نوع مقاله : مقاله پژوهشی
نویسندگان
1 استادیار گروه مدیریت مالی و حسابداری، دانشکدۀ مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران
2 دانشیار گروه مدیریت مالی و حسابداری، دانشکدۀ مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران
3 دانشجوی کارشناسی ارشد مدیریت مالی، دانشکدۀ مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران
چکیده
کلیدواژهها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
Abstract
Capital market plays an important role in attracting and circulating market liquidity and directing it to efficient economic sectors. Management forecast is one of the most important sources of information in the stock market, while its misrepresentation leads to more idiosyncratic risks and consequently inappropriate investment decisions by investors. In this study, management forecast errors were considered as a proxy for disclosure quality to investigate the relationship between information disclosure quality and idiosyncratic risk, as well as the effects of Information environment on these two variables in Tehran Stock Exchange (TSE). To this goal, a sample of 160 listed firms in TSE was examined from 2009 to 2017. The results indicated that the management forecast errors were positively related to idiosyncratic risks, while they were less positively related in a good information environment.
Introduction
Capital market participants rely on ongoing information to assess the risks and prospects of companies for accurate stock pricing. Due to the wide range of risks and economic, social, and political adverse events occurring in the world with the passage of time, uncertainty about the future and the need for managing all types of risks have increased. Idiosyncratic risk is one of the important risks for firms. This risk is unique to a specific company or industry. Management reporting is one of the voluntary information disclosure mechanisms, through which a company provides the information and signals related to its expected performance. Accordingly, improving the quality of financial reporting reduces information asymmetry and idiosyncratic risks. In addition to financial reporting, management forecasts are an important channel for disclosing information, while management biases can affect the idiosyncratic risks of companies. This paper used management forecast error as a proxy for disclosure quality to investigate the relationship between disclosure quality and idiosyncratic risk. Analytical models in accounting usually assume that information noise can be lowered by signals. This assumption suggests that the effect of one signal will be lessened if other signals are more correlated with a firm’s “true” value. On the one hand, a poor information environment is indicative of little alternative information (other than accounting information) for predicting a firm’s future cash flow. Therefore, high-quality accounting information can alleviate investment noise. On the other hand, if the information environment is rich, investors can easily have access to other information sources and reduce their uncertainty. In such a situation, investors may pay less attention to the disclosed information. Accordingly, this study emphasized on the effects of the information environment on disclosure quality and idiosyncratic risk as a necessity. The evidence showed that no studies had been conducted on the interactive relationship between management forecast and idiosyncratic risk, as well as the effects of information environment on these two variables in TSE. In addition, the parameters of measuring the information environment had been localized based on the available data in Iran and selected by relying on the importance and availability of information. Recognizing this phenomenon and making the right decision about this issue were the innovative features of this research, thus making it different from other parallel studies.
Method and Data
To test the research hypotheses, a sample of 160 listed firms in TSE was examined from 2009 to 2017 by using a multivariate regression model and panel data.
Findings
The research results indicated that the management forecast errors were statistically significant for the listed companies in TSE. They were also shown to be positively correlated with idiosyncratic risks. Finally, the evidence demonstrated that management forecast errors were less positively related with idiosyncratic risks in firms with a better information environment.
Conclusion and discussion
According to the results, management forecasts could be erroneous in Iran and sometimes had a high deviation from the realized revenues. As we know, investors need forward-looking information to make decisions based on risk and future return predictions by companies. Nevertheless, Iranian investors were found to only rely on retrospective information and management forecasts, which made them not have optimal decisions due to the presence of errors in those reports and this could increase their investment risks. Based on the findings, proper disclosure of financial information, such as on-time and accurate forecasts, could reduce the risks and augment stock liquidities of the companies. Therefore, the higher the information transparencies of the companies were, the higher their degrees of confidence could be and the lower their investment risks were thus witnessed. Finally, the results indicated that management forecast errors are less positively related to idiosyncratic risks in a relatively good information environment. Larger companies with more capitals are generally associated with a higher quality information environment. In addition, the existence of information asymmetry between a company’s internal managers and investors reduces the risk of conflicting choices. In other words, higher levels of information symmetry are associated with a lower bid-ask spread.
کلیدواژهها [English]
مقدمه
فعالان بازار سرمایه به جریان مداوم اطلاعات برای ارزیابی ریسک و قضاوت دربارۀ چشماندازهای آینده بهمنظور قیمتگذاری دقیق سهام تکیه میکنند. با گذشت زمان به دلیـل گستردگی خطـرات و حـوادث نامطلوب متعدد در جهان که بخشی از آن از افزایش فعالیتهـای اقتصـادی و مناسـبات اجتمـاعی و سیاسـی نشأت میگیرد، بیاطمینانی نسبتبه آینده بیشتر شده است؛ بنابراین نیاز روزافزون فعالان حوزۀ مالی، بهمنظـور کنتـرل و مدیریت، باعث انواع ریسکها شده است. ازجمله ریسک ویژۀ شرکتی. ریسک ناشی از عوامل داخلی شرکت بسته به شـرایط خـاص همان شرکت وجود دارد و بیارتباط با شرکتهای دیگر است. مدیریت شرکت اغلب با ارائۀ اطلاعات از طریق کانالهای مختلف مانند نهادهای نظارتی و افشای داوطلبانۀ آن، سعی در کاهش ریسک دارد (2001, Healy & Palepu). پیشبینیهای مربوط به درآمد شرکت یکی از سازوکارهای افشای داوطلبانۀ اطلاعات است که از طریق آن مدیران میتوانند اطلاعات اضافی و سیگنالهایی را دربارۀ عملکرد موردانتظار شرکت خود ارائه دهند که رایجترین آن، پیشبینیهای مدیریت از درآمد شرکت برای هر سهم در دورۀ آتی است ( 2016,.Forester and et al). بر این اساس بهبود افشا و کیفیت گزارشگری مالی، عدم تقارن اطلاعاتی را دربارۀ عملکرد شرکت و نوسانهای قیمت سهام کاهش میدهد. مشخص است که افزایش کیفیت گزارشگری و افشای اطلاعات مالی با روند کاهشی در ریسک ویژۀ سهام رابطه دارد (2016,Kitagawa & Okuda). علاوه بر گزارشدهی مالی، پیشبینی مدیریتی کانال مهمی برای افشای اطلاعات است. بنابراین سوگیریهای مدیریتی در این موارد میتواند بر ریسک ویژۀ شرکت اثرگذار باشد. برای این منظور انحرافات پیشبینیهای مدیریتی میتواند معیار و عاملی برای بررسی افشای اطلاعات صحیح از شرکتها باشد ( 2016,Kitagawa & Okuda). در مطالعات مختلف به این موضوع بهعنوان معیاری برای سوگیریهای مدیریتی توجه شده است (Abdel-Khalik, 2008; Ota, 2010; Rajgopal & Venkat achalam, 2011). این در حالی است که تطابقنداشتن پیشبینی مدیریت و نوسانهای ناشی از آن در کمتر مطالعاتی بررسی شده است ( 2016,Kitagawa & Okuda). با توجه به تأثیر افشای اطلاعات بر ریسک ویژه بهعنوان موضوعی مهم در بازار سرمایۀ کشور که به دلیل سلیقهایبودن و دقت پایین در پیشبینیها، باعث مشکلات تصمیمگیری برای سرمایهگذاران و اعتباردهندگان شده و زمینهساز تخصیص نامناسب منابع مالی در کشور است. در این مطالعه با در نظر گرفتن نوسانهای پیشبینیهای مدیریتی بهعنوان معیاری مناسب برای افشای اطلاعات، اثر این متغیر بر ریسک ویژۀ شرکتهای پذیرفته در بورس اوراق بهادار بررسی شده است.
علاوه بر این موضوع، تعامل بین محیط اطلاعاتی و اطلاعات افشاشده نیز بررسی میشود. در مدلهای تحلیلی در حسابداری بهطور معمول فرض میشود که اختلالهای اطلاعاتی بهوسیلۀ سیگنالها کاهش پیدا میکند ( 2003,Christensen & Feltham). یعنی در محیط اطلاعاتی ضعیف، به غیر از اطلاعات حسابداری، اطلاعات اندکی برای پیشبینی جریان نقدی آتی وجود داشته است؛ بنابراین اطلاعات حسابداری با کیفیت بالا باعث کاهش اختلالهای سرمایهگذار میشود. از سوی دیگر، در محیط اطلاعاتی قوی سرمایهگذاران بهآسانی میتوانند به منابع اطلاعاتی دیگر دست پیدا کنند و عدم قطعیت خود را کاهش دهند. در این شرایط، سرمایهگذاران به اطلاعات افشاشده توجه کمتری دارند ( 2016,Kitagawa & Okuda). بر همین اساس در این پژوهش بر موضوع رابطۀ بین پیشبینیهای مدیریت و ریسک شرکت تأکید و اثر محیط اطلاعاتی بر رابطۀ بین خطای پیشبینی مدیریت و ریسک ویژه بررسی شده است که جزء ضرورتهاست.
این مطالعه با سه روش کمککنندۀ سایر پژوهشهاست. نخست آنکه رابطۀ بین کیفیت اطلاعات افشاشده و ریسک شرکت بررسی میشود. براساس مطالعات پیشین، راج گوپال و ونکاتاچالام (2011) بیان کردند که اطلاعات مناسب باعث کاهش ریسک ویژۀ شرکت میشود و همانطور که دیچو و دیچف (2002) اعلام کردند، هرچه کیفیت اقلام تعهدی بالاتر باشد، ریسک ویژۀ شرکت کمتر است. موسوی شیری، روشندل و خلعتبری (2018) در پژوهش خود وجود رابطهای معنادار را بین هر سه معیار کیفیت اطلاعات با ریسک نقدشوندگی سهام بیان کردند. در پژوهش پیشرو، برای نخستین بار و بهگونهای متفاوت از سایر مطالعات پیشین، به دقت پیشبینیهای مدیریتی بهعنوان معیاری برای کیفیت اطلاعات افشاشده توجه و رابطۀ بین خطای پیشبینی مدیریتی و ریسک ویژه بررسی شده است. تفاوت دیدگاه این پژوهش با سایر مطالعات انجامشده در آن است که در مطالعۀ حاضر علیرغم سوگیریهای پیشبینی مدیریتی، بر دقت و صحت پیشبینی مدیریتی توجه شده است. زیرا دقت پیشبینی مدیریتی، علاوه بر تعمد مدیران بر دستکاری اطلاعات، از طریق توانایی نداشتن آنها در پیشبینی سود شرکت نیز کاهش مییابد. همچنین چگونگی تغییر خطای پیشبینی مدیریتی براساس کیفیت محیط اطلاعاتی بررسی شده است. طبق یافتههای بوتوسان (1997) در شرکتهایی با محیط اطلاعاتی ضعیف، افشاگری بیشتر با هزینۀ سرمایه کمتر ارتباط دارد. آمان (2011) به تأثیر تعامل بین اعتبار پیشبینی و پوشش رسانهای عملکرد سود شرکت بهعنوان معیاری از محیط اطلاعاتی شرکت پی برد. رشیدی (2020) به نبود رابطۀ معنادار بین ریسک محدودیتهای مالی با توانایی مدیران در برقراری توازن بین محتوا و پراکندگی بازده شرکت پی برد. متغیرها و تجزیهوتحلیلهای صورتگرفته در این مطالعه، با تجزیهوتحلیل انجامشده در مطالعات پیشین متفاوت است. به عنوان مثال، در این پژوهش از واریانس باقیماندۀ رگرسیون بازده سهام شرکت برای اندازهگیری خطای پیشبینی مدیریتی و از متغیر دامنۀ قیمت پیشنهادی خریدوفروش سهام بهعنوان یکی از شاخصهای اندازهگیری محیط اطلاعاتی شرکت استفاده شده است.
بررسیها نشان از آن دارد که تاکنون مطالعهای در ایران دربارۀ رابطۀ تعاملی بین پیشبینی مدیریت و تعامل آن با ریسک ویژۀ شرکتی با در نظر گرفتن محیط اطلاعاتی صورت نگرفته است. زلقی و همکاران (2004)، فروغی و نعلشکن (2010) و فدایی نژاد و نیکو سخن (2018) ازجمله پژوهشگرانی بودند که اثر ریسک غیر سیستماتیک و اطلاعات نادرست شرکتی را براساس پارامترهای متعدد بررسی کردند. اما بررسی اثرگذاری همزمان سه عامل پیشبینیهای مدیریتی، ریسک ویژه و محیط اطلاعاتی در مطالعات داخلی گذشته به چشم نمیخورد. علاوه بر آن، پارامترهای اندازهگیری محیط اطلاعاتی نیز براساس دادههای موجود در ایران و پارامترهای شناساییشده برای اندازهگیری این متغیر در پژوهش فخاری و رضایی پیته نوعی (2017)، با تکیه بر ضریب اهمیت و در دسترس بودن اطلاعات، بومیسازی شده است. بنابراین شناخت این پدیده و تصمیمگیری درست در رابطه با آن از ویژگیهای نوآورانۀ این پژوهش است که آن را متفاوت با دیگر پژوهشهای همراستا کرده است.
در بخش بعدی، مبانی نظری و مطالعات تجربی انجامشده در زمینۀ روابط بین ریسک خاص شرکت و کیفیت اطلاعات منتشره از سوی شرکتها بیان میشود. بخش سوم، شامل روش پژوهش و مدل نظری استفادهشده در این مقاله است. در بخش چهارم، دادهها و نتایج تجربی ارائه و درنهایت جمعبندی، نتایج، پیشنهادها و محدودیتهای پژوهش در بخش پنجم گزارش میشود.
مبانی نظری
ریسکپذیری، نقش بااهمیتی در حفظ مزیت رقابتی شرکتها دارد و آنها را بهسوی رشد اقتصادی بالاتر سوق میدهد. ادبیات مالی نشان میدهد بازده سهام شرکتها تحتتأثیر ریسک ویژه است (Malekian & Shayestehmand, 2016). ریسک ویژه آن قسمت از تغییرات در بازده اوراق بهادار است که ارتباطی با تغییرپذیری بازار نداشته است و به عواملی همچون ریسک تجاری، مالی و نقدینگی بستگی دارد. براساس نظریۀ انتظارات عقلایی، قیمت سهام تجلی اطلاعات حال و انتظارات مربوط به آینده است و اطلاعات جدید عامل اصلی تغییر قیمت محسوب میشود. طبق فرضیۀ بازار کارا نیز قیمت اوراق بهادار بهسرعت نسبتبه اطلاعات جدید تعدیل میشود ( 2018,Kffashpour yazdi and et al.). اما یک بازار میتواند نسبتبه برخی اطلاعات کارآمد نباشد؛ به عبارت دیگر، در صورتی که مدیران یا اعضای هیئتمدیرۀ شرکتها از انتشار برخی از اطلاعات خودداری کنند، این اطلاعات در قیمتهای بازار منعکس نمیشود. با توجه به نظریۀ نمایندگی، مدیران بهمنظور حداکثرکردن منافع خود انگیزۀ زیادی برای دستکاری سود دارند؛ بنابراین تمایل دارند وضعیت شرکت را بهتر از آنچه هست جلوه دهند و با توجه به اختیاراتشان در ارائۀ گزارشها، فرصت اعمال این رویه را نیز دارند ( 2008,and et al. Ebrahimi Kordler). آنها با دستکاری سود، اثرات منفی را که باید بهتدریج بر روند بازده شرکت انباشته شود، پنهان میکنند که میتواند پس از مدتی یکباره افشا شود. این امر ریسک ویژۀ شرکت را افزایش میدهد ( 2008,.Haggard and et al). بنابراین یکی از مواردی که میتواند بر ریسک شرکتها مؤثر باشد، کیفیت افشای اطلاعات از سوی شرکت است. طبق دیدگاه اقتصاد اطلاعات، افشای اطلاعات باعث کاهش عدم تقارن اطلاعاتی و افزایش هزینۀ سرمایه میشود ( 2008,Diamond & Verrecchia). بر این اساس افشای مناسب اطلاعات مالی ازجمله پیشبینیهای بهموقع و دقیق با پرکردن شکاف عدم تقارن اطلاعاتی بین مدیران و سهامداران، مسئلۀ نمایندگی را تعدیل میکند و منجر به افزایش نقدشوندگی سهام، کاهش نوسان بازار سهام و کاهش ریسک شرکت میشود ( 2009,Etemadi and et al.). نتایج بسیاری از پژوهشها نشاندهندۀ آن است که پیشبینیهای مدیریت، منبع اطلاعاتی مهمی برای بازار سرمایه است ( 2011,Rajgopal & Venkat achalam) و منجر به نقدشوندگی بیشتر و کاهش عدم تقارن اطلاعاتی شرکت میشود. به عنوان مثال، منتشری و فرید (2020) تأثیر انگیزۀ شهرت مدیران را بر غنای اطلاعاتی قیمت سهام مطالعه کردند. یافتههای پژوهش حاکی از آن است که بین انگیزۀ شهرت مدیران و غنای اطلاعاتی قیمت سهام، ارتباط معنادار و مثبتی وجود دارد و اندازۀ شرکت و اهرم مالی بر غنای اطلاعاتی قیمت سهام اثر مثبت و معناداری ندارد. ایتنر و مایکلز (2017) با استفاده از ابزار پرسشنامه رابطۀ دقت پیشبینیهای سود مدیریت و روشهای پیشبینی ریسک مدیریت را بررسی کردند. نتایج بهدستآمده نشاندهندۀ آن بود که هرچه مدیریت در تصمیمگیریهای خود، از روشهای پیچیدهتر سنجش ریسک استفاده کند، خطای پیشبینی سود مدیریت کمتر و محیط اطلاعاتی قویتر است. در پژوهشی دیگر، اوموکنید و همکاران (2017) با بررسی تأثیر عدم تقارن اطلاعاتی بر نوسانهای بازده سهام در بورس نیجریه از سالهای 2000 تا 2016 به این نتیجه دست یافتند که عدم تقارن اطلاعاتی منجر به نوسانهای بیشتری در بازده سهام میشود و تأثیر اخبار بد نسبتبه اخبار خوب در این خصوص بیشتر است. با توجه به نمونههای مطرحشده در گام اول، سنجش وجود یا نبود خطای مدیریت در ارائۀ اطلاعات شرکت در بورس اوراق بهادار تهران امری ضروری است؛ بنابراین فرضیۀ ذیل بهعنوان فرضیۀ اول ارزیابی شده است:
فرضیۀ 1. خطای پیشبینی مدیریتی درخصوص درآمد شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران معنادار است.
با وجود اهمیت ارائۀ پیشبینیهای بهموقع و صحیح شرکت از سوی مدیران، گاهی اوقات اطلاعات ارائهشده به دلایل مختلفی ازجمله عدم اطمینان درخصوص عملیات آتی، دشواریهای برآورد، اشتباههای مرتبط با محافظهکاری و دستکاری مدیران خطا دارند ( 2017,Zomorodian and et al.). به عبارتی با افزایش خطای پیشبینی مدیریت (خطا در پیشبینی سود خالص، سود عملیاتی و فروش)، ریسک ویژۀ شرکت افزایش مییابد ( 2016,Kitagawa & Okuda). در دیگر پژوهشهای صورتگرفته، تأثیر ریسک ویژۀ شرکتی در ابعاد مختلف بررسی شده است. فدایینژاد و ;نیکوسخن (2018) رابطۀ بین ریسک ویژه و بازده بهصورت ورقۀ بهادار به ورقه بهادار در بورس اوراق بهادار تهران را طی دورۀ زمانی 1380 تا 1394 بررسی کردند. شواهد حاکی از آن است که بهطور متوسط 27 درصد از سهام موردمطالعه، رابطۀ معناداری بین ریسک ویژه و بازده داشتند. این در شرایطی است که شرکتهای با ارتباط منفی، سهم بسیار بیشتری نسبتبه شرکتهای با ارتباط مثبت در تغییرات نسبت کل اوراق بهادار با ارتباط معنادار دارند (19 درصد). فروغی و نعلشکن (2010) تأثیر ریسک ویژه بر بازده سهام را بررسی کردند. در این پژوهش با توجه به مدل قیمتگذاری داراییهای سرمایهای، ریسک کلی دارایی به دو بخش بازار (ریسک سیستماتیک) و شرکتی (ریسک ویژه) تقسیم شد. طبق این مدل، تنها ریسک سیستماتیک در قیمتگذاری سهام مؤثر است و ریسک غیر سیستماتیک با تنوعسازی از بین میرود. لانگ، جیانگ و ژو (2018) ریسک ویژۀ شرکت را طبق نظریۀ آنالیز مقدار حدی بررسی کردند. تجزیهوتحلیل سبد و رگرسیون مقطعی حاکی از وجود رابطۀ منفی معنادار بین ریسک ویژه و بازده موردانتظار در بورس اوراق بهادار چین پس از کنترل سایر معیارهای ریسک ازجمله اندازه، نسبت ارزش دفتری به بازار، بتا، مومنتوم، نقدینگی و ... است. چویی (2019) در بررسی رابطۀ بین نبود اطمینان اقتصادی و پیشبینیهای درآمدی مدیریتی، رابطۀ بین کمیت و کیفیت، پیشبینیهای مدیریتی ارائهشده را در قبال تقاضای اطلاعات سرمایهگذاران در شرایط نبود اطمینان اقتصادی و نتایج حاصل از آن بررسی کرد. نتایج نشاندهندۀ آن است که در شرایط نبود اطمینان اقتصادی، مدیران مجبور به ارائۀ پیشبینیهای مدیریتی در فواصل زمانی کوتاه و با خطای عمدی کمتر هستند. این اطلاعات باعث تغییرات قیمتی بسیار زیاد در بازار سهام میشود و ارزش بالایی دارد. در پژوهشی دیگر، هاشمی دهچی، ایزدی نیا و امیری (2020) تأثیر قابلیت مقایسۀ صورتهای مالی را بر نوسانهای ویژۀ بازده سهام با تأکید بر کیفیت گزارشگری مالی بررسی کردند. نتایج پژوهش نشاندهندۀ این موضوع است که قابلیت مقایسۀ صورتهای مالی بر نوسانهای ویژۀ بازده سهام اثر منفی و معناداری دارد و زمانی که کیفیت گزارشگری مالی ضعیف است، تأثیر قابلیت مقایسۀ صورتهای مالی بر نوسانهای ویژۀ بازده سهام قویتر است. درنتیجۀ موارد مطرحشده، فرضیۀ دوم مورد بررسی پژوهش به شرح زیر است:
فرضیۀ 2. خطاهای پیشبینی مدیریتی همبستگی مثبتی با ریسک ویژه دارد.
اگر محیط اطلاعاتی غنی باشد، سرمایهگذاران بهآسانی به سایر منابع اطلاعاتی دسترسی دارند و توجه کمتری به افشای اطلاعات میکنند ( 2003,Christensen & Feltham). بنابراین در شرکتهایی که محیط اطلاعاتی قویتر است، خطای پیشبینی مدیریت همبستگی کمتری با ریسک ویژه دارد.
سازمان بورس و اوراق بهادار، با هدف بهبود محیط اطلاعاتی، اقدام به اصلاح دستورالعمل اجرایی افشای اطلاعات شرکتهای حاضر در بورس و فرابورس کرد که براساس آن، شرکتها از تاریخ 09/10/1396 مجاز به ارائۀ پیشبینی اول دورۀ سهماهه، ششماهه و نهماهه نبودند و بهجای آن باید گزارش تفسیری مدیریت را همراه با گزارشهای سهماهه، ششماهه، نهماهه و دوازدهماهه منتشر میکردند. محیط اطلاعاتی شامل اطلاعات عمومی و محرمانهای است که شرکتها بهصورت اجباری یا داوطلبانه در اختیار بازار سرمایه قرار میدهند ( 2015,Aliahmadi & Fadai). به بیان دیگر با در نظر گرفتن جنبۀ اطلاعاتی پیشبینیهای مدیریت، احتمال دارد در شرکتهایی با عدم تقارن اطلاعاتی کم و محیط اطلاعاتی قوی، به دلیل وجود سایر منابع اطلاعاتی، سرمایهگذاران توجه کمتری به پیشبینیهای افشاشده از سوی مدیریت داشته باشند. علاوه بر نتایج متعدد بهدستآمده درخصوص نحوۀ اثرگذاری محیط اطلاعاتی بر ریسک ویژۀ شرکتها (ارائهشده در بخشهای دیگر این پژوهش)، نتایج بررسی موسوی و همکاران (2015) درخصوص نحوۀ مدیریت سود با استفاده از اقلام تعهدی اختیاری، تأییدکنندۀ این موضوع است. دادههای پژوهش با استفاده از نمونهای شامل 82 شرکت پذیرفتهشده در بورس اوراق بهادار تهران برای دورۀ زمانی 1391-1387 به روش دادههای ترکیبی و مدل اثرات تصادفی تجزیهوتحلیل شد. نتایج پژوهش حاکی از آن است که مدیریت سود در شرکتهای موردمطالعه با عدم تقارن اطلاعاتی ارتباط مثبت معناداری دارد و در محیطی با عدم اطمینان بالا، شدت ارتباط مدیریت سود و عدم تقارن اطلاعاتی کاهش مییابد.کیتاگاوا و اکودا (2016) رابطۀ بین مدیریت پیشبینی، ریسک سیستماتیک و افشای اطلاعات را بررسی کردند. نتایج حاکی از آن است که خطای پیشبینی مدیریتی رابطۀ مثبتی با ریسک ویژه دارد. بنابراین احتمال دارد در یک محیط اطلاعاتی خوب، میزان رابطۀ مثبت خطای پیشبینی مدیریتی و ریسک ویژه کاهش یابد. پس فرضیۀ سوم پژوهش به شرح زیر است. فرضیۀ سوم، در دو بخش فرعی بررسی شده است که در ادامه بیان میشود:
فرضیۀ 3. در شرکتهایی با محیط اطلاعاتی بهتر، خطاهای پیشبینی مدیریتی، همبستگی مثبت کمتری با ریسک ویژه دارد.
برای اندازهگیری کیفیت محیط اطلاعاتی شرکت، تعیین پارامترهای قابل اندازهگیری و در دسترس امری ضروری است. در این پژوهش، دو متغیر اندازۀ شرکت ( 2016,Kitagawa & Okuda) و دامنۀ قیمت پیشنهادی خریدوفروش سهام ( 2017,Fakhari and Rezaei Pitenoei) بهعنوان معیارهای قابل اندازهگیری و در دسترس برای سنجش محیط اطلاعاتی شرکت معرفی شده است. فرضیههای زیر بهعنوان بخشهای فرعی فرضیۀ سوم، به شرح زیر معرفی شده است:
فرضیۀ 3.1. در شرکتهای بزرگ، خطاهای پیشبینی مدیریتی، همبستگی مثبت کمتری با نوسانهای بازده ویژه دارد.
فرضیۀ 3.2. در صورتی که دامنۀ قیمت پیشنهادی خریدوفروش سهام در شرکت بالاتر باشد، خطاهای پیشبینی مدیریتی، همبستگی مثبت بیشتری با نوسانهای بازده ویژه دارد.
با توجه به مباحث مطرحشده، هدف اصلی، تعیین رابطۀ بین پیشبینیهای مدیریتی (بهعنوان یک معیار از افشا اطلاعات) و ریسک ویژۀ شرکت با در نظر گرفتن نحوۀ اثرگذاری محیط اطلاعاتی بر این رابطه است. در حال حاضر این موضوع میتواند در بورس اوراق بهادار تهران بهعنوان یک عامل در بررسی روند سرمایهگذاری بلندمدت و کوتاهمدت مؤثر باشد.
روش پژوهش
این پژوهش مطالعهای کاربردی است و دادههای پژوهش براساس مدل تبیینشده و با استفاده از منابع در دسترس و قابل اتکا همچون صورتهای مالی شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران و بانک اطلاعاتی رهآورد نوین گردآوری شده است. برای تعیین روابط بین متغیرهای مستقل و وابسته از رگرسیون خطی چندگانه به شیوۀ دادههای تابلویی استفاده شده است. بازۀ زمانی پژوهش دهساله (1388 لغایت 1397) و دورۀ زمانی اندازهگیری بهصورت فصلی است. جامعۀ آماری، شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران است که شرایط زیر را دارند: در دورۀ زمانی پژوهش در بورس فعالیت داشته و فهرست آنها در لیست تابلوی بورس درج شده باشد؛ سال مالی آنها منتهی به پایان اسفندماه باشد و بین سالهای پژوهش تغییر نکرده باشد؛ اطلاعات لازم شرکتها در پژوهش در دسترس بوده و سهام آنها وقفۀ معاملاتی بیش از یک ماه نداشته باشد. درنهایت، تعداد 160 شرکت که تمامی این موارد دربارۀ آنها مصداق داشت، غربال شدند و پژوهش موردنظر با مجموع 6400 مشاهده انجام گرفت. مدل و متغیرهای پژوهش نیز در ادامه معرفی میشود.
بهمنظور اندازهگیری ریسک ویژه، از مدل سه عاملی فاما و فرنچ (1993) برای اندازهگیری نوسان بازده ویژه استفاده شده است. این معیار مشابه معیار مورد استفاده بهوسیلۀ راج گوپال و ونکاتاچالام (2011) است. بهطور خاص بازده مازاد بهعنوان باقیماندۀ رگرسیون معادلۀ ۱ (ε_(i.m)) و بهدنبال آن نوسان بازده ویژه (RMSE) با انحرافمعیار بازده مازاد نمونه در ماه m تعریف شده است ( 2016,Kitagawa & Okuda).
رابطۀ 1)
RET_(i.m)-R_(f.m)=α_i+β_(RMRF.i) (R_(M.m)-R_(f.m) )+β_(SMB.i) SMB_m+β_(HML.i) HML_m+ε_(i.m)
دیگر متغیرها عبارت است از RET_(i.m)که معادل بازده ماهانۀ سهام برای شرکت i در ماه m است. R_(f.m) نرخ بازده بدون ریسک در ماه m (اندازهگیری براساس نرخ سود سپردههای بانکی یکساله مربوط به هر سال) است. R_(M.m)-〖 R〗_(f.m) صرف ریسک بازار بوده است و براساس آن بازده بازار (〖(R〗_(M.m) از طریق اختلاف شاخص پایان و ابتدای ماه (محاسبۀ شاخص کل بازار در ماه از طریق سایت tsetmc) تقسیمبر شاخص ابتدای ماه محاسبه میشود. SMB_m عامل اندازۀ ماهانه شرکت بوده و برابر با حاصلضرب تعداد سهام شرکت در میانگین قیمت سهم در هر ماه است. HML_m عامل نسبت ارزش دفتری به ارزش بازار سهم در ماه m است. با توجه به آنکه دورۀ زمانی موردنظر در تمامی مدلهای پژوهش بهصورت فصلی و خروجی متغیر مربوط به نوسانهای بازده ویژۀ (ε_(i.m)) ماهانه است، دادههای فصلی مربوط به متغیر RMSE، برای هر فصل برابر عددی ثابت معادل میانگین سهماهه برای آن فصل-دوره در نظر گرفته میشود.
در مرحلۀ دوم خطای پیشبینی مدیریتی اندازهگیری میشود. این پژوهش ارتباط بین صحت پیشبینی مدیریتی و ریسک ویژۀ شرکت را بررسی میکند. بنابراین ابتدا متغیر خطاهای پیشبینی مدیریتی کل بهصورت ترکیبی از خطای پیشبینی فروش (MFE-〖SLS〗_t)، سود عملیاتی (MFE-〖OI〗_t ) و سود خالص(MFE-〖NI〗_t ) محاسبه میشود. هریک از این خطاهای پیشبینی بهصورت اختلاف مقدار پیشبینیهای اولیۀ مدیریتی برای سال t و مقدار واقعی آن برای سال t تقسیمبر کل دارایی در سال 1t- محاسبه میشود. خطاهای پیشبینی ذکرشده ممکن است بهتنهایی در برگیرندۀ اطلاعات اندکی باشد؛ اما همبستگی زیادی با یکدیگر دارند. برای موردتوجه قرار دادن اثرات مختلف خطاهای پیشبینی مدیریتی در یک معیار واحد، از روش آماری تحلیل مؤلفههای اصلی (PCA) سه متغیره استفاده و طبق آن مؤلفۀ عاملی مناسب، بهعنوان معیار خطاهای پیشبینی مدیریت (MFE) تعریف شده است. روش PCA برای استخراج متغیرهای مهم (به شکل مؤلفه) از مجموعۀ بزرگی از متغیرهای موجود در یک مجموعه داده است تا به ثبت اطلاعات بیشتر با تعداد کمتری از متغیرها کمک کند. لازم به توضیح است در این پژوهش از معیار ارزش مطلق خطای پیشبینی مدیریتی (AMFE) بهعنوان عامل خطای مدیریتی استفاده میشود؛ زیرا پیشبینیهای مدیریتی خوشبینانه و بدبینانه میتواند بهعنوان ریسکهای خاص شرکت برای سرمایهگذاران تعریف شود ( 2016,Kitagawa & Okuda).
بهمنظور بررسی رابطۀ بین خطای پیشبینی مدیریتی و ریسک ویژه (فرضیۀ 2) ، معادلۀ (۲) به شرح زیر برآورد میشود:
رابطۀ 2)
RMSE_(i.t)=γ_0+γ_1 AMFE_(i.t-1)+γ_2 SIZE_(i.t-1)+γ_3 ROA_(i.t-1)+〖γ_4 GROWTH_(i.t-1)+γ〗_5 LOSS_(i.t-1)+γ_6 LEV_(i.t-1)+γ_7 AQ_(i.t-1)+〖γ_8 SMOOTH_(i.t-1)+γ_9 PRED_(i.t-1)+γ〗_10 CFOVOL_(i.t-1)+µ_i+λ_i+ε
که در آن RMSE_(i.t) متغیر وابسته است که بهعنوان نوسان بازده ویژه مبتنی بر مدل سه عاملی فاما و فرنچ (1993) برای دورۀ زمانی t تعریف شده و بهوسیلۀ انحراف معیار بازده مازاد نمونه اندازهگیری میشود.AMFE_(i.t-1) ارزش مطلق خطای پیشبینی مدیریتی است. در صورتی که ضریب AMFE (1γ) مثبت باشد، همراستا با فرضیۀ 2 است.
در این پژوهش متغیرهای مختلف اثرگذار بر نوسان بازده بهصورت مقطعی کنترل شده است. بر این اساس از متغیر اندازۀ شرکت (SIZE) استفاده میشود که از طریق حاصلضرب تعداد سهام شرکت در میانگین قیمت سهم در هر دورۀ سهماهه محاسبه میشود. احتمال دارد اندازۀ شرکت رابطۀ منفی با نوسان ویژه داشته باشد؛ زیرا شرکتهای کوچکتر نوسان بازده بالاتری دارند ( 2011,Rajgopal &Venkatachalam). در این مدل، سودآوری شرکت که رابطۀ منفی با نوسانهای بازده ویژه دارد نیز کنترل میشود ( 2006,Wei & Zhang). نسبت بازده دارایی (ROA) و متغیر ساختگی زیان (LOSS) متغیرهای کنترلی مورد استفاده در این زمینه هستند. مقدار ROA برابر با نسبت سود خالص بر دارایی کل شرکت است که از صورتهای مالی هر فصل استخراج شد. مقدار LOSS برای شرکتهای زیانده عدد یک و برای سایر شرکتها عدد صفر است. علاوه بر این، هرچه رشد بیشتر باشد، شرکت نوسان بازده سهام بالاتری خواهد داشت ( 2011 ,Rajgopal &Venkatachalam). از این رو، از نسبت تغییرات فروش فصلی شرکت (s_t-s_(t-1))/s_(t-1) جهت اندازهگیری متغیر (GROWTH) برای شرکت استفاده میشود. به دلیل اینکه شرکتهای با مشکلات مالی، نوسان بازده سهام بالاتری دارند (2011 ,.Campbell and et al 2001;,Rajgopal & Venkatachalam)، ضروری است به متغیر کنترلی مشکلات مالی توجه شود که بهعنوان اهرم مالی (LEV) تعریف شده و برابر تقسیم بدهی کل بر دارایی کل است و از صورتهای مالی فصلی استخراج میشود. این احتمال وجود دارد که دقت پیشبینی مدیریتی و ریسک ویژه تحتتأثیر برخی از عوامل زمینهای مانند نوسانهای اساسی عملکرد عملیاتی، گزارشگری مالی و کیفیت سود قرار گیرد. بنابراین به سه معیار مربوط به کیفیت سود (شامل کیفیت اقلام تعهدی، همواربودن سود و قابلیت پیشبینی درآمد) و نوسان جریان نقدی نیز در کنار سایر متغیرها توجه میشود. برای محاسبۀ کیفیت اقلام تعهدی (AQ) از مطالعۀ دیچو و دیچف (2002) استفاده شد. بر این اساس اقلام تعهدی عبارت است از میزانی که اقلام تعهدی سرمایه در گردش با تحقق جریانهای نقدی عملیاتی مرتبط است. این مدل ﻣﺒﺘﻨﯽ ﺑﺮ ﺟﺮﯾﺎنﻫﺎی ﻧﻘﺪی ﮔﺬﺷﺘﻪ، ﺣﺎل و آﯾﻨﺪه است و بهصورت زیر تعریف ﻣﯽﺷﻮد:
رابطۀ 3)
ACC_it=α_0+α_1 CFO_(it-1)+α_2 CFO_it++α_3 CFO_(it+1)+ε_it
در ﻣﺪل ﺑﺎﻻ، CFOit ﺑﺮاﺑﺮ ﺑﺎ ﺟﺮﯾﺎن ﻧﻘﺪ ﻋﻤﻠﯿﺎﺗﯽ شرکت i در زمان t و ACC_it تغییر در اقلام تعهدی سرمایه در گردش شرکت اﺳﺖ. ﺟﺮﯾﺎن وﺟﻮه ﻧﻘﺪ ﻋﻤﻠﯿﺎﺗﯽ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﺳﺘﺎﻧﺪاردﻫﺎی ﺣﺴﺎﺑﺪاری اﯾﺮان و تعدیل بخش عملیاتی با مواردی همچون ﭘﺮداﺧﺖ ﻣﺎﻟﯿﺎت ﺑﺮ درآﻣﺪ، ﺑﺎزده ﺳﺮﻣﺎﯾﻪﮔﺬاریﻫﺎ، ﺳﻮد و ﺑﻬﺮۀ ﭘﺮداﺧﺘﯽ ﺑﺎﺑﺖ ﺗأﻣﯿﻦ ﻣﺎﻟﯽ و اﺿﺎﻓﻪکردن ﺳﻮد ﺳﻬﺎم ﭘﺮداﺧﺘﯽ ﻣﺤﺎﺳﺒﻪ میشود. از آنجا که معیارهای کیفیت سود مبتنی بر سود خالص هستند؛ بنابراین این متغیر بهطور مستقیم از صورت جریان وجوه نقد شرکتهای نمونه تعیین میشود ( 2013,Aghaie and et al.). کلیۀ ﻣﺘﻐﯿﺮﻫﺎی ﻣﺬﮐﻮر از طریق ارزش دﻓﺘﺮی داراﯾﯽﻫﺎی اﺑﺘﺪای دوره ﻫﻤﮕﻦ ﻣﯽﺷﻮد. درنهایت ε_it باقیماندۀ مدل برای شرکت i در دورۀ t است که بالابودن انحراف معیار اقلام باقیمانده نشاندهندۀ پایینبـودن کیفیـت اقـلام تعهدی است. همواربودن درآمد (SMOOTH) برابر است با نسبت انحراف معیار درآمد خالص شرکت (اندازهگیریشده بهوسیلۀ دارایی کل) به انحراف معیار جریان نقدی حاصل از عملیات شرکت (اندازهگیری شده بهوسیلۀ دارایی کل). علاوه بر این، قابلیت پیشبینی درآمد (PREDICT) معادل ریشۀ دوم خطای واریانس مدل خودرگرسیونی مرتبۀ اول (AR1) درآمد فصلی است و معیار نوسان جریان نقدی (CFOVOL) بهعنوان انحراف معیار جریان نقدی از عملیات شرکت (اندازهگیریشده بهوسیلۀ دارایی کل) تعریف میشود و به متغیرهای ساختگی سال (λ) و صنعت (µ) برای کنترل اثرات سال و صنعت توجه میشود.
بهمنظور آزمون فرضیۀ 3.1 و اثر اندازۀ شرکت بر رابطۀ بین دقت پیشبینی مدیریتی و ریسک ویژه، از معادلۀ (4) استفاده میشود (2016 ,Kitagawa & Okuda).
رابطۀ 4) RMSE_(i.t)=γ_0+γ_1 AMFE_(i.t-1)+γ_2 〖AMFE×SIZEq1〗_(i.t-1)+γ_3 〖AMFE×SIZEq4〗_(i.t-1)+γ_4 〖SIZEq1〗_(i.t-1)+γ_5 〖SIZEq4〗_(i.t-1)+γ_6 ROA_(i.t-1) 〖+γ〗_7 GROWTH_(i.t-1)+γ_8 LOSS_(i.t-1)+γ_9 LEV_(i.t-1)++γ_10 INST_(i.t-1)+γ_11 AQ_(i.t-1)+γ_12 SMOOTH_(i.t-1)+γ_13 PRED_(i.t-1)+γ_14 CFOVOL_(i.t-1)+µ_i+λ_i+ε
که در آن SIZEq1متغیر شاخصی است که اگر سطح دارایی کل در چارک اول قرار داشته و چهارک اول شامل شرکتهایی با کمترین دارایی کل در سال باشد، برابر با یک و در غیر این صورت برابر صفر است. SIZEq4 متغیر شاخصی است که اگر سطح دارایی کل در چهارک چهارم باشد و چهارک چهارم هر سال شرکتهایی با بیشترین دارایی کل را در بربگیرد، برابر با یک و در غیر این صورت برابر صفر است. برای آزمون فرضیۀ 3.1 به ضریب تعاملی بین AMFE و متغیرهای ساختگی مبتنی بر چهارک دارایی کل در معادلۀ (4) توجه میشود. اولین (چهارمین) چهارک اندازۀ شرکت، SIZEq1 (SIZEq4) نشاندهندۀ محیط اطلاعاتی ضعیف (خوب) است. پیشبینی میشود ضریب γ_2 مثبت و ضریب γ_3 منفی باشد که همراستا با فرضیۀ 3.1 است ( 2016,Kitagawa & Okuda). علاوه بر این، پژوهشها نشان از آن دارد که ساختار مالکیت بر نوسان ویژه اثرگذار است. برای مثال، برکمن و یان (2009) نشان دادند که سهامداران عمده موجب افزایش نوسانهای ویژه میشوند و دلیل آن مزایای اطلاعاتی آنهاست. مالکیل و ژو (2003) بیان کردند که مالکیت نهادی اثر مثبتی بر نوسانهای آتی دارد. به همین منظور برای کنترل اثر ساختار مالکیت، این مطالعه به متغیر مستقل مالکیت نهادی (INST) توجه کرده است که برابر با درصد مالکیت نهادی شرکت در پایان سال مالی 1t- است (2016 ,Kitagawa & Okuda). طبق تعاریف محققان، مالکیت نهادی عبارت است از درصد سهام نگهداریشده در شرکتهای دولتی، بیمه، مؤسسات مالی، بانکها و … ( 2001,Alavi Tabari and et al.). سایر متغیرها پیش از این تعریف شدهاند.
درنهایت برای آزمون بخش دوم فرضیۀ سوم متغیر دامنۀ قیمت پیشنهادی خریدوفروش سهام (SPREAD) در معادلۀ (6) موردتوجه قرار میگیرد. ﻋـﺪم ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ، رﯾﺴـﮏ اﻧﺘﺨﺎب ﻣﻐﺎﯾﺮ ﺗـﺄﻣﯿﻦﮐﻨﻨـﺪﮔﺎن ﻧﻘـﺪﯾﻨﮕﯽ (بازارسازها) را اﻓـﺰاﯾﺶ ﻣـﯽدﻫـﺪ. ﺑـﻪ ﻋﺒـﺎرت دﯾﮕـﺮ، ﺳﻄﻮح ﺑـﺎﻻﺗﺮ ﻋـﺪم ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ ﺑـﺎ داﻣﻨـۀ ﻗﯿﻤـﺖ ﭘﯿﺸـﻨﻬﺎدی ﺑـﺎﻻﺗﺮ ﻫﻤـﺮاه ﺧﻮاﻫـﺪ ﺑـﻮد. از اﯾــﻦ رو، داﻣﻨــۀ ﻗﯿﻤــﺖ ﭘﯿﺸــﻨﻬﺎدی ﺧﺮﯾــﺪوﻓﺮوش ﺳــﻬﺎم ﺑﻪﻃﻮر ﮔﺴﺘﺮده در ﭘﮋوﻫﺶﻫﺎی ﭘﯿﺸﯿﻦ ﺑـﻪﻋﻨـﻮان ﻣﻌﯿـﺎر ﻣﻌﮑـﻮس ﻣﺤـﯿﻂ اﻃﻼﻋـﺎﺗﯽ به کار گرفته میشود و هرچقدر این مقدار کوچکتر باشد، نشاندهندۀ محیط اطلاعاتی بهتر است. این متغیر از طریق رابطۀ (5) محاسبه میشود.
رابطۀ 5) SPREAD_it=1/D_it ∑_1^(D_it)▒((ASK_i-BID_i))/(((ASK_i-BID_i))⁄2)
در اﯾﻦ راﺑﻄﻪ SPREAD_it داﻣﻨۀ ﻗﯿﻤﺖ ﭘﯿﺸﻨﻬﺎدی ﺧﺮﯾﺪوﻓﺮوش ﺳﻬﺎم ﺷﺮﮐﺖ i در دورۀ t، ASK_i آﺧﺮﯾﻦ ﻗﯿﻤﺖ ﭘﯿﺸﻨﻬﺎدی ﻓﺮوش روزاﻧۀ ﺳﻬﺎم ﺷﺮﮐﺖ i، BID_i آﺧﺮﯾﻦ ﻗﯿﻤﺖ ﭘﯿﺸﻨﻬﺎدی ﺧﺮﯾﺪ روزاﻧۀ ﺳﻬﺎم ﺷﺮﮐﺖ i وD_it تعداد روزﻫﺎﯾﯽ از دورۀ t اﺳﺖ که آﺧﺮﯾﻦ ﻗﯿﻤﺖ ﭘﯿﺸﻨﻬﺎدی ﺧﺮﯾﺪوﻓﺮوش روزاﻧﻪ ﺑﺮای ﺳﻬﺎم ﺷﺮﮐﺖ i در دﺳﺘﺮس ﺑﺎﺷﺪ. طبق مدل تعریفشده در معادلۀ (6)، پیشبینی میشود ضریب AMFE × SPREAD مثبت باشد که همراستا با فرضیۀ 3.2 است (Fakhari and Rezaei Pitenoei, 2017 ).
رابطۀ 6) RMSE_(i.t)=γ_0+γ_1 AMFE_(i.t-1)+γ_2 〖AMFE×SPREAD〗_(i.t-1)+γ_3 SPREAD_(i.t-1)+γ_4 SIZE_(i.t-1)+γ_5 ROA_(i.t-1) 〖+γ〗_6 GROWTH_(i.t-1)+γ_7 LOSS_(i.t-1)+γ_8 LEV_(i.t-1)++γ_9 INST_(i.t-1)+γ_10 AQ_(i.t-1)+γ_11 SMOOTH_(i.t-1)+γ_12 PRED_(i.t-1)+γ_13 CFOVOL_(i.t-1)+µ_i+λ_i+ε
یافتهها
برای درک بهتر نتایج آزمون از آمار توصیفی استفاده شده است که بیانگر شمای کلی از وضعیت توزیع دادههاست و با استفاده از نرمافزار Eviews تهیه شده است.
جدول (1) آمار توصیفی متغیرهای پژوهش
Table (1) Descriptive statistics of research variables
نام متغیر نماد متغیر میانگین میانه حداکثر حداقل انحراف معیار چولگی کشیدگی
ریسک غیر سیستماتیک RMSE 219/0 112/0 799/0 000/0 227/0 073/1 847/2
شکاف قیمتی SPREAD 663/2 931/2 840/9 000/0 678/1 006/0- 949/1
خطای پیشبینی مدیریتی AMFE 218/0 146/0 097/1 10/1- 303/0 11/0- 085/4
مالکان نهادی INST 713/0 760/0 970/0 030/0 208/0 03/1- 35/3
بازده دارایی ROA 069/0 043/0 333/1 40/0- 103/0 830/1 91/13
اندازه شرکت SIZE 70/27 61/27 01/34 88/22 622/1 466/0 53/3
اهرم مالی LEV 591/0 618/0 273/1 012/0 211/0 144/0 428/5
زیاندهبودن LOSS 134/0 000/0 000/1 000/0 341/0 143/2 595/5
تغییرات فروش GROWTH 052/0 336/0 954/0 99/0- 621/0 44/0- 573/1
هموار بودن درآمد SMOOTH 508/5 163/3 9/108 000/0 894/7 286/5 20/48
پیشبینی درآمد PREDICT 164/0 061/0 31/14 53/7- 525/0 53/12 8/238
انحراف معیار جریان نقد از عملیات CFOVOL 110/0 076/0 438/4 001/0 164/0 36/14 330/2
کیفیت اقلام تعهدی AQ 214/0 206/0 734/0 014/0 117/0 068/0 63/9
جدول 1 نشاندهندۀ وضعیت توصیفی متغیرهای پژوهش است. در این جدول برای تمامی متغیرها، پارامترهای مرکزی و پراکندگی بهطور مجزا محاسبه شده است. تعداد مشاهدههای این جدول برابر با 6400 است. طبق نتایج بهدستآمده، میانگین و میانۀ خطای پیشبینی مدیریتی شرکتهای نمونه بهترتیب برابر با 218/0 و 146/0 است. بیشترین مقدار ریسک غیر سیستماتیک در بین شرکتهای نمونه برابر 799/0 و کمترین مقدار نزدیک به صفر است. میانگین شکاف قیمتی نمونۀ مورد بررسی برابر 663/2 است. شکاف قیمتی بیشتر، نشاندهندۀ ﺳﻄﻮح ﺑـﺎﻻﺗﺮ ﻋـﺪم ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ در شرکتهاست. نزدیکی اعداد میانه و میانگین نشاندهندۀ آن است که همۀ متغیرهای بررسیشده توزیع آماری مناسبی دارند. بین متغیرهای پژوهش، پیشبینی درآمد و تغییرات فروش بهترتیب بیشترین و کمترین انحراف معیار را دارند.
پیش از برآورد مدل رگرسیونی، لازم است مانایی تمامی متغیرهای مورداستفاده امتحان شود. از آنجایی که در این پژوهش تعداد سالهای پژوهش دهساله و ساختار دادهها بهصورت تابلویی است، برای این موضوع از آزمون لوین-لین چو استفاده شده است. طبق نتایج بهدستآمده فرض صفر مبنی بر عدم مانایی رد شده و کلیۀ متغیرهای پژوهش ماناست.
جدول (2) آزمون تحلیل مؤلفههای اصلی
Table )2) principal component analysis test
شاخص KMO آماره آزمون بارتلت سطح معناداری
725/0 532/10592 0000/0
با استفاده از روش آماری تحلیل مؤلفههای اصلی (PCA) ، مؤلفۀ عاملی مناسب، بهعنوان معیار خطاهای پیشبینی مدیریت (MFE) انتخاب شده است. شاخص KMO با مقداری بیش از 7/0 نشاندهندۀ کفایت نمونه برای این آزمون است. همانطور که نتایج جدول (3) نشان میدهد، خطاهای پیشبینی درآمد عادی بهعنوان مؤلفهای که بیشترین همبستگی را با عامل اصلی دارد، بهعنوان مؤلفۀ عاملی مناسب است.
جدول (3) همبستگی عاملهای پیشبینی با مؤلفه اصلی
Table) 3 (Correlation of forecasting & principal component
نام متغیر میزان همبستگی
خطاهای پیشبینی فروش 869/0
خطاهای پیشبینی درآمد عادی 915/0
خطاهای پیشبینی درآمد خالص 887/0
برای جلوگیری از رگرسیون کاذب، از روش GLSو ماتریس کواریانس سازگار برای مقاومکردن رگرسیون در جلوگیری از ناهمسانی واریانس استفاده شده است. با توجه به استفاده از رویکرد مقاومسازی، آزمون تشخیص ناهمسانی واریانس انجام نشده است. برای بررسی میزان همخطی از آزمون شاخص تورم واریانس استفاده شده است. اگر مقدار این شاخص کمتر از 10 باشد، همخطی بین متغیرهای کنترلی و مستقل وجود ندارد و برعکس. طبق نتایج هیچگونه همخطی بین متغیرهای مستقل و کنترلی پژوهش وجود ندارد. سایر فروض کلاسیک نیز مطابق با شرایط پژوهش بررسی شده است. جداول 4 تا 7 نتایج نهایی مدل رگرسیونی پژوهش را نشان میدهد که بهوسیلۀ نرمافزار Eviews به دست آمده است.
بهمنظور بررسی فرضیۀ اول پژوهش مبنی بر وجود خطای پیشبینی مدیریتی در درآمد شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران، از آزمون t استفاده شد. فرض صفر در این آزمون، نبود خطای پیشبینی مدیریتی در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران تعریف شده است. در صورتی که سطح معناداری این آزمون کمتر از 01/0 باشد، فرض صفر رد شده و این موضوع نشاندهندۀ وجود خطای پیشبینی مدیریتی در بورس اوراق بهادار تهران است.
جدول (4) آزمون t (فرضیۀ اول)
Table )4 (T-test
میانگین خطای پیشبینی مدیریتی خطای استاندارد آماره t سطح معنیداری
221256/0 003784/0 46859/58 000/0
جدول بالا نتایج بهدستآمده را درخصوص فرضیۀ اول نمایش میدهد. با توجه به آنکه سطح معناداری آزمون کمتر از 01/0 است، متغیر معناداری لازم را دارد. به عبارت دیگر، فرض صفر مبنی بر نبود خطای مدیریتی رد شده است؛ بنابراین خطای پیشبینی مدیریتی درخصوص درآمد شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران معنادار است. درنتیجه فرضیۀ اول پژوهش تأیید میشود.
در مرحلۀ بعد، معادلۀ رگرسیون مربوط به فرضیۀ دوم اندازهگیری شده است. ضریب متغیر خطاهای پیشبینی مدیریتی (AMFE)، تعیینکنندۀ رد یا پذیرش فرضیۀ دوم بوده و از طریق آمارۀ F، معناداری آزمون بررسی شده است.
جدول (5) نتایج حاصل از برازش معادلۀ رگرسیون (مدل اول)
Table )5 (Results of first model regression
RMSE_(i.t)= γ_0+γ_1 AMFE_(i.t-1)+γ_2 SIZE_(i.t-1)+γ_3 ROA_(i.t-1)+γ_4 GROWTH_(i.t-1)+γ_5 LOSS_(i.t-1)+γ_6 LEV_(i.t-1)+γ_7 AQ_(i.t-1)+γ_8 SMOOTH_(i.t-1)+γ_9 PRED_(i.t-1)+γ_10 CFOVOL_(i.t-1)+µ_i+λ_i+ε
نام متغیر ضریب متغیر مقدار ضریب خطای استاندارد آمارۀ t سطح معناداری
C ɣ0 012331/0 073168/0 168528/0 8662/0
AMFE ɣ1 016395/0 006797/0 412167/2 0159/0
ROA ɣ2 003275/0- 020401/0 160529/0 03625/0
SIZE ɣ3 006786/0- 002627/0 583202/2- 0098/0
LEV ɣ4 019071/0 011326/0 683782/1 0923/0
LOSS ɣ5 011819/0 004364/0 708046/2 0068/0
GROWTH ɣ6 63/8e-06 56/1e-06 530928/5 0000/0
SMOOTH ɣ7 12/7e-05 000216/0 33031/0 03414/0
PREDICT ɣ8 003436/0- 004324/0 7949/0- 4269/0
CFOVOL ɣ9 006386/0- 007869/0 811563/0 4171/0
AQ ɣ10 75/7e-05 008557/0 009062/0 9928/0
ضریب تعیین 57/0 آماره دوربین واتسون 97/1
ضریب تعیین تعدیلشده 56/0 سطح معناداری آماره F 0000/0
طبق نتایج جدول (5)، سطح معناداری خطاهای پیشبینی مدیریتی (ɣ1) کمتر از سطح معناداری 01/0 است. بنابراین فرض صفر مبنی بر عدم اثرگذاری در سطح خطای 01/0 رد شده است و این متغیر معنیداری لازم را دارد. به عبارت دیگر، خطاهای پیشبینی مدیریتی بر ریسک ویژۀ شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران تأثیر معناداری دارد. با توجه به مقدار ضریب تأثیر 016/0= ɣ1میتوان نتیجه گرفت خطاهای پیشبینی مدیریتی، همبستگی مثبتی با ریسک ویژه دارد.
در فرضیۀ 3.1، اثر اندازۀ شرکت بهعنوان معیار سنجش محیط اطلاعاتی بر میزان همبستگی رابطۀ بین خطاهای پیشبینی مدیریتی و نوسانهای بازده ویژه بررسی شده است. بنابراین در این مرحله، معادلۀ رگرسیونی مدل دوم برازش شده است. ضرایب متغیرهای مربوط به اندازۀ شرکت (ɣ2) و (ɣ3)، تعیینکنندۀ رد یا پذیرش فرضیۀ 3.1 بوده و از طریق آمارۀ F، معناداری آزمون بررسی شده است.
جدول(6) نتایج حاصل از برازش معادلۀ رگرسیون (مدل دوم)
Table )6 (Results of second model regression
〖RMSE〗_(i.t)=γ_0+γ_1 〖AMFE〗_(i.t-1)+γ_2 〖AMFE×SIZEq1〗_(i.t-1)+γ_3 〖AMFE×SIZEq4〗_(i.t-1)+γ_4 〖SIZEq1〗_(i.t-1)+γ_5 〖SIZEq4〗_(i.t-1)+γ_6 〖ROA〗_(i.t-1) 〖+γ〗_7 〖GROWTH〗_(i.t-1)+γ_8 〖LOSS〗_(i.t-1)+γ_9 〖LEV〗_(i.t-1)++γ_10 〖INST〗_(i.t-1)+γ_11 〖AQ〗_(i.t-1)+γ_12 〖SMOOTH〗_(i.t-1)+γ_13 〖PRED〗_(i.t-1)+γ_14 〖CFOVOL〗_(i.t-1)+µ_i+λ_i+ε
نام متغیر ضریب متغیر مقدار ضریب خطای استاندارد آمارۀ t سطح معناداری
C ɣ0 364609/0 053680/0 792263/6 0000/0
AMFE1 ɣ1 321826/0 029481/0 91649/10 0000/0
AMFE1*SIZEQ1 ɣ2 112813/0 029550/0 817769/3 0001/0
AMFE1*SIZEQ4 ɣ3 218872/0- 026134/0 37486/8- 0000/0
SIZEQ1 ɣ4 016590/0 011156/0 487039/1 1371/0
SIZEQ4 ɣ5 014304/0 006830/0 094355/2 0363/0
ROA ɣ6 055663/0- 028095/0 98124/1- 0476/0
SIZE ɣ7 012054/0- 002001/0 0245/6- 0000/0
LEV ɣ8 013689/0 008691/0 576/1- 1150/0
LOSS ɣ9 020029/0 005261/0 806908/3 0001/0
GROWTH ɣ10 56/4e-06 14/2e-06 122691/2 0338/0
SMOOTH ɣ11 000590/0 000240/0 457067/2 0140/0
PREDICT ɣ12 014241/0- 005628/0 53056/2 0114/0
CFOVOL ɣ13 014513/0- 009421/0 5404/1- 1235/0
AQ ɣ14 011944/0- 008986/0 3290/1- 1838/0
INST ɣ15 069389/0 005870/0 82079/11 0000/0
ضریب تعیین 292/0 آمارۀ دوربین واتسون 53/1
ضریب تعیین تعدیل شده 291/0 سطح معناداری آماره F 0000/0
همانگونه که جدول (7) مشاهده میشود، سطح معناداری خطاهای پیشبینی مدیریتی× اندازۀ شرکت در چارک اول (ɣ2) و خطاهای پیشبینی مدیریتی× اندازۀ شرکت در چارک چهارم (ɣ3) کمتر از سطح معناداری 01/0 است؛ بنابراین فرض صفر مبنی بر عدم اثرگذاری رد شده است و این متغیرها معنیداری لازم را دارند. این موضوع به آن معنی است که اندازۀ شرکت بر رابطۀ خطاهای پیشبینی مدیریتی و ریسک ویژه در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران اثر معناداری دارد. با توجه به اینکه ضریب تأثیر محاسبهشده برای ضریب (ɣ2) و (ɣ3) برابر (11/0) و (21/0-) است، میتوان نتیجه گرفت در شرکتهای بزرگ، خطاهای پیشبینی مدیریتی، همبستگی مثبت کمتری با نوسانهای بازده ویژه دارد. به عبارت دیگر، در شرکتهای با محیط اطلاعاتی بهتر، خطاهای پیشبینی مدیریتی، همبستگی مثبت کمتری با ریسک ویژه دارد.
درنهایت، اثر متغیر شکاف قیمتی بر میزان همبستگی رابطۀ بین خطاهای پیشبینی مدیریتی و نوسانهای بازده ویژه، از طریق برازش معادلۀ رگرسیونی مدل سوم بررسی شده است. در این معادله، ضریب (ɣ2) تعیینکنندۀ رد یا پذیرش فرضیۀ 3.2 بوده و همانند مراحل قبل، از طریق آمارۀ F، معناداری آزمون بررسی شده است.
جدول(7) نتایج حاصل از برازش معادلۀ رگرسیون (مدل سوم)
Table )7 (Results of third model regression
〖RMSE〗_(i.t)=γ_0+γ_1 〖AMFE〗_(i.t-1)+γ_2 〖AMFE×SPREAD〗_(i.t-1)+γ_3 〖SPREAD〗_(i.t-1)+γ_4 〖SIZE〗_(i.t-1)+γ_5 〖ROA〗_(i.t-1) 〖+γ〗_6 〖GROWTH〗_(i.t-1)+γ_7 〖LOSS〗_(i.t-1)+γ_8 〖LEV〗_(i.t-1)++γ_9 〖INST〗_(i.t-1)+γ_10 〖AQ〗_(i.t-1)+γ_11 〖SMOOTH〗_(i.t-1)+γ_12 〖PRED〗_(i.t-1)+γ_13 〖CFOVOL〗_(i.t-1)+µ_i+λ_i+ε
نام متغیر ضریب متغیر مقدار ضریب خطای استاندارد آمارۀ t سطح معناداری
C ɣ0 644655/0 038666/0 67253/16 0000/0
AMFE1 ɣ1 207853/0 037983/0 471657/5 0000/0
AMFE1*SPREAD ɣ2 025570/0 009342/0 737086/2 0062/0
SPREAD ɣ3 003987/0 001727/0 308463/2 0210/0
ROA ɣ4 037681/0- 028996/0 299534/1- 1938/0
SIZE ɣ5 022164/0- 001452/0 26076/15- 0000/0
LEV ɣ6 017387/0 009025/0 926519/1- 05441/0
LOSS ɣ7 020984/0 005238/0 972323/3 0001/0
GROWTH ɣ8 18/3e-06 08/3e-06 033028/1 3016/0
SMOOTH ɣ9 000167/0 00219/0 761840/0 4462/0
PREDICT ɣ10 012393/0- 005337/0 323202/2 0202/0
CFOVOL ɣ11 009736/0- 009624/0 011646/1- 3117/0
AQ ɣ12 013558/0- 008400/0 613956/1- 1066/0
INST ɣ13 080741/0 006626/0 18483/12 0000/0
ضریب تعیین 278/0 آمارۀ دوربین واتسون 51/1
ضریب تعیین تعدیلشده 277/0 سطح معناداری آماره F 0000/0
طبق نتایج سطح معناداری خطاهای پیشبینی مدیریتی × شکاف قیمتی (ɣ2) کمتر از سطح معناداری 01/0 است. بنابراین فرض صفر مبنی بر عدم اثرگذاری متغیر شکاف قیمتی رد شده است و این متغیر معناداری لازم را دارد. این موضوع یعنی شکاف قیمتی بر رابطۀ بین خطاهای پیشبینی مدیریتی و ریسک ویژه در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران تأثیر معناداری دارد. با توجه به اینکه ضریب تأثیر محاسبهشدۀ (ɣ2) برابر 025/0 است، میتوان نتیجه گرفت در صورتی که دامنۀ قیمت پیشنهادی خریدوفروش سهام در شرکت بالاتر باشد، خطاهای پیشبینی مدیریتی همبستگی مثبت بیشتری با نوسانهای بازده ویژه دارد. به عبارت دیگر، وجود عدم ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ بین مدیران داخلی یک شرکت و سرمایهگذاران و درنتیجۀ آن اختلاف بیشتر بین دامنۀ قیمت پیشنهادی خریدوفروش سهام یک شرکت، رﯾﺴـﮏ اﻧﺘﺨﺎب ﻣﻐﺎﯾﺮ را افزایش ﻣـﯽدﻫـﺪ.
ضریب تعیین تعدیلشده در مدلهای پژوهش برابر 56 /0، 29/0 و 27/0 است و نشان از آن دارد که 29، 56 و 27 درصد تغییرات متغیر وابستۀ مدل توسط متغیرهای مستقل توضیح داده شده است. از سوی دیگر، تفاوت اندک بین ضریب تعیین تعدیل شده است و ضریب تعیین نشاندهندۀ آن است که متغیرهای مستقل اضافهشده به مدل بهدرستی انتخاب شدهاند. اگرچه قسمتی از متغیر وابسته توسط متغیرهای سمت راست مدل توضیح داده نشده، با در نظر گرفتن آمارۀ F فیشر و سطح اهمیت آن میشود گفت که این مدل میتواند مدل مناسب متغیرهای مستقل و وابسته باشد.
نتایج و پیشنهادها
بهعنوان جمعبندی مطالب مطرحشده، طبق فرضیۀ اول خطای پیشبینیهای مدیریتی درخصوص درآمد شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران معنادار است. پیشتر عنوان شد در این مطالعه تمرکز فقط بر سوگیریهای پیشبینی مدیریتی نبوده و منظور، دقت و صحت پیشبینی مدیریتی است. طبق نتایج، پیشبینیهای مدیریتی در ایران دارای خطاست و برخی اوقات این پیشبینیها انحراف بسیار بالایی با درآمدهای محققشده دارند. همانطور که میدانیم سرمایهگذاران برای تصمیمگیری به اطلاعات آیندهنگر نیاز دارند تا بتوانند ریسک و بازده آتی شرکتها را پیشبینی کنند؛ اما با توجه به شرایط بازار سرمایه در ایران بهعنوان بازاری با سطح کارایی ضعیف و دسترسینداشتن سرمایهگذاران به اطلاعات نهانی شرکتها، فعالان بازار فقط به اطلاعات گذشتهنگر و پیشبینیهای مدیریتی درخصوص سود و فروش اتکا میکنند که به دلیل وجود خطا در این گزارشها، تصمیمات آنها بهینه نیست و همین امر موجب افزایش ریسک و کاهش ارزش شرکتها میشود.. نتایج حاصل از فرضیۀ اول با پژوهشهای صالح نژاد و همکاران (2016)، ایتنر و مایکلز (2017) و کیتاگاوا و اکودا (2016) همراستا و سازگار است. براساس نتایج، خطاهای پیشبینی مدیریتی، همبستگی مثبتی با ریسک ویژه دارد و فرضیۀ دوم مورد تأیید است. طبق مبانی نظری نیز افشای مناسب اطلاعات مالی مانند پیشبینیهای بهموقع و دقیق، باعث کاهش ریسک و افزایش نقدشوندگی سهام شرکت میشود. در مقابل، ارائۀ اطلاعات نادرست یا دیرهنگام از شرایط آتی یک شرکت، زمینۀ ایجاد انحرافهای تصمیماتی و عملکردی سرمایهگذاران را فراهم میکند و بدیهی است بعدها با وقوع شرایطی متفاوت از شرایط پیشبینیشده، سرمایهگذاران نیز به نتایج مطلوب، دلخواه و موردنظر خود دست نخواهند یافت. بنابراین هرچه شفافیت اطلاعاتی شرکتی بالاتر باشد، درجۀ اطمینان بیشتر و ریسک سرمایهگذاری در آن شرکت کمتر خواهد بود. نتایج حاصل از فرضیۀ دوم با پژوهشهای راج گوپال و ونکاتاجالام (2011) و کیتاگاوا و اوکادا (2016) همخوانی دارد. درنهایت، طبق نتایج حاصل از فرضیۀ سوم هرچه محیط اطلاعاتی قویتر باشد، رابطۀ مستقیم بین خطای پیشبینی مدیریت و ریسک ویژه کاهش پیدا خواهد کرد. عملیات شرکتها در محیطهای نامطمئنتر، منافع کمتری را از یک محیط اطلاعات داخلی با کیفیت بالا نصیب شرکتها میکند. برای این شرکتها، محیط اطلاعات داخلی باکیفیت میتواند به شناسایی فرصتهای رشد کمک کند و تردیدها را دربارۀ استراتژیهای عملیاتی شرکت کاهش دهد. در این پژوهش دو عامل اندازۀ شرکت و اختلاف داﻣﻨـۀ ﻗﯿﻤـﺖ ﭘﯿﺸـﻨﻬﺎدی (بهعنوان ﻣﻌﯿـﺎر ﻣﻌﮑـﻮس برای سنجش کیفیت ﻣﺤـﯿﻂ اﻃﻼﻋـﺎﺗﯽ)، مبنای سنجش محیط اطلاعاتی شرکتها قرار گرفت. بهطور معمول، شرکتهای بزرگتر، با سرمایۀ بیشتر، بههمراه محیط اطلاعات داخلی کیفیت بیشتری دارند. علاوه بر آن، وجود ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ بین مدیران داخلی یک شرکت و سرمایهگذاران، رﯾﺴـﮏ اﻧﺘﺨﺎب ﻣﻐﺎﯾﺮ را کاهش ﻣـﯽدﻫـﺪ. ﺑـﻪ ﻋﺒـﺎرت دﯾﮕـﺮ، ﺳﻄﻮح ﺑـﺎﻻﺗﺮ ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ ﺑـﺎ داﻣﻨـۀ ﻗﯿﻤـﺖ ﭘﯿﺸـﻨﻬﺎدی پایینتر ﻫﻤـﺮاه ﺧﻮاﻫـﺪ ﺑـﻮد. براساس نظریۀ علامتدهی نیز شرکتها برای گزارش عملکرد بهتر خود نسبتبه رقبا، اقدام به افزایش افشای اطلاعات حسابداری میکنند که این امر موجب تقویت محیط اطلاعات و درنتیجه کاهش ریسک شرکت میشود. این نتایج نیز منطبق بر پژوهشهای گیتاگاوا و اوکادا (2016)، روبین و وو (2015) و راچگوبال و نکتاچالام (2012) است.
بهعنوان پیشنهادهای ارائهشده متناسب با نتایج این پژوهش، به سرمایهگذاران پیشنهاد میشود هنگام تحلیل شرکت و بررسی سودآوری آتی شرکت حتماً به کیفیت پیشبینی مدیران (براساس سوابق عملکردی آنان در این زمینه) دقت کنند. علاوه بر آن، تهیۀ سناریوهای خوشبینانه و بدبینانه و آنالیز حساسیت به سرمایهگذاران در بهبود تصمیمگیری و سرمایهگذاری صحیح و مطمئن کمک خواهد کرد. درنهایت توجه به شرایط محیطی و اطلاعاتی هر شرکت (نظیر میزان سرمایه، اختلاف دامنۀ قیمتی سهام شرکت و ...) بهعنوان عوامل مؤثر بر کیفیت اطلاعات منتشره توسط آن شرکت و درنتیجه ریسک ویژۀ مربوط به آن اهمیت ویژهای دارد. به پژوهشگران آتی پیشنهاد میشود با توجه به اینکه یکی از عوامل مؤثر بر پیشبینیهای مدیریتی عوامل رفتاری مدیران همچون خودشیفتگی و اعتمادبهنفس بیش از حد مدیران است، تمامی عوامل رفتاری کنار عاملهای این پژوهش در نظر گرفته و تأثیر آن بر محافظهکاری بررسی و با نتایج این پژوهش مقایسه شود. از دیگر پیشنهادها، انجامدادن این پژوهش با تفکیک شرکت بهصورت خانوادگی و غیر خانوادگی است تا تأثیر نوع مالکیت بر رابطۀ خطای پیشبینی مدیریتی و ریسک ویژه بررسی شود. علاوه بر آن، بررسی ایـن روابـط بـا تفکیک شرکتها از نظر نوع صنعت یا در نظر گـرفتن سایر معیارهای محیط اطلاعاتی ازجمله پوشش خبری شــرکتهــا میتواند از پیشـنهادها بـرای پژوهشهای آتی باشد.
یکی از مهمترین محدودیتهای پژوهش نبود بانک منسجم اطلاعاتی در بورس اوراق بهادار است. اطلاعات موجود در پایگاه دادۀ اطلاعاتی بورس بیشتر متمرکز بر صورتهای مالی بوده است و اطلاعات دیگر باید بهصورت اسناد کاوی و جستجو در یادداشتهای صورت مالی انجام شود که این امر باعث زمانبر و هزینهبر شدن پژوهش میشود. از آنجایی که پژوهش حاضر با استفاده از دادههای 160 شرکت بورسی بوده است و شامل همۀ شرکتهای پذیرفتهشده در بورس نیست؛ بنابراین در تسری نتایج این پژوهش به کل جامعه احتیاط کرد.
منابع فارسی
ابراهیمی کردلر، علی.، محمدآبادی، مهدی. و حصارزاده، رضا (1387). بررسی رابطۀ تضاد منافع بین سهامداران و اعتباردهندگان با توزیع سود سهام و محدودیت در تأمین مالی. فصلنامۀ بورس اوراق بهادار. 1(4)، 74-53. https://www.magiran.com/paper/920062
آقایی، محمدعلی.، زلقی، حسن.، اعتمادی، حسین. و انواری رستمی، علی اصغر (1392). تأثیر تجدید ارائۀ صورتهای مالی بر کیفیت اقلام تعهدی. فصلنامۀ پژوهشهای تجربی حسابداری. 3(7)، 148-119. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=208459
اعتمادی، حسین.، حصارزاده، رضا.، محمدآبادی، مهدی. و بذرافشان، آمنه (1388). افشا و ارزش شرکت: شواهدی از بازار سرمایه نوظهور ایران. مجلۀ حسابداری مدیریت. 5 (13)، 77-67. https://jma.srbiau.ac.ir/article_3065.html
رشیدی، محسن (1399). نقش توانایی مدیران در تعدیل شرایط اعتباری و کاهش پراکندگی بازده سهام. نشریۀ مدیریت دارایی و تأمین مالی. 8(3): http://dx.doi.org/10.22108/amf.2020.119807.1480
زلقی، حسن.، بیات، مرتضی. و دانش عسگری، تهمینه. (1393). بررسی تأثیر پیشبینی سود از جانب مدیریت بر ریسک غیرسیستماتیک. فصلنامۀ علمی پژوهشی راهبرد مدیریت مالی. 2(2)، 136-121. https://dx.doi.org/10.22051/jfm.2015.986
زمردیان، غلامرضا.، کاشانی تبار، شهرزاد. و خاکساریان، فاطمه (1396). ارزیابی ارتباط بین حاکمیت شرکتی و مدیریت سود شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران. مطالعات اقتصاد، مدیریت مالی و حسابداری. 4(3)، 35-25. http://noo.rs/4zrbJ
صالح نژاد، حسن. و وقفی، حسام. (1395). تأثیر پیشبینی سود توسط مدیریت بر ریسک و ارزش شرکت. مجلۀ راهبرد مدیریت مالی. 4(12)، 124-103. https://dx.doi.org/10.22051/jfm.2016.2377
علـوی طبـری، سید حسین. و ربـاطمیلـی، مژگان (1391). مسئلۀ نمایندگی و قیمتگذاری خدمات حسابرسی مستقل آزمونی مبتنی بر فرضیۀ جریانهای نقدی آزاد: بررسیهای حسابداری و حسابرسی. 19(2)، 122-97. https://dx.doi.org/10.22059/acctgrev.2012.29201
علی احمدی، سعید. و فدایی زهرا (1394). ارزیابی نقش محیط اطلاعاتی و رشد شرکت در قیمتگذاری اقلام تعهدی در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران. فصلنامه پژوهشهای حسابداری مالی. 7(3)، 104-91. https://far.ui.ac.ir/article_17051.html
فخاری، حسین. و رضائی پیته نوئی، یاسر (1396). ارائۀ مدلی برای سنجش محیط اطلاعاتی شرکت. فصلنامۀ حسابداری مالی. 9(33)، 147-121. URL: http://qfaj.ir/article-1-1052-fa.html
نیکوسخن، معین. و فدایی نژاد، محمد اسماعیل (1397). بررسی اهمیت ریسک غیرسیستماتیک هر ورقه بهادار: نگاهی دیگر به ریسک غیرسیستماتیک و بازده. فصلنامه علمی راهبرد مدیریت مالی. 1(6)، 1-24. https://dx.doi.org/10.22051/jfm.2018.12991.1212
فروغی، داریوش. و نعلشکن، اکبر (1389). تأثیر ریسک ویژه بر بازده سهام. فصلنامۀ حسابداری و مدیریت مالی. 3، 233-215. https://www.noormags.ir/view/fa/articlepage/871878
کفاشپور یزدی، مهسا.، تفتیان، اکرم. و معینالدین، محمود (1398). بررسی اثر محیط اطلاعاتی بر رابطۀ بین خطای پیشبینی مدیریت و ریسک غیرسیستماتیک در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران. نشریۀ علمی حسابداری مدیریت. 12(41)، 169-151. https://jma.srbiau.ac.ir/article_14161.html
ملکیان، اسفندیار. وشایستهمند، حمیدرضا (1394). تبیین تأثیر سازوکارهای مدیریتی راهبری شرکتی بر ریسکپذیری شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران. فصلنامۀ حسابداری مالی. 7 (28)، 105-126. URL: http://qfaj.ir/article-1-523-fa.html
منتشری، مجید. و فرید، داریوش (1399). بررسی الگوی جریان اطلاعاتی قیمت سهام مبتنی بر نقش انگیزۀ شهرت مدیران؛ شواهدی از شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران.نشریۀ مدیریت دارایی و تأمین مالی. 8 (1)، 136-123. https://dx.doi.org/10.22108/amf.2020.118068.1444
موسوی، خلیل.، میثم احمدی.، ماژین. و عبدالعلی پور، آرش (1394). بررسی تأثیر عدم اطمینان محیطی بر رابطه بین مدیریت سود و عدم تقارن اطلاعاتی. کنفرانس ملی رویکردهای نوین در علوم مدیریت، اقتصاد و حسابداری. مازندران. مؤسسۀ علمی تحقیقاتی کومه علمآوران دانش. https://civilica.com/doc/370646/
موسوی شیری، محمود.، روشندل، معصومه. و خلعتبری، حسن (1397). بررسی اثر کیفیت اطلاعات بر ریسک نقدشوندگی سهام و ریسک بازار. نشریۀ مدیریت دارایی و تأمین مالی. 6(2)، 34-15. https://dx.doi.org/10.22108/amf.2017.21171
هاشمی دهچی، مجید.، ایزدی نیا، ناصر. و امیری، هادی (1399). تأثیر قابلیت مقایسه صورتهای مالی بر نوسانهای ویژۀ بازده سهام با تأکید بر کیفیت گزارشگری مالی. مدیریت دارایی و تأمین مالی. https://dx.doi.org/10.22108/amf.2020.123782.1554
References
Abdel-Khalik, A. R. (2008). The association between idiosyncratic risk and private information acquisition. CAAA 2008 Annual Conference Paper. DOI: https://dx.doi.org/10.2139/ssrn.1084072
Aghaie, M. A., Zalaghi, H., Etemadi, H., & Anvari, R. A. (2013). Financial statement restatements impacts on accrual quality. Journal of Empirical Research in Accounting. 3(7): 119-148. (In Persian)
Alavi, T. S., & Robatmili, M. (2001). Agency problems and audit fees further tests of the free cash flow hypothesis: Accounting and Auditing Review. 19(2):97-122. (In Persian)
Aliahmadi, S., & Fadai, Z. (2015). Assessing the role of information environment and firm growth on the pricing of accruals in companies listed in Tehran Stock Exchange (TSE). Quarterly Financial Accounting Researches. 7(3): 91-104. (In Persian)
Aman, H. (2011). Firm-specific volatility of stock returns, the credibility of management forecasts, and media coverage: Evidence from Japanese firms. Japan and the World Economy. 23(1): 28–39. DOI: https://doi.org/10.1016/j.japwor.2010.06.009
Botosan, C. A. (1997). Disclosure level and the cost of capital. The Accounting Review. 72(3). 21–40. https://www.jstor.org/stable/248475
Brockman, P., & Yan, X. S. (2009). Block ownership and firm-specific information. Journal of Banking & Finance. 33(2): 308–316. DOI: https://doi.org/10.1016/j.jbankfin.2008.08.011
Campbell, J. Y., Lettau, M., Malkiel, B. G., & Xu, Y. (2001). Have individual stocks become more volatile: An empirical exploration of idiosyncratic risk. The Journal of Finance. 56(1): 1–43. DOI: https://doi.org/10.1111/0022-1082.00318
Christensen, P. O., & Feltham, G. A. (2003). Economics of Accounting: New York. Volume 1- Information in Market. Springer Science+Business Media. DOI: https://doi.org/10.1007/978-1-4615-1133-5
Choy, S. Y. (2019). Economic Uncertainty and Management Earnings Forecast. Master Thesis, Seul National University, URI: https://hdl.handle.net/10371/150551
Dechow, P. (2002). Accounting earnings and cash flows as 43 measure firm performance: the role of accounting accruals. Journal of Accounting & Economics.17: 3-42. DOI: https://doi.org/10.1016/0165-4101(94)90016-7
Diamond, D., & Verrecchia, R. (1991). Disclosure, liquidity and the cost of equity capital. The Journal of Finance. 46 (4): 1325-1359. DOI: https://doi.org/10.1111/j.1540-6261.1991.tb04620.x
Ebrahimi, K, A., Mohammad, A. M., & Hesarzadeh, R. (2008). Investigation of the relationship between shareholders & creditor conflict over dividend policy and financing constraints. Journal of Securities Exchange. 1(4): 53-74. (In Persian)
Etemadi, H., Hesarzadeh, R., Mohammad, A. M., & Bazrafshan, A. (2009). Disclosure and firm falue: Evidence from Iran's emergence stock market. Journal of Management Accounting. 5(13): 67-77. (In Persian)
Fama, E. & French, K. (1993). Common risk factors in the return on stocks and bonds. Journal of Financial Economics, 33, 3-56.
Fakhari, H., & Rezaei, P. Y. (2017). Explaining a model for measuring the corporate information environment. Journal of Financial Accounting. 9(33): 121-147. (In Persian)
Foerster, J., Farquhar, G., Nardelli, N., & Whiteson, S. (2016). Counterfactual multi-agent policy gradients. Roceedings of the AAAI Conference on Artificial Intelligence. 32(1). https://ojs.aaai.org/index.php/AAAI/article/view/11794
Forughi, D., & Nalshekan, A. (2010). The effect of nonsystematic risk on stock returns. Financial Management and Accounting. 3: 215-233 (In Persian)
Haggard, K. S., Martin, X., & Pereira, R. (2008). Does voluntary disclosure improve stock price informativeness? Journal of Financial Management. 37: 747-768. DOI: https://doi.org/10.1111/j.1755-053X.2008.00033.x
Hashemi, D. M., Izadinia, N., & amiri, H. (2020). The effect of financial statement comparability on idiosyncratic return volatility by emphasis on the financial reporting quality. Journal of Asset Management and Financing, 9(3), 1-18. (In Persian)
Healy, P.M., & K.G. Palepu (2001). Information asymmetry, corporate disclosure, and the capital markets: A review of the empirical disclosure literature. Journal of Accounting & Economics. 31: 405-440. DOI: https://doi.org/10.1016/S0165-4101(01)00018-0
Ittner, C. D., & Michels, J. (2017). Risk-based forecasting and planning and management earnings forecasts. Review of Accounting Studies. 22(3); 1005-1047. DOI: https://doi.org/10.1007/s11142-017-9396-0
Long, H., Jiang, Y., & Zhu, Y. (2018). Idiosyncratic tail risk and expected stock returns: Evidence from the Chinese stock markets. Finance Research Letters. 24. 129-136. DOI: https://doi.org/10.1016/j.frl.2017.07.009
Kaffashpour, Y. M., Taftiyan, A., & Moeinaddin, M. (2018). Investigating the effect of information environment on the relationship between management forecast error and idiosyncratic risk in companies accepted in Tehran stock exchange. Journal of Manangement Accounting. 12(41); 151-169. (in persian)
Kitagawa, N., & Okuda, S. (2016). Management forecasts, idiosyncratic risk, and the information environment: The International Journal of Accounting. DOI: http://dx.doi.org/10.1016/ j.intacc.2016. 10.002
Li, B., Rajgopal, S., & Venkatachalam, M. (2012). R2 and idiosyncratic risk are not interchangeable. The Accounting Review. 89(6). 2261-2295. DOI: https://doi.org/10.2308/accr-50826
Malekian. E., & Shayestehmand H. R. (2016). The effect of managerial mechanisms of corporate governance on risk taking: Evidence from Tehran Stock Exchange. Quarterly Financial Accounting Journal. 7 (28):105-126. (In Persian)
Malkiel, B. G., & Xu, Y. (2003). Idiosyncratic risk and security returns. University of Texas at Dallas. Available at: https://ssrn.com/abstract=255303 or http://dx.doi.org/10.2139/ssrn.255303
Montashery, M., & Farid, D. (2020). A Study on stock price informativeness model based on the role of managers’ reputation motivation (Evidence from the companies listed in Tehran Stock Exchange). Journal of Asset Management and Financing. 8(1): 123-136. (In Persian)
Moosavi, K., Ahmadi, M., & Abdolalipour, M. (2014). Investigating the effect of environmental uncertainty on the relationship between earnings management and information asymmetry. National Conference on New Approaches in Management, Economics and Accounting (In Persian)
Mousavi, S. M., Roshandel, M., & Khalatbari, H. (2018). Investigation of the effect of information quality on stock liquidity risk and market risk. Journal of Asset Management and Financing. 6(2): 15-34. (In Persian)
Nikusokhan, M., & Fadaei, N. M. E. (2018). The investigation of the importance of individual securities idiosyncratic risk: Another look at idiosyncratic risk and expected returns. Journal Of Financial Management Strategy. 6(1): 1-24. (In Persian)
Omokehinde, O. S., Abata, M. D., Somoye, R. O. C., & Migiro, S. O. (2017). Asymmetric information and volatility of stock returns in Nigeria. Journal of Economics and Behavioral Studies. 9(3): 220-231. DOI: https://doi.org/10.22610/jebs.v9i3(J).1761
Ota, K. (2010). Analysts, awareness of systematic bias in management earnings forecasts: Empirical evidence from Japan. Working Paper. Musashi University. DOI: https://dx.doi.org/10.2139/ssrn.952696
Rajgopal, S., & Venkatachalam, M. (2011). Financial reporting quality and idiosyncratic return volatility. Journal of Accounting and Economics. 51(1–2): 1–20. DOI: https://doi.org/10. 1016/ j.jacceco.2010.06.001
Rashidi, M. (2020). The role of managers' ability to modify credit conditions and reduce share returns spread. Journal of Asset Management and Financing. 8(3): 123-139. (In Persian)
Robin, A., & Wu, Q. (2015). Firm growth and the pricing of discretionary accruals. Review of Quantitative Finance and Accounting. 45(3): 561-590. DOI: https://dx.doi.org/10.2139/ssrn.2019623
Salehnejad, H., & Vaghfi, H. (2016). The effect of predicting profit by management on risk and firm value. Journal of Financial Management Strategy. 4(12): 103-124. (In Persian)
Wei, S. X., & Zhang, C. (2006). Why did individual stocks become more volatile? Journal of Business. 79: 259–292. DOI: https://doi.org/10.1086/497411
Zalaghi, H., Bayat, M., & Daneshasgari, T. (2004). The impact of management earning forecast on non-systematic risk. Journal of Financial Management Strategy. 2(2): 121-136. (In Persian)
Zomorodian, G., Kashanitabar, S., & Khaksarian, F. (2017). Evaluation of the relationship between corporate governance standards and real earnings management in listed companies in Tehran Stock Exchange. Studies of Economy, Financial Management and Accounting. 4(3): 25-35. (In Persian)
)