شناسایی و اولویت بندی عوامل موثر بر ارزیابی قابلیت پیش بینی سود با استفاده از رویکرد دلفی فازی (مورد مطالعه: شرکت های پذیرفته شده در بورس)
محورهای موضوعی : اقتصاد مالیزهرا حمامی 1 , حسن قدرتی 2 * , میثم عرب زاده 3 , حسین پناهیان 4 , محمد علیپور 5
1 - گروه حسابداری ،واحدکاشان ،دانشگاه آزاد اسلامی واحد کاشان/علوم انسانی/دانشجوی دکترای حسابداری
2 - گروه حسابداری، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران
3 - استادیار، گروه حسابداری، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران
4 - دانشیار گروه حسابداری و مدیریت، واحد کاشان، آزاد اسلامی دانشگاه، کاشان، ایران
5 - گروه حسابداری، واحد خلخال، دانشگاه آزاد اسلامی، خلخال، ایران
کلید واژه: قابلیت پیش بینی سود, شرکت های پذیرفته شده در بورس, بازار سرمایه,
چکیده مقاله :
هدف پژوهش حاضر شناسایی و رتبه بندی عوامل موثر بر ارزیابی قابلیت پیش بینی سود می باشد. این پژوهش از نظر هدف کاربردی و از لحاظ نوع شناسی پژوهش در زمره پژوهشهای آمیخته با رویکرد کیفی و کمی در پارادایم قیاسی-استقرایی است. روش تحقیق حاضر دلفی فازی است. جامعه آماری این پژوهش در بخش کیفی اساتید و خبرگان حسابداری است که با توجه به هدف پژوهش، نمونه گیری در این پژوهش به صورت هدفمند و به تعداد 18 نفر انجام شد. جامعه آماری بخش کمی مدیران و مالکان شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران طی سال‌های 1390 تا 1400می باشد که با استفاده از روش نمونه‌گیری غیراحتمالی دردسترس حجم نمونه 74 نفر از مدیران این شرکت ها تعیین شد. ابزار گردآوری اطلاعات در بخش کیفی مصاحبه و در بخش کمّی پرسشنامه بود که روایی و پایایی با استفاده از شاخص CVR، آزمون کاپای کوهن و آزمون مجدد تأیید شد. در بخش کیفی، داده های کیفی بدست آمده از مصاحبه ها با استفاده از نرم افزار MAXQDA2020 و روش کدگذاری و بخش کمی پژوهش و تحلیل نهایی با استفاده از روش دلفی فازی انجام شد. . نتایج پژوهش نشان می دهد محیط اطلاعاتی شرکت، واکاوی انحرافات، تغییرپذیری سود، انباشت اخبار و تحلیل اهرم مالی مهمترین عوامل موثر بر ارزیابی قابلیت پیش بینی سود می باشند
This research is applied in terms of purpose and in terms of research typology, it is among researches mixed with qualitative and quantitative approach in deductive-inductive paradigm. The current research method is fuzzy Delphi. The statistical population of this research is in the qualitative section of accounting professors and experts, and according to the purpose of the research, sampling in this research was done in a targeted manner and in the number of 18 people. The statistical population is the quantitative part of managers and owners of companies admitted to the Tehran Stock Exchange between 2010 and 2020, which was determined using the convenience sampling method, with a sample size of 74 managers of these companies. The data collection tool was an interview in the qualitative part and a questionnaire in the quantitative part, the validity and reliability of which were confirmed using the CVR index, Cohen's kappa test and retest. In the qualitative part, the qualitative data obtained from the interviews was done using the MAXQDA2020 software and the coding method, and the quantitative part of the research and final analysis was done using the fuzzy Delphi method. The results of the research show that the company's information environment, analysis of deviations, profit variability, accumulation of news and financial leverage analysis are the most important factors affecting the profit predictability assessment.
فهرست منابع
آل بوشو، خدیجه، بهشتی، محمدصادق (1397). بررسی تاثیر خطای پیش بینی سود و بازدهی تعدیل شده بازار با استفاده از رفتار هزینه شرکت های پذیرفته شده در بورس اوراق بهادار تهران، فصلنامه مطالعات مدیریت و حسابداری، دوره 4، شماره 1، صص 143-162.
فضل زاده، علیرضا، عبدی، سهراب، فضل زاده، کیمیا، سلمانی هر اب، اسد (1398). بررسی ویژگی های سود پیش بینی شده توسط مدیریت و ریسک سقوط آتی قیمت سهام، فصلنامه مدیریت کسب و کار بین المللی، دوره 2، شماره 4، صص 159-141.
قلی زاده،محمدحسن، محفوظی، غلامرضاريال قاضی کر، محمد، خداشناس، سعیده (1396). رابطه تیوریک سود پیش بینی شده و قیمت سهام شرکت، اولین کنفرانس بین المللی الگوهای مدیریت در عصر پیشرفت.
خان احمدی محبوبه وهمکاران (1400). بررسی ارتباط سودآوری وشهرت شرکت ،فصلنامه اقتصادمالی دوره 55،صص295-269
دهقان خاوری، سعید، میر جلیلی، سید حسین. (1398).تعامل ریسک سیستماتیک با بازده سهام در بورس اوراق بهادار تهران. فصلنامـه اقتصاد مالی. سال سیزدهم، شماره 49 ،صص 282-257.
کیامهر، علی، جنانی، محمدحسن، همت فر، محمود. (1399).تبیین نقش ناهنجاریهای بازار سهام در قیمت گذاری داراییهای سرمایه ای. فصلنامـه اقتصاد مالی. سال چهاردهم ، شماره 53 ،صص 212-193.
Akbas, F., Jiang, C., Koch, P.D., 2017. The trend in firm profitability and the cross-section of stock returns. Account. Rev. 92 (5), 1–32.
Alarussi, A. S., & Alhaderi, S. M. (2018). Factors affecting profitability in Malaysia. Journal of Economic Studies.
Allen, F., Qian, J., Shan, C., Zhu, J., 2018. Dissecting the Long-Term Performance of the Chinese Stock Market. Working paper.
Cheema, M.A., Nartea, G.V., 2017a. Momentum returns, market states, and market dynamics: is China different? Int. Rev. Econ. Financ. 50, 85–97.
Ene, S., & Öztürk, N. (2017). Grey modelling-based forecasting system for return flow of end-of-life vehicles. Technological Forecasting and Social Change, 115, 155-166.
Gedviliene, N., & Giliuviene, V. (2017). The theoretical aspect of profit and profitability analysis.
Jackson, A. B., Plumlee, M. A., & Rountree, B. R. (2018). Decomposing the market, industry, and firm components of profitability: implications for forecasts of profitability. Review of Accounting Studies, 23(3), 1071-1095.
Kerbl, S., & Sigmund, M. (2017). Negative Interest Rates: Forecasting Banks' Profitability in a New Environment.
Kuo, Y. F., & Chen, P. C. (2008). Constructing performance appraisal indicators for mobility of the service industries using fuzzy Delphi method. Expert Systems with Applications, 35, 1930 -1939.
Neal, J., & Biberman, J. (2003). Introduction: the leading edge in research on spirituality and organizations. Journal of Organizational Change Management, 16(4), 363–366. doi:10.1108/09534810310484127
Schröder, D., & Yim, A. (2018). Industry effects in firm and segment profitability forecasting. Contemporary Accounting Research, 35(4), 2106-2130.
Skvarciany, V., & Simanavičiūtė, J. (2018). Bank profitability analysis and forecasting: Lithuania case. Trends Economics and Management, 12(32), 101-109.
Tian, H., Yim, A., & Newton, D. P. (2020). Tail-Heaviness, Asymmetry, and Profitability Forecasting by Quantile Regression. Management Science.
Vorst, P., & Yohn, T. L. (2018). Life cycle models and forecasting growth and profitability. The Accounting Review, 93(6), 357-381.
Yin, L., & Wei, Y. (2020). Aggregate profit instability and time variations in momentum returns: Evidence from China. Pacific-Basin Finance Journal, 60, 101276.
Yohn, T. L. (2020). Research on the use of financial statement information for forecasting profitability. Accounting & Finance, 60(3), 3163-3181.