Analysis of Investors’ Reaction to Unexpected Earnings Under Market Uncertainty

Document Type : Research Paper

Authors

1 P.H.D Student of Accounting, Faculty of Administrative Sciences and Economics, University Of Isfahan, Iran

2 Accounting department, Faculty of Administrative Sciences and Economics, University Of Isfahan, Iran

3 Assistant Professor of Economy, Faculty of Administrative Sciences and Economics, University Of Isfahan, Iran

Abstract

Objectives: Under uncertainty, investors do not have enough information about the firm's future cash flows and there is ambiguity about future state of the market. In this situation, according to Bayes' rule, when the market receives information signals (such as firms’ earnings announcements), it may reduce uncertainty and results in more investors' reaction to earnings announcement. The purpose of this study is investigating investors' reaction to unexpected earnings under market uncertainty.
Method: For doing so, a sample of 162 companies listed in the Tehran Stock Exchange in the period 1384 to 1394 have been selected. Two methods (the computational formula and GARCH method) were used for calculating market uncertainty.
Results: The results of hypotheses test indicated when market uncertainty is high (compared to lower uncertainty), investors’ reaction to earnings announcement is more. Also, under high market uncertainty, investors display more reaction to bad news that this response is consistent with the conservatism approach.

Keywords


مقدمه

 

اطلاعات حسابداری ازجمله مهم‌ترین اطلاعات بازار سرمایه است؛ زیرا به تأمین‌کنندگان سرمایه اجازه می‌‌دهد بازده بالقوۀ فرصت‌های سرمایه‌گذاری‌ را ارزیابی کنند و بر نحوۀ استفاده از منابع خود نظارت داشته باشند. به همین دلیل است که بیشتر بازیگران بازار سرمایه، پژوهشگران و سیاست‌گذاران توجه دقیقی به اطلاعات حسابداری ازجمله اعلام سود دارند.

زمانی که سرمایه‌گذاران اطلاعات ناقصی دربارۀ بازده‌های موردانتظار یا جریان‌های نقدی دارند، باید دربارۀ فرایندهای ناشناخته با استفاده از هرگونه اطلاعات دردسترس آگاهی کسب کنند. به‌دلیل وجود عدم اطمینان[1]، این اطلاعات باید با استفاده از روش‌های مختلف تصمیم‌گیری ازجمله تجزیه‌وتحلیل بیزین الگوسازی شود (لولن و شانکن[2]، 2002). عدم اطمینان وضعیتی است که در آن اطلاعات کافی برای آگاهی از احتمالات نتایج ممکن دربارۀ یک پدیده وجود ندارد (ویلیامز[3]، 2015) و کسب آگاهی دربارۀ موضوعاتی که با عدم اطمینان روبه‌رو هستند، در اصطلاح «یادگیری»[4] نامیده می‌شود. عدم‌اطمینان با تأثیر بر باورهای سرمایه‌گذاران بر قیمت سهام تأثیر می‌‌گذارد و همچنان که سرمایه‌گذاران اطلاعات بیشتری دربارۀ اقتصاد کسب می‌کنند، بر تغییر قیمت‌ها در طول زمان نیز تأثیرگذار است. زمانی که دربارۀ وضعیت آتی بازار و شرکت‌ها عدم‌اطمینان وجود دارد، دریافت هرگونه سیگنال اطلاعاتی (ازجمله اعلام سود شرکت‌ها) ممکن است سبب تجدیدنظر در باورهای پیشین سرمایه‌گذاران شود و زمینۀ کسب آگاهی (یادگیری) را فراهم کند و عدم اطمینان را کاهش دهد (پاستور و وِرونسی[5] ، 2009)؛ بنابراین انتظار می‌رود زمانی که عدم‌اطمینان بالایی در بازار وجود دارد، اعلام سود شرکت‌ها به‌منزلۀ سیگنال اطلاعاتی، تأثیر قوی‌تری بر باورهای سرمایه‌گذاران داشته باشد و درنتیجه سبب واکنش بیشتر سرمایه‌گذاران نسبت به اعلام سود شود. ازطرف دیگر، زمانی که ابهام و عدم اطمینان وجود دارد، سرمایه‌گذاران رویکرد محافظه‌کارانه‌تری انتخاب می‌کنند. این محافظه‌کاری در شرایط عدم‌اطمینان سبب رفتار نامتقارن نسبت به اخبار بد سود در مقابل اخبار خوب می‌شود؛ پس می‌توان انتظار داشت در شرایط عدم اطمینان بالا (نسبت به عدم اطمینان پایین)، سرمایه‌گذاران واکنش شدیدتری نسبت به اخبار بد سود نشان دهند (چوی[6]، 2015).

پژوهش‌های موجود در زمینۀ عدم‌اطمینان ( نظیر فرانسیس، لافوند، اولسون و اسکیپر[7]، 2007؛ زو[8]، 2010؛ مرادزاده فرد، عدل­زاده، فرج­زاده و عظیمی 1392؛ مرفوع و عدل­زاده، 1393)، بیشتر بر عدم‌اطمینان اطلاعات در سطح شرکت تأکید کرده‌اند ، در حالی که عدم‌اطمینان بازار (سطح کلان) نیز ممکن است با اهمیت باشد و بر واکنش سرمایه‌گذاران به اعلام سود تأثیر بگذارد؛ برای مثال، زولوتوی، فردریکسون و لیون[9] (2017) معتقدند شرایط بازارهای مالی و اقتصاد کلان قادر است بر دیدگاه سرمایه‌گذاران نسبت به محتوای اطلاعاتی سود غیرمنتظره تأثیر بگذارد؛ بنابراین، هدف پژوهش حاضر بررسی واکنش سرمایه‌گذاران نسبت به سود غیرمنتظره در شرایط عدم اطمینان بازار است. واکنش سرمایه‌گذاران به اخبار بد سود نیز تجزیه‌وتحلیل شده است. در ادامه ابتدا مبانی نظری و فرضیه‌ها بیان شده است؛ سپس روش پژوهش و یافته‌ها و نتایج ارائه شده است.

 

مبانی نظری

سود حسابداری از جنبه‌های مختلفی اهمیت دارد؛ ازجمله داشتن محتوای اطلاعاتی برای بازار سرمایه با هدف کمک به امر تصمیم‌گیری سرمایه‌گذاران که این ویژگی بر مربوط‌بودن و به‌موقع‌بودن سود تأکید دارد. از سود حسابداری برای ارزیابی شرکت و انجام اقداماتی نظیر میزان پاداش مدیران نیز استفاده می‌شود که این ویژگی بر مطمئن‌بودن رقم سودهای گزارش‌شده تأکید دارد. براساس پژوهش‌های انجام‌شده در حوزۀ محتوای اطلاعاتی سود، تغییر قیمت سهام هنگام اعلام سود حسابداری، نشان‌دهندۀ محتوای اطلاعاتی سود است (آقایی، ثقفی، تقی­نتاج و اسدنیا، 1391). پیش‌بینی سود و اعلام سود شرکت‌ها از مهم‌ترین معیارهای ارزیابی شرکت‌ها ازسوی سرمایه‌گذاران به شمار می‌رود. اعلامیه‌های سود شرکت، اطلاعاتی را در اختیار تحلیل‌گران بازار قرار می‌دهد تا عملکرد شرکت‌ها را ارزیابی کنند. چنانچه اعلام سود شرکت‌ها محتوای اطلاعاتی داشته باشد، بر رفتار استفاده‌کنندگان به‌ویژه سرمایه‌گذاران بالفعل و بالقوه تأثیر می‌گذارد و سبب واکنش بازار و ایجاد بازده‌های غیرعادی می‌شود (صالحی، موسوی شیری و ابراهیمی­سویزی، 1393).

آگاهی از نحوۀ واکنش سرمایه‌گذاران در برابر اعلام سود شرکت‌ها ممکن است کمک چشمگیری به گرفتن تصمیم‌های بهینه کند. ازطرفی نبود اطلاعات کافی و وجود عدم اطمینان در بازار سرمایه ممکن است بر واکنش سرمایه‌گذاران به سود غیرمنتظرۀ شرکت‌ها تأثیر بگذارد. همان طور که گفته شد در شرایط عدم‌اطمینان، سرمایه‌گذاران دربارۀ جریان‌های نقد آتی شرکت‌ها اطلاعات کافی ندارند. در این شرایط دریافت سیگنال اطلاعاتی نظیر اعلام سود ممکن است سبب تجدیدنظر در باورهای پیشین سرمایه‌گذاران دربارۀ وضعیت آتی شود و زمینۀ یادگیری (کسب آگاهی) را فراهم کند(پاستور و وِرونسی، 2009).

 پاستور و وِرونسی (2009) معتقدند اساس یادگیری، قانون بیز[10] است. براساس این قانون، افراد منطقی باورهای خود را پس از دریافت اطلاعات جدید، به‌روز و در آن تجدید نظر می‌کنند؛ به ‌عبارت‌ دیگر، مخابرۀ سیگنال‌های اطلاعاتی به بازار مانند اعلام سود سالانۀ شرکت‌‎ها سبب یادگیری می‌شود و عدم‌اطمینان را کاهش می‌دهد.

عدم‌اطمینان یکی از اصول محوری در ادبیات مالی است. سرمایه‌گذاران در بیشتر مواقع از فرایندهای مرتبط با متغیرهای سطح کلان یا سود سهام آگاهی کاملی ندارند؛ اما درعوض باید با استفاده از اطلاعات دردسترس، برآوردهای آگاهانه‌ای از وضعیت بازار داشته باشند. به‌تدریج که اطلاعات بیشتری دردسترس قرار می‌گیرد، باورهای موجود (پیشین) سرمایه‌گذار به باورهای پسین تغییر می‌کند. هنگامی‌ که سرمایه‌گذاران به این شیوه آگاهی کسب می‌کنند (یعنی هرگونه اطلاعات جدیدی در طول زمان، باورهای شخصی یا عدم اطمینان آنها را تغییر می‌دهد)، منبع جدیدی از تغییرات در طول زمان در مجموعۀ فرصت‌های سرمایه‌گذاری با تغییر نوسانات بازده ایجاد می‌شود. این بررسی که سرمایه‌گذاران یا کارگزاران اقتصادی با توجه به اطلاعات جدید انجام می‌دهند و باورهای پیشین خود را تغییر می‌دهند، درواقع یادگیری در طول زمان دربارۀ ساختار بنیادین اقتصاد است که نشان‌دهندۀ حرکت و فاصله‌گرفتن از مفروضات اصلی الگوهای سنتی قیمت‌گذاری دارایی‌ها در زمینۀ اطلاعات کامل است. این موضوع مرکز ثقل ادبیات نظریِ درحال‌رشد دربارۀ تأثیر یادگیری بر قیمت‌گذاری دارایی‌هاست (اُزوگاز[11]، 2009).

عدم‌اطمینان مفهومی متفاوت از ریسک دارد. نایت[12] (1921) اولین فردی بود که تفاوت بین ریسک و عدم‌اطمینان را بیان کرد. او معتقد است عدم‌اطمینان باید طبق مفهومی در نظر گرفته شود که دراساس متفاوت از ریسک است. در شرایط ریسک، افراد احتمالات شناخته‌شدۀ عینی یا ذهنی از موضوعات مختلف دارند و براساس آن قادرند توزیعی از تمام نتایج ممکن فراهم کنند؛ به عبارت دیگر، ریسک زمانی وجود دارد که افراد نتیجه را نمی‌دانند؛ ولی از احتمالات هر نتیجه آگاهی دارند. در مقابل، عدم‌اطمینان وضعیتی است که در آن اطلاعات کافی برای آگاهی از احتمالات نتایج ممکن دربارۀ یک پدیده وجود ندارد (ویلیامز، 2015)؛ به بیان دیگر، عدم‌اطمینان عبارت است از وجود چندین توزیع احتمالِ ممکن برای یک پدیده‌ که ممکن نیست به توزیعی منحصربه‌فرد تبدیل شود. این امر ناشی از اطلاعات ناقص دربارۀ آن پدیده است (ویلیامز، 2009).

با شروع مطالعۀ نایت (1921) مجموعۀ چشمگیری از ادبیات در اقتصاد، مالی و نظریۀ تصمیم‌گیری، عدم‌اطمینان و تأثیر آن بر تصمیم‌گیری‌های اقتصادی را بررسی کرد؛ برای مثال، گیلبوآ و اشمیدلر[13] (1981) نشان دادند هنگامی که سرمایه‌گذاران با عدم اطمینان روبه‌رو می‌شوند، به‌دنبال اقداماتی هستند که بتوانند در بدترین نتیجۀ ممکن، مطلوبیت موردانتظار خود را حداکثر کنند. این حداکثرسازی مطلوبیت موردانتظار به‌طور مؤثری تمایل (سوگیری) بدبینانه[14] در فرایند قیمت‌گذاری ایجاد می‌کند که هرچه عدم اطمینان بیشتر شود، این سوگیری افزایش می‌یابد(بیتلینگمایر[15]، 1998). براساس نظریۀ مطلوبیت موردانتظار، سرمایه‌گذاران ابهام‌گریز خواستار پاداش برای نگهداری دارایی‌هایی هستند که عدم‌ اطمینان بالایی دارند(گیلبوآ و اشمیدلر، 1989).

ورونسی (1999) معتقد است اقتصاد ممکن است از وضعیتی با رشد بالا به وضعیتی با رشد پایین تغییر جهت دهد؛ بنابراین، سرمایه‌گذاران نیاز دارند باورهای پسین خود را دربارۀ وضعیت آتی اقتصاد براساس مشاهدات و با استفاده از الگوی بیزین به‌روز کنند. در چنین حالتی، الگوی انتظارات عقلایی نشان می‌دهد سرمایه‌گذاران پیش‌بینی می‌کنند زمانی ‌که عدم‌اطمینان بالاتری وجود دارد، انتظارات آنها از جریان‌های نقد آتی، واکنش بیشتری نسبت به اطلاعات جدید نشان می‌دهد؛ بنابراین پیش‌بینی می‌شود سطح بالاتری از عدم‌اطمینان سبب ایجاد نوسانات بیشتر در قیمت دارایی‌ها شود. این موضوع ریسک‌گریزی سرمایه‌گذاران و مصون‌سازی دربرابر تغییرات غیرمنتظره در عدم‌اطمینان را تحریک می‌کند؛ درنتیجه مستلزم پاداش بالاتر برای تحمل ریسکِ بیشتر در زمانی است که عدم‌اطمینان بالایی در پیش‌بینی حساسیت قیمت دارایی نسبت به اخبار جدید وجود دارد.

برخی مطالعات نیز به‌‎طور نظری تأثیر اطلاعات ناقص و یادگیری را بر قیمت دارایی‌ها و انتخاب سبد سرمایه‌گذاری بررسی کرده‌اند. پژوهشگرانی مانند دیتِمپل[16] (1986) وگِنوت[17] (1986) مسئلۀ انتخاب سبد سرمایه‌گذاری توسط سرمایه‌گذارانی را بررسی کردند که از وضعیت واقعی اقتصاد آگاهی ندارند؛ ولی از فرایندهای زیربنایی آن آگاه‌اند. این پژوهشگران نشان دادند در چنین شرایطی، انتظارات شرطی از متغیر حالت غیرقابل‌مشاهده (منظور وضعیت اقتصاد)، به‌منزلۀ متغیر حالت در مسئلۀ بهینه‌سازی سبد سرمایه‌گذاری سرمایه‌گذاران عمل می‌کند و به مصون‌سازی دربرابر تغییرات پیش‌بینی‌نشدنی نیاز دارد.

برخی مطالعات دیگر، عدم‌اطمینان را منبعی از صرف ریسک در نظر گرفتند؛ برای مثال بانسال و یارون[18] (2004) پیامدهای نوسان عدم‌اطمینان در اقتصاد را بررسی کردند. آنها نشان دادند افزایش در عدم‌اطمینان اقتصاد سبب قیمت پایین‌تر دارایی‌ها می‌شود و نوسان در عدم‌اطمینان اقتصاد، صرف ریسک سرمایه را افزایش می‌دهد. زنجیردار و مصلحی‌عراقی (1395) نیز در پژوهشی دریافتند بین تغییرات عدم‌اطمینان موجود در بازار سهام و ریسک سرمایه‌گذاری رابطۀ معناداری وجود دارد که این رابطه در شرایط رونق اقتصادی معنادار است؛ ولی در حالت رکود اقتصادی معنادار نیست. همچنین در شرایط رونق و رکود اقتصادی با افزایش سود غیرمنتظرۀ هر سهم، ریسک سرمایه‌گذار کاهش می‌یابد و افزایش اخبار خوب سبب کاهش ریسک سرمایه‌گذاری می‌شود و افزایش اخبار بد، ریسک سرمایه‌گذاری را افزایش می‌دهد. دسته‌ای از مطالعات نیز اثر عدم‌اطمینان سرمایه‌گذار را دربارۀ عوامل مرتبط با وضعیت اقتصاد بر بازده سهام بررسی کرده‌اند؛ برای مثال بیتلینگمایر (1998)، معتقد است نوسان بازده با عدم‌اطمینان سیاسی مرتبط است. دیوید[19] و ورونسی (2001) نشان دادند عدم‌اطمینان دربارۀ تورم آتی و نرخ رشد سود، قادر است نوسانات ماهانۀ قیمت سهام و اوراق قرضه را توضیح دهد.

الگوی یادگیری پاستور و ورونسی (2009) به بازارهای سرمایه نیز تعمیم‌پذیر است. طی بحران‌های مالی سال‌های 2007 و 2008، سرمایه‌گذاران با عدم‌اطمینان بالایی دربارۀ وضعیت فعلی و آتی شرکت‌ها و اقتصاد روبه‌رو شدند که سبب نوسان بالا در بازار سهام شد. زمانی که سرمایه‌گذاران دربارۀ جریان‌های نقدی شرکت، صنعت و وضعیت اقتصاد با عدم‌اطمینان روبه‌رو می‌شوند، از سیگنال‌های اطلاعاتی جدید مانند اعلام سود شرکت‌ها دربارۀ جریان‌های نقدی آتی آگاهی کسب می‌کنند؛ زیرا اعلام سود دربردارندۀ اطلاعات بازار و اطلاعات خاصِ شرکت است و عملکرد شرکت از محیط اقتصادی که شرکت در آن فعالیت می‌کند، مستقل نیست (بونسال، بوزانیک و فیشر[20]، 2013؛ بال، سادکا و سادکا[21]، 2009). عدم‌اطمینان در زمان‌ها و مقاطع مختلف متفاوت است. در شرایط نامساعد، زمانی که بازار سهام نوسان دارد (وجود عدم‌اطمینان در بازار)، سرمایه‌گذاران ممکن است برای ارزیابی وضعیت شرکت یا سبد سرمایه‌گذاری سهام‌ در وضعیت دشواری قرار بگیرند؛ زیرا عدم اطمینان بالایی دربارۀ جریان‌های نقدی آتی شرکت‌ها وجود دارد. در چنین شرایطی یعنی وجود عدم‌اطمینان بالا در بازار، اعلام سود شرکت‌ها این ظرفیت را دارد که سیگنال اطلاعاتی باارزش دربارۀ جریان‌های نقدی آتی برای سرمایه‌گذاران باشد. براساس الگوی یادگیری بیزین اگر قبل از اعلام سود، عدم اطمینان بالایی در بازار وجود داشته باشد و باورهای پیشین سرمایه‌گذاران دربارۀ پارامترهایی نظیر جریان‌های نقد آتی ابهام داشته باشد، سیگنال‌های اطلاعاتی نظیر اعلام سود، اثر قوی‌تری بر باورهای سرمایه‌گذار دارد (چوی، 2015)؛ بنابراین، انتظار می‌رود میزان عدم‌اطمینان موجود در بازار بر واکنش سرمایه‌گذاران به اعلام سود (واکنش نسبت به سود یا زیان غیرمنتظره) تأثیرات متفاوتی داشته باشد؛ بنابراین فرضیۀ اول پژوهش عبارت است از:

- در شرایط عدم‌اطمینان بالای بازار، نسبت به عدم‌اطمینان پایین، واکنش سرمایه‌گذاران به اعلام سود بیشتر است.

ادبیات موجود نشان می‌دهد شوک‌های کلان مرتبط با عدم‌اطمینان ممکن است ابهام‌ها و نگرانی‌هایی ایجاد کند. به‌طوری‌ که سرمایه‌گذاران تلاش می‌کنند محیط جدید و ناآشنا را بشناسند. این محیط جدید ممکن است به‌طور مستقیم بر واکنش سرمایه‌گذاران نسبت به اخبار سود شرکت‌ها تأثیر بگذارد. به‌ویژه در بازار مبهم، سرمایه‌گذارانی که اخبار سود را دریافت می‌کنند چنان رفتار می‌کنند که گویی با مجموعه‌ای از توزیع احتمال دربارۀ بازده‌ها روبه‌رو شده‌اند. در چنین موقعیتی آنها یا قادر نیستند یا تمایل ندارند این مجموعه‌توزیع‌ها را به توزیع احتمال واحد تبدیل کنند. با توجه به چنین ابهام و عدم اطمینانی، سرمایه‌گذاران محتاطانه عمل می‌کنند و با انتخاب بدترین حالت توزیع احتمال از بین مجموعه احتمالاتی که دربارۀ سود وجود دارد، رویکردی محافظه‌کارانه در پیش می‌گیرند. این محافظه‌کاری یا رویکرد بدبینانه در تصمیم‌گیری در شرایط ابهام، سبب رفتاری نامتقارن می‌شود که در آن سرمایه‌گذاران وزن بیشتری به اخبار بد در مقابل اخبار خوب می‌دهند. در مقابل، در نبود عدم‌اطمینان و ابهام، سرمایه‌گذاران نسبت به اخبار خوب و بد به‌صورت متقارن واکنش نشان می‌دهند که این موضوع با تصمیم‌گیری در شرایط ریسک سازگار است (ویلیامز، 2015)؛ علاوه‌ بر این نتایج پژوهش‌هایی نظیر آگاپوا و مادورا[22] (2016)، چوی (2014)، بِرد و یئونگ[23] (2012) و زو (2010) نشان می‌‌دهد سرمایه‌گذاران نسبت به اخبار خوب و بد در شرایط عدم‌اطمینان واکنشی نامتقارن دارند. سرمایه‌گذاران زمانی که عدم‌اطمینان بازار بالاست، نسبت به اخبار بد واکنش نشان می‌دهند؛ ولی اخبار خوب را نادیده می‌گیرند که این نتیجه با سوگیری روان‌شناختی بدبینی سازگار است؛ درنتیجه این انتظار وجود دارد که واکنش سرمایه‌گذاران نسبت به اخبار بد در شرایط عدم‌اطمینان بالا، متفاوت از زمانی باشد که عدم‌اطمینان پایین است. بر این اساس، فرضیۀ دوم پژوهش به شرح زیر ارائه می‌شود:

- در شرایط عدم‌اطمینان بالای بازار، نسبت به عدم‌اطمینان پایین، واکنش سرمایه‌گذاران به اخبار بد سود بیشتر است.

 

روش پژوهش

این پژوهش از پژوهش‌های توصیفی و پس‌رویدادی است و بر اطلاعات واقعی صورت‌های مالی شرکت‌‎های پذیرفته‌شده در بورس اوراق بهادار تهران مبتنی است که با روش استقرایی به کل جامعۀ آماری تعمیم‌پذیر است؛ همچنین با توجه به اینکه ممکن است افراد در تصمیم‌گیری از نتایج پژوهش حاضر استفاده کنند، این پژوهش در دستۀ پژوهش‌های کاربردی قرار می‌گیرد. در پژوهش حاضر برای تجزیه‌وتحلیل فرضیه‌ها از الگوهای رگرسیونی چندمتغیره، آمارۀ t، F و آزمون F والد استفاده شده است. جامعۀ آماری شرکت‌هایی است که به‌طور پیوسته در دورۀ زمانی 1384 تا 1394 در بورس اوراق بهادار تهران لیست شده باشند. نمونۀ این پژوهش شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران است که این ویژگی‌ها را دارند: برای جلوگیری از ناهمگن‌شدن نمونه، باید سال مالی شرکت‌ها منتهی به 29 اسفند هر سال باشد، در دورۀ زمانی پژوهش سال مالی خود را تغییر نداده باشد، شرکت‌های واسطه‌گری مالی، سرمایه‌گذاری و بانک‌ها به‌دلیل ماهیت متفاوت عملیات آنها، نباید جزء نمونۀ انتخابی باشد، اطلاعات صورت‌های مالی آنها به‌طور کامل و پیوسته دردسترس باشد و معاملات سهام آنها طی دورۀ پژوهش، بیش از شش ماه (غیرمتوالی) در بورس اوراق بهادار تهران متوقف نشده باشد. با درنظرگرفتن این شرایط، تعداد 162 شرکت در بازه زمانی 1384 تا 1394 به شرح جدول (1) انتخاب شد.

جدول (1) نحوۀ دست‌یابی به نمونۀ آماری

تعداد شرکت‌های لیست‎‌شده در بورس اوراق بهادار تهران در سال 84

287

شرکت‌های واسطه‌گری مالی، سرمایه‌گذاری و بانک‌ها

(23)

شرکت‌هایی که در دورۀ پژوهش سال مالی آنها تغییر کرده است.

(5)

شرکت‌های حذف‌شده به‌دلیل نبود اطلاعات صورت‌های مالی آنها به‌طور پیوسته

(64)

شرکت‌هایی که در سال‌های بعد از سال 84، در بورس فعالیتی نداشته‌اند.

(17)

شرکت‌های حذف‌شده به‌دلیل توقف عملیاتی بیش از شش ماه در سال‌های مختلف

(16)

نمونۀ نهایی

162

 

متغیرها و الگو‌هایی که برای آزمون فرضیه‌ها استفاده شده است، از پژوهش‌های چوی (2015)، گیامفی‌یئوبا، دیوید و نارانجو[24] (2012) و ویلیامز (2009) برگرفته شده است. برای اندازه‌گیری میزان واکنش سرمایه‌گذاران به اعلام سود، از ضرایب β1و β2 استفاده شده است. برای تجزیه‌وتحلیل داده‌ها و آزمون فرضیۀ اول از رابطۀ (1) استفاده شده است:

 

CAR it = β0 + β1 SURP it * High it + β2 SURP it * Low it + β3 Liquidity it + β4 Size it + β5 M/B it + β6 CFO Vol it + ε it

(1)

در الگوی ذکرشده، CAR بازده غیرعادی انباشتۀ[25] شرکت i در پنجرۀ سه‌روزۀ اعلام سود سالانه، SURP سود غیرمنتظرۀ هر سهم شرکت i در دورۀ t و High متغیر مجازی برای عدم‌اطمینان بالای بازار است که مقدار آن اگر اعلام سود زمانی انجام شود که بیشترین عدم‌اطمینان در بازار وجود دارد، برابر با یک است و در غیر این صورت برابر با صفر است. Low متغیر مجازی برای عدم‌اطمینان پایین بازار است که مقدار آن اگر اعلام سود زمانی انجام شود که کمترین عدم‌اطمینان در بازار وجود دارد، برابر با یک است و در غیر این صورت برابر با صفر است. Liquidity برابر با نقدشوندگی سهام شرکت، Size اندازۀ شرکت، M/B ارزش بازار به ارزش دفتری سهام، CFOVol عدم اطمینان جریان‌های نقدی و ε باقی‌ماندۀ الگوست.

طبق فرضیۀ اول، انتظار می‌رود در دوره‌ای که عدم‌اطمینان بازار بالاست، نسبت به دوره‌ای که عدم‌اطمینان پایین است، واکنش سرمایه‌گذاران نسبت به اعلام سود بیشتر باشد؛ یعنی . همچنین پیش‌بینی می‎‌شود این ضرایب مثبت باشد.

برای آزمون این فرضیه، پس از تخمین ضرایب β1 و β2 از آزمون F والد برای بررسی تفاوت معنی‌داری این ضرایب استفاده شده است. برای آزمون فرضیۀ دوم از رابطۀ (2) استفاده شده است:

 

CAR it = β0 + β1 SURP it * High it * Good it + β2 SURP it * Low it * Good it + β3 SURP it * High it * Bad it + β4 SURP it * Low it * Bad it + β5 Liquidity it + β6 Size it + β7 M/B it +

 β8 CFO Vol it + ε it

(2)

 

در الگوی بالا، Good متغیر مجازی برای اخبار خوب سود است. اگر سود غیرمنتظره مثبت باشد[26]، این متغیر مقدار یک و در غیر این صورت مقدار صفر می‌گیرد. Bad متغیر مجازی برای اخبار بد سود است. اگر سود غیرمنتظره منفی[27] باشد، این متغیر مقدار یک و در غیر این صورت مقدار صفر می‌‎گیرد.

طبق فرضیۀ دوم، انتظار می‌رود در شرایط عدم‌اطمینان بالای بازار، نسبت به عدم‌اطمینان پایین، واکنش سرمایه‌گذاران به اخبار بد سود بیشتر باشد؛ یعنی . برای آزمون این فرضیه، پس از تخمین ضرایب β3 و β4 از آزمون F والد برای بررسی تفاوت معنی‌داری این ضرایب استفاده شده است.

متغیرهای استفاده‌شده شامل متغیر وابسته، مستقل، تعدیل‌گر و کنترل است که در ادامه نحوۀ محاسبۀ هریک از آنها توضیح داده شده است. از بازده غیرعادی انباشته (CAR) در یک دورۀ سه‌روزه (روز قبل، اعلام و روز بعد) دربارۀ تاریخ اعلام سود سالانه به‌منزلۀ متغیر وابسته استفاده شده است. بازده غیرعادی انباشته به پیروی از پژوهش‌ چوی (2015) و گیامفی‌یئوبا و همکاران (2012) از مجموع بازده‌های غیرعادی در یک پنجرۀ سه‌روزۀ اعلام سود سالانه به شرح رابطۀ (3) محاسبه شده است.

 

(3)

CAR =

AR it = R it –R mt

R mt =

 

CAR بازده غیرعادی انباشته در پنجرۀ سه‌روزۀ اعلام سود، AR بازده غیرعادی، R it بازده روزانۀ شرکت i،
R mtبازده روزانۀ بازار،  شاخص بازار در روز t و
: شاخص بازار در روز t-1 (روز قبل) است.

متغیر مستقل، سود غیرمنتظره هر سهم است. سود غیرمنتظره از تفاوت بین سود هر سهم[28] اعلام‌شده توسط شرکت و سود پیش‌بینی‌شدۀ هر سهم[29] محاسبه می‌شود که با تقسیم بر قیمت سهام در انتهای دوره مقیاس‌زدایی شده است. با توجه به اینکه آزمون فرضیه‌های پژوهش برای سال‌های 89 تا 94 انجام شده است، متغیر سود غیرمنتظره نیز برای هر شرکت در هر سال در دورۀ زمانی 89 تا 94 محاسبه شده است.

متغیرهای تعدیل‌گر شامل عدم‌اطمینان بازار و اخبار خوب و بد سود است. برای محاسبۀ عدم‌اطمینان بازار از دو معیار استفاده شده است. معیار اول به پیروی از پژوهش چوی (2015) در نظر گرفته شده و برابر با نوسان بازده بازار در ماه قبل از اعلام سود سالانۀ شرکت‌هاست. برای محاسبۀ نوسان بازده بازار، از انحراف معیار بازده روزانۀ بازار طی یک ماه قبل از تاریخ اعلام سود سالانۀ هریک از شرکت‌های نمونه استفاده شده است. بازده روزانۀ بازار نیز با شاخص بورس اوراق بهادار تهران اندازه‌گیری می‌شود؛ بنابراین برای محاسبۀ این معیار، ابتدا تاریخ اعلام سود سالانۀ شرکت‌‎های نمونه از سایت کدال استخراج شده است؛ سپس بازده روزانۀ بازار برای دورۀ یک‌ماهۀ قبل از آن تاریخ، محاسبه و درانتها انحراف معیار محاسبه شده است. این فرایند برای هر شرکت جداگانه انجام شده است. به پیروی از پژوهش زمردیان، شعبان­زاده و نجفی­شریعت­زاده (1394)، معیار دوم برای محاسبۀ عدم‌اطمینان بازار با استفاده از الگوی تعمیم‌یافتۀ خود رگرسیونی واریانس ناهمسانی شرطی (GARCH)[30] محاسبه شده است. الگوی مذکور پس از توضیح متغیرهای کنترلی تشریح شده است. برای محاسبۀ عدم‌اطمینان بالا و پایین بازار (یعنی متغیرهای High  و Low)، کل شرکت‌های نمونه براساس معیار عدم‌اطمینان بازار چارک‌بندی شده‌ است. چارک اول دربردارندۀ کمترین عدم‌اطمینان بازار و چارک چهارم دربردارندۀ بیشترین عدم‌اطمینان بازار است. اگر اعلام سود سالانۀ شرکت‌ها زمانی انجام شود که بیشترین عدم‌اطمینان بازار وجود دارد (چارک چهارم)، متغیر High مقدار یک و در غیر این صورت مقدار صفر می‌گیرد. همچنین اگر اعلام سود سالانه زمانی انجام شود که کمترین عدم اطمینان بازار وجود دارد (یعنی چارک اول)، متغیر Low عدد یک و
در غیر این صورت مقدار صفر می‌گیرد. اخبار خوب و بد سود به‌ترتیب بیانگر سود غیرمنتظرۀ مثبت یا منفی است. برای محاسبۀ این دو متغیر از متغیرهای مجازی Good و Bad استفاده شده است. اگر سود اعلام‌شدۀ هر سهم از مقدار پیش‌بینی‌شده بیشتر باشد، بیانگر اخبار خوب سود است و متغیر Good عدد یک و در غیر این صورت عدد صفر می‌گیرد. همچنین اگر سود اعلام‌شدۀ هر سهم از مقدار پیش‌بینی‌شده کمتر باشد، بیانگر اخبار بد سود است و متغیر Bad عدد یک و در غیر این صورت عدد صفر می‌گیرد.

متغیرهای کنترلی شامل نقدشوندگی، اندازۀ شرکت (Size)، ارزش بازار به ارزش دفتری حقوق صاحبان سهام (M/B) و نوسان جریان‌های نقدی شرکت است. با توجه به اینکه نقدشوندگی سهام ممکن است با عدم‌اطمینان بازار همبستگی داشته باشد، اثر این متغیر نیز در الگوهای پژوهش کنترل شده است. برای محاسبۀ نقدشوندگی براساس پژوهش چای، فاف و گارگوری[31] (2010) از شاخص گردش سهام به شرح رابطۀ (4) استفاده می‌شود:

 

(4)

گردش سهام =

 حجم معاملۀ سهام شرکت i در دورۀ t و  تعداد سهام منتشرشدۀ شرکت i در دورۀ t است.

انداۀ شرکت با لگاریتم ارزش بازار حقوق صاحبان سهام در پایان هر دورۀ مالی محاسبه شده است. نوسان جریان‌های نقدی نیز با انحراف معیار جریان‌ نقد عملیاتی سالانۀ شرکت در یک بازه زمانی 5‌ساله
(t-4 تا t) محاسبه شده است. همچنین جریان نقد عملیاتی با تقسیم بر میانگین کل دارایی‌ها مقیاس‌زدایی شده است. با توجه به اینکه برای محاسبۀ نوسان جریان‌های نقدی به یک دورۀ 5‌ساله نیاز است، آزمون فرضیه‌های پژوهش در دورۀ زمانی 89 تا 94 انجام شده است؛ زیرا برای محاسبۀ نوسان جریان‌های نقدی سال 89 به اطلاعات 4 سال قبل (یعنی تا 85) نیاز است. اطلاعات سال 84 نیز برای محاسبۀ میانگین کل دارایی‌ها و مقیاس‌زدایی استفاده شده است؛ بنابراین، در این پژوهش از اطلاعات سال 84 تا 94 استفاده شده است.

برای برآورد عدم‌اطمینان بازار از الگوی سری زمانیGARCH  - که الگوی برآورد واریانس شرطی است - نیز استفاده شده است. در الگوهای اقتصادسنجی سنتی، ثابت‌بودن واریانس جملات اخلال همواره یکی از فروض اصلی و کلاسیک اقتصادسنجی است. انگل برای رهایی از این فرض محدودکننده، الگوی جدیدی به نام ARCH را پایه‌گذاری کرد. یکی از دلایل استفاده از الگوهای ARCH، وجود خطاهای پیش‌بینی کوچک و بزرگ در خوشه‌های مختلف یک سری زمانی است. وجود عینی این مسئله در بررسی روند یک متغیر اقتصادی (مانند نرخ تورم، نرخ ارز، بازده بازار و...) مشاهده می‌شود؛ به‌طوری که ممکن است سری مذکور طی سال‌های مختلف رفتارهای متفاوتی از خود به نمایش بگذارد؛ به عبارت دیگر، یک سری زمانی ممکن است در برخی سال‌ها نوسانات کم و در برخی سال‌ها نوسانات زیاد داشته باشد. در چنین شرایطی انتظار بر این است که واریانس سری مدنظر ثابت نبوده باشد و تابعی از رفتار جملات خطا باشد (فلاح­شمس، 1389). در سال 1986، بولرسلو برای حل مشکلات موجود[32] در الگوی ARCH، این الگو را توسعه داد و الگوی GARCH را معرفی کرد. در الگوی GARCH، واریانس شرطی با خطاهای پیش‌بینی (مقادیر شوک‌های گذشته) و وقفه‌های خود همبستگی دارد. به‌طور کلی ساختار الگوی (p, q) GARCH، به‌صورت رابطۀ (5) است:

 

(5)

 

 

در این الگو، p و q به ترتیب مرتبۀ فرایندهای GARCH و ARCH است. رابطۀ (5) الگوی واریانس شرطی است که تابعی از مربع جزء اخلال ( ) و مربع نوسانات دورۀ قبل ( ) در نظر گرفته می‌شود. با توجه به اینکه در این الگو، واریانس هر دوره به‌وسیلۀ واریانس دورۀ قبل توضیح داده می‌شود، به آن واریانس شرطی گفته می‌شود (زمردیان و همکاران، 1394).

الگوهای ARCH و GARCH خطی نیست و با روش‌های معمول مانند OLS تخمین زده نمی‌شود. برای تخمین این الگوها از روش حداکثر درست‌نمایی استفاده می‌شود. همچنین قبل از تخمین الگو باید احتمال وجود اثرات ARCH با آزمون LM بررسی شود (سوری، 1394). در پژوهش حاضر نوسانات بازار (عدم‌اطمینان بازار) با استفاده از الگوی GARCH نیز محاسبه می‌شود. برای این منظور از بازده روزانۀ بازار به‌‎صورت سری زمانی در قالب الگوی GARCH استفاده شده است. پس از اطمینان از اینکه می‌توان الگوی GARCH را برای سری زمانی بازده بازار استفاده کرد، برای تخمین الگوی GARCH باید درجۀ p و q تعیین شود. برای این کار از تابع خود همبستگی (ACF)، خود همبستگی جزئی (PACF)، معیار اطلاعات آکائیک (AIC) و Add-ins ارائه‌شده در نسخۀ 9 نرم‌افزار Eviews استفاده شده است. پس از آنکه الگوی مناسب برای تخمین الگوی گارچ تشخیص داده شد، برای محاسبۀ عدم‌اطمینان بازار از واریانس شرطی به‌دست‌آمده از الگوی گارچ استفاده می‌شود. این واریانس شرطی براساس نتایج برآوردی الگوی گارچ محاسبه می‌شود[33].

 

یافته‌ها

در تحلیل توصیفی متغیرها اصلی‌ترین شاخص مرکزی، میانگین است که بیانگر نقطۀ تعادل و مرکز ثقل توزیع است و شاخص خوبی برای نشان‌دادن مرکزیت داده‌هاست؛ برای مثال مقدار میانگین برای متغیر بازده غیرعادی انباشته، 124/0 است که نشان می‌دهد بیشتر داده‌ها پیرامون این نقطه تمرکز یافته‌ است. انحراف معیار نیز یکی از مهم‌ترین پارامترهای پراکندگی و معیاری است که میزان پراکندگی مشاهدات از میانگین را نشان می‌دهد. این پارامتر برای بازده غیرعادی انباشته برابر با 515/0 است[34].

برای آزمون فرضیه‌ها از داده‌های ترکیبی استفاده شده است. برای انتخاب روش تخمین داده‌های ترکیبی از آزمون F لیمر و هاسمن استفاده شده است. نتایج این آزمون‌ها برای رابطۀ (1) و (2) بیانگر داده‌های تابلویی به روش اثرات ثابت است. با توجه به اینکه الگوهای پژوهش باید به روش اثرات ثابت تخمین زده شود، برای بررسی ناهمسانی واریانس و خود همبستگی، به‌ترتیب از آزمون‌های والد تعدیل‌شده و ولدریج استفاده شده است. خلاصۀ نتایج آزمون‌های مذکور در جدول (2) و (3) ارائه شده است. با توجه به اینکه برای محاسبۀ عدم اطمینان بازار از دو معیار استفاده شده است، رابطۀ (1) و (2) برای هر دو معیار جداگانه تخمین زده شده است؛ درنتیجه آزمون‌های تشخیصی لازم نیز جداگانه برای هر دو معیار گزارش شده است.


جدول (2) نتایج آزمون‌های تشخیصی لازم برای رابطۀ (1)

CAR it = β0 + β1 SURP it * High it + β2 SURP it * Low it3 Liquidity it + β4 Size it +β5 M/B it+ β6 CFO Vol it + ε it

نام آزمون

معیار اول برای عدم اطمینان بازار

معیار دوم برای عدم اطمینان بازار

آمارۀ آزمون

احتمال آماره

آمارۀ آزمون

احتمال آماره

آزمون F لیمر

944/1

000/0

945/1

000/0

آزمون هاسمن

269/38

000/0

159/38

000/0

آزمون والد تعدیل‌شده

5/172

000/0

58/182

000/0

آزمون ولدریج

523/1

272/0

66/0

4534/0

جدول (3) نتایج آزمون‌های تشخیصی لازم برای رابطۀ (2)

CAR it = β0 + β1 SURP it * High it * Good it + β2 SURP it * Low it * Good it3 SURP it * High it * Bad it + β4 SURP it * Low it * Bad it + β5 Liquidity it + β6 Size it + β7 M/B it + β8 CFO Vol it + ε it

نام آزمون

معیار اول برای عدم اطمینان بازار

معیار دوم برای عدم اطمینان بازار

آمارۀ آزمون

احتمال آماره

آمارۀ آزمون

احتمال آماره

آزمونF  لیمر

004/2

000/0

971/1

000/0

آزمون هاسمن

357/44

000/0

556/43

000/0

آزمون والد تعدیل‌شده

44/156

000/0

25/174

000/0

آزمون ولدریج

743/4

0813/0

747/0

427/0

 

 

با توجه به نتایج جدول‌های (2) و (3)، احتمال آماره‌های F لیمر و هاسمن کمتر از 5 درصد بوده است؛ درنتیجه رابطۀ (1) و (2) به روش تابلویی با اثرات ثابت تخمین زده شده است. همچنین نتایج آزمون والد تعدیل‌شده نشان می‌دهد الگوهای پژوهش ناهمسانی واریانس دارند. برای تخفیف این مشکل از تصحیح وایت استفاده شده است. احتمال آمارۀ ولدریج برای همۀ الگوهای پژوهش بیشتر از 5 درصد بوده است که نشان می‌دهد مشکل خود همبستگی در الگوها وجود ندارد.

متغیر بازده بازار به‌منزلۀ متغیر سری زمانی، ممکن است طی سال‌های مختلف رفتارهای متفاوتی را از خود به نمایش بگذارد؛ به عبارت دیگر، بازده بازار ممکن است در برخی سال‌ها نوسانات کم و در سال‌های دیگر، نوسانات زیاد داشته باشد؛ درنتیجه عدم‌اطمینان بازار که تابعی از تغییرات یا نوسانات بازده بازار است، در طول زمان متغیر است. الگوی گارچ که الگوی واریانس شرطی است، ازجمله الگوهایی است که برای اندازه‌گیری عدم‌اطمینان بازار کاربرد دارد؛ بنابراین، برای محاسبۀ عدم‌اطمینان بازار از الگوی گارچ نیز استفاده شده است. برای اطمینان از اینکه بازده روزانۀ بازار، در قالب الگوی گارچ استفاده‌‌شدنی است (یعنی وجود نوسان در واریانس جمله خطا)، از آزمون LM استفاده شده است. مقدار آمارۀ این آزمون 264/131 با احتمال 000/0 به دست آمد که بیانگر رد فرض صفر این آزمون (ثابت‌بودن واریانس) است؛ بنابراین، الگوی گارچ برای بازده روزانۀ بازار به کار گرفته می‌شود. در ادامه برای تخمین الگوی گارچ به تعیین رتبه (درجه) p و q نیاز است.  pمرتبۀ AR و q مرتبۀ MA در تخمین الگوی GARCH است که به‌صورت (p,q) GARCH نشان داده می‌شود. برای تعیین رتبۀ p و q روش‌های مختلفی ازجمله استفاده از تابع خود همبستگی (ACF) و خود همبستگی جزئی(PACF) وجود دارد؛ ولی به‌طور معمول با استفاده از ACF و PACF، رتبۀ مناسب برای تخمین الگو پیدا نمی‌شود؛ بنابراین، از معیار دیگری با نام معیار اطلاعات استفاده می‌شود که شامل معیارهای اطلاعات آکائیک، شوارتز و حنان‌کوئین است. رتبۀ p و q باید به گونه‌ای تعیین شود که مقدار معیار اطلاعات حداقل شود (سوری، 1394). در پژوهش حاضر از معیار اطلاعات آکائیک و [35]Add-ins ارائه‌شده در نسخۀ 9 نرم‌‎افزار Eviews استفاده شده است. نتایج بررسی‌ها نشان داد الگوی مناسب برای تخمین الگوی گارچ، استفاده ازAR(1)  و MA(2) است که این نتایج در جدول (4) ارائه شده است؛ درنتیجه الگوی (1,2) GARCH برای اندازه‌‎گیری نوسانات بازده بازار استفاده شد. این نوسانات به‌منزلۀ عدم‌اطمینان بازار و معیاری برای محاسبۀ متغیرهای High و Low در نظر گرفته شده است.

جدول (4) نتایج تعیین رتبۀ AR و MA برای تخمین الگوی گارچ

رتبۀ AR/ رتبۀ MA

معیار آکائیک

MA(0)

MA(1)

MA(2)

MA(3)

AR(0)

9090/6-

0338/7-

0353/7-

0393/7-

AR(1)

0383/7-

0376/7-

0567/7-

0560/7-

AR(2)

0372/7-

0491/7-

0560/7-

0550/7-

نتایج تخمین الگوی گارچ (1 و 2)

 

ضریب

آمارۀ t

سطح معناداری

عرض از مبدأ

001/0

385/2

017/0

AR(1)

939/0

847/34

000/0

MA(1)

589/0-

644/19-

000/0

MA(2)

265/0-

109/11-

000/0

احتمال آمارۀ F  فیشر

000/0

R2 تعدیل‌شده

139/0

دوربین واتسون

01/2

معیار آکائیک

0567/7-

 

در بخش بالایی جدول (4)، معیار اطلاعات آکائیک برای رتبه‌های مختلف AR و MA ارائه شده است. همان طور که در جدول (3) مشاهده می‌شود معیار اطلاعات آکائیک برای AR(1) و MA(2) برابر با 0567/7- بوده است که کمتر از بقیۀ رتبه‌هاست؛ درنتیجه الگوی مناسب برای تخمین الگوی گارچ استفاده ازAR(1)  و MA(2) است. در بخش پایینی جدول (4) نیز خلاصۀ نتایج حاصل از تخمین الگوی گارچ ارائه شده است. در ادامه نتایج تخمین الگوهای اصلی پژوهش و آزمون فرضیه‌ها ارائه شده است.

در فرضیۀ اول فرض بر این است که در شرایط عدم‌اطمینان بالای بازار، نسبت به عدم‌اطمینان پایین، واکنش سرمایه‌گذاران به اعلام سود بیشتر است. برای آزمون این فرضیه از رابطۀ (1) استفاده شده است. همچنین با توجه به اینکه برای محاسبۀ عدم‌اطمینان بازار از دو معیار استفاده شده است، نتایج رابطۀ (1) برای هر دو معیار به‌طور جداگانه در جدول (5) نشان داده شده است:

جدول (5) نتایج حاصل از برآورد رابطۀ (1)

CAR it = β0 + β1 SURP it * High it + β2 SURP it * Low it+ β3 Liquidity it + β4 Size it

+β5 M/B it+ β6 CFO Vol it + ε it

متغیرها

معیار اول برای عدم‌اطمینان
 بازار

معیار دوم برای عدم‌اطمینان بازار

ضریب

آمارۀ t

ضریب

آمارۀ t

عرض از مبدأ

298/6

***186/5

328/6

**000/3

SURP * High

762/0

**059/3

484/0

**699/3

SURP * Low

218/0

**193/2

222/0

**631/3

نقدشوندگی

102/0

642/1

097/0

517/1

اندازه

523/0-

***068/5-

526/0-

**965/2-

نسبت ارزش بازار به ارزش دفتری

015/0

133/1

018/0

*894/1

نوسان جریان‌های نقدی

183/0-

319/0-

23/0-

579/0-

آمارۀ F فیشر

055/2

019/2

احتمال آمارۀF  فیشر

000/0

000/0

R2 تعدیل‌شده

167/0

163/0

***، ** و * به‌ترتیب در سطح اطمینان 99 درصد، 95 درصد و
90 درصد معنادار است.

همان‌طور که در جدول (5) مشاهده می‌شود برای معیار اول عدم اطمینان بازار، ضریب متغیر سود غیرمنتظره در شرایط عدم اطمینان بالا برابر با 762/0 است. در حالی که ضریب مذکور در شرایط عدم‌اطمینان پایین 218/0 است. همچنین احتمال آمارۀ t برای این دو ضریب کمتر از 5 درصد بوده است که نشان می‌دهد این دو ضریب در سطح اطمینان
95 درصد معنادار است. طبق فرضیۀ اول این انتظار وجود دارد که در شرایط عدم‌اطمینان بالا، واکنش سرمایه‌گذاران به اعلام سود بیشتر باشد؛ به عبارت دیگر  است. برای بررسی تفاوت معناداری این دو ضریب و آزمون این فرضیه از آزمون والد استفاده شده است. نتایج این آزمون در جدول (6) نشان داده شده است.

جدول (6) نتایج آزمون والد برای فرضیۀ اول

 

برای معیار اول عدم‌اطمینان بازار

برای معیار دوم عدم‌اطمینان بازار
(الگوی گارچ)

احتمال آمارۀ والد

0157/0

074/0

نتیجۀ آزمون

رد نشدن فرضیه اول

رد نشدن فرضیۀ اول در سطح اطمینان 90 درصد

 

طبق جدول (6)، احتمال آمارۀ والد برای هر دو معیار عدم اطمینان بازار در سطح اطمینان 90 درصد معنادار است. همان طور که در جدول (5) نشان داده شد، ضریب متغیر سود غیرمنتظره نیز در شرایط عدم‌اطمینان بالا، بزرگ‌تر از ضریب مذکور در شرایط عدم‌اطمینان پایین است؛ بنابراین، در شرایط عدم‌اطمینان بالای بازار، واکنش سرمایه‌گذاران نسبت به اعلام سود شرکت‌ها بیشتر بوده است؛ به‌عبارتی یادگیری سرمایه‌گذاران از اعلام سود در شرایط عدم‌اطمینان بالا، نسبت به عدم‌اطمینان پایین بازار، بیشتر بوده است؛ بنابراین، فرضیۀ اول پژوهش رد نمی‌شود. در ادامه نتایج حاصل از آزمون فرضیۀ دوم ارائه شده است:


جدول (7) نتایج حاصل از برآورد رابطۀ (2)

CAR it = β0 + β1 SURP it * High it * Good it + β2 SURP it * Low it * Good it3 SURP it * High it *Bad it + β4 SURP it * Low it * Bad it + β5 Liquidity it + β6 Size it + β7 M/B it + β8 CFO Vol it + ε it

متغیرها

معیار اول برای عدم اطمینان بازار

معیار دوم برای عدم اطمینان بازار

ضریب

آمارۀ t

ضریب

آمارۀ t

عرض از مبدأ

849/5

**008/3

338/6

**032/3

SURP * High* Good

388/0

621/0

334/0

560/0

SURP * Low* Good

863/0-

14/1-

947/0-

264/1-

SURP * High* Bad

773/0

**497/2

858/0

**517/2

SURP * Low* Bad

361/0

234/1

688/0

**053/2

نقدشوندگی

117/0

*675/1

103/0

602/1

اندازه

484/0-

**968/2-

525/0-

**003/3-

نسبت ارزش بازار به ارزش دفتری

013/0

*742/1

016/0

*902/1

نوسان جریان‌های نقدی

231/0-

658/0-

241/0-

614/0-

آمارۀ F فیشر

01/2

0104/2

احتمال آمارۀF  فیشر

000/0

000/0

R2 تعدیل‌شده

1634/0

1638/0

** و * به‌ترتیب در سطح اطمینان 95 درصد و 90 درصد معنادار است.

 

 

طبق جدول (7)، برای معیار اول عدم‌اطمینان بازار، ضریب متغیر سود غیرمنتظره در شرایط عدم‌اطمینان بالا و اخبار بد سود برابر با 773/0 است که از ضریب مربوط به شرایط عدم‌اطمینان پایین (یعنی عدد 361/0) بزرگ‌تر است. طبق فرضیۀ دوم این انتظار وجود دارد که در شرایط عدم‌اطمینان بالا، واکنش سرمایه‌‎گذاران به اخبار بد سود بیشتر باشد؛ به عبارت دیگر  است. برای بررسی تفاوت معناداری این دو ضریب و آزمون این فرضیه نیز از آزمون والد استفاده شده است. نتایج این آزمون در جدول (8) نشان داده شده است.

 

جدول (8) نتایج آزمون والد برای فرضیۀ دوم

 

برای معیار اول عدم‌اطمینان بازار

برای معیار دوم عدم‌اطمینان بازار (الگوی گارچ)

احتمال آمارۀ والد

038/0

319/0

نتیجۀ آزمون

ردنشدن فرضیۀ دوم

رد فرضیۀ دوم

 

همان‌گونه که در بخش‌های قبلی بیان شد، برای محاسبۀ متغیر عدم‌اطمینان بازار از دو معیار استفاده شده است. نتایج آزمون والد نشان داد احتمال آمارۀ این آزمون برای معیار اول عدم‌اطمینان بازار برابر با 038/0 است که در سطح اطمینان 95 درصد معنادار است. همچنین ضریب واکنش سرمایه‌گذاران نسبت به اخبار بد در شرایط عدم‌اطمینان بالا برابر با 773/0 است که از ضریب مربوط به شرایط عدم‌اطمینان پایین بزرگ‎‌تر است. این نتایج نشان می‌دهد واکنش سرمایه‌گذاران به اخبار بد سود در شرایط عدم‌اطمینان بالا بیشتر از زمانی است که عدم اطمینان بازار پایین است؛ بنابراین، فرضیۀ دوم پژوهش رد نمی‌شود؛ ولی برای معیار دوم عدم‌اطمینان بازار، احتمال آمارۀ والد بیشتر از 5 درصد است که در سطح اطمینان 95 درصد معنادار نیست. درنتیجه فرضیۀ دوم پژوهش برای این معیار رد می‌شود.

 

نتایج و پیشنهادها

هدف پژوهش حاضر بررسی واکنش سرمایه‌گذاران به سود غیرمنتظرۀ شرکت‌ها در شرایط عدم اطمینان بازار است. پژوهش حاضر از این نظر مهم است که بیشتر مطالعات انجام‌شده در زمینۀ عدم‌اطمینان، در سطح شرکت و نه در سطح کلان (بازار) انجام شده است. نتایج حاصل از آزمون فرضیۀ اول پژوهش نشان داد ضریب متغیر سود غیرمنتظره در شرایط عدم اطمینان بالای بازار، بزرگ‌تر از ضریب مذکور در شرایط عدم‌اطمینان پایین است. برای بررسی وجود تفاوت معناداری بین این دو ضریب از آزمون والد استفاده شد. نتایج این آزمون بیانگر وجود تفاوت معناداری بین این دو ضریب در سطح اطمینان
95 درصد است؛ بنابراین، فرضیۀ اول پژوهش رد نمی‌شود و در شرایط عدم اطمینان بالای بازار (نسبت به عدم‌اطمینان پایین)، واکنش سرمایه‌گذاران به اعلام سود بیشتر است. این نتیجه بدین مفهوم است که در شرایط وجود عدم‌اطمینان بالا در بازار، اعلام سود شرکت‌ها به‌منزلۀ سیگنال اطلاعاتی توانسته است بر باورهای پیشین سرمایه‌گذاران اثر بگذارد و عدم‌اطمینان را کاهش دهد. نتیجۀ فرضیۀ اول با نتایج پژوهش چوی (2015) و رُگرز، اسکینر و باسکرک[36] (2009) همخوانی دارد.

 در فرضیۀ دوم پژوهش این موضوع بررسی شد که آیا سرمایه‌گذاران در شرایط عدم‌اطمینان بالا (در مقایسه با عدم‌اطمینان پایین)، هنگام دریافت اخبار بد سود واکنش بیشتری از خود نشان می‌دهند. نتایج بررسی نشان داد ضریب متغیر سود غیرمنتظره برای اخبار بد در شرایط عدم‌اطمینان بالا از ضریب مربوط به شرایط عدم‌اطمینان پایین بزرگ‌تر است. نتایج آزمون والد بیانگر وجود تفاوت معنادار بین این دو ضریب و ردنشدن فرضیۀ دوم پژوهش است؛ به بیان دیگر، زمانی که عدم‌اطمینان بالایی در بازار وجود دارد، سرمایه‌گذاران طبق مفهوم محافظه‎‌کاری وزن بیشتری به اخبار بد می‌دهند و نسبت به این اخبار واکنش شدیدتری نشان می‌دهند. نتایج فرضیۀ دوم با پژوهش‌های ویلیامز (2015)، چوی (2015) و برد و یئونگ (2012) همخوانی دارد. با این‌ حال فرضیۀ دوم پژوهش برای معیار دوم عدم‌اطمینان بازار
(الگوی گارچ) تأیید نشد.

با توجه به نتایج پژوهش حاضر، به سرمایه‌گذاران پیشنهاد می‌شود در تصمیم‌گیری‌های خود به همۀ سیگنال‌های اطلاعاتی موجود در بازار توجه لازم و کافی را داشته باشند. همچنین به قانون‌گذاران توصیه می‌شود زمینۀ افشای اطلاعات بیشتر توسط شرکت‌ها را فراهم کنند تا از این طریق تا حدودی عدم‌اطمینان موجود در بازار سرمایه کاهش یابد و به تصمیم‌گیری بهینه‌تر کمک شود. در پژوهش‌های بعدی نیز می‌توان نتایج پژوهش حاضر را در سطح صنایع مختلف بیشتر تجزیه‌وتحلیل کرد.

باتوجه به اینکه داده‌های استفاده‌شده از صورت‌های مالی در این پژوهش از بابت تورم تعدیل نشده است، در صورت تعدیل از این بابت ممکن است نتایج متفاوتی حاصل شود. همچنین در این پژوهش از روش حذف نظام‌مند استفاده شده است و برخی صنایع به‌دلیل نداشتن ویژگی‌های موردانتظار از نمونۀ آماری حذف شده‌ است؛ بنابراین، در تعمیم نتایج به کل صنایع باید با احتیاط عمل شود.



[1]. Uncertainty

[2] . Lewellen & Shanken

[3] . Williams

[4]. Learning

[5]. Pastor & Veronesi

[6]. Choi

[7] . Francis, Lafond, Olsson& Schipper

[8] . Xu

[9]. Zolotoy, Frederickson & Lyon

[10]. Bayes’rule

[11] . Ozoguz

[12]. Knight

[13]. Gilboa & Schmeidler

[14]. Pessimistic Bias

[15] . Bittlingmayer

[16]. Detemple

[17]. Gennotte

[18]. Bansal & Yaron

[19]. David

[20] . Bonsall, Bozanic & Fischer

[21] . Ball, Sadka & Sadka

[22]. Agapova & Madura

[23]. Bird & Yeung

[24] . Gyamfi-Yeboah, David & Naranjo

[25]. Cumulative Abnormal Returns

[26]. سود غیرمنتظره زمانی مثبت است که سود هر سهم اعلام‌شده توسط شرکت از سود پیش‌بینی‌شدۀ هر سهم بیشتر باشد؛ به بیان دیگر، اعلام سود حاوی اخبار خوب باشد.

[27]. بدین مفهوم است که سود هر سهم اعلام‌شده توسط شرکت از سود پیش‌بینی‌شدۀ هر سهم کمتر باشد.

[28]. Earnings Per Share (EPS)

[29]. در این پژوهش از اولین سود پیش‌بینی‌شدۀ هر سهم توسط شرکت استفاده شده است؛ زیرا آخرین پیش‌بینی سود معمولاً به واقعیت نزدیک‌تر است و حالت غیرمنتظرۀ کمتری دارد.

[30]. Generalized Autoregressive Conditional Heteroskedastisity

[31]. Chai, Faff & Gharghori

[32]. برای مطالعۀ بیشتر به فصل شانزدهم کتاب علی سوری (2015) مراجعه شود.

[33]. پس از تخمین الگوی گارچ، واریانس شرطی ازطریق گزینۀ Proc با انتخاب Make GARCH Variance Series محاسبه‌شدنی است.

[34]. با توجه به شیوه‌نامۀ نگارش مقاله، جدول آمار توصیفی ارائه نشده است.

[35]. نحوۀ کار این Add-ins به این صورت است که در سری زمانی مدنظر، رتبه‌‎های مختلف AR و MA را بررسی می‌‎کند و براساس معیار اطلاعات آکائیک مشخص می‌کند کدام رتبۀ p و q نسبت به بقیۀ رتبه‌ها نتایج بهتری دارد.

[36]. Rogers, Skinner & Buskirk

منابع فارسی
آقایی، م.؛ ثقفی، ع.؛ نتاج، غ. و اسدنیا، ج.. (1391). تاثیر اعلان سود فصلی شرکت‌ها بر تامین نیاز اطلاعاتی ذینفعان،. حسابداری مالی، 16: 39-1.
سوری، ع. (1394). افتصادسنجی همراه با کاربرد Eviews و Stata، تهران: نشر فرهنگ­شناسی.
فلاح شمس، م. (1389). بررسی مقایسه‌ای کارایی مدل ریسک سنجی و مدل اقتصادسنجی GARCH در پیش بینی ریسک بازار بورس اوراق بهادار تهران، مجله مهندسی مالی و مدیریت پرتفوی، 5: 137-159.
زمردیان، غ.؛ شعبان‌زاده، م. و نجفی شریعت زاده، ا. (1394). بررسی اثرپذیری بازار سرمایه ایران از عدم اطمینان سیاست پولی و مالی، مجله مهندسی مالی و مدیریت اوراق بهادار، 25: 81-106.
زنجیردار، م. و مصلحی‌عراقی، م. (1395). تاثیر تغییرات عدم عدم اطمینان، سود غیرمنتظره هر سهم، اخبار خوب و بد و پیش­بینی سود هر سهم در شرایط مختلف اقتصادی بر ریسک سرمایه­گذاری،  فصلنامه سیاست‌های مالی و اقتصادی، 13: 76-55.
صالحی، م.؛ موسوی شیری، م. و ابراهیمی سویزی، م. (1393). محتوای اطلاعاتی سود اعلان شده و پیش‌بینی شده هر سهم در تبیین بازده غیرعادی سهام، پژوهش‌های حسابداری مالی و حسابرسی، 21 :117-140.
مرادزاده فرد، م.؛ عدل‌زاده، م.؛ فرج‌زاده، م. و عظیمی، ص. (1392). عدم اطمینان اطلاعاتی، عدم تقارن اطلاعاتی و فرصت‌های رشد، مطالعات تجربی حسابداری مالی، 39: 145-125.
مرفوع، م. و عدل‌زاده، م. (1393). عدم اطمینان اطلاعاتی و واکنش کمتر از حد سرمایه­گذاران، پژوهش­های تجربی حسابداری، 13: 169-189.
 
References
Agapova, A., & Madura, J. (2016). Market uncertainty and earnings guidance. The Quarterly Review of Economics and Finance, 61, 97-111.
Aghaie, M. A., Saghafi, A., Taghi Nataj, G., & Asadniya, J. (2013). The effect of quarterly earnings announcement on stakeholder’s information needs. Quarterly Financial Accounting, 16, 1-39. (In Persian).
Ball, R., Sadka, G., & Sadka, R. (2009). Aggregate earnings and asset prices. Journal of Accounting Research, 47, 1097-1133.
Bansal, R., & Yaron, A. (2004). Risks for the long run: A potential resolution of asset pricing puzzles. Journal of Finance, 59, 1481–1509.
Bird, R., & Yeung, D. (2012). How do investors react under uncertainty? Pacific-Basin Finance Journal, 20, 310-327.
Bittlingmayer, G. (1998). Output, stock volatility, and political uncertainty in a natural Experiment: Germany, 1880–1940. Journal of Finance, 53, 2243–2257.
Bonsall, S., Bozanic, Z., & Fischer, P. (2013). What do management earnings forecasts convey about the macro economy? Journal of Accounting Research, 51 (2), 225-266.
Chai, D., Faff, R., & Gharghori, P. (2010). New evidence on the relation between stock liquidity and measures of trading activity. International Review of Financial Analysis, 19, 181-192.
Choi, H. (2014). When good news is not so good: Economy-Wide uncertainty and stock returns. Journal of Business Finance and Accounting, 41 (9 and10), 1101-1123.
Choi, H. (2015). A Tale of two uncertainties. Loyola University Chicago. Working paper. Access date 2016.
David, A., & Veronesi, P. (2001). Inflation and earnings uncertainty and the volatility of assetprices: An Empirical Investigation. Working Paper, University of Chicago.
Detemple, J. B. (1986). Asset pricing in a production economy with incomplete information. Journal of Finance, 41, 383–391.
 Fallah Shams, M. F. (2011). A comparable evaluation of efficiency between risk metrics model and GARCH econometrics model to forecast market risk in Tehran Stock Exchange. Financial Engineering and Portfolio Management, 1(5), 137-159. (In Persian).
Francis, J., Lafond, R., Olsson, R., & Schipper, K. (2007). Information uncertainty and the post-earnings-announcement drift. Journal of Business Finance and Accounting, 34, 403–433.
Gennotte, G. (1986). Optimal portfolio choice under incomplete information. Journal of Finance, 41, 733–746.
Gilboa, I., & Schmeidler, D. (1989). Maxim expected utility with non-unique prior. Journal of Mathematical Economics, 18, 141–153.
Gyamfi-Yeboah, F., David C., & Naranjo, A. (2012). Information, uncertainty and behavioral effects: Evidence from abnormal returns around real estate investment trust earnings announcements. Journal of International Money and Finance, 31, 1930-1952.
Knight, F. H. (1921). Risk, uncertainty and profit. Boston: MA. Hart, Schaffner & Marx; Houghton Mifflin Company.
Lewellen, J., & Shanken, J. (2002). Learning, asset-pricing tests and market efficiency. Journal of Finance, 57(3), 1113-1145.
Marfoua, A., & Adlzadeh, M. (2014). Information uncertainty and investors’ under-reaction. Journal of Empirical Research in Accounting, 4 (1), 169-177. (In Persian).
Moradzadehfard M., Adlzadeh, M., Farajzadeh, M., & Azimi, S. (2013). Information uncertainty, information asymmetry and growth options. Empirical Studies in Financial Accounting Quarterly, 10 (39), 125-145. (In Persian).
Ozoguz, A. (2009). Good times or bad times? Investors’ uncertainty and stock returns. The Review of Financial Studies, 22(1), 4377-4422.
Pástor, L., & Veronesi, P. (2009). Learning in financial markets. Annual Review of Financial Economics, 1, 361-381.
Rogers J. L., Skinner, D. J., & Buskirk, A. (2009). Earnings guidance and market uncertainty. Journal of Accounting and Economics, 48(1), 90-109.
Salehi, M., Mousavi Shiri, M., & Ebrahimi Swizi, M. (2014). The information content of declared dividends per share and predicted earnings per share in explaining abnormal stock return. The Financial Accounting and Auditing Researches, 6(21), 117-140. (In Persian).
Souri, A. (2015). Econometrics. Tehran: Farhangshenasi. (In Persian).
Veronesi, P. (1999). Stock market overreaction to bad news in good times: A rational expectations equilibrium model. Review of Financial Studies, 12, 975–1007.
Williams, C. (2009). Asymmetric Responses to Earnings News: A Case for Ambiguity. Dissertation for the degree of Doctor of Philosophy in the Kenan-Flagler Business School.
Williams, C. (2015). Asymmetric responses to earnings news: A case for ambiguity. The Accounting Review, 90(2), 785-817.
Xu, Z. (2010). Two Essays on Information Ambiguity and Informed Traders’ Trade-size Choice. Dissertation for the degree of Doctor of Philosophy. University of South Florida.
Zanjirdar, M., & Moslehi Araghi, M. (2016). The impact of changes in uncertainty, unexpected earning of each share and positive or negative forecast of profit per share in different economic condition. Quarterly Journal of Fiscal and Economic Policies, 4 (13), 55-76 (In Persian).
Zolotoy, L., Frederickson, James R., & Lyon. J. (2017). Aggregate earnings and stock market returns: The good, the bad and the state-dependent. Journal of Banking and Finance, 77, 157-175.
Zomorodian, G., Shabanzadeh, M., & Najafi Shariatzadeh, I. (2016). Examining the effect of uncertainty in monetary and fiscal policy on capital markets. Financial Engineering and Portfolio Management, 6(25), 81-106. (In Persian).