بررسی عوامل خرد و کلان مؤثر بر ریسک تجاری در شرکت های پذیرفته شده در بورس اوراق بهادار تهران

الموضوعات : دانش سرمایه‌گذاری

سمیرا الفتی ¹ , فریدون اوحدی ² , هاشم نیکومرام ³

1 - دانشجوی دکتری مهندسی مالی، واحد کرج، دانشگاه آزاد اسلامی ، کرج، ایران.
2 - استادیار ، واحد کرج، دانشگاه آزاد اسلامی ، کرج، ایران.
3 - استاد تمام ، واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

تاريخ الإرسال : 06 الأربعاء , ذو القعدة, 1442 تاريخ التأكيد : 24 الأحد , ذو القعدة, 1442 تاريخ الإصدار : 19 الأحد , ربيع الأول, 1446

الکلمات المفتاحية: ویژگی‌های خاص شرکت, ریسک تجاری, متغیرهای کلان اقتصادی,

ملخص المقالة :

اندازه شرکت و صنعت ابعاد غیرمالی دیگری هستند که هنگام ارزیابی ریسک تجاری استفاده می‌شوند. در همین راستا، هدف این پژوهش تبیین تأثیر عوامل خرد و کلان (ویژگی‌های خاص شرکت، ویژگی‌های صنعت، حاکمیت شرکتی، ساختار مالکیت و متغیرهای کلان اقتصادی) بر ریسک تجاری در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران می‌باشد. به‌منظور نیل به این هدف 1752 سال-شرکت (146 شرکت برای 12 سال) مشاهده جمع‌آوری‌شده از گزارشات مالی سالیانه شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران در طی دوره زمانی 1386 تا 1397 مورد آزمون قرارگرفته‌اند. یافته های پژوهش نشان می دهد که اندازه شرکت، نقدینگی شرکت، سودآوری شرکت، فرصت رشد شرکت، اندازه صنعت، تعداد شرکت در صنعت، استقلال هیئت مدیره، وجود کمیته حسابرسی و مالکیت مدیریتی بر ریسک تجاری تأثیر منفی دارند درحالی‌که نسبت بدهی شرکت، نرخ بهره و نرخ ارز بر ریسک تجاری تأثیر مثبت و معناداری دارند. همچنین نتایج نشان می دهند که از لحاظ آماری، عمر شرکت، غیر متمرکز بودن صنعت، دوگانگی وظیفه مدیر عامل، تخصص مالی هیئت مدیره، مالکیت دولتی و رشد قیمت نفت بر ریسک تجاری تأثیری ندارد.

المصادر:

• ایزدی نیا، ناصر، علینقیان، نسرین (1389). بررسی رابطه خطای پیش‌بینی سود و ریسک مالی و تجاری در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، تحقیقات حسابداری، شماره 7، صص 18-1.


• خلیلی علی‌آباد، آرزو (1392). بررسی تأثیر ریسک مالی و تجاری بر ساختار ﺳﺮﻣﺎﯾﻪ شرکت‌های پذیرفته‌شده در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬﺮان، پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد تهران مرکزی، دانشکده مدیریت.


• راهنمای رودپشتی، فریدون، موسوی ثابت، فرناز (1387). بررسی میزان ارتباط تداوم فعالیت با قیمت سهام، دانش مالی تحلیل اوراق بهادار (مطالعات مالی)، شماره 1، صص 105-79.


• عزتی، کژال (1395). بررسی ارتباط بین توانایی اقلام تعهدی و ریسک غیر سیستماتیک سهام بر مبنای مدل CAPM و مدل فاما و فرنچ در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، فصلنامه مطالعات مدیریت و حسابداری، دوره 2، شماره 2، صص 267-282.


• میرزائی، حسن؛ ختائی، محمدرضا؛ قنبری، یوسف (1393). بررسی رابطه بین ریسک تجاری و ریسک مالی با عملکرد شرکتهای دارویی پذیرفته شده در بورس اوراق بهادار تهران، فصلنامه حسابداری سلامت، شماره دوم، صص 91-77.


• نوروش، ایرج؛ وفادار، عباس (1378). بررسی سودمندی اطلاعات حسابداری در ارزیابی ریسک بازار شرکت ها در ایران، مجله حسابدار، شماره 135، صص 16-28.


• نیکومرام، هاشم، بادآور نهندی، یونس (1388). تبیین و ارائه الگویی برای تعیین و ارزیابی عوامل موثر بر کیفیت گزارشگری مالی در ایران، فراسوی مدیریت، شماره 8، صص 187-141.


• همت فر، ثقفی، مهدی (1396). بررسی عوامل موثر بر ریسک تجاری در شرکت های پذیرفته شده در بورس اوراق بهادار تهران. مجله بررسی های حسابداری، شماره 17، صص 138-115.


• Abdoh, H. Varela, O.(2017) Product market competition, idiosyncratic and systematic volatility. Journal of Corporate Finance, 43, pp. 500-513.


• Altman, E. I. Iwanicz-Drozdowska, M. Laitinen, E. K. & Suvas, A. (2017). Financial distress prediction in an international context: A review and empirical analysis of Altman's Z-Score model. Journal of International Financial Management and Accounting, 28(2), 131–171.


• Altman, E. I. Sabato, G. & Wilson, N. (2010). The value of non-financial information in small and medium-sized enterprise risk management. Journal of Credit Risk, 2(6), 95–127.


• Altman, E. I. Sabato, G. & Wilson, N. (2010). The value of non-financial information in small and medium-sized enterprise risk management. Journal of Credit Risk, 2(6), 95–127.


• Back, P. (2005). Explaining financial difficulties based on previous payment behavior, management background variables and financial ratios. European Accounting Review, 14(4), 839–868.


• Cultrera, L. & Brédart, X. (2016). Bankruptcy prediction: The case of Belgian SMEs. Review of Accounting and Finance, 15(1), 1–23.


• Doff, R. (2008) “Defining and Measuring Business Risk in an Economic- Capital Framework”. The Journal of Risk Finance, 9 (4): 317-333.


• Hernández-Tinoco, M. & Wilson, N. (2013). Financial distress and bankruptcy prediction among listed companies using accounting, market and macroeconomic variables. International Review of Financial Analysis, 30, 394–419.


• Hillegeist, S. A. Keating, E. K. Cram, D. P. & Lundstedt, K. G. (2004). Assessing the probability of bankruptcy. Review of Accounting Studies, 9(1), 5–34.


• Hopwood, W. McKeown, J. & Mutchler, J. (1989). A test of the incremental explanatory power of opinions qualified for consistency and uncertainty. The Accounting Review, 64(1), 28–48.


• Houmes, R.E. MacArthur, J.B. and Stranahan, H. (2012). “The Operating Leverage Impact on Systematic Risk within a Context of Choice: an Analysis of the US Trucking Industry”. Managerial Finance, 38 (12): 1184-1202.


• Kim, M. Kim, M. & McNiel, R. D. (2008). Predicting survival prospect of corporate restructuring in Korea. Applied Economics Letters, 15(15), 1187–1190.


• Laitinen, E. K. (1999). Predicting a corporate credit analyst's risk estimate by logistic and linear models. International Review of Financial Analysis, 8(2), 97–121.


• Laitinen, E. K. (2013). Financial and non-financial variables in prediction failure of small business reorganization. International Journal of Accounting and Finance, 4(1), 1–34.


• Laitinen, E. K. & Laitinen, T. (2009). Effect of accruals on financial, non-financial, and audit information in payment default prediction. International Journal of Accounting, Auditing and Performance Evaluation, 5(4), 353–383.


• Lensberg, T. Eilifsen, A. & McKee, T. E. (2006). Bankruptcy theory development and classification via genetic programming. European Journal of Operational Research, 169(2), 677–697.


• Lussier, R. N. (1995). A nonfinancial business success versus failure prediction model for young firms. Journal of Small Business Management, 33(1), 8–20.


• McKee, T. E. (2003). Rough sets bankruptcy prediction models versus auditor signaling rates. Journal of Forecasting, 22(8), 569–586.


• Veliyath, R. (1996). “Business Risk and Performance: An Examination of Industry Effects”. Journal of Applied Business Research, 12 (3): 37-47.