تاثیر ترکیب سهامداری بر بازده نقدی شرکت ها : با استفاده از روش شبکه عصبی
نویسندگان
چکیده مقاله:
نظریه علامت دهی سود سهام به سودهای سهام و سهامداران نهادی به عنوان ابزاری برای علامت دهی نگاه می کند. حضور سهامداران بزرگ ممکن است سبب کاهش استفاده از سود سهام به عنوان علامتی برای عملکرد خوب شرکت شود زیرا خود این سهامداران علامتی معتبر ( وحتی معتبر تر از سودسهام ) هستند . در این پژوهش تاثیر ترکیب سهامداری بر بازده نقدی شرکت ها بررسی شده است. با توجه به متغیرهای مستقل، چهار فرضیه برای این پژوهش تدوین گردید. برای آزمون فرضیه‌ها از روش شبکه عصبی و آزمون F استفاده شده است. بنابراین در این مطالعه با انتخاب 87 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی یک دوره‌ی شش ساله (31/6/1390-31/6/1384) مشخص می شود که بین مالکیت سهامداران نهادی و بازده نقدی رابطه معنی دار و منفی وجود دارد که بیانگر تایید نظریه علامت دهی سود سهام می باشد . طبق این نظریه چون سهامداران نهادی خود علامتی معتبر برای رساندن اخبار خوب در مورد چشم انداز آینده شرکت محسوب می شوند، لذا با افزایش حضور سهامداران نهادی استفاده شرکت ها از سود نقدی برای رساندن اخبار خوب شرکت به سهامداران، کاهش می یابد.
منابع مشابه
مدلسازی بازده کششی تراکتور با استفاده از شبکه عصبی مصنوعی
در این مطالعه آزمایشهای مزرعهای در شرایط متفاوت عمق شخم، سرعت پیشروی و میزان وزنههای متصل به تراکتور انجام شد. در این تحقیق، عمق شخم در چهار سطح 5، 10، 15 و 20 سانتیمتر، سرعتهای پیشروی در چهار سطح 5/2، 5/3، 5/4 و 5/5 کیلومتر بر ساعت و میزان سنگینکننده نیز در چهار سطح 0، 40، 80 و 120 کیلوگرم قرار گرفت. شبکههای عصبی مدلسازی شده در این تحقیق که به منظور پیشبینی بازده کششی تراکتور مورد اس...
متن کاملپیش بینی بازده بازار سهام تهران با استفاده از ترکیب تجزیه موجک و شبکه عصبی فازی تطبیقی
همواره مدلسازی و پیشبینی متغیرهای مالی یکی از موضوع‌های مورد علاقه و مهم برای اقتصاددانان بوده است. در این مقاله، ساختاری برای پیشبینی سریهای زمانی ارایه شده است که با استفاده از رویکرد محاسبات نرم این امکان را فراهم میآورد تا بتوان با دقت بیشتر مقادیر آینده یک سری زمانی را پیشبینی کرد. در این روش، با استفاده از تجزیه موجک، نویزهای تصادفی دادههای ورودی شبکه عصبی فازی تطبیقی کاهش مییابد...
متن کاملپیش بینی بازده شاخص بورس اوراق بهادار با استفاده از مدلهای شبکه ها عصبی مصنوعی شعاع پایه
تا کنون برای پیش بینی بازده سهام و بازده شاخص از روش های متعددی استفاده شده است در این میان هوش مصنوعی و شبکه های عصبی مصنوعی یکی از روش های پیش بینی بازده شاخص بوده است. در حال حاضر به دنبال بررسی عملکرد شبکه عصبی شعاع پایه برای پیشبینی بازده شاخص هستیم. بدین منظور از شاخص بورس اوراق بهادار تهران استفاده شده است و عملکرد شبکه عصبی شعاع پایه و شبکه عصبی پرسپترون مقایسه شده‌اند. نوع آزمون عملکر...
متن کاملارتعاش عمودی سقف‌های کامپوزیت با استفاده از روش شبکه عصبی
سقف‌های کامپوزیت از جمله سیستم‌های سقف هستند که به علت وزن سبک و میرایی کم سیستم سازه ای و همچنین زیاد بودن فاصله تیرچه ها نسبت به بارهای دینامیکی بسیار حساس هستند. در این سقف‌ها ممکن است به علت حرکت افراد، ارتعاشاتی حاصل شود که برای ساکنان احساس ناامنی به وجود آورد. در این مقاله سعی می شود تا حداکثر تغییر مکان دینامیکی دال کامپوزیت بر اثر بار قدم زدن ساکنان و همچنین بسامد اصلی ارتعاش آزاد دا...
متن کاملساختار بنگاه‌داری و رفتار بازده سهام: شواهدی از بورس اوراق بهادار تهران
هدف: سهامداری هرمی و ضربدری یکی از پدیده‌های رایج در بازارهای درحال توسعه است که از یک‌سو به سهامدار امکان می‌دهد با داشتن سهم مشخصی از جریانات نقدی یک شرکت، کنترل بیشتری روی آن شرکت به دست آورد و به عبارت دیگر، حق رأی سهامدار از حق جریان نقدی (مالکیت) وی پیشی بگیرد. از سوی دیگر، در صورت ضعف بازارها و نهادهای مالی شرکت‌ها می‌توانند با ایجاد روابط سهامداری با سایر شرکت‌ها، بر مشکلات ناشی از ضع...
متن کاملبررسی تاثیر ویژگیهای خاص شرکت ها بر محتوای اطلاعاتی سود و جریان های نقدی عملیاتی در توضیح بازده سهام
این مقاله فاقد چکیده میباشد.
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 6 شماره 22
صفحات 45- 67
تاریخ انتشار 2014-09
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023