبت به سایر شرکت‌‌ها ناشی از خطای تحلیلگران و ناتوانی آنها در جهت در نظر گرفتن اثر مرحلۀ چرخۀ عمر شرکت بر پیش‌بینی سود شرکت‌‌هاست که سبب قیمت‌‌گذاری نادرست شرکت‌‌های موجود در مرحلۀ بلوغ نسبت به سایر شرکت‌‌ها می‌‌شود و تصحیح این خطا که با مشخص‌شدن مقدار واقعی سود در دوره‌‌های بعد صورت می‌گیرد، سبب بازده آتی غیرعادی این شرکت‌‌ها نسبت به شرکت‌‌های موجود در سایر مراحل چرخۀ عمر می‌‌شود و از این نظر چرخۀ عمر شرکت به توضیح تفاوت بازده بین شرکت‌ها به‌منزلۀ متغیر توضیح‌دهنده در الگوهای عاملی قیمت‌گذاری کمک می‌کند.

 

ذائقۀ سرمایه‌گذاران

ذائقۀ سرمایه‌‌گذاران نیز از دلایل رفتاری برای توضیح قدرت پیش‌‌بینی چرخۀ عمر شرکت دربارۀ بازده سهام است (کونستانتیندی، 2019) و منظور از آن، غلبۀ نوعی از احساس (خوش‌بینانه یا بدبینانه) سرمایه‌گذاران نسبت به جریان‌‌های نقد آتی و ریسک سرمایه‌‌گذاری است که براساس نظریه‌های انتظارات عقلایی توجیه‌پذیر نیست (بیکر[92] و وورگلر[93]، 2007). ذائقۀ سرمایه‌‌گذاران با تأثیر بر رشد سودهای موردانتظار آتی و نرخ بازده موردانتظار بر ارزش‌‌گذاری سهام تأثیر می‌گذارد (بیکر و وورگلر، 2006؛ 2007). بیکر و وورگلر (2006، 2007) نشان دادند ذائقۀ بالا (غلبۀ احساسات خوش‌بینانه) با ارزش‌‌گذاری بیش‌ازحد و ذائقۀ پایین با ارزش‌‌گذاری کمتر از حد ارتباط دارد. استامباخ[94]، یو[95] و یوان[96] (2012) نشان دادند ذائقۀ بالای سرمایه‌‌گذاران سبب کاهش بازده بخش فروش استقراضی راهبرد سرمایه‌‌گذاری براساس ناهنجاری‌‌های‌‌ بازار می‌‌شود. در صورتی ‌که بازده به چرخۀ عمر شرکت ناشی از قیمت‌‌گذاری نادرست متأثر از ذائقۀ سرمایه‌‌گذاران مربوط باشد، باید در دوره‌‌های با ذائقۀ مثبت سرمایه‌‌گذاران به‌صورت قوی‌‌تری مشاهده شود و بازده مربوط به بخش سبد پوششی راهبرد سرمایه‌‌گذاری براساس چرخۀ عمر شرکت نیز باید کمتر باشد. شواهد تجربی نشان داد بازده چرخۀ عمر شرکت بعد از دورۀ ذائقۀ بالا، بیشتر است و بازده بخش فروش استقراضی سبد پوششی چرخۀ عمر شرکت با افزایش ذائقۀ سرمایه‌‌گذاران کاهش پیدا می‌‌کند (کونستانتیندی، 2019)؛ بنابراین، الگوی بازده چرخۀ عمر شرکت براساس رویکرد قیمت‌گذاری نادرست در این دسته توجیه می‌شود.

بنا بر آنچه در دو دسته پژوهش تجربی دربارۀ ارتباط بین چرخۀ عمر شرکت و بازده موردانتظار سهام ارائه شد، چرخۀ عمر شرکت بر بازده سهام انفرادی تأثیر دارد و شواهدی در زمینۀ الگوی بازده چرخۀ عمر شرکت به‌‌منزلۀ ناهنجاری قیمت‌گذاری در سطح سبد سهام ارائه‌ شده است که براساس رویکرد قیمت‌گذاری نادرست توجیه می‌شود. علاوه بر این، براساس پژوهش‌های انجام‌شده به‌وسیلۀ فاما و فرنچ (1993، 2015 و 2018)، بال و همکاران (2015، 2016، 2020)، واهال (2019) و هو، مو[97]، زو و ژانگ (2018) ناهنجاری شناسایی‌شده، قابلیت ایجاد عامل در سطح بازار را در الگو‌های چندعاملی قیمت‌گذاری دارایی‌ها دارد؛ منوط به اینکه سایر عوامل موجود در الگو‌های عاملی قادر نباشند قدرت توضیح‌‎دهندگی عامل جدید را پوشش دهند؛ بنابراین، بر مبنای اینکه چرخۀ عمر شرکت به‌‌منزلۀ ویژگی در سطح سهام انفرادی بر بازده سهام مؤثر است و به‌منزلۀ یک ناهنجاری نیز در ادبیات پژوهشی تأیید شده است و رویکرد قیمت‌گذاری نادرست توجیه‌کنندۀ این الگوی بازده است، در این پژوهش و بر مبنای ادبیات مرتبط، مراحل معرفی چرخۀ عمر شرکت به‌‌منزلۀ عامل جدید و توضیح‌دهندۀ بازده موردانتظار سهام در الگو‌های چندعاملی قیمت‌گذاری دارایی‌ها آزمون تجربی می‌شود. ابتدا، الگوی بازده چرخۀ عمر شرکت در بازار سرمایۀ ایران بررسی و شواهد تجربی اولیه برای بررسی میزان تطابق الگوی بازده چرخۀ عمر شرکت با دو رویکرد ریسک یا قیمت‌گذاری نادرست ارائه می‌شود و درنهایت، بر مبنای اینکه چرخۀ عمر شرکت، الگوی بازده پیش‌بینی‌پذیر در سطح سبد سهام است و الگو‌های رایج قیمت‌گذاری نیز توان توجیه این الگوی بازده را ندارند، نوعی خلاف قاعده برای الگو‌های عاملی قیمت‌گذاری محسوب می‌شود و درنهایت، الگوی بازده چرخۀ عمر شرکت به‌‌منزلۀ عامل جدیدی در ساختار عاملی الگوهای قیمت‌گذاری بررسی خواهد شد.

براساس مبانی نظری و پیشینۀ پژوهش، سؤالات پژوهش به شرح زیر است:

سؤال اول: آیا بازده شرکت‌های موجود در مراحل مختلف چرخۀ عمر تفاوت معنی‌داری با یکدیگر دارند؟

سؤال دوم: آیا اضافه‌شدن عامل چرخۀ عمر شرکت سبب بهبود عملکرد الگو‌های عاملی قیمت‌گذاری دارایی‌ها می‌شود؟

 

روش پژوهش.

هدف این پژوهش، بررسی تجربی الگوی بازده چرخۀ عمر شرکت و ارائۀ شواهد تجربی اولیه برای رویکردهای توجیه‌کنندۀ این الگوی بازده، یعنی رویکرد ریسک و قیمت‌گذاری، نادرست است. آزمون ویژگی چرخۀ عمر شرکت، عامل منتخب در الگو‌‌های عاملی قیمت‌‌گذاری دارایی‌‌هاست. برای این منظور از رویکرد تشکیل سبد سهام و الگوهای عاملی قیمت‌گذاری دارایی‌ها استفاده می‌شود. ابتدا الگوی بازده سبد سهام از شرکت‌هایی که در مراحل مختلف چرخۀ عمر شرکت قرار دارند، ارائه و با استفاده از آزمون‌های طراحی‌شده در این زمینه نشان داده می‌شود که چرخۀ عمر شرکت ممکن است ناهنجاری قیمت‌گذاری تلقی شود که به‌وسیلۀ الگو‌های عاملی رایج توضیح داده نمی‌شوند؛ سپس براساس الگوی بازده تجمیعی شرکت‌ها در مراحل چرخۀ عمر شرکت در طی بازه‌های زمانی مختلف، شواهد تجربی اولیه برای بررسی دو رویکرد ریسک و قیمت‌گذاری نادرست و مستندات تجربی برای نحوۀ ساخت عامل چرخۀ عمر شرکت آورده و چگونگی ساخت همۀ نسخه‌‌های عامل چرخۀ عمر شرکت ارائه می‌‌شود؛ درنهایت، با توجه به هدف پژوهش مبنی بر بررسی امکان توسعۀ الگوهای چندعاملی با استفاده از عامل چرخۀ عمر شرکت، از رویکرد رگرسیون‌‌های پوششی استفاده می‌‌شود (بریلاس و شانکن، 2017؛ بال و همکاران، 2020؛ فاما و فرنچ، 2018، واهال، 2019). همان‌ طور که بیان شد، مزیت این روش نسبت به سایر رویکردهای آزمون الگو‌‌های قیمت‌‌گذاری[98] آن است که در رگرسیون‌‌های پوششی مشکلاتی مانند نتایج متفاوت با توجه به دارایی‌‌های آزمون متفاوت، اثر نبود تنوع‌بخشی در دارایی آزمون بر ریسک غیرسیستماتیک و دقت برآورد عرض از مبدأها و مؤثرنبودن دارایی‌‌های آزمون بر انتخاب بهترین الگو وجود ندارد (فاما و فرنچ، 2018 و واهال، 2019)؛ بنابراین، بعضی نویسندگان بیان می‌‌کنند که رگرسیون‌‌های پوششی روشی مناسب برای شناسایی بهترین الگو از بین الگو‌‌های قیمت‌‌گذاری دارایی‌‌هاست (واهال، 2019).

برای تشکیل و محاسبۀ بازده کلیۀ عوامل از کدهای آماری نوشته‌شده به‌وسیلۀ نویسندگان مقاله در نرم‌افزار برنامه‌‌نویسی اکس متریکس[99] (دورنیک[100] و امس[101]، 2007؛ دورنیک، 2009) و برای تخمین الگو‌‌ها از نرم‌افزار استتا استفاده ‌شده است. برای ساخت و چگونگی محاسبۀ بازده عوامل استفاده‌شده با توجه به نیاز به اطلاعات حسابداری منتشرشدۀ شرکت‌‌ها، چهار ماه وقفه در نظر گرفته شد؛ بنابراین، شروع بازۀ زمانی پژوهش از ابتدای مردادماه 1383 تا پایان آبان‌ماه 1397 به تعداد 172 ماه است. جامعۀ پژوهش شامل همۀ شرکت‌‌های پذیرفته‌شده در بورس اوراق بهادار تهران و فرابورس ایران در بازۀ زمانی 1383 تا 1397 است. برای انتخاب شرکت‌‌ها در نمونه به پیروی از فاما و فرنچ (1992؛ 1993؛ 2015)، بال و همکاران (2016) و اسنس[102] و فرازینی[103] (2013)، شرکت‌‌های متعلق به صنعت مالی حذف شدند. شرکت‌‌های انتخابی باید همۀ داده‌‌های لازم برای اندازه‌‌گیری متغیرها را در هر ماه بررسی‌شده داشته باشند. در نحوۀ انتخاب شرکت‌‌ها، شرط پایان اسفند شرطی غیرضروری در نظر گرفته نشده است؛ زیرا این شرط سبب می‌‌شود تعداد جالب‌‌توجهی از شرکت‌‌ها حذف شوند؛ در حالی ‌که به‌علت رویکرد مقطعی سبدبندی شرکت و به پیروی از فاما و فرنچ (1993)، در صورتی‌
که شرکتی در ماه یا سال خاصی در بازۀ زمانی پژوهش در بورس اوراق بهادار تهران یا فرابورس ایران پذیرفته‌ شده و داده‌‌های موردنیاز را نیز داشته باشد، می‌‌تواند در آن ماه از آن سال به بعد جزء شرکت‌‌های مدنظر برای تشکیل عوامل محسوب ‌‌شود (فاما و فرنچ، 1992؛ اسنس و فرازینی، 2013). با اعمال شرایط ذکرشده 345 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران و فرابورس ایران انتخاب شد. همۀ داده‌‌های پژوهش (به‌جز داده‌‌های شاخص بازده نقدی و قیمت)، از سایت بورس ویو[104] شرکت پردازش اطلاعات مالی پویا وابسته به شرکت کارگزاری مفید جمع‌آوری ‌شده است.

 

اندازه‌گیری متغیرها

جدول (1) متغیرهای پژوهش و نحوۀ اندازه‌‌گیری آنها را نشان می‌‌دهد.

جدول (2) نحوۀ دسته‌‌بندی شرکت‌‌ها در مراحل پنج‌گانۀ چرخۀ عمر شرکت براساس روش الگوی جریان‌‌های نقدی دیکینسون (2011) را نشان می‌‌دهد.

براساس جدول (2) هر شرکت در هر سال با توجه به علامت خالص جریان‌‌های نقدی ناشی از فعالیت‌‌های عملیاتی، سرمایه‌‌گذاری و تأمین مالی، یکی از هشت حالت جدول (2) را دارد و متناظر با مرحلۀ تعریف‌شده برای آن حالت، دریکی از مراحل پنج‌گانۀ چرخۀ عمر شرکت قرار می‌‌گیرد.

 


جدول (1) نام متغیرها و نحوۀ اندازه‌‌گیری آنها

نام متغیرها

نحوۀ اندازه‌‌گیری متغیر

منبع اندازه‌گیری متغیر

بازده مازاد ماهانۀ سهام

برای محاسبۀ بازده مازاد ماهانۀ سهام، ابتدا تفاوت قیمت هر سهم (تعدیل‌شده بابت سود تقسیمی و افزایش سرمایه) در انتهای دو ماه متوالی بر قیمت سهم در انتهای مال اول تقسیم می‌‌شود. بر این اساس، بازده ماهانۀ سهام به دست می‌‌آید؛ سپس بازده ماهانۀ سهام از بازده بدون ریسک ماهانه (برابر با نرخ سود سپرده‌‌های یکسالۀ اعلام‌شده به‌وسیلۀ بانک مرکزی که ماهانه شده‌‌اند) کسر می‌‌شود تا بازده مازاد ماهانه به دست آید. داده‌‌های بازده ماهانۀ سهام در سطح 1 و 99 درصد پیرایش[105] شده‌‌اند.

فاما و فرنچ (1993، 2015، 2018)

بازده ماهانۀ بازار

برابر با تفاوت شاخص بازده نقدی و قیمت در انتهای دو ماه متوالی که بر شاخص بازده نقدی و قیمت انتهای ماه اول تقسیم می‌‌شود.

عیوض‌لو، قهرمانی و عجم (2016)

اندازۀ شرکت

برابر با لگاریتم طبیعی ارزش بازار شرکت در پایان تیرماه هر سال

فاما و فرنچ (1993)

نسبت‌‌ ارزش دفتری به ارزش بازار سهام

برابر با نسبت ارزش دفتری به ارزش بازار سهام شرکت در پایان هر سال

فاما و فرنچ (1993)

نسبت‌‌ سود انباشته به ارزش بازار سهام

برابر با نسبت سود انباشته به ارزش بازار سهام شرکت در پایان هرسال

بال و همکاران (2020)

سودآوری

از تقسیم بخش نقدی سود عملیاتی بر کل دارایی‌‌ها[106] محاسبه می‌‌شود.

بال و همکاران (2016) و فاما و فرنچ (2018)

بازده دارایی‌‌ها

از تقسیم سود خالص به‌ کل دارایی‌‌ها به دست می‌آید.

بال و همکاران (2015)

گردش دارایی‌‌ها

از تقسیم فروش خالص بر کل دارایی‌‌ها به دست می‌‌آید.

سلیمان (2008)،

سرمایه‌‌گذاری

برابر با تفاوت ارزش دفتری جمع دارایی‌‌های ابتدا و انتهای سال است که بر ارزش دفتری جمع دارایی‌‌های ابتدای سال تقسیم می‌‌شود.

فاما و فرنچ (2015)

مومنتوم

میانگین بازده هندسی ماهانۀ دوازده ماه قبل است که آخرین ماه محاسبه نادیده گرفته می‌شود.

کتابخانۀ کنت فرنچ[107]

چرخۀ عمر شرکت

الگوی جریان‌های نقدی

دیکینسون (2011)

 

 

جدول (2) طبقه‌بندی مراحل چرخۀ عمر شرکت براساس روش دیکینسون

 

مرحلۀ چرخۀ عمر

1

2

3

4

5

6

7

8

معرفی

رشد

بلوغ

رکود

رکود

رکود

افول

افول

فعالیت‌های عملیاتی

-

+

+

-

+

+

-

-

فعالیت‌های سرمایه‌‌گذاری

-

-

-

-

+

+

+

+

فعالیت‌های تأمین مالی

+

+

-

-

+

-

+

-

 

 

الگوی بازده چرخۀ عمر شرکت

برای ساخت سبدهای سهام مبتنی بر مراحل چرخۀ عمر شرکت، ابتدا در هر سال، شرکت‌ها براساس روش دیکینسون (2011) به پنج مرحله طبق جدول (2) تفکیک می‌شوند؛ سپس میانگین حسابی بازده ماهانۀ شرکت‌های موجود در هر کدام از مراحل پنج‌گانۀ چرخۀ عمر براساس وزن ارزشی[108] محاسبه می‌شود تا یک سری زمانی 172‌ماهه برای هر کدام از سبدهای سهام ایجاد شود؛ سپس با توجه به مبانی نظری مبنی بر اینکه سبد سهام متشکل از مرحلۀ بلوغ، بازده تحقق‌یافتۀ بیشتری نسبت به سایر مراحل چرخۀ عمر دارد، سبد سهام متشکل از شرکت‌های مرحلۀ بلوغ به‌‌منزلۀ بخش نگهداری سبد پوششی و سایر مراحل با توجه به ترکیب‌های مختلف در بخش فروش استقراضی سبد پوششی قرار می‌گیرند. برای بررسی الگوی بازده حاصل از چرخۀ عمر ابتدا از آمارۀ آزمون t استفاده می‌شود. نتایج حاصل از بررسی در جدول (3) ارائه ‌شده است.

همان ‌طور که نتایج جدول (3) نشان می‌دهد، اختلاف بازده سبد متشکل از شرکت‌های مراحل بلوغ نسبت به بازده سبد متشکل از مراحل مختلف چرخۀ عمر شرکت (به‌‌جز بازده سبد شرکت‌های مرحله، رکود، افول و ترکیب این دو مرحله با هم) مثبت و معنادار است. این نتایج به معنای این است که تدوین راهبرد سرمایه‌گذاری براساس رویکرد سبد پوششی (در بخش نگهداری آن میانگین بازده شرکت‌های مرحلۀ بلوغ و در بخش فروش استقراضی آن بازده سبد متشکل از ترکیب‌های مختلف سایر مراحل چرخۀ عمر شرکت) به‌صورت میانگین یک‎‌ درصد بازده ماهانۀ معنادار ایجاد می‌کند.

علاوه بر نتایج ارائه‌شده در جدول (3)، برای بررسی الگوی بازده چرخۀ عمر شرکت از آمارۀ آزمون GRS گیبونز و همکاران (1989) نیز استفاده می‌شود تا این مورد بررسی‌ شود که آیا الگو‌های عاملی قیمت‌گذاری رایج توان توضیح‌دهندگی الگوی بازده چرخۀ عمر شرکت را دارند یا خیر؟ نتایج این بررسی در جدول (4) ارائه‌ شده است.

نتایج آزمون GRS (ارزش احتمال) جدول (4) نشان می‌دهد هیچ‌کدام از الگو‌های عاملی قیمت‌گذاری رایج توان توضیح الگوی بازده چرخۀ عمر شرکت را ندارند؛ بنابراین، الگوی بازده چرخۀ عمر شرکت، نوعی ناهنجاری قیمت‌گذاری مبتنی بر داده‌های حسابداری محسوب می‌شود. براساس نتایج جدول (3) و (4) پاسخ به سؤال اول این مقاله مبنی بر اینکه چرخۀ عمر شرکت به‌‌منزلۀ الگوی بازده در سطح سبد سهام (ناهنجاری چرخۀ عمر شرکت) محسوب می‌شود، ازنظر تجربی تأیید می‌شود.


 

جدول (3) بررسی الگوی بازده چرخۀ عمر شرکت (ناهنجاری چرخۀ عمر شرکت)

مراحل چرخۀ عمر شرکت

بازۀ زمانی یک‌ماهه

بازده بخش نگهداری

بازده بخش فروش استقراضی

اختلاف

آمارۀ t

بلوغ و سایر مراحل (چهار مرحلۀ دیگر)

016/0

008/0

007/0

41/2

بلوغ و تجمیع معرفی و رشد

016/0

008/0

008/0

58/2

بلوغ و تجمیع رکود و افول

016/0

009/0

007/0

48/1

بلوغ و معرفی

016/0

0045/0

012/0

92/1

بلوغ و رشد

016/0

0086/0

008/0

46/2

بلوغ و رکود

016/0

009/0

007/0

27/1

بلوغ و افول

016/0

006/0

015/0

45/1

 

جدول (4) نتایج آمارۀ آزمون GRS در آزمون الگوی بازده چرخۀ عمر شرکت به‌وسیلۀ الگو‌های عاملی

مراحل چرخۀ عمر شرکت

CAPM

FF3

C4

FF5

FF6

پنج مرحلۀ چرخۀ عمر شرکت طبق روش دیکینسون (2011)

93/2

(014/0)

82/4

(000/0)

52/4

(000/0)

54/3

(004/0)

53/3

(004/0)

 

 

در ادامه شواهد تجربی اولیه‌ای برای بررسی این موضوع ارائه می‌شود که الگوی بازده چرخۀ عمر شرکت با کدام‌یک از دو رویکرد ریسک یا قیمت‌گذاری نادرست مطابقت بیشتری دارد. یکی از روش‌های ساده و مؤثر برای بررسی این موضوع، استفاده از روند بازده تجمیعی در دوره‌های زمانی متفاوت است. دربارۀ الگوی بازده چرخۀ عمر شرکت و با توجه به دیکینسون (2011) و کونستانتیندی (2019)، در صورتی که در روند بازده تحقق‌یافتۀ انباشته شرکت‌های مراحل بلوغ تغییری دیده نشود، نشان می‌دهد مشارکت‌کنندگان بازار سرمایه نسبت به ارزش‌گذاری این مرحله و سایر مراحل چرخۀ عمر شرکت دچار خطای سیستماتیک می‌شوند و ویژگی‌های مرتبط با این مرحله را به‌صورت کامل در ارزش‌گذاری سهام در نظر نمی‌گیرند. پیامد این امر وجود روند بازده مثبت در دوره‌های بعدی خواهد بود. در صورتی که این روند دیده شود، الگوی بازده چرخۀ عمر شرکت براساس رویکرد قیمت‌گذاری نادرست توجیه‌پذیر خواهد بود. نمودار (1) بازده انباشتۀ ماهانۀ شرکت‌های موجود در مراحل مختلف چرخۀ عمر شرکت براساس روش دیکینسون (2011) را نشان می‌‌دهد:

 

 

نمودار (1) بازده تجمعی ماهانۀ شرکت‌ها در مراحل مختلف چرخۀ عمر شرکت

 

 

همان ‌طور که در نمودار (1) نشان داده‌ شده است، شرکت‌‌های بالغ نسبت به شرکت‌‌های سایر مراحل بازده تجمعی انباشتۀ ماهانۀ بیشتری دارند و تغییری نیز در روند مرتبط نشان داده نمی‌‌شود؛ بنابراین، با توجه به رویکردهای ارائه‌شده در بخش مبانی نظری مشاهده می‌‌شود که برخلاف دیدگاه انتظارات عقلایی مبتنی بر ریسک، بازده شرکت‌‌های موجود در مرحلۀ بلوغ از بازده سایر شرکت‌‌ها بیشتر است و به نظر می‌‌رسد مشارکت‌کنندگان بازار سرمایه ویژگی‌‌های بازده شرکت‌‌ها در این مرحله ازجمله پایداری بالاتر سود و بالابودن جزء نقدی سود در مرحلۀ بلوغ و تصحیح نوسان‌‌های پیش‌بینی سود به‌وسیلۀ تحلیلگران را در ارزش‌‌گذاری سهام این شرکت‌‌ها به‌صورت کامل در
نظر نمی‌‌گیرند؛ بنابراین، مشابه با نتایج کونستانتیندی (2019) شواهد تجربی با رویکرد قیمت‌‌گذاری نادرست برای توجیه اثر چرخۀ عمر شرکت سازگار است.

برای بررسی بیشتر این موضوع علاوه بر شواهد تجربی ارائه‌شده در نمودار (1) که با نتایج دیکینسون (2011) و کونستانتیندی (2019) سازگار است، این موضوع بررسی می‌‌شود که آیا تفاوت بین بازده شرکت‌‌های بالغ و سایر مراحل برای توالی‌‌های زمانی مختلف یا بازۀ زمانی مختلف بعد از تشکیل مراحل چرخۀ عمر شرکت نیز مثبت و معنادار است یا خیر. جدول (5) به آزمون تجربی این مورد برای بازده انباشتۀ یک‌ماهه، شش‌ماهه، یک‌ساله و دوساله پرداخته است.

 

 

 

 

جدول (5) شواهد تجربی تأثیر چرخۀ عمر شرکت بر بازده موردانتظار (محقق) شرکت‌‌ها

مراحل چرخۀ عمر شرکت

بازۀ زمانی یک‌ماهه

بازۀ زمانی شش‌ماهه

بازۀ زمانی یک‌ساله

بازۀ زمانی دوساله

اختلاف

آمارۀ t

اختلاف

آمارۀ t

اختلاف

آمارۀ t

اختلاف

آمارۀ t

بلوغ و سایر مراحل

007/0

41/2

05/0

79/4

09/0

18/5

21/0

82/5

بلوغ و تجمیع معرفی و رشد

008/0

58/2

052/0

06/5

098/0

57/5

225/0

12/6

بلوغ و تجمیع رکود و افول

007/0

48/1

049/0

99/2

082/0

75/3

27/0

32/5

بلوغ و معرفی

012/0

92/1

067/0

99/2

13/0

51/3

368/0

07/7

بلوغ و رشد

008/0

46/2

051/0

92/4

095/0

31/5

221/0

01/6

بلوغ و رکود

007/0

27/1

045/0

61/2

087/0

86/3

26/0

97/4

بلوغ و افول

0105/0

45/1

061/0

88/2

076/0

07/2

254/0

33/4

 

 

با توجه به نتایج جدول (5) تفاوت بازده مرحلۀ بلوغ با سایر مراحل در بازۀ زمانی یک‌ماهه به‌جز تفاوت شرکت‌‌های موجود در بلوغ و مراحل رکود، افول و ترکیب آنها مثبت و معنادار است. به‌علاوه این اختلاف در بازۀ زمانی شش‌ماهه، یک‌ساله و دوساله نیز همچنان مثبت و به‌شدت معنادار است که نشان‌ می‌‎دهد تفاوت بازده بین شرکت‌‌های بالغ از شرکت موجود در سایر مراحل بیشتر است و این الگو در بلندمدت نیز حفظ ‌شده است و تغییر روندی مشاهده نمی‌‌شود؛ بنابراین، اختلاف بازده بین شرکت‌‌های مرحلۀ بلوغ و سایر مراحل چرخۀ عمر ناشی از قیمت‌‌گذاری نادرست است.

با توجه به نتایج ذکرشده، مرحلۀ چرخۀ عمر شرکت به‌‌منزلۀ ویژگی مشترک به‌صورت پایداری بر بازده شرکت‌ها مؤثر است و می‌‌توان از آن به‌منزلۀ ویژگی مؤثر بر بازده شرکت‌‌ها برای ساخت عامل مؤثر بر بازده استفاده کرد. با توجه به الگوی بازده شرکت‌‌ها در مراحل مختلف چرخۀ عمر شرکت، برای انتخاب بخش نگهداری و فروش استقراضی در ساخت عامل چرخۀ عمر شرکت مبتنی بر سبد پوششی، در بخش نگهداری از میانگین بازده شرکت‌‌های مرحلۀ بلوغ و در بخش فروش استقراضی به‌دنبال پژوهش دیکینسون (2011) و با توجه به اینکه تعداد شرکت‌‌های سایر مراحل چرخۀ عمر کم هستند، از میانگین بازده شرکت‌‌های سایر مراحل استفاده ‌شده است. در ادامه، به آزمون تجربی تأکید اصلی این پژوهش یعنی آزمون چرخۀ عمر شرکت به‌‌منزلۀ عامل جدیدی در الگو‌های قیمت‌گذاری عاملی پرداخته می‌شود.

 

نحوۀ تشکیل عوامل

عوامل این مطالعه شامل عامل بازار، اندازه، ارزش، سودآوری، سرمایه‌‌گذاری، مومنتوم و چرخۀ عمر شرکت است. برای ساخت عوامل از سبد‌‌های پوششی (بازده سبد بخش نگهداری منهای بازده سبد بخش فروش استقراضی) استفاده می‌‌شود. برای نحوۀ ساخت شش عامل از فاما و فرنچ (2015؛ 2018)[109] و برای عامل منتخب چرخۀ عمر شرکت از روش جدید ارائه‌شده به‌وسیلۀ نویسندگان مقاله استفاده‌ شده است. بازده همۀ این عوامل براساس میانگین وزنی ارزشی محاسبه ‌شده‌ است.

عامل بازار (MKT): این عامل، در هر ماه از تفاوت بازده ماهانۀ بازار و بازده بدون ریسک ماهانه به دست می‌‌آید.

برای تشکیل عوامل اندازه، ارزش، سودآوری، سرمایه‌‌گذاری و مومنتوم از یک ساخت 2*2 استفاده ‌شده است؛ به ‌این ‌ترتیب که ابتدا در هر سال شرکت‌‌ها براساس اندازۀ خود به دو گروه و سپس، به‌صورت مستقل براساس متغیر بعدی (B/M، سودآوری، سرمایه‌‌گذاری و مومنتوم) به دو گروه دیگر تقسیم می‌‌شوند. از تقاطع این دو گروه‌بندی چهار گروه تشکیل می‌‌شود؛ سپس میانگین بازده بر مبنای وزن ارزشی شرکت‌‌های مندرج در هر گروه محاسبه می‌‌شود.

عامل اندازه ( ): براساس فاما و فرنچ (2015) برای تشکیل این عامل از رابطۀ (7) استفاده می‌‌شود:

(7)

 

 

که عبارت اول این رابطه برابر با میانگین بازده ماهانۀ شرکت‌‌های کوچک و عبارت دوم برابر با میانگین حسابی بازده ماهانۀ شرکت‌‌های بزرگ است.  برابر با تفاوت میانگین بازده شرکت‌‌های کوچک و شرکت‌‌های بزرگ است.

عامل ارزش ( ): براساس فاما و فرنچ (1993؛ 2015) برای ساخت عامل ارزش از رابطۀ (8) استفاده می‌‌شود.

(8)

 

 

که عبارت اول این رابطه، میانگین بازده ماهانۀ شرکت‌‌های ارزشی و عبارت دوم برابر با میانگین بازده ماهانۀ شرکت‌‌های رشدی است.  برابر با تفاوت میانگین بازده شرکت‌‌های ارزشی و رشدی است.

عامل سودآوری ( ): مطابق با فاما و فرنچ (2015) براساس رابطۀ (9) ساخته می‌‌شود:

(9)

 

 

عبارت اول این رابطه، میانگین بازده ماهانۀ سهام شرکت‌‌های با سودآوری قوی و عبارت دوم میانگین بازده ماهانۀ شرکت‌‌های با سودآوری ضعیف است.  برابر با تفاوت میانگین حسابی بازده شرکت‌‌های با سودآوری قوی و ضعیف است.

عامل سرمایه‌‌گذاری ( ): برای ساخت عامل سرمایه‌‌گذاری از رابطۀ (10) استفاده ‌شده است:

(10)

 

 

عبارت اول این رابطه، برابر با میانگین بازده شرکت‌‌های با سرمایه‌‌گذاری محافظه‌‌کارانه و عبارت دوم میانگین بازده شرکت‌‌های با میزان سرمایه‌‌گذاری متهورانه است.  برابر با تفاوت بازده شرکت‌‌های محافظه‌کارانه و متهورانه است.

عامل مومنتوم ( ): برای ساخت این عامل از رابطۀ (11) استفاده‌ شده است:

(11)

 

 

عبارت اول این رابطه، میانگین بازده شرکت‌‌های برنده (30 درصد سوم) و عبارت دوم برابر با میانگین بازده شرکت‌‌های بازنده (30 درصد سوم) است.  برابر با تفاوت بازده شرکت‌‌های برنده و بازنده است.

برای تشکیل عامل چرخۀ عمر شرکت با توجه به
استدلال‌‌های دیکینسون (2011)، بال و همکاران (2020) و تحلیل دوپانت براساس نسیم[110] و پنمن (2001) و پنمن و ژانگ (2006) پنج نسخۀ (ساختار) پیشنهادی ارائه ‌شده است. همۀ این ساختارها، ساخت 2*2*2 دارند. در جدول (6) نحوۀ تشکیل این نسخه‌‌ها ارائه‌ شده است. در جدول (6) به ترتیب عامل چرخۀ عمر شرکت براساس ویژگی‌‌های اندازه، BM و چرخۀ عمر شرکت[111] ( )؛ اندازه، سود انباشته و چرخۀ عمر شرکت[112] ( )، اندازه، بازده دارایی‌‌ها و چرخۀ عمر شرکت[113] ( )، اندازه، گردش دارایی‌‌ها و چرخۀ عمر شرکت ( ) و اندازه، سودآوری و چرخۀ عمر شرکت[114] ( ) ارائه ‌شده است.

 

نتایج تجربی

برای پاسخ به سوال اصلی پژوهش از رویکرد رگرسیون‌‌های پوششی به پیروی از بریلاس و شانکن (2017)، فاما و فرنچ (2018) و واهال (2019) استفاده می‌‌شود. در این رگرسیون‌‌ها عامل مدنظر بر سایر عوامل با استفاده از داده‌‌های سری زمانی تخمین زده می‌‌شود. در صورتی‌که عرض از مبدأ رگرسیون پوششی غیرصفر و معنادار باشد، به این معنی خواهد بود که عوامل موجود در الگوی چندعاملی توانایی توضیح بازده عامل جدید را به‌صورت کامل نداشته‌اند؛ بنابراین، عامل منتخب به عوامل موجود در الگوی عاملی مدنظر اضافه می‌شود و این عامل به بهبود مجموعه فرصت‌‌های سرمایه‌گذاری شامل سبد جدید و نسبت شارپ سبد مماس متشکل از این عوامل در فضای میانگین – واریانس کمک می‌‌کند (کندل[115] و استامباخ، 1995). در اینجا عامل چرخۀ عمر شرکت بر عوامل الگوی سه‌عاملی فاما و فرنچ (1993) و چهارعاملی کارهارت (1997)، پنج‌عاملی فاما و فرنچ (2015) و شش‌عاملی فاما و فرنچ (2018) تخمین زده می‌‌شود. اگر عرض از مبدأ غیرصفر و معنادار باشد، به معنای این است که چرخۀ عمر شرکت می‌‌تواند به‌‌منزلۀ عامل منتخب به الگو‌‌های عاملی قیمت‌‌گذاری ذکرشده اضافه شود.

 


جدول (6) نحوۀ تشکیل نسخه‌‌های مختلف عامل چرخۀ عمر شرکت

نقاط شکست

عوامل و اجزای آن

برای ساخت این نسخه‌ها از  میانۀ اندازه، BM، سود انباشته، بازده دارایی‌‌ها، سودآوری و گردش دارایی‌‌ها استفاده‌ شده است.

 

 

 

 

 

 

 

 

یافته ها

در آمار توصیفی مربوط به عوامل در روش سبد پوششی شامل عامل بازار، اندازه، ارزش، سودآوری، سرمایه‌‌گذاری و مومنتوم، میانگین بازده (آمارۀ t) به ترتیب برابر با 0061/0 (32/1)، 0035/0 (74/0)، 0052/0 (95/1)، 0079/0 (27/2)، 002/0 (75/0) و 004/0 (21/1) است. زمانی که نحوۀ ساخت عوامل به روش بخش نگهداری سبد پوششی تبدیل می‌شود، میانگین بازده (آمارۀ t) به ترتیب برابر با 0061/0 (32/1)، 016/0 (27/3)، 0169/0 (48/3)، 018/0 (19/4)، 015/0 (22/3) و 015/0 (41/3) است. میانگین بازده (آمارۀ t) برای نسخه‌‌های پیشنهادی عامل چرخۀ عمر شرکت در روش سبد پوششی به ترتیب برای  (009/0 (46/3))،  (008/0 (05/3))،  (009/0 (48/3))،  (01/0 (05/4)) و  (009/0 (32/3) است. در روش بخش نگهداری سبد پوششی میانگین بازده نسخه‌‌های پیشنهادی عامل چرخۀ عمر شرکت به ترتیب برابر با 021/0 (27/4)، 018/0 (62/3)، 021/0(99/3)، 021/0 (49/4) و 022/0 (24/4) است.

 

ساختار همبستگی بین عوامل

در جدول (7) نیز ماتریس ضریب همبستگی پیرسون بین عوامل استفاده‌شده در الگو‌‌های عاملی قیمت‌‌گذاری دارایی‌‌ها ارائه‌ شده است. میزان همبستگی بین نسخه‌‌های پیشنهادی عامل چرخۀ عمر شرکت و سایر عوامل موجود پایین است و این نشان می‌دهد بین عامل چرخۀ عمر شرکت و سایر عوامل هم‌خطی وجود ندارد.

 

 

 

 

 

 

 

جدول (7) ماتریس همبستگی بین عوامل الگوهای عاملی قیمت‌‌گذاری دارایی‌‌ها

 

                     
 

1

 

 

 

 

 

 

 

 

 

 

 

38/0-

1

 

 

 

 

 

 

 

 

 

 

05/0

03/0

1

 

 

 

 

 

 

 

 

 

12/0

31/0-

07/0-

1

 

 

 

 

 

 

 

 

04/0

37/0-

4/0-

44/0

1

 

 

 

 

 

 

 

11/0-

27/0

13/0

23/0-

09/0-

1

 

 

 

 

 

 

0005/0

07/0

11/0-

04/0

15/0

21/0

1

 

 

 

 

 

12/0

03/0-

22/0-

03/0

25/0

18/0

8/0

1

 

 

 

 

04/0

07/0

1/0-

003/0-

25/0

12/0

65/0

79/0

1

 

 

 

03/0-

07/0

22/0-

05/0

28/0

19/0

72/0

81/0

77/0

1

 

 

004/0

14/0

09/0-

06/0-

02/0

26/0

82/0

81/0

78/0

71/0

1

 

 

نتایج رگرسیون‌های پوششی

در این بخش نتایج رگرسیون‌‌های پوششی ارائه می‌‌شود. برای آزمون چرخۀ عمر شرکت به‌‌منزلۀ عامل منتخب، توان توضیح‌دهندگی عوامل (پوشش قدرت توضیح‌دهندگی سایر عوامل) الگوی سه‌عاملی فاما و فرنچ (1993)، چهارعاملی کارهارت (1997)، پنج‌عاملی فاما و فرنچ (2015) و شش‌عاملی فاما و فرنچ (2018) در پوشش قدرت توضیح‌دهندگی عامل چرخۀ عمر شرکت بررسی می‌‌شود. جدول (8) نتایج برآورد عرض از مبدأ و ارزش احتمال مربوط به آن (مقادیر داخل پرانتز) در رگرسیون‌‌های پوششی نسخه‌‌های پیشنهادی عامل چرخۀ عمر شرکت را بر عوامل الگو‌‌های عاملی قیمت‌‌گذاری ذکرشده نشان می‌‌دهد.

نتایج حاصل از برآورد رگرسیون‌‌های پوششی عامل چرخۀ عمر شرکت بر عوامل الگو‌‌های سه‌‎عاملی فاما و فرنچ (1993)، چهارعاملی کارهارت (1997)، پنج‌عاملی فاما و فرنچ (2015) و شش‌عاملی فاما و فرنچ (2018) در جدول (8) نشان می‌‌دهد عرض از مبدأ همۀ این رگرسیون‌‌ها غیرصفر و معنادار است؛ بنابراین، چرخۀ عمر شرکت به‌‌منزلۀ عامل منتخب به این الگو‌‌ها اضافه و سبب بهبود قدرت توضیح‌دهندگی میانگین بازده سهام و کاهش خطای قیمت‌‌گذاری این الگو‌‌ها می‌شود؛ بنابراین، در پاسخ به سؤال دوم مطرح‌شده می‌توان گفت اگر عامل چرخۀ عمر شرکت به الگوهای عاملی قیمت‌گذاری دارایی‌ها اضافه شود، به بهبود عملکرد این الگوها در توضیح تفاوت بازده سهام کمک می‌کند. در جدول (9) نتایج کامل برآورد رگرسیون‌‌های پوششی عامل چرخۀ عمر شرکت بر عوامل الگوی شش‎‌عاملی فاما و فرنچ (2018) ارائه ‌شده است.


 

 

 

جدول (8) نتایج عرض از مبدأ حاصل از رگرسیون‌‌های پوششی عامل چرخۀ عمر روی عوامل الگو‌‌های عاملی

الگوی عاملی قیمت‌گذاری دارایی

         

سه‌عاملی فاما و فرنچ (1993)

009/0

(00/0)

008/0

(00/0)

009/0

(00/0)

011/0

(00/0)

008/0

(00/0)

چهارعاملی کارهارت (1997)

008/0

(00/0)

008/0

(00/0)

009/0

(00/0)

011/0

(00/0)

007/0

(00/0)

پنج‌عاملی فاما و فرنچ (2015)

007/0

(00/0)

006/0

(018/0)

006/0

(026/0)

008/0

(00/0)

007/0

(007/0)

شش‌عاملی فاما و فرنچ (2018)

002/0

(00/0)

006/0

(018/0)

006/0

(026/0)

008/0

(00/0)

007/0

(01/0)

 

جدول (9) نتایج رگرسیون‌‌های پوششی عامل چرخۀ عمر شرکت در الگو‌‌های شش‌عاملی

عامل

         

عرض از مبدأ

007/0

(007/0)

005/0

(018/0)

006/0

(026/0)

008/0

(00/0)

007/0

(007/0)

بازار

034/0

(43/0)

09/0

(02/0)

07/0

(12/0)

001/0

(67/0)

057/0

(2/0)

اندازه

06/0

(21/0)

02/0

(51/0)

11/0

(02/0)

07/0

(11/0)

06/0

(16/0)

ارزش

08/0-

(29/0)

15/0-

(03/0)

01/0-

(88/0)

13/0-

(08/0)

11/0-

(14/0)

سودآوری

1/0

(12/0)

15/0

(013/0)

26/0

(00/0)

21/0

(00/0)

031/0

(64/0)

سرمایه‌‌گذاری

21/0

(005/0)

02/0

(005/0)

08/0

(28/0)

19/0

(00/0)

24/0

(002/0)

مومنتوم

04/0

(51/0)

028/0-

(65/0)

08/0-

(22/0)

003/0

(99/0)

02/0

(77/0)

ضریب تعیین تعدیل‌شده

06/0

13/0

09/0

134/0

07/0

 


آزمون پایایی‌سنجی نتایج پژوهش

استفاده از بخش نگهداری سبد پوششی برای ساخت عوامل به پیروی از الگوی قیمت‌‌گذاری دارایی‌‌های سرمایه‌‌ای مرتون[116] (1973) است. استفاده از بخش نگهداری برای تشکیل عامل، مرز کارای الگو‌‌های عاملی را ارتقا می‌‌دهد (کلارک[117]، سیلوا[118] و ثولری[119]، 2016). به‎علاوه در بسیاری مواقع پیاده‌سازی روش رویکرد سبد‌‌های پوششی برای ساخت عوامل با مشکلاتی همراه است (بیور[120]، مک‌نیکولز[121] و پرایس[122]، 2016)؛ بنابراین، در اینگونه مواقع می‌‌توان به‌جای استفاده از بازده سبد پوششی به‌منزلۀ تنها عامل از بازده بخش نگهداری سبد‌‌های پوششی (بازده عامل) استفاده کرد. دربارۀ چرخۀ عمر شرکت نیز دیکینسون (2011) پیشنهاد تشکیل سبد سرمایه‌‌گذاری از شرکت‌‌های بالغ بدون نیاز به فروش استقراضی را می‌‌دهد؛ بنابراین، در این پژوهش برای اولین بار این روش نیز آزمون تجربی می‌‎شود. برای ساخت عوامل (به‌جز عامل بازار) به روش نگهداری سبد‌‌های پوششی عبارت اول روابط (7) تا (11) و عامل چرخۀ عمر شرکت مندرج در جدول (6)، از بازده بدون ریسک ماهانه کسر می‌شود.

نتایج حاصل از برآورد نسخه‌‌های پیشنهادی عامل چرخۀ عمر شرکت بر عوامل الگو‌‌های عاملی قیمت‌‌گذاری متداول در جدول (10) ارائه‌ شده است.


 

جدول (10) نتایج رگرسیون‌‌های پوششی عامل چرخۀ عمر بر عوامل دیگر به روش بخش نگهداری

الگوی عاملی قیمت‌گذاری دارایی

         

سه‌عاملی فاما و فرنچ (1993)

006/0

(004/0)

005/0

(01/0)

005/0

(009/0)

009/0

(00/0)

006/0

(001/0)

چهارعاملی کارهارت (1997)

004/0

(02/0)

004/0

(038/0)

005/0

(018/0)

007/0

(00/0)

006/0

(005/0)

پنج‌عاملی فاما و فرنچ (2015)

003/0

(012/0)

001/0

(043/0)

002/0

(2/0)

004/0

(037/0)

005/0

(018/0)

شش‌عاملی فاما و فرنچ (2018)

003/0

(12/0)

001/0

(42/0)

002/0

(21/0)

003/0

(037/0)

005/0

(017/0)


 

 

نتایج جدول (10) نشان می‌‌دهد عرض از مبدأ رگرسیون‌‌های پوششی همۀ نسخه‌‌های پیشنهادی چرخۀ عمر شرکت (به‌جز نسخۀ    و  در الگوی شش‌عاملی فاما و فرنچ (2018) و  در الگوی پنج‌‎عاملی فاما و فرنچ (2015)) بر عوامل الگوی سه‌عاملی فاما و فرنچ (1993)، چهارعاملی کارهارت (1997)، پنج‌عاملی فاما و فرنچ (2015) و شش‌عاملی فاما و فرنچ (2018) غیرصفر و معنادار است؛ بنابراین، اضافه‌شدن عامل چرخۀ عمر شرکت به‌منزلۀ عامل اضافی به الگوهای عاملی قیمت‌‌گذاری دارایی‌‌ها سبب بهبود عملکرد الگو‌‌های سه‌عاملی فاما و فرنچ (1993)، چهارعاملی کارهارت (1997)، پنج‌عاملی فاما و فرنچ (2015) و شش‌عاملی فاما و فرنچ (2018) در روش ساخت بخش نگهداری سبد پوششی در توضیح تفاوت بازده سهام می‌‌شود.

در تفسیر اقتصادی نتایج ارائه‌شده برای بررسی تجربی دو سؤال مقاله، می‌توان به تفکیک سؤال‌ها مطالبی را ارائه کرد. دربارۀ سؤال اول پژوهش مبنی بر اینکه چرخۀ عمر شرکت الگوی بازده در سطح سبد سهام دارد، می‌توان از دو جنبه، ادبیات ناهنجاری‌های قیمت‌گذاری با تأکید بر ناهنجاری‌های حسابداری و مجموعه فرصت‌های سرمایه‌گذاری براساس روش انتخاب سبد سرمایه‌گذاری مارکویتز (1952) نتایج تجربی را تفسیر کرد. ازنظر ادبیات ناهنجاری‌های قیمت‌گذاری و با تأکید بر ناهنجاری‌های حسابداری، چرخۀ عمر شرکت به‌‌منزلۀ یکی دیگر از موارد خلاف قاعده در بازار سرمایه و برای الگو‌های عاملی قیمت‌گذاری دارایی‌هاست. بر این اساس از یک‌ سو کارآیی اطلاعاتی بازار سرمایه با چالشی جدید روبه‌رو می‌شود و اطلاعات مندرج در ویژگی چرخۀ عمر شرکت (صورت جریان وجوه نقد) به‌سرعت در قیمت منعکس نمی‌شود و درواقع، وقفه و تأخیر دارد. عموماً پارادایمی با عنوان مالی رفتاری برای توضیح تأخیر در انعکاس اطلاعات مخابره‌شده به بازار سرمایه شکل ‌گرفته است. در این مقاله نیز با آگاهی از این مسئله، شواهد تجربی اولیه برای بررسی تطابق الگوی بازده چرخۀ عمر شرکت با دو رویکرد ریسک و قیمت‌گذاری نادرست ارائه شد که به‌صورت کلی نشان می‌دهد ناهنجاری چرخۀ عمر شرکت با رویکرد قیمت‌گذاری نادرست تطابق بیشتری دارد و بازار سرمایه محتوای اطلاعاتی چرخۀ عمر شرکت از قبیل پایداری بالاتر سود و جریان‌های نقدی عملیاتی مرحلۀ بلوغ و تأکید بر کارآیی و اثربخشی شرکت‌های بالغ به‌دلیل وجود فضای رقابتی در بازار محصولات را به‌صورت کامل و سریع در ارزش‌گذاری و متعاقب آن قیمت بازار شرکت‌ها منعکس نمی‌کند. ازسوی دیگر، الگوی بازده چرخۀ عمر شرکت علاوه بر اینکه نشان می‌دهد الگو‌های عاملی قیمت‌گذاری دارایی‌ها الگوی کاملی برای توضیح تفاوت بازده سهام نیستند، الگویی را فراهم می‌آورد که می‌توان از آن برای آزمون میزان کمک این الگو به توان توضیح‌دهندگی الگو‌های عاملی قیمت‌گذاری‌ها استفاده کرد. از دیدگاه مجموعه فرصت‌های سرمایه‌گذاری نیز دارایی شناسایی ‌شده است که سبب بهبود مرز کارا در فضای میانگین – واریانس سرمایه‌گذاری براساس روش مارکویتز (1952) می‌شود و می‌توان راهبرد سرمایه‌گذاری براساس رویکرد سبد پوششی یا حتی بدون رویکرد سبد پوششی (بدون نیاز به فروش استقراضی) ارائه داد.

دربارۀ تفسیر نتایج مربوط به سؤال دوم که نشان می‌دهد چرخۀ عمر شرکت ممکن است به‌‌منزلۀ عامل جدید به الگو‌های عاملی قیمت‌گذاری اضافه شود و سبب بهبود عملکرد این الگو‌ها شود، می‌توان از پژوهش‌های هوبرمن و کندل (1987)، فاما و فرنچ (2018)، بریلاس و شانکن (2017) استفاده کرد. بر این اساس، چرخۀ عمر شرکت به‌‌منزلۀ عامل جدید به الگو‌های عاملی اضافه ‌شده و توانسته است مرز کارای میانگین – واریانس حاصل از الگو‌های سه‌عاملی فاما و فرنچ (1993)، چهارعاملی کارهارت (1997)، پنج‌عاملی فاما و فرنچ (2015) و شش‌عاملی فاما و فرنچ (2018) را بهبود ببخشد؛ درواقع، K ای به N+K اضافه‌ شده است که سایر N+K موجود در الگوهای عاملی توان پوشش قدرت توضیح‌دهندگی آن را ندارند و این مورد اثر خود را در آلفای برآوردی رگرسیون‌های پوششی عامل چرخۀ عمر شرکت بر سایر عوامل موجود در الگو‌های عاملی آزمون‌شده نشان می‌دهد.

 

نتایج و پیشنهادها.

به‌تازگی در ادبیات قیمت‌گذاری دارایی‌ها و پژوهش‌های بازار سرمایه در حسابداری، از چرخۀ عمر شرکت در حوزه‌های مختلفی مانند تأثیر بر نوسان ریسک ویژه و توضیح بتا استفاده ‌شده است. یکی دیگر از حوزه‌های جدید در این بخش، تأثیر چرخۀ عمر شرکت بر بازده سهام در سطح سهام انفرادی است که دیکینسون (2011) آن را مستند کرده است و به‌تازگی پژوهش کونستانتیندی (2019) با توجه به تأثیر چرخۀ عمر شرکت بر بازده سهام در سطح سهام انفرادی، آن را به‌‌منزلۀ ناهنجاری قیمت‌گذاری ارائه کرده و شواهد تجربی دلیل وجود این ناهنجاری را رویکرد قیمت‌گذاری نادرست می‌دانند. در این پژوهش به‌دنبال این شواهد تجربی، ابتدا نشان داده شد که چرخۀ عمر شرکت الگویی پیش‌بینی‌پذیر در بازده سهام در سطح سبد سهام دارد و الگوهای چندعاملی رایج قادر نیستند این الگو را توضیح دهند؛ بنابراین، چرخۀ عمر شرکت نوعی ناهنجاری قیمت‌گذاری محسوب می‌شود. این ناهنجاری در رویکرد قیمت‌گذاری نادرست توجیه‌پذیر است. این شواهد تجربی با نتایج و مضامین پژوهش‌های دیکینسون (2011)، کونستانتیندی (2019) و خدامی‌پور و همکاران (2013) مطابقت دارد و با مضامین حسن و همکاران (2015) و ایزلی و اوهارا (2004) همخوانی ندارد. حسن و همکاران (2015) دلیل زیربنایی تأثیر چرخۀ عمر شرکت بر بازده موردانتظار سهام را رویکرد ریسک می‌دانند.

براساس این شواهد تجربی اولیه، چرخۀ عمر شرکت به‌‌منزلۀ عامل جدید در تصریح الگو‌‌های عاملی قیمت‌‌گذاری دارایی‌‌ها به کار رفت و با استفاده از رویکرد سبد پوششی و بخش نگهداری سبد پوششی، عامل چرخۀ عمر شرکت ساخته شد. نتایج استفاده از روش سبد پوششی نشان داد عوامل موجود در الگو‌‌های عاملی قیمت‌گذاری مهم در ادبیات قیمت‌‌گذاری، نمی‌‌توانند بازده عامل چرخۀ عمر شرکت را به‌طور کامل توضیح دهند و بر این اساس این عامل عامل منتخبی است که سبب بهبود عملکرد الگو‌‌های عاملی قیمت‌‌گذاری دارایی‌‌ها می‌شود. با توجه به اینکه تاکنون هیچ پژوهشی به‌صورت مستقیم این موضوع را بررسی نکرده است، نمی‌‌توان نتایج را با پژوهش مشابهی مقایسه کرد؛ با این‌ حال، نتایج مضامین پژوهش زو (2007)، بزرگ‌اصل و مسجدموسوی (2016؛ 2019)، صالحی و همکاران (2019)، اعتمادی و همکاران (2016)، امامی‌نایینی و رحیمی‌موگویی (2016) و خدامی‌پور و همکاران (2013) را تأیید می‌‌کند. به‌علاوه نتایج استفاده از بخش نگهداری سبد پوششی نشان می‌‌دهد اضافه‌شدن عامل چرخۀ عمر شرکت به الگو‌‌های سه‌عاملی فاما و فرنچ (1993)، چهارعاملی کارهارت (1997)، پنج‌عاملی فاما و فرنچ (2015) و شش‌‎عاملی فاما و فرنچ (2018) سبب بهبود عملکرد این الگو‌‌ها می‌‌شود. با توجه به نبود پژوهش مستقیم، نمی‌‌توان نتایج این بخش را نیز مقایسۀ مستقیم نکرد؛ با این ‌حال، به‌صورت کلی مضامین دیکینسون (2011)، کلارک و همکاران (2016) و بیور و همکاران (2016) تأیید می‌شود.

براساس نتایج حاصل از این پژوهش، با توجه به اینکه بازده ماهانۀ انباشتۀ شرکت‌های مرحلۀ بلوغ نسبت به شرکت‌های سایر مراحل چرخۀ عمر شرکت به‌ویژه در بازه‌های زمانی بلندمدت، بیشتر و این اختلاف معنادار است، به‌‌منزلۀ پیشنهاد کاربردی، به صندوق‌های بازنشستگی فعال در بازار سرمایه پیشنهاد می‌شود از رویکرد تشکیل سبد سرمایه‌گذاری با توجه به معیار بسیار ساده‌ای که دربارۀ چرخۀ عمر شرکت در این پژوهش به کار رفته است، استفاده و برای طرح‌های مزایای بازنشستگی و طراحی صندوق سرمایه‌گذاری خود از آن استفاده کنند.

بر مبنای یافته‌های این پژوهش به پژوهشگران بعدی پیشنهاد می‌شود ابتدا در پژوهشی جامع دو رویکرد ریسک و قیمت‌گذاری نادرست را در توجیه الگوی بازده چرخۀ عمر شرکت در سطح سبد سهام بررسی کنند. برای این کار می‌توان از چهارچوب پژوهش‌های کونستانتیندی (2019)، حسن و همکاران (2015)، ایزلی و اوهارا (2004) و کوه و همکاران (2015) استفاده کرد. به‌علاوه، پیشنهاد می‌شود با توجه به اینکه می‌توان بازده سهام شرکت‌ها را به اخبار مربوط به جریان‌های نقدی موردانتظار و اخبار مربوط به نرخ تنزیل تجزیه کرد، این مورد بررسی شود که بازده عامل چرخۀ عمر شرکت بیشتر به‌وسیلۀ کدام‌ یک از اخبار مربوط به جریان‌های نقدی عملیاتی یا اخبار مربوط به نرخ تنزیل توضیح‌پذیر است. ‌ذکر این نکته ضروری است که در پژوهش حسن و همکاران (2015) اثر چرخۀ عمر شرکت به اخبار مربوط به نرخ تنزیل و در پژوهش کونستانتیندی (2019) این اثر، به اخبار مربوط به جریان‌های نقدی موردانتظار نسبت داده‌ شده است. در ضمن، با توجه به اینکه تاکنون ارتباط چرخۀ عمر شرکت بر مبنای روش دیکینسون (2011) با ریسک اطلاعات، عدم اطمینان اطلاعات و ریسک ورشکستگی بررسی نشده است، پیشنهاد می‌شود بر مبنای پژوهش‌های ایزلی و اوهارا (2004) و کوه و همکاران (2015) پژوهشی در این زمینه انجام شود. نتایج تجربی حاصل در این پژوهش مبتنی بر داده‎‌های موجود در دورۀ زمانی 1383 تا 1397 بورس اوراق بهادار تهران است. با دسترسی به داده‌ها در دورۀ زمانی بزرگ‌تر یا انجام پژوهش با استفاده از داده‌های سایر کشورها می‌توان پایایی نتایج این پژوهش را بررسی کرد.



[1]. Capital asset pricing model

[2]. Sharpe

[3]. Lintner

[4]. Mossin

[5]. Black

[6]. Jensen

[7]. Scholes

[8]. MacBeth

[9]. Firm characterstics

[10]. Basu

[11]. Banz

[12]. Rosenberg

[13]. Reid

[14]. Lanstein

[15]. Bhandar

[16]. Hou

[17]. Xue

[18]. Zhang

[19]. Sloan

[20]. Desai

[21]. Rajgopal

[22]. Venkatachalam

[23]. Ball

[24]. Gerakos

[25]. Linnainmaa

[26]. Nikolaev

[27]. Hepfer

[28]. Dickinson

[29]. Vorst

[30]. Yohn

[31]. Hasan

[32]. Hossain

[33]. Cheung

[34]. Habib

[35]. Konstantinidi

[36]. در این بخش پنج نسخۀ مختلف برای ساختن عامل چرخۀ عمر پیشنهاد و عملکرد الگو‌های توسعه‌یافته با هر عامل بررسی می‌شود. شیوه‌های متفاوت ساخت این عوامل در جدول (6) توضیح داده‌ شده است.

[37]. Gibbons

[38]. Ross

[39]. Shanken

[40]. Barillas

[41]. Wahal

[42]. Markowitz

[43]. Huberman

[44]. Kandel

[45]. شیوه‌های متفاوت ساخت عامل چرخۀ عمر شرکت در جدول (6) توضیح داده‌ شده است.

[46]. Long – short position

[47]. Long only

[48]. Yan

[49]. Aharony

[50]. Falk

[51]. Yehuda

[52]. Xu

[53]. Bulan

[54]. Subramanian

[55]. Chincarini

[56]. Kim

[57]. Moneta

[58]. Hribar

[59]. Yehuda

[60]. Helfat

[61]. Peteraf

[62]. Easley

[63]. O’Hara

[64]. Koh

[65]. Durandb

[66]. Dai

[67]. Chang

[68]. Ohlson

[69]. Feltham

[70]. Kothari

[71]. Richardson

[72]. Tuna

[73]. Wysocki

[74]. Lewellen

[75]. Soliman

[76]. Novy-Marx

[77]. Reibel

[78]. Fairfield

[79]. Profit margin

[80]. Asset turnover

[81]. Frankel

[82]. Litov

[83]. Penman

[84]. Oster

[85]. Shy

[86]. Asset in place

[87]. Collins

[88]. Tian

[89]. Bradshaw

[90]. Doukas

[91]. Pantzalis

[92]. Baker

[93]. Wurgler

[94]. Stambaugh

[95]. Yu

[96]. Yuan

[97]. Mo

[98]. منظور از سایر رویکردهای آزمون، الگو‌های عاملی قیمت‌گذاری دارایی‌ها، رویکرد رگرسیون‌های سری زمانی (مبتنی بر دارایی‌های آزمون) و رویکرد رگرسیون‌‎های مقعطی و نیز روش‌های آماری انتخاب متغیرها مانند LASSO (least absolute shrinkage and selection operator) است.

[99]. OXMetrics

[100]. Doornik

[101]. Ooms

[102]. Asness

[103]. Frazzini

[104]. www. Bourtseview.com

[105]. به این معنی که با توجه به مقادیر مرزی در 1 درصد و 99 درصد تابع توزیع تجربی تجمعی داده‌ها، داده‌های بزرگ‌تر و کوچک‌تر از این مقادیر مرزی به این مقادیر تبدیل ‌شده‌اند.

[106]. به پیروی از بال و همکاران (2016) و فاما و فرنچ (2018) بهترین معیار برای اندازه‌گیری و ساخت عامل سودآوری، استفاده از بخش نقدی سود عملیاتی است.

[107]. http://mba.tuck.dartmouth.edu/pages/faculty/ken.french/Data_Library/det_mom_factor.html

[108]. Value-weighted

[109]. در این پژوهش به‌دلیل اینکه تعداد شرکت‌‌های عضو نمونۀ آماری نسبت به شرکت‌‌های استفاده‌شده در فاما و فرنچ (1993) به میزان فراوانی کمترند و برای رعایت تنوع‌بخشی در عوامل استفاده‌شده، به‌جای ساختار 3*2 از ساختار 2*2 استفاده‌ شده است.

[110]. Nissim

[111]. چرخۀ عمر شرکت معیار مناسبی برای تفکیک و شناسایی شرکت‌های رشدی و ارزشی است (دیکینسون، 2011)؛ بنابراین، اولین نسخۀ پیشنهادی برای ساخت عامل چرخۀ عمر شرکت استفاده از ویژگی‌‌های اندازه، B/M و چرخۀ عمر است.

[112]. به‌دلیل اینکه سود انباشته معیاری عاری از خطای اندازه‌گیری و تقدم و تأخر زمانی در شناسایی سود است، معیار مناسب‌تری برای پیش‌بینی سود و متعاقب آن بازده موردانتظار سهام است؛ بنابراین، این بخش از ارزش دفتری سرمایه، معیار مناسب‌تری برای ساخت عامل ارزش است (بال و همکاران، 2020).

[113]. دلیل استفاده از معیار بازده دارایی‌‌ها و گردش دارایی‌‌ها در مبانی نظری و در بخش وجودنداشتن شناسایی کامل پایداری سود در مراحل مختلف چرخۀ عمر شرکت ارائه‌ شده است.

[114]. دلیل استفاده از این ساختار مؤثربودن چرخۀ عمر شرکت در پیش‌بینی سود در الگو‌‌های ارزش‌گذاری است.

[115]. Kandel

[116]. Merton

[117]. Clarke

[118]. Silva

[119]. Thorley

[120]. Beaver

[121]. McNichols

[122]. Price

اعتمادی، ح.، رحیمی‎‌موگویی، ف.، آقایی، م.، و انواری‌رستمی، ع. الف. (1395). ارزیابی نقش چرخۀ عمر شرکت در بهینه‌‌سازی مدل ارزش‌‌گذاری اولسون. دانش حسابداری و حسابرسی مدیریت، 5 (99)، 110-17.
امامی‌نایینی، م.، و رحیمی‌موگویی، ف. (1395). بسط مدل فلتهام و اولسون با استفاده از طبقه‌بندی چرخۀ عمر شرکت. حسابداری مدیریت، 9 (30)، 53-39.
بزرگ‌اصل، م.، و مسجدموسوی، م. (1395). تبیین مدل پنج‌عاملی فاما و فرنچ با تأکید بر فرضیۀ چرخۀ حیات زندگی شرکت. پژوهش‌های کاربردی در گزارشگری مالی، 5 (9)، 118-99.
بزرگ‌اصل، م.، و مسجدموسوی، م. (1397). مقایسۀ توان توضیحی مدل سه‌عاملی فاما و فرنچ و مدل قیمت‌‌گذاری دارایی‌‌های سرمایه‌‌ای با تأکید بر چرخۀ زندگی شرکت. پژوهش‌‌های تجربی حسابداری، 8 (3)، 342-321.
خدامی‌پور، الف.، دلدار، م.، و چوپانی، ح. (1392). بررسی تأثیر عدم تقارن اطلاعاتی و چرخۀ عمر شرکت بر بازده آتی سهام شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران. مطالعات تجربی حسابداری مالی، 11 (38)، 167-143.
صالحی، م.، حجازی، ر.، طالب‌نیا، ق.، و امیری، ع. (1398). ارائۀ الگوی تعدیلی از مدل‌های ارزش‎‌گذاری دارایی‌های سرمایه‌ای با استفاده از ریسک درماندگی مالی و چرخۀ عمر شرکت. راهبرد مدیریت مالی، 6 (24)، 122-95.
عیوضلو، ر.، قهرمانی، ع.، و عجم، ع. (1395). بررسی عملکرد مدل پنج‎‌عاملی فاما و فرنچ با استفاده از آزمون GRS. تحقیقات مالی، 18 (4)، 714-691.
کرمی، غ.، و آخوندی، الف. (1395). چرخۀ عمر شرکت و هزینۀ حقوق صاحبان سهام شرکت‌ها. مجلۀ مطالعات تجربی حسابداری مالی، 13 (52)، 51-29.
 
References
Aharony, J., Falk. H., & Yehuda, N. (2006). Corporate life cycle and the value relevance of cash flow versus accrual financial information, School of Economics and Management Bolzano, Italy. Working Paper. No. 34.
Asness, C., & Frazzini, A., (2013). The devil in HML’s details. Journal of Portfolio Management,39, 49-68. Doi: http://dx.doi.org/10.2139/ssrn.2054749.
Ball, R., Gerakos, J., Linnainmaa, J., & Nikolaev, V. (2015). Deflating profitability. Journal of Financial Economic, 117 (2), 225-248. Doi: https://doi.org/10.1016/j.jfineco.2015.02.004.
Ball, R., Gerakos, J., Linnainmaa, J., & Nikolaev, V. (2016). Accruals, cash flow and operating profitability in the cross section of stock returns. Journal of Financial Economics, 121 (1), 28-45. Doi: https://doi.org/10.1016/j.jfineco.2016.03.002.
Ball, R., Gerakos, J., Linnainmaa, J. T. & Nikolaev, V. V. (2020). Earnings, retained earnings and book-to-market in the cross section of expected returns. Journal of Financial Economics, 135 (1), 231-245. Doi: https://doi.org/10.1016/j.jfineco.2019.05.013.
Barillas, F., & Shanken, J. (2017). Which alpha. Review of Financial Studies, 30, 1316–1338. Doi: https://doi.org/10.1093/rfs/hhw101.
Baker, M., & Wurgler J. (2006). Investor sentiment and the cross‐section of stock returns. The Journal of Finance, 61 (4), 1645-1680. Doi: 10.2139/ssrn.464843.
Baker, M., & Wurgler J. (2007). Investor sentiment in the stock market. The Journal of Economic Perspectives, 21 (2), 129-151. Doi: 10.1257/jep.21.2.129.
Banz, R. (1981). The relationship between return and market value of common stocks. Journal of Financial Economics, 9, 3-18. Doi: https://doi.org/10.1016/0304-405X(81)90018-0.
Basu, S. (1977). Investment performance of common stocks in relation to their price-earnings ratios: A test of the efficient market hypothesis. Journal of Finance, 32 (3), 663–682. Doi: 10.2307/2326304.
Beaver, W., McNichols, M., & Price, R. (2016). The costs and benefits of long-short investing: A perspective on the market efficiency literature. Journal of Accounting Literature, 37, 1-18. Doi: https://doi.org/10.1016/j.acclit.2016.07.001.
Bhandari, L. C. (1988). Debt/equity ratio and expected common stock returns: Empirical evidence. Journal of Finance, 43 (2), 507–528. Doi: 10.2307/2328473.
Black, F. S., Jensen, M. C., & Scholes, M. S. (1972). The capital asset pricing model: Some empirical tests. In Studies in the Theory of Capital Markets, New York: Praeger Publishers. 79-121.
Bozorg Asl, M., & Mosajed mousavi, M. S. (2019). Explanatory power of Fama and French three-factor model vs capital asset pricing model focusing on firms' life cycle. Journal of Empirical Research in Accounting, 8 (2), 321-344. Doi: 10.22051/JERA.2017.13576.1573. (In Persian).
Bozorg Asl, M., & Mosajed mousavi, M. S. (2016). Fama and French five-factor model with emphasis on firm’s life cycle hypothesis. Journal of Applied Research in Financial Reporting, 5 (2), 93-118. (In Persian).
Bradshaw, M. T., Richardson, S. A., & Sloan, R. G. (2001). Do analysts and auditors use information in accruals? Journal of Accounting Research, 39 (1), 45-74. Doi: https://doi.org/10.1111/1475-679X.00003.
Bulan, L., & Subramanian, N. (2011). The firm life cycle theory of dividends. In H. Kent Baker (ed.). The Blackwell Companion to Dividends and Dividend Policy, Hoboken, New Jerse, USA: Blackwell,201-215.
Carhart, M. M. (1997). On persistence in mutual fund performance. Journal of Finance, 52 (1), 57-82. Doi: 10.2307/2329556.
Chincarini, L. B., Kim, D., & Moneta, F. (2016). The life cycle of beta. Working paper University of San Francisco, Konkuk University and Queen's University. Working Paper. Doi: http://dx.doi.org/10.2139/ssrn.2821852.
Clarke, R. H., Silva, D., & Thorley, S. (2016). Fundamentals of efficient factor investing. Financial Analysts Journal, 72 (6), 9-26. Doi: https://doi.org/10.2469/faj.v72.n6.3.
Collins, D. W., Hribar, P., & Tian, X. (2014). Cash flow asymmetry: Causes and Implications for Conditional Conservatism Research. Journal of Accounting and Economics, 58 (2-3), 173 –200. Doi: https://doi.org/10.1016/j.jacceco.2014.08.010.
Desai, H., Rajgopal, S., & Venkatachalam, M. (2004). Value-glamour and accruals mispricing: One anomaly or two? The Accounting Review, 79 (2), 355-385.
Dickinson, V. (2011). Cash Flow Patterns as a Proxy for Firm Life Cycle. The Accounting Review, 86 (6), 1969-1994. Doi: https://doi.org/10.2308/accr-10130.
Doornik, J. (2009). An Object-Oriented Matrix Language Ox 6. London: Timberlae Consultants Press and Oxford: www.doornik.com.
Doornik, J., & Ooms, M. (2007). Introduction to Ox: An Object-Oriented Matrix Language. UK: Timberlake Consultants Press.
Doukas, J. A., Kim, C. F., & Pantzalis, C. (2002). A test of the errors–in–expectations explanation of the value/glamour stock returns performance: Evidence from analysts’ forecasts. The Journal of Finance, 57 (5), 2143-2165. Doi: https://doi.org/10.1111/1540-6261.00491
Easley, D., & O'Hara. M. (2004). Information and the cost of capital. The Journal of Finance, 59 (4), 1553-1583. Doi: https://doi.org/10.1111/j.1540-6261.2004.00672.x.
 Emami Naeini, M. R., & Rahimi Mougouie, F. (2016). Development of the Ohlson and Feltham-Ohlson valuation models using the Dickinson’s life cycle classification. Management Accounting, 9 (30), 39-53. (In Persian).
Etemadi, H.,  Rahimi Mougouie, F., Aghaie , M. A., & Anvary Rostamy, A. A. (2016). Evaluation of the role of firm’s life cycle in the optimal design of Ohlson valuation model. Journal of Managerial Accounting and Auditing Knowledge, 5 (7), 99-110.(In Persian).
Eyvazlu, R., Ghahramani, A., & Ajam, A. (2016). Analyzing the performance of fama and french five-factor model using GRS test. Financial Research Journal, 18 (4), 691-714. Doi: 10.22059/JFR.2017.62587. (In Persian).
Fama, E. F., & MacBeth, J. D. (1973). Risk, return and equilibrium: Empirical tests. Journal of Political Economy, 81 (3), 607–636.
Fama, E. F., & French, K. R. (1992). The cross-section of expected stock returns. Journal of Finance, 47 (2), 427-465. Doi: 10.2307/2329112.
Fama, E. F., & French, K. R. (1993). Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 33 (1), 3-56. Doi: https://doi.org/10.1016/0304-405X(93)90023-5.
Fama, E. F., & French, K. R. (2015). A five-factor asset pricing model. Journal of Financial Economics, 116: 1–22. Doi: https://doi.org/10.1016/j.jfineco.2014.10.010.
Fama, E. F., & French, K. R. (2018). Choosing factors. Journal of Financial Economics, 118 (2), 234-252. Doi: https://doi.org/10.1016/j.jfineco.2018.02.012.
Fama, E. F., & French, K. R. (2006). Profitability, investment and average returns.Journal of Financial Economics, 82, 491–518. Doi: https://doi.org/10.1016/j.jfineco.2005.09.009.
Fairfield, P. R., & Yohn. T. (2001). Using asset turnover and profit margin to forecast changes in profitability. Review of Accounting Studies, 6, 371-385. Doi: 10.1023/A:1012430513430.
Feltham, G., & Ohlson. J. (1995). Valuation and Clean Surplus Accounting for Operating and Financial Activities. Contemporary Accounting Research, 12: 689-731. Doi: https://doi.org/10.1111/j.1911-3846.1995.tb00462.x.
Frankel, R., & Litov. L. (2009). Earnings persistence. Journal of Accounting and Economics, 47, 182–190.
Gibbons, M. R., Ross, S. A., & Shanken, J. (1989). A test of the efficiency of a given portfolio. Econometrica, 57 (5), 1121–1152. Doi: 10.2307/1913625.
Habib, A., & Hasan, M. M., (2018). Corporate life cycle research in accounting, finance and corporate governance: A survey and directions for future research. International Review of Financial Analysis, Doi: http://dx.doi.org/10.2139/ssrn.3180154.
Hasan, M. M., Hossain, M., Cheung, A., & Habib, A. (2015). Corporate life cycle and cost of equity capital. Journal of Contemporary Accounting & Economics, 11 (1), 46-60. Doi: https://doi.org/10.1016/j.jcae.2014.12.002.
Hasan, M. M., & Habib. E. (2017). Firm life cycle and idiosyncratic volatility. International Review of Financial Analysis, 50, 164-175. Doi: https://doi.org/10.1016/j.irfa.2017.01.003.
Hepfer, B. F. (2018). A re-examination of the book-tax difference pricing anomaly. Mays Business School. Available at: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3165163.
Hou, K., Xue, C., & Zhang, L. (2015). Digesting anomalies: An investment approach. Review of Financial Studies, 28 (3), 650–705. Doi: https://doi.org/10.1093/rfs/hhu068.
Hou, K., Mo, H., Xue, C., & Zhang, L. (2018). q5. Charles A. Dice Center Working Paper No. 2018-10; Fisher College of Business Working Paper No. 2018-03-010. http://dx.doi.org/10.2139/ssrn.3191167.
Helfat, C. E., & Peteraf. M. A. (2003). The dynamic resource-based view: Capability life cycles.
Strategic Management Journal, 24 (10), 997-1010. Doi: https://doi.org/10.1002/smj.332.
Hribar, P., & Yehuda, N. (2015). The mispricing of cash flows and accruals at different life-cycle stages. Contemporary Accounting Research, 32 (30), 1053-1072. Doi: https://doi.org/10.1111/1911-3846.12117.
Huberman, G., & Kandel, S. (1987). Mean-variance spanning. Journal of Finance, 42, 873–888. Doi: 10.2307/2328296.
Kandel, S., & Stambaugh, R. F. (1995). Portfolio inefficiency and the cross-section of expected returns. Journal of Finance, 50, 157-184. Doi: 10.2307/2329242.
Karami, Gh., & Akhondi, O. (2016). Corporate life cycle and cost of equity capital. Empirical Studies in Financial Accounting, 13 (52), 37-60. Doi: https://doi.org/10.1016/j.jcae.2014.12.002. (In Persian).
 Khodamipoor, A., Deldar, M., & Choopani, M. (2013). Effect of information asymmetry and company life cycle on future stocks return: Evidence from Tehran Stock Exchange. Empirical Studies in Financial Accounting Quarterly, 10 (38), 143-167. (In Persian).
Koh, S., Durand, R. B., Dai., L., & Chang., M. (2015). Financial distress: Life cycle and corporate restructuring. Journal of Corporate Finance, 33, 19-33. Doi: 10.1016/j.jcorpfin.2015.04.004.
Konstantinidi, T. (2019). Firm life cycle, expectation errors and future stock returns. Cass Business School, City. University of London. Available at: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3332513. doi: 10.2139/ssrn.3332513
Kothari, S. P. (2001). Capital markets research in accounting. Journal of Accounting and Economics, 31, 105-231. Doi: https://doi.org/10.1016/S0165-4101(01)00030-1.
Lewellen, J. (2010). Accounting anomalies and fundamental analysis: an alternative view. Journal of Accounting and Economics, 50, 455–466. Doi: https://doi.org/10.1016/j.jacceco.2010.09.007.
Lintner, J. (1975). The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets. In Stochastic Optimization Models in Finance. Academic Press. 131-155.
Markowitz, H. M. (1952). Portfolio Selection. Journal of Finance, 7, 77-91.
Merton. R. (1973). An intertemporal capital asset pricing model. Econometrica, 41, 867-887. Doi: 10.2307/1913811.
Mossin, J. (1966). Equilibrium in a capital asset market. Econometrica, 34 (4), 768-783. Doi: 10.2307/1910098.
Nissim, D., & Penman. S. (2001). Ratio analysis and equity valuation: From research to practice. Review of Accounting Studies, 6(1), 109-154. Doi: 10.1023/A:1011338221623.
Novy-Marx, R. (2013). The other side of value: The gross profitability premium. Journal of Financial Economics, 108, 1–28. https://doi.org/10.1016/j.jfineco.2013.01.003.
Ohlson, J. (1995). Earnings, book-values and dividends in equity valuation. Contemporary Accounting Research,11, 661–687. https://doi.org/10.1111/j.1911-3846.1995.tb00461.x
Oster, S. (1990). Modern Competitive Analysis. New York, NY: Oxford University Press.
Penman, S., & Zhang, X. (2006). Modeling sustainable earnings and P/E Ratios with financial statement analysis. Working paper, Columbia University and University of California, Berkeley. Doi: 10.2139/ssrn.318967.
Reibel. A. (2014). Earnings Persistence and the Value Premium. Imperial College London, Business School. (PhD Theses), Imperial College Business School.Available at: https://spiral.imperial.ac.uk/handle/10044/1/24588.
Richardson, S., Tuna, İ., & Wysocki. P. (2010). Accounting anomalies and fundamental analysis: A review of recent research advances. Journal of Accounting and Economics, 50, 410-454. https://doi.org/10.1016/j.jacceco.2010.09.008.
Rosenberg, B., Reid, K., & Lanstein, R. (1985). Persuasive evidence of market inefficiency. Journal of Portfolio Management, 11, 9-17. https://doi.org/10.3905/jpm.1985.409007.
Salehi, M., Hejazi, H., Talebnia, G., & Amiri, A. (2019). A scheme of CAPM models considering distress risk and Firms life cycle. Journal of Financial Management Strategy, 7 (1), 95-122. Doi: 10.22051/JFM.2018.20342.1668. (In Persian).
Sloan, R. (1996). Do stock prices fully reflect information in accruals and cash flows about future earnings? The Accounting Review, 71 (3), 289–315
Soliman, M. (2008). The use of DuPont analysis by market participants. The Accounting Review, 83 (3), 823-853. Doi: 10.2139/ssrn.1101981.
Sharpe, W. E. (1964). Capital asset prices: A theory of market equilibrium under conditions of risk. Journal of Finance, 19, 425-442. https://doi.org/10.1111/j.1540-6261.1964.tb02865.x.
Shy, O. (1995). Industrial Organization: Theory and Application. Cambridge, MA: The MIT Press.
Stambaugh, R. F., Yu, J., & Yuan, Y. (2012). The short of it: Investor sentiment and anomalies. Journal of Financial Economics, 104 (2), 288-302. https://doi.org/10.1016/j.jfineco.2011.12.001.
Vorst, P., & Yohn, T. L. (2018). life cycle models and forecasting growth and profitability. The Accounting Review, 93 (6), 357-381. https://doi.org/10.2308/accr-52091.
Wahal, S. (2019). The profitability and investment premium: Pre-1963 evidence. Journal of Financial Economics,131 (2), 362-377. https://doi.org/10.1016/j.jfineco.2018.09.007. https://doi.org/10.1016/j.jfineco.2018.09.007.
Xu, B. (2007). Life cycle effect on the value relevance of common risk factors. Review of Accounting and Finance, 6 (2), 162–175. Doi: 10.1108/14757700710750838.
Yan, Z. (2010). A new methodology of measuring firm life-cycle stsges. International Journal of Economic Prespective, 4 (4), 579-587. http://dx.doi.org/10.2139/ssrn.893826.