بررسی عوامل تعیین کننده نسبت پرداخت سود سهام با استفاده از شبکه عصبی
محورهای موضوعی : حسابداری مالی و حسابرسی
مهدی مراد زاده فرد
1
(استادیار دانشگاه آزاد اسلامی واحد کرج)
پریسا عطاری مطلق
2
(کارشناس ارشد حسابداری دانشگاه آزاد اسلامی واحد علوم و تحقیقات)
کلید واژه: سود هر سهم, سود تقسیمی هر سهم, نسبت پرداخت سود سهام, شبکه‌های عصبی,
چکیده مقاله :
تحقیق حاضر به بررسی عوامل تعیین‌کننده نسبت پرداخت سود سهام همچنین مقایسه قدرت پیش‌بینی شبکه‌های عصبی و مدل رگرسیون حداقل مربعات به‌منظور برآورد نسبت پرداخت سود سهام می‌پردازد. هدف این تحقیق شناسایی و تبیین عوامل تعیین‌کننده نسبت پرداخت سود سهام، ارزیابی درجه اهمیت این عوامل و ارائه یک مدل توصیفی از عوامل تعیین‌کننده نسبت پرداخت سود سهام می‌باشد. از میان تئوری‌ها و نظریه‌های متفاوتی که از سوی محققین حوزه مالی در خصوص سود تقسیمی ارائه شده است در این تحقیق نظریه‌های علامت‌دهی، نمایندگی و سود سهام باقیمانده مورد بررسی قرار گرفته است. برای بررسی این نظریه‌ها ابتدا متغیرهای جایگزین تعیین و سپس اطلاعات لازم برای 133 شرکت گردآوری گردید. برای تجزیه و تحلیل اطلاعات نیز از روش‌های آماری مبتنی بر ضریب همبستگی، رگرسیون چندگانه و شبکه‌های عصبی مصنوعی استفاده شده است. نتایج تحقیق حاکی از آن است که میان نسبت پرداخت سود سهام و متغیرهای نسبت پرداخت سود سهام سال قبل، پراکندگی مالکیت و جریان نقد آزاد رابطه معنادار و مثبتی وجود دارد. مقایسه بین مدلهای رگرسیون و شبکه عصبی نشان‌دهنده پیش‌بینی دقیق‌تر نسبت پرداخت سود سهام با استفاده از مدل شبکه عصبی می‌باشد. همچنین در ساختار 1-13-7 شبکه عصبی مدلی که دارای نرخ یادگیری 15/0 و اندازه حرکت 9/0 است نشان می‌دهد که رشد درآمد، نسبت پرداخت سود سهام سال قبل و پراکندگی مالکیت مهمترین عوامل تعیین‌کننده نسبت پرداخت سود سهام می‌باشند.
This research analyzes the determinants of dividend payout ratio, using a sample of Tehran Stock Exchange companies and it also compares the predictive power of neural networks and regression model to estimate dividend payout ratio. The purpose of this research is identification and explanation of the determinants of dividend payout ratio, evaluation of the importance of these determinants, and presentation of a descriptive model of dividend payout ratio determinants. Among the different theories and ideas researchers in the field of finance about dividend, in this study, signaling theory, agency theory and residual theory of dividend have been studied. In order to review the theories, first substituting variables were determined and then the necessary information for 133 companies was gathered during six years(83-88). The information was analyzed via statistical methods based on correlation coefficient, multivariate regression, and artificial neural networks. The results of this research indicate the existence of a significant and positive relationship between dividend payout ratio and “last year dividend payout ratio, ownership dispersion and free cash flow(FCF)”. A comparison between regression and neural network models indicating more accurate prediction of dividend payout ratio using neural network model. Also in structure(7-13-1) of neural network, a model with “learning initial=0/15 and momentum= 0/9” shows that revenue growth, last year dividend payout ratio, and ownership dispersion are the most important determinants of dividend payout ratio.
پورصمد، امیر، (1383)، "کاربرد شبکه‌های عصبی و الگوریتم ژنتیک در تنظیم سیستم‌های فازی"، سمینار کارشناسی ارشد رشته مهندسی مکانیک، دانشگاه علم و صنعت ایران، دانشکده مکانیک.
جهانخانی، علی و سعید قربانی، (1384)، "شناسایی و تبیین عوامل تعیین‌کنندۀ سیاست تقسیم سود شرکت‌های پذیرفته شده در سازمان بورس اوراق بهادار تهران"، فصلنامه تحقیقات مالی،شماره 20: 44-27.
راعی، رضا و سعید فلاح پور، (1383)، "پیش‌ینی درماندگی مالی شرکت‌ها با استفاده از شبکه‌های عصبی مصنوعی" فصلنامه تحقیقات مالی، شماره 17: 69-39.
سعیدی، پرویز، (1381)، "بررسی عوامل مؤثر بر سیاست تقسیم سود نقدی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران"، پایان‌نامه دکتری رشته مدیریت بازرگانی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، دانشکده مدیریت و اقتصاد.
قالیباف اصل، حسن، (1380)، "مدیریت مالی"، چاپ اول، تهران، انتشارات پوران پژوهش.
گل محمدی، مرضیه، (1385)، "بررسی رابطه بین نسبت پرداخت سود سهام با رشد آتی سود آوری شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران"، پایان‌نامه کارشناسی ارشد رشته مدیریت بازرگانی(گرایش مالی)، دانشگاه الزهرا، دانشکده علوم اجتماعی و اقتصاد.
منهاج، محمد باقر، (1386)، "مبانی شبکه های عصبی(هوش محاسباتی )"، چاپ چهارم، تهران، انتشارات دانشگاه صنعتی امیر کبیر(پلی تکنیک تهران).
وستون، جان فردریک، (1382)، "مدیریت مالی"(جلد دوم)، ترجمه حسین عبده تبریزی و فرهاد حنیفی، تهران، آگاه، پیشبرد.
Afza, T., Hassan Mirza, H.(2010) , "Ownership Structure and Cash Flows As Determinants of Corporate Dividend Policy in Pakistan", International Business Research, 3( 3), pp. 210-221.
Aharony, J., Swary, I.(1980) , "Quarterly Dividend and Earnings Announcements and Stockholders Return: An Empirical Analysis", Journal of Finance , 35(1), pp. 1-12.
Alli, K.L., Khan, A.Q., Ramirez, G.G(1993) , "Determinants of Corporate Dividend Policy: a Factorial Analysis", The Financial Review, 28(4), pp.523-547.
Al-Malkawi, H.(2008) ,"Factors Influencing Corporate Dividend Decision: Evidence Jordanian Panel Data", International Journal of Business, 13(2), pp.177-195.
Black, F.(1976) , " The Dividend Puzzle", Journal of Portfolio Management, 2, pp.5-8.
Bun, C.(2005) , " Use Dividends to Signal or Not: An Examination of the UK Dividend Payout Patterns"Managerial Finance, 31( 4), pp. 12-33.
Chen, J., Dhiensiri, N.(2009) , "Determinants of Dividend Policy: The Evidence New Zealand" , International Research Journal of Finance and Economic, 34, pp. 18-28.
Gill,A., Biger, N., Tibrewala, R.(2010) , "Determinants of Dividend Payout Ratios: Evidence United States" The Open Business Journal, 3, PP. 8-14.
Haykin, S.(1999) ," Neural Networks: A Comprehensive Foundation", Accounting and Business Research, 24(93), pp.19-34.
Jensen, M.C.(1986) , "The Agency Cost of Free Cash Flow, Corporate Finance and Takeover" , American Economic Review, 76(2), pp. 323-329.
Kanwer, A.(2003)" , The Determinants of Corporate Dividend Policies in Pkistan", Foundation for Business and Economic Research, PP. 1-8.
Kutsurelis, J.E.(1998) ,"Forecasting Financial Markets Using Neural Networks:An Analysis of Methods and Accuracy", MA Thesis, Monterey, California.
Lee, c.f., Gupta, M.C., Chen, H.Y., Lee, A.(2010) , "Optimal Payout Ratio under Perfect Market and Uncertainty:Theory and Empirical Evidence", available at: http://ssrn.com/abstract=1582473.
Lubic, H.Y.(2001) , "Initial Public Offering Prediction Using Neural Network", Doctoral Dissertation, George Washington University.
Norhayati, M., Wee Shu, H., Normah, H.O., Rashidah, A.R., Nor’azam.M., Maz Ainy, A.A., Shazelina, Z.(2009) , " Empirical Analysis of Determinants of Dividend Payment:Profitability and Liquidity", Accounting Research Institute &Faculty of Accountancy.Available at http://search.ebscohost.com.
Pao, H-T.(2008) , "A Comparison of Neural Network and Multiple Regression Analysis in Modeling Capital Structue" , Expert Systems with Applications, 35 ,PP. 720–727.
Papadopoulos, L., Charalambidis, P.(2007) , "Focus on Present Status and Determinatns of Dividend Payout Policy: Athens Stock Exchange in Percpective", Journal of Financial Management and Analysis, 20(2), PP. 24-37.
Purmessur, R.D., Boodhoo, R.(2009) ,"Signalling Power of Dividend on Firms’ Future Profits A Literature Review", EvergreenEnergy – International Interdisciplinary Journal, available at:
Reber, B., Berry, B and Tomas.T.(2005) , "Predicting Mispricing of Initial Public Offerings.Intel.Sys.Acc.Fin.Mgmt, 13, PP. 41-59.
Rozeff, M.S.(1982) , "Growth, Beta and Agency Costs as Determinants of Dividend Pay-out Ratios", Journal of Financial Research, 5(3), PP. 249-259.
Sheleifer, A., Vishney, R.(1986) ,"Large Shareholders and Corporate Control" Journal of Political Economy, 94, PP. 69-86.
Titman, S., Wessels, R.(1988) , "The Determinants of Capital Structure Choice", Journal of Finance, 43(1), PP. 1-19
Wang, Z.(2004) , "Prediction of Stock Market Prices Using Neural Network Techniques", Masters Thesis, University of Ottawa.