نظرت چیه ؟

مرکز هم فکری و انتقال تجربه

همین الان ثبت نام کن و از ما باش

ثبت نام

توجه : وارد کردن هر دو گزینه ایمیل و موبایل اجباری نیست فقط یک مورد کافی است.

پرسشنامه

کد امنیتی

تغییر

یاد آوری کردن کلمه عبور

چنانچه رمز عبور خود را فراموش کرده اید ایمیل خود را وارد کنید تا اطلاعات حساب کاربری برای شما ارسال شود.

یاد آوری کلمه عبور به وسیله موبایل

یاد آوری کلمه عبور به وسیله ایمیل

محتوای اطلاعاتی اعلام سود در کشور دانمارک

محتوای اطلاعاتی اعلام سود در کشور دانمارک :

 

چکیده :

هدف : هدف از این مقاله بررسی واکنش اعلام سود در بازه های سهام کوچک است.

طراحی و روش شناسی و رویکرد :

این مقاله با استفاده از روش مطالعه رویدادهای معمول به بررسی محتوای اطلاعات اعلام سود سالانه در بازار های سهام کوچک کشور دانمارک از سال 2004- 1999 پرداخته است.

یافته ها : این مقاله نوسانات غیر طبیعی را بدست آورده و نشان می دهد که آنها حاوی اطلاعات مربوط به بازار سهام می باشد. نوسانات غیر طبیعی پس از چند روز اعلام اطلاعات ادامه داشته و نشان می دهد که اطلاعات از این بازار سهام کوچک کاهش تعدیل را در بردارد. علاوه براین نشانه هایی از بی کفایتی و بازده مثبت قابل توجه غیر عادی دیده می شود. این نتایج در روشهای مختلف دیده می شود. با کمال تعجب این مقاله رابطه مثبت بین محتوای اطلاعات و اطلاعات قبل از افشاء را نشان می دهد. این با مطالعات قبلی در تضاد بوده و تغییری از یک سطح پایین از اطلاعات را قبل از اعلام نشان می دهد. تایید نتایج مطالعات مشابه در این مقاله نشان می دهد که در آمد غیر منتظره به بهترین وجه با استفاده از مطالعات پیش بینی تحلیلی بروکی اجماع شده است.

اصالت و ارزش : این مقاله با مطالعه با تجزیه و تحلیل محتوای اطلاعات اعلام شده در بازار سود سهام کوچک با استانداردهای حسابداری سازگار با استاندارد بین المللی حسابداری انجام شده است.

کلید واژه : سود- پیش بینی های مالی -کشور دانمارک.

نوع مقاله : مقاله تحقیقاتی :

 

مقدمه:

 یکی از سوالات پژوهش که قانع کننده و جذاب است این است که چگونه اطلاعات قیمت سهام منعکس می شود. در این مقاله ما شواهد جدیدی از تجزیه و تحلیل در آمد کشور دانمارک را ارائه می دهیم(EAS) ابتداء به بررسی این که آیا بازار سهام دانمارک به (EAS) که شیوه کارآمد است  واکنش نشان می دهد یا نه. پس از آن ما تلاش برای توضیح واکنش بازار با استفاده از پیش اطلاعات هستیم. این مطالعه در دو جهت تحقیقات را انجام داده است. تجزیه و تحلیل عنوان اطلاعات (EAS) در بازار سهام کوچک که در آن حسابداری براساس استانداردهای حسابداری است. (IAS)  شیوه ای که در بازار های سهام کوچک واکنش نشان می دهد برای اعلام سود جالب است. و از چنین جنبه هایی به احتمال زیاد برای بازارهای کوچک و بزرگ سهام با  توجه محیط اطلاعات متفاوت آنها استفاده می کنند.با توجه به پیش اطلاعات می توان استدلال کرد که اندازه کوچکتر منجر به یک بازار کمتر توسعه یافته و با پیچیدگی بدهی سرمایه گذاری کمتر شده و در نتیجه اطلاعات کمتر اعلام می شود. از سوی دیگر یک نفر می تواند استدلال کند که اندازه کوچکتر از بازار می تواند منجر به یک بازار با پیش اطلاعات شفافتر شود. علاوه براین، این امکان وجود دارد که با آنها اطلاعات جدید قیمت گذاری ها انجام شده که به اندازه بازار سهام را تحت تاثیر قرار می دهد. باز هم پیش بینی در هر دو مورد کاهش و افزایش در سرعت تعدیل را می توان مطرح کرد. بنابراین در هر دو مورد یک مسئله تجربی غالب می شود. محتوای اطلاعات (EAS) در بازار سهام کوچک بوده است که قبلا مورد مطالعه قرار گرفته است. (1996 کالونکی ) که در زمینه بازار سهام فنلاند بوده است. با این حال در ویژگی منحصربه فردی نه نهادی در بازار سهام فنلاند وجود دارد که آنرا کمتر مناسب برای ایزوله کردن اثر اندازه بازار سهام با محتوای اطلاعات (EAS) می داند. همانطور که در سال (1996کالونکی ) ارائه کرده است. استانداردهای حسابداری فنلاندی بسیار متفاوت با (IAS) بوده است. در مرحله دوم توسط همین شخص اشاره شده که فروش کوتاه در بازار هام فنلاند ممکن نیست و این دلالت بر توانایی بازار برای تنظیم (EAS) منفی است. در مقابل بازار سهام دانمارک هیچ یک از ویژگی های عجیب  و غریب بازار سهام فنلاندی را ندارد و از این رو ساخت سهام بازار دانمارکی مناسب تر برای جداکردن تاثیر بازارسهام در محتوای اطلاعات (EAS) است. بنابراین در مرحله اول، استاندارد های حسابداری دانمارک با (IAS) سازگار بوده و در مرحله دوم فروش کوتاه در بازار سهام دانمارک امکان پذیر می باشد.  از این رو اجازه می دهد که سرمایه گذاران برای تنظیم (EAS) منفی اقدام کنند. تجزیه و تحلیل محتوای اطلاعات (EAS) دانمارک انجام می شود. بنابراین برای یک بررسی در بازارهای سهام کوچک واکنش به (EAS) داده می شود. دوما در تجزیه و تحلیل عمیق از محتوای اطلاعات (EAS) دانمارک، چیزی جالب است که توجه به تحقیقات (پلی بورگ 1998) در مطالعه ارتباط خود نشان می دهد که درآمد دانمارک بیشتر از در آمد ایالات متحده بوده است. او این یافته هارا به یک درجه بزرگتر انعطاف پذیری در سیستم دانمارکی در مقایسه با ایالات متحده می داند. بنابراین دو پیشنهاد می کند. که یافته های خود در تقاضا با (RASB) بوده و سپس از آن دستور کار به صورت سود جامع در آمده است. با این حال، یافته های خود را از یک درجه بالاتر از ارتباط بین بازده و تغییرات درآمد بوده و نیز می تواند به عنوان یک تفسیر نشان می دهد که سطح اطلاعات قبلی از اعلام در بازار سهام دانمارک کمتر از ایالت متحده بوده است.

در واقع برخی از حساسیت ها در تجزیه و تحلیل به نظر می رسد که این توضیح را پشتیبانی می کند. بنابراین ما به بررسی دقیق تر بازار سهام به علائم (EAS) دانمارک پرداخته و اینکه تا چه حد می تواند این واکنش را توضیح دهد می پردازیم.  با اقدامات مختلف از اطلاعات فاش شده قبلی و  درآمد غیر منتظره این بررسی انجام می شود. در حالی که مدارک در کشور دانمارک توسط سورن سن در سال (1982) و لنروس در سال (2000) ارائه شده است. در حال حاضر نتایج اطلاعات (EAS) دانمارک در این مقاله برای اولین بار ارائه شده است. توضیح منسجم از واکنش بازار (EAS) دانمارک ارائه شده است. بنابراین ما با شواهد موجود مطالعه زیر را بررسی کرده و ارتباط آن را با تحقیقات پلمبر مقایسه می کنیم. نتایج ما نشان می دهد که (EAS) دانمارک حاوی اطلاعات جدید و مرتبط با بازار سهام است. این شبیه به یافته های مطالعات قبلی در سهام بازار های بزرگ است. با این حال بازار بزرگ سهام دانمارک در جذب اطلاعات جدید سرعت پایین داشته و در واقع واکنش نسبت به اعلام اطلاعات همواره تا چند روز ادامه دارد. این نشان می دهد که محیط اطلاعاتی در این بازار سهام کوچک به کاهش سرعت تعدیل می انجامد. علاوه براین بازده غیر طبیعی مثبتی نشان داده می شود. این دو یافته نشان می دهد که بازار سهام دانمارک کارآمد نیست در مخالفت با تئوری و کار های تجربی قبلی همبستگی بین محتوای اطلاعات (EAS) و اطلاعات از پیش افشا شده وجود دارد. نتایج این تحقیق نشان دهنده تفسیر سطح اطلاعات کم قبل از افشا شدن در دانمارک است در نتیجه نشان می دهد که اثر قالب در اندازه کوچکتر از بازار سهام در محیط اطلاعاتی بوده که منجر به اطلاعات قبلی کمتر می شود. علاوه براین نتایج جالب قبلا در تحقیقات پلمبر در سال (1998) با درجه بالاتری از بازده سهام و درآمد غیر منتظره در دانمارک در مقایسه با ایالات متحده ارائه شده است. در حلی که پلمبر در سال 1998 پیشنهاد می کند. که با توجه به استاندارد های حسابداری برتر دانمارک نتایج ما حمایت خوبی را از ارتباط اطلاعات در دانمارک را نشان می دهد در نهایت در می یابیم که با استفاده از روش پیش بینی به عنوان پروکسی از انتظارات بازار درآمد را فراهم کرده و یک مدل بهتر باری درآمدهی غیر منتظره از یک مدل ساده است. که فرض می شود، به صورت تصادفی اقدام می کند. در بخش بعد مرور کوتاهی بر تحقیقات گذشته داریم سپس شرح مختصری از سهام دانمارک ارائه شده است. پس از آن روش مورد استفاده در این مطالعه ارائه خواهد شد در بخش پنجم توصیف اطلاعات را ارائه خواهیم کرد. و در بخش ششم نتایج ارائه می شود. و در بخش هفتم نتیجه گیری خواهیم کرد.

2- تحقیقات انجام شده در گذشته :

1-2 بازده بازار :

مفهوم کارایی بازار سهام برای اولین بار توسط فاما در سال (1965) معرفی شد. که تنش محوری در هردو کار نظری و تجربی در راستای بازتاب اطلاعاتی قیمت سهام داشته است. همانطور که توسط فاما در سال (1970) تعریف شده است، بازار سهام کارآمد است. اگر قیمت همیشه منعکس کننده اطلاعات در دسترس باشد. اطلاعات به سه زیر مجموعه تقسیم شده است : افتراق ضعیف، نیمه قوی و قوی با توجه به قیمت ها و اطلاعات در دسترس عمومی و اطلاعات خصوصی است. رشته های مربوط به این تحقیق توسط ورسیا در سال 2001 مورد بررسی قرار گرفت. که توسط یک مدل سازی نظری چگونگی تاثیر گذاری افشای اطلاعات سرمایه گذاران به عنوان منعکس کننده قیمت سهام و حجم سهام پرده برداری می کند. یک بینش جالب از این تحقیق توسط گروس من و استیگلیز در سال (1980)است که در آن قیمت تنها می تواند به طور کامل اطلاعات را بدون هزینه منعکس کند و برای کسب اطلاعات صرف هزینه ای وجود داشته باشد. در غیر این صورت اطلاعاتی به وجود نمی آید. این دیدگاه در واقع به تعریف تجدید نظر رهبری بهره بری توسط فاما در سال (1991) بوده است که در آن دو نسخه از این فرضیه ارائه شده است. که قیمت های امنیتی به طور کامل منعکس کننده اطلاعات در دسترس می باشد. نسخه قوی تر در آن تسریح می کند که هزینه اطلاعات و تجارت همیشه صفر است. در حالی که نسخه ضعیف تر بیان می کند. که قیمت ها باید اطلاعات را به نکته ای با حاشیه های امنی هدایت کند. همانطور که بال در سال (1994) اشاره به این دارد، که شامل سه زیر مجموعه اطلاعاتی براساس آمار زیر مجموعه هزینه اطلاعات است. کار تجربی تا حد زیادی از فرضیه حمایت می کند. اگر چه چنین ناهنجاری هایی توسط فاما در سال (1991) و کتاری در سال (2011) کشف شده ناد که مربوط به تمایل برای قیمت سهام پس از کسب اطلاعات است.

2-2افشاء :

در حای که فرضیه بازده از نحوه فرآیند جمع آوری اطلاعات جلوگیری می کند و به طور ذهنی اطلاعات همگن است، تحقیق توسط مدل سازی این فرآیند انجام شده و اجازه می دهد که اطلاعات ناهمگن فراهم آید. در واقع ورچیا در سال (1990) نشان می دهد که مشاهدات در مورد حجم معاملات به صورت تجربی بوده و قیمت می تواند تنها توسط یک مدل نظری ارائه شود. و اجازه می دهد که هر دو  اطلاعات خصوصی و ناهمگن در مورد ارزش شرکت قبل از اعلام اطلاعات و تفسیر سرمایه گذاری پشتیبانی کند.

نتایج انها نشان می دهد که تغییر در قیمت سهام بستگی متوسط قبل از اعلام و دوره اطلاعات می باشد. در نتیجه لیانگ در سال (2003) تاکید می کند که یک رابطه مثبت بین درآمد و حرکت اطلاعات ناهمگن وجود دارد. در نهایت در مقاله نظری هولتسن و ورچیا در سال (1988) نشان می دهد که واکنش بازار سهام باید با کسب اطلاعات از قبل افشا شده رابطه معکوس داشته باشد. به عنوان فرضیه اطلاعات از پیش افشا شده می باشد. این مطالعه نظری و تجربی نشان می دهد که محیط اطلاعاتی نقش محوری در سهام و واکنش بازار به افشای بازار را بازی می کند.

3-2 شواهد تجربی در اعلام سود :

تحقیقات تجربی در واکنش بازار سهام، افشای اطلاعات گوناگون و گسترده را پوشش می دهد که به عنوان تجزیه سهام تغییرات در موبوری حساب است. منطقه ای که این اطلاعات را دریافت کرده است، توجه ویژه ای به این پرسش دارد که چگونه درآمد به قیمت سهام مربوط می باشد. این قسمت از تحقیقات با کارهای بیور در سال (1968) و بال و براو در سال (1968) آغاز شده است. این دو مطالعه توانسته است که تحقیقات خود را به دو منطقه تقسیم بکند. در حالی که تلاش برای تعیین محتوای اطلاعات (EAS) با بررسی واکنش در بازار در یک پنجره کوتاه بوده اند. مطالعات طولانی مدت برای ارتباط بین مطالعات انجام شده در هر دو مبحث قرار می گیرد. بسیاری از شواهد پراکنده مانند انگلستان به طور متمرکز بررسی شده است. همانطورکه در بررسی های دو متغیر رافورنیر در سال (2002) اشاره شده است. فهرستی از شواهد مشخص در اروپا در ارتباط با واکنش بازار دارد به (EAS) به زبان انگلیسی منتشر شده است. بنابراین به صورت نسبتا کمی و تنها کشور را تحت پوشش قرار می دهد. مطالعات در انگلستان توسط فرد در سال (1981) انجام شده است. و پاپ و اینیانگت در سال (1992) و ریپنگتن و تافلر در سال (1995) و شارکاوی و گارو در سال (1996) و در فنلاند کالوکی در سال (1996) و در اسپانیا توسط پلیسر و ریس در سال (1999) و در فرانسه توسط گاجروس کی و کوئر در سال (2001) انجام شده است. شواهد ارائه شده در این مقاله به طور کلی سازگار با نتایج حاصل از مطالعات ایالات متحده است. سود اطلاعات به نظر می رسد که شامل اطلاعاتی مربوط به بازار سهام بوده و در بیشتر قسمت ها به نظر می رسد که بازار سهام به این اطلاعات واکنش نشان می دهد که همانطور که با انواع دیگری از افشای اطلاعات مواجه هستیم. ناهنجاری در حرکت اطلاعات پس از درآمد مشاهده شده است. که تمایل برای قیمت سهام پس از حرکت (EA) وجود دارد. با این حال شواهد ارائه شده در این مقالات در سایر کشورهای اروپایی وجود نداشته و با توجه به استانداردهای حسابداری و محیط های اطلاعاتی در سراسر کشور اروپا است. همزمان این تفاوت ها در محیط اطلاعاتی نتایج جالب توجهی را از کشور های دیگر نشان می دهد. که این نظریه نشان می دهد که اطلاعات تاثیر به سزایی به واکنش بازار سهام دارد و مینتور و رافورنیر در سال (2002) تحقیقاتی که امکان مطالعه در کشور های دیگر را به وجود می آورد، اما به زبان انگلیسی منتشر نشده است. در واقع در مورد کشور دانمارک دو مطالعه در رابطه با محتوای اطلاعات (EAS) انجام شده است. در حالی که سورن سن در سال (1982) این مطالعه را مورد استفاده قرار داده است. به عنوان استدلال به نظر می رسد. که نتایج حاصل از این مطالعات در بازارهای مختلف با محیط های مختلف به طور بسیار گسترده تر مورد توجه مخاطبان قرار بگیرد.

در حالی که مطالعات فوق به بررسی محتوای اطلاعات (EAS) پرداخته است. واکنش بازار کارآمدی را نشان می دهد و مطالعات متعددی نیز در بررسی چگونگی سطح اطلاعات از پیش افشاشده در واکنش بازار پرداخته است. فرضیه اطلاعات نه تنها به واکنش بازار اشاره می کند. بلکه مطالعات متعددی نیز به بررسی چگونگی سطح تاثیرات اطلاعات از قبل افشاء شده بازار هیچ پیش بینی در مورد اعتبار این فرضیه را فراهم نمی کند. درعوض کار تجربی مورد استفاده برای این ازمون ناشی از فرضیه اطلاعات افشاء شده می باشد. برای اولین بار به طور مستقیم برای اندازه گیری اطلاعات برای هر یک از (EA) پروکسی اطلاعات فاش شده پرداخته است روش دوم بررسی چگونگی اطلاعات فاش شده و ضریب واکنش سود پرداخته است و اندازه گیری هر واحد تغییر در قیمت هر دلار بوده و توسط رگراسیون بازده غیرخطی در سود غیر منتظره دیده می شود. کریستین و همکاران در سال (2004) استفاده از این روش را برای بررسی این فرضیه توسط رگراسیون بازده غیر خطی و شرایط تعامل بین سود غیر منتظره و پروکسی برای اطلاعات از پیش افشاشده می باشد. اگر چه تشابهی وجود دارد یک تفاوت ضریب بین این دو روش دیده می شود. در روش دوم رابطه معکوس فرض شده بین واکنش بازار و اطلاعات افشاء شده فرضی شده است که به وجود آمده اند زیرا بازار واکنش کمتری نسبت به یک سطح معین از درآمد برای شرکت نشان می دهد. گراش و شر در سال (1988) استدلال کردند. که این اثر می تواند به دلیل در دسترس بودن منابع اطلاعاتی بیشتر به وجود آید که سرمایه گذاران با تاکیدکمتر بر درآمد فعلی پیش بینی جریان نقدی آینده را داشته باشند. علاوه براین اثر روش اول جای تعجب کمتری در (EAS) شرکت با سطح بیشتری از پیش بینی اطلاعات فاش شده را نشان می دهد. از آنجا که مقدار اطلاعات افشاشده نمی تواند به طور مستقیم مشاهده شود. کار تجربی با استفاد ه از پروکسی برای سطح اطلاعات فاش شده آزمایش می شود. هر چند پروکسی های متعددی استفاده شده است. برای اولین بار از این برای شرکت ها استفاده شد. پروکسی ها توسط آتیاس در سال (1985) ارائه شد که مرتبط با اندازه شرکت بوده است. این فرضیه پیشنهاد می کند که مقدار اطلاعات فاش شده مربوط به بازار یک تابع افزایش اندازه شرکت است. اطلاعات غیر منتظره انتقال به بازار Ea در نتیجه با معکوس اندازه شرکت ارتباط دارد.

پروکسی دوم اغلب با استفاده از تعدادی از تحلیل گران یک شرکت استفاده می شود. در واقع دمپسی در سال (1989) استدلال می کند. که تعدادی از تحلیل گران یک شرکت یک پروکسی بهتر را برای اطلاعات افشاشده از اندازه یک شرکت را فراهم می کند. که آن نشان دهنده انگیزه برای جمع آوری اطلاعات است. این کار تجربی تا حد زیادی در حمایت از شواهد در بردارنده ارتباط بین واکنش بازار و اطلاعات افشاشده قبلی بدون توجه به پروکسی استفاده شده بود. به عنوان مثال آتیاس، لوبو و محمود (1989) (دمپسی 1989) ، (شورز1990) (پاپ و اینیان گیت 1992) (کریستین و همکاران 200)

3- بازار سهام دانمارک :

بورس اوراق بهادار کوپن هاک (CSE) به منزله بازار سهام دانمارک است. در طی دوره تحقیقات ما یعنی (1992 تا 2004) بازار سرمایه و شرکت های فهرست شده تا 622/3 میلیون دلار از ماه گذشته سال 1998 تا 1/896 میلیون دلار در سال 2002 به 856 میلیون دلار در سال 2004 رسیده است. بازار سهام دانمارک متمرکز بر روی شاخص KFX شده که از 20 سهام غالبا به طور فعال در قبل از دوره شش ماه دادوستد است. و حساب برای 70 تا %80 از این مقدار است حجم کل معادلات شرکت افزایش 260 میلیارد دلاری از سال 1992 تا 455 میلیارد دلاری را در سال 2000 و سقوط 391 میلیارد دلاری را در سال 2002 و در نهاییت افزایش 593 میلیارد دلاری را در سال 2004 نشان می دهد بازهم شاخص KFX بر سهم های بزرگ حدود 80 تا %90 نشان می دهد که معاملات بسیاری از سهام در (CSE) انجام می شود. تمام شرکت های فهرست شده در بورس اوراق بهادار دانمارک نیاز به انتشار اطلاعات سالانه درآمد خود داردند. این نسخه از گزارش سالانه آماده شده و در آخرین روزهای سال منتشر می شود. آنها شامل نتابج تراکنش های یک سال بوده و شرح کوتاهی از آن ارائه گشته است. و همچنین انتظارات در آینده نیز در آنجا آمده است. از آنجا که استاندارد های حسابداری دانمارک بدون تغییر از سال 1998 تا سال 2000 فراهم آمده است. یک مقایسه مفید از دانمارک و استاندارد های حسابداری ایالات متحده را انجام می دهیم بخش اول از تحقیق ما را پوشش می دهد.

4- روش :

روش مورد استفاده در این مطالعه از روش مطالعه استاندارد بهره گرفته است. این روش براساس روش کمبل و همکاران در سال 1977اجراشد. این روش براساس این فرض است که ممکن است برای منزوی کردن بخشی از سهام مربوط به یک رویداد خاص باشد. این است که با استفاده از یک مدل برای تخمین بازده طبیعی یعنی بازگشت سهام اگر این رویداد رخ نداده بوده است. بازگشت طبیعی این رویداد را تولید کرده و به عنوان تفاوت بین بازده واقعی و بازده طبیعی برآورد شده است. اطلاعات محتوای طبیعی یک رویداد بوده و سپس با ارزیابی بازده غیر طبیعی در اطراف مورد بررسی اعلام می شود. در این مطالعه تاریخ (EA) به روز صفرم تنظیم شده است. پارامترهای مدل برای یک بازده طبیعی در یک دوره برآوردشده است. در حالی که بازده غیر طبیعی در یک بازه زمانی 11 روز مورد بررسی قرار گرفته است. مدل های مختلف می تواند برای تخمین بازده زمان استفاده شود. این مطالعه با استفاده از مدل بازار که براون و وارنر آن را ارائه نمودند استفاده شده است. مدل بازار استفاده شده برای هریک از شرکت ها به صورت زیر ارائه می شود.

رابطه1 :

 

که در آن Rj,t و Rm,t نشان دهنده بازار سهام j  و سهام بازار در روز t است. مدل بازار از بازگشت سهام به دو بخش تقسیم می شود. یک بخش بازده بازار را تعیین می کند. یعنی αjjRm,t و یکی دیگر  از این شرکت های خاصی و تحت تاثیر اطلاعات در مورد شرکت єj,t هنگامی که مدل بازار در یک مطالعه استفاده می شود. بازگشت طبیعی بازار تعیین می شود در حالی که بازگشت غیر طبیعی شرکت خاص است. ضمن فرض در مطالعه این رویدادها با استفاده از مدل بازار هیچ اطلاعاتی در مورد شرکت دیگر از نوع موارد بررسی انجام نمی شود. از آنجا که پژوهش قبلی نشان می دهد که نتایج حاصل از مطالعات براساس مدل انتخاب شده برای بازده نرمال تحت تاثیر نبوده ما تنها به اندازه گیری بازده زمان با استفاده از مدل بازار اقدام نموده ایم(براون و وارنر 1985 ) و (کوتاری و وارنر 2004 ).

بازگشت غیر طبیعی در رویداد با IRj,t برای داده t می باشد. که به صورت رابطه زیر ارائه می شود.

 

بازده غیر طبیعی در دوره پیش بینی به طور مستقیم به عنوان باقیمانده داده برآورد شده در مدل بازار است. واریانس این باقیمانده داده برآورد شده در مدل بازار است. واریانس این باقیمانده به صورت زیر محاسبه می شود.

 

که در آن T طول دوره برآورد شده است. اگر ما فرض کنیم که واریانس بازده غیر طبیعی در دوره برآورد ضعیف می باشد. دو جنبه برای این مشکل وجود دارد. برای اولین بار سهامی برای ثبت نام می تواند از معاملات پیش از آن روز ساخته شود. این مشکل شناخته شده است که نتایج معاملات غیر همزمان از برآورد جانبدارانه از مدل بازار است. با این حال مطالعات متعددی نشان داده است. که نتایج حاصل از مطالعات رویدادها به طرز محسوسی تغییر نکرده و زمانی که جایگزینی برآوردهای غیر متوسط استفاده می شود. این اتفاق می افتد. (براون و وارنر 1985) (دیکمن و همکاران 1984 ).

بنابراین نمی توان بیشتر از این در پژوهش آنها را دنبال کرد. جنبه دوم این است. که هیچ معامله ای رخ نداده است. و در نتیجه ثبت نامی برای سهام انجام نشده است. به طور کلی دو روش استفاده می شود که مسئولیت برابر باشد. پس از آن ماتریس، واریانس، کواریانس برای (ARS) می تواند به صورت زیر محاسبه شود.

معادله 2

 

خطای نمونه گیری از α و β اندازه گیری می شود. این فرمول در بردار که در آن Xj یک ماتریس با یک بردار استکه در ستون اول بوده و یک بردار رای بازده بازار در ستون دوم است. Xj متشکل از یک بردار بازده بازار است. δj2 به عنوان یک واحد تعریف شده است. ما در حال حاضر به بررسی دقیق تر مدل بازار می پردازیم.

1-4 : برآورد مدل بازار :

مدل بازار برای هر شرکت با استفاده از حداقل مربعات برآورد شده است. یکی از مشکلات این برآورد این است که بازار سهام دانمارک مانند هر بازار سهام کوچک بوده و با داشتن بسیاری از سهام ها که به ندرت معامله می شوند،یعنی تجارت های رسیدگی به این مشکل را دارد. یکی استفاده از محدویت های نسبتا دلخواه بر روی فراوانی تجاری، حذف سهام از نمونه که به ندرت معامله می شود. با این حال نتایج در نمونه های کوچک بوده و نماینده کل بازار سهام نیست. روش دوم استفاده از یک روش برای تخصیص بازگشت در یک روز برای معامله های از پیش انجام شده که در آنها سهام داد و ستد شده است. (ماینس و رومسی 1993) بررسی سه روش انجام می شود. اول این است که روش فشرده اختصاص به کل داشته و سهام داد و ستد شده به روز شده است. در حالی که بازگشت در روز بدون معامله براساس عدد صفر تنظیم شده است. روش توزیع بازگشت به همان اندازه براساس فاصله محاسبه می شود. آخرین روش تجارت است که به طور مستقیم استفاده می شود. و به جای تخصیص آنها است. به منظور بررسی نتایج این دو روش مجموعه مختلف تجاری برای ایجاد دو مجموعه را استفاده کرده و سپس نتایج را برای ایجاد این مجموعه داده ها با استفاده از سه روش ارائه شده انجام می دهیم. در مقایسه با روش های فشرده و یکنواخت تجارت به تجارت با استفاده از چند بازده می باشد. تطبیق بازده چند دوره باید برای شاخص بازار انجام شود. علاوه براین یک نسخه تجارت به تجارت از مدل بازار باید مورد استفاده قرار گیرد. ( ماینس و رومسی 1993) فرض می کنیم. که یک فرآیند طولی بازگشت شده مشتق مدل بازار تجارت به تجارت به صورت زیر عنوان می شود.

 

که در آن nt طول دوره بازگشت است. در حالی که Rj,n و Rm,n برای سهام j و شاخص بازار می باشد. باقیمانده در مدل اشاره شده با واریانس برابر njδj2 بوده که باعث می شود. که داده های مستقیم با جذر طول بازگشت محاسبه شود. که در هنگام برآورد پارامترهای مدل است. با این روش بازده غیر عادی تجارت به تجارت در طول دوره به صورت زیر محاسبه می کرد.

 

در حالی که واریانس بازده غیر طبیعی δ2/j به صورت زیر محاسبه می شود.

 

که در ان Tj تعداد مشاهدات در دوره پیش بینی برای j ها در (EA) است. بازگشت غیر طبیعی در رویداد ARj برای j های (EA) در روز t ام به صورت زیر محاسبه می شود.

 

در نهایت توجه داشته زمانی که از مدل تجارت به تجارت برای برآورد تولید دوره استفاده می کنیم. بازده یکنواخت راحت شد و برای انجام آزمون اطلاعات اجازه خواهد داد. بنابراین فرمول فوق برای (ARS) با مقدار nt=1 خواهد بود. با روش اولیه برای اولین بار به بررسی دقیق تر تس برای محتوای اطلاعات اقدام می کنیم. در آخرین بخش روش استفاده شده به منظور بررسی رابطه بین محتوای اطلاعات و پروکسی برای اطلاعات از پیش افشاء شده و سود غیر منتظره اقدام می کنیم.

2-4 : محتوای اطلاعات اعلام سود.

بازده غیر طبیعی می تواند برای پاسخ به سوالات زیر مورد استفاده قرار گیرد:

1- آیا محتوای اطلاعات در (EAS) وجود دارد؟

2- اگر محتوای اطلاعات وجود دارد پس چگونه به سرعت به این بازار واکنش نشان می دهد و تنظیم اطلاعات جدید را انجام می دهد؟

3- آیا بازار به طور متوسط انتظارات واقع بینانه را از (EAS) دارد؟

چگونه دو سئوال اول مورد بررسی قرار می گیرد. را در  بخش بعدی شرح خواهید داد.

1-2-4 : تست محتوای اطلاعات و سرعت تنظیم بازار :

به منظور پاسخ به دو سئوال اول بازده غیر طبیعی به طور متوسط در سراسر سهام می تواند محاسبه شود. با این حال از آنجا که بازار غیر عادی مثبت با منفی بوده و یکدیگر را لغو می کنند. این محاسبه با از دست دادن بخشی از محتوای اطلاعات خواهد بود. یکی از روش های رایج که مسئول رسیدگی به موضوع است.  استفاده از یک مدل برای سود غیر منتظره با تقسیم به بازده های غیر طبیعی یک گروه مثبت و منفی است. با این حال نتایج در یک آزمون مشترک از محتوای اطلاعات و مدل های درآمد غیر منتظره بوده و بنابراین در اینجا نامطلوب است. در عوض مقایسه بازده غیر عادی با واریانس V با استفاده از رابطه زیر انجام می شود.

معادله 3

 

که در آن

معادله 4

 

و Vj,t نشان دهنده واریانس Eaj از ماتریس واریانس کو واریانس Vj در زمان t است.

آزمون Zu می تواند به عنوان آزمون قبلی تفسیر شود. با این فرض که واریانس بازده غیر طبیعی در دوره پیش بینی برابر بوده و اگر این فرضیه برابر با E{ARj,t}=0 باشد. درست است اگر (EAS) دارای محتوای اطلاعات و سپس این کار را برای تنظیم قیمت سهام که به نوبه خود به طور متوسط بازده بزرگ غیر طبیعی را تولید می کند. محتوای اطلاعات (EAS) اثبات شده است. زمانی که آزمون فرضی مقادیر زیادی را در نظر دارد. سرعت تنظیم بازار مورد بررسی قرار گرفته و به دنبال روز و مقادیر قابل توجهی از آزمون را دارد. اگر بازار کارآمد باشد سپس باید سرعت تنظیم گردد.

2-2-4 : تست موارد مورد انتظار به طور متوسط :

اگر محتوای (EAS) یافت شود می توانیم تست این که آیا بازار به طور متوسط انتظارات واقع بینانه ای را دارد را انجام دهیم. بازده غیر عادی از بازار می باشد. بنابراین می توانیم تست انتظارات را با بررسی اینکه آیا به طور متوسط بازده غیر عادی در یک نقطه وجود دارد را بررسی کرده و رویداد قابل توجه متفاوت از صفر را پیدا کنیم. این آزمون با این حال به حساب این یافته از محتوای اطلاعات می باشد که می تواند با دقت به عنوان نشانه ای برای واریانس بازده غیر طبیعی در دوره برآورد باشد. (بویمر و همکاران 1991) که حتی یک افزایش کوچک در واریانس در نتایج رویداد در آزمون مشترک اغلب رد فرضیه صفر شدن را در هنگام بازگشت غیر طبیعی نشان می دهد زمانی که تجارت ضعیفی وجود داشته باشد. ضرورت استفاده از روش هایی مانند روش های اشاره شده برای افزایش واریانس مهم است، هنگامی که رویداد موجب افزایش واریانس می شود. رابطه زیر توصیه می گردد.

رابطه 5 :

 

که در آن   و  خطای استاندارد برای خطای استاندارد برای EAj در زمان t از ماتریس واریانس کواریانس برای بازده غیر طبیعی است. اگر این آزمون انتظارات واقع بینانه از بازار را نشان داده آن گاه برای کسب سود نرمال بالا در دوره با استفاده از قوانین تجاری می توان اقدام کرد که در این صورت بازار کار آمد می باشد. یک مشکل بالقوه با آمار آزمون فوق دارد. به طور ذهنی آنها فرض می کنند که یک سطح مقطعی بین بازده غیر خطی وجود داشته و در نتیجه تنظیم کوواریانس بین بازده غیر طبیعی صفر است. از آنجا که بسیاری از (EAS) ها در ماه مارس اعلام می شود، برخی از همپوشانی ها در (EAS) وجود دارد. این باعث خواهد شد که کواریانس صفر بین بازده غیر طبیعی در سطح مقطعی بوده و در نتیجه این فرض طبیعی به وجود می آید. با این حال مطالعات شبیه سازی شده توسط (براون و وارنر در سال 1985) و (بوئمر و همکاران در سال 1991) نشان می دهد که استنتاج ساخته شده از آزمون مطالعات رویداد های بالا باطل نیست از این رو ما به دنبال یک مشکل بالقوه هستیم.

3-4 : توضیح محتوای اطلاعات :

روشن است که در یک بازار کار و منطقی هریک از مطالب اطلاعات موجود باید با مولفه ای از درآمد توضیح داده شود. این مفهوم استفاده از روش معمول در تحقیقات را دارد. روش اول مربوط به سطح اطلاعات افشاشده از شرکت است. (EAS) از شرکت های با سطح بالایی از اطلاعات افشا شده باید از یک بخش کوچک باشد. در روش دوم اقدام به طور مستقیم، اندازه گیری مولفه با استفاده از یک پروکسی برای انتظارات بازار کار آمد است.

1-3-4 : اطلاعات افشاشده :

کار نظری نشان می دهد که اطلاعات تاثیر بر واکنش بازار سهام به (EAS) دارد. رابطه بین اطلاعات از قبل افشاشده و مطالب با استفاده از دو پروکسی مشترک برای مقدار اطلاعات از پیش افشاشده می باشد. برای اولین بار از این اندازه شرکت که آن را به عنوان هر دو ارزش حقوقی صاحب سهام است اندازه گیری می کنیم. پروکسی دوم تعدادی از تحلیل گران یک شرکت را برای تیم برآورد هزینه بین المللی را در بر گرفته است. (IBES) برای (EAS) بدون اطلاعات (ABES) ما فرض می کنیم که تحلیل گران در شرکت به دنبال محاسبه آنها هستند. همانطور که در بررسی مقالات گذشته اشاره شد. کار تجربی استفاده دو روش مختلف برای تحلیل اطلاعات افشاشده می باشد. هر دو در روش مطالعه ما برای اثر اطلاعات از پیش افشا شده در نظر گرفته می شود. روش اول به طور مستقیم به بررسی رابطه بین اندازه گیری محتوای اطلاعات برای هر مورد و پروکسی برای اطلاعات افشا شده است. این است که معمولا با استفاده از اندازه گیری ujt به عنوان متغییر وابسته در رگراسیون در پروکسی اطلاعات افشاشده در نظر گرفته می شود. (آتیاس 1985) (ایانگت و پاپ 1992 ) به منظور قرار دادن چند محدودیت که ممکن است در رابطه با محتوای اطلاعات و اطلاعات از پیش فاش شده باشد ما این فرضیه را به طور مستقیم جهت بررسی ارتباط بین محتوای اطلاعات (EA) اندازه گیری کرده و پروکسی اطلاعات از پیش فاش شده را تعیین می کنیم. این امر با استفاده از نظریه پیرسون لحظه ای که در آن فرض می شود که متغیرها با دو متغییر غیر پارامتری و توزیع زمان براساس ضریب همبستگی (SRO) رتبه بندی شده اند. (کندال و گیبنز 1990) ارتباط (SRO) بدون نیاز به پیش فرض های توزیعی است. اما حفظ کارایی در حدود %2/91 می باشد. که در واقع دارای دو حالت متغیر و جدا از هم زمان می باشد. (هتلنیگ و پابست 1936) علاوه براین روش دوم را در اقدامات درآمد غیر منتظره بررسی می کنیم. که در بخش بعدی تعریف شده و تعامل اثرات بیان سود غیر منتظره و پروکسی برای اطلاعات از پیش افشاشده را ارائه می کند.

2-3-4 : درآمدهای غیر مترقبه :

از آنجا که طبیعی است که فرض کنیم. بازده غیر عادی را می توان با سود غیر منتظره توضیح داد. یعنی اختلاف بین درآمد واقعی و انتظارات بازار در این قسمت مورد بررسی قرار خواهد گرفت. با این حال مشکل انتخاب یک پروکسی برای انتظارات بازار در سال در دسترس نیست وجود دارد. بسیاری از پروکسی های ممکن است به طور کلی طبقه بندی به صورت مدل های سری زمانی و یا مدل ها پیش بینی را داشته باشد. مطالعات قبلی اقدام به کشف بهترین پروکسی ها با بررسی ارتباط بین بازده غیر عادی و سود غیر منتظره از زوایای مختلف پرداخته است. یعنی بهترین پروکسی اندازه گیری درآمد غیر منتظره را به بالاترین ارتباط تعیین می کند. با استفاده از این روش بسیاری از مطالعات نشان داده است. که مدل با استفاده از تحلیل گران پیش بینی بهترین پروکسی را ارائه دادند. (فراید و ژیولی 1982) (براون و همکاران 1987) در حالی که دیگران بهترین پروکسی را برای مدل های سری زمانی پیداکرده اند. مانند هیوز 1987 و ریکس  1988. این نتایج همه در داده ها در ایالت متحده به عنوان اندازه گیری بهترین پروکسی می باشد. این مطالعه به بررسی شواهدی برای کشور دانمارک را با استفاده از همان دو روش برای دو مدل مختلف از درآمد غیر منتظره را نشان  می دهد. یک سری زمانی ساده مدلی است که پیش بینی کرد. که در آمد این سال مانند سال گذشته تصادفی می باشد. با بهره گیری از پیش بینی تحلیل گران (IBES) براورد انتظارات بازار در آمد انجام می شود. به طور کلی اندازه گیری ما از سود غیر منتظره  UE براساس سود هر سهم (EPS) را می توان به صورت زیر نوشت.

 

برآورد (IBES) از پیش بینی های (EPS) به استثنای عملیات انجام شده متوقف می شود. بنابراین باید تعریف مطابقت داشته باشد. پایگاه داده (IBES) اندازه گیری (EPS) را فراهم می کند. که ما آن را در محاسبه درآمد غیر منتظره برابر مدل (IBES) استفاده خواهیم کرد. با این حال فیلبریک و ریک در سال 1991 مشکلات متعددی را در رابطه با (EPS) های از (IBES) پیداکرده و نتیجه گرفتند. که انتخاب منبع داده مهم تر از انتخاب مربوط به پیش بینی تحلیل گران است. همچنین داده های (EPS) واقعی را حساب کرده که یک پایگاه داده به دست آمد که شامل اطلاعاتی از صورت های مالی شرکت های دانمارکی بود.  داده های حساب اندازه گیری شده از (EPS) واقعی بوده است. که ان غیر مترقبه اعلام نموند و این اندازه گیری را استفاده می کنند. هر دو منبع اطلاعاتی (EPS) واقعی در این مدل ساده مورد استفاده قرار می گیرد. انتخاب دوم در محاسبه اندازه گیری در آمد غیر منتظره نگرانی ها را کاهش می دهد از انجا که این انتخاب در مطالعات مختلف متفاوت است. معمولا سه سطح مختلف را در مطالعات قبلی یافت می کنیم. اول اینکه تعدیل کننده مساوی یک بوده که مربوط به استفاده از هیچ نوع تعدیل کننده ای است. تعدیل کننده دوم برای پیش بینی (EPS) می باشد. و آخرین تعدیل کننده برای حقوق صاحبان سهام در آغاز دوره استفاده می شود. که کریستی در سال 1987 نتیجه گرفت که این نوع از تعدیل کننده مناسب تر می باشد. برای جلوگیری از اعمال محدودیت های بیش از حد در ارتباط با درآمد غیر منتظره تولید شده از مدل ها و بازده های غیر طبیعی بوده و در طول رویداد متراکم شده است. بازهم این خواهد شد که با استفاده از آزمون براساس (PPM) و (CRO) ضریب همبستگی مشخص شود. علاوه براین ما نیز تجیه و تحلیل چند متغیره ای را توسط رگراسیون (CAR) در اقدامات درآمد غیر منتظره انجام می دهیم. این اجازه می دهد. تا ما بررسی اینکه ایا اقدامات مختلف دارای قدرت توضیحی افزایش بیش از هریک از انواع دیگر است را انجام می دهیم. همانطور که گفته شد. ما نیز شامل اثر متقابل بین درآمد غیر منتظره و پروکسی برای اطلاعات از پیش افشاشده هستیم. در نهایت کنترل در زمان موجود برای رگراسیون انجام پذیر است.

5 : اطلاعات :

نمونه ذکر شده از (CSE) در سال 1999 تا 2004 بوده است. برای اطمینان از (EAS) در محتوای اطلاعات علاقه مند برای شرکت هایی هستیم که درآمد گزارش آنها با توجه به قانون شرکت هایی است که درآمد گزارش آنها با توجه به قانون شرکت های کشور دانمارک باشد. این تعداد به جزء بانک ها و شرکت های بیمه می باشد. از تاریخ 1999 تا 2004شرکت های فوق در بورس عاقلانه عمل کرده و پایگاه داده (CSE) اطلاعات آنها را ارائه می کند. این منجر به یک نمونه متشکل از 215 شرکت و 1052 (EAS) می شود. به منظور مطالعه (EA) نیاز است. که سهام این شرکت در (CSE) برای دوره (EA) در روز اول برآورد شده و ذکر شود. این به 214 شرکت و 1034 (EAS) کاهش یافت. بازار سهام دانمارک با داشتن بسیاری از سهام معاملات اندک روش معمول برای خواسته های خاص در فراوانی تجاری به منظور استفاده در مطالعه می باشد. همانطور که قبلا ذکر شده ما از مجموعه مختلف استفاده می کنیم. اولین مجموعه میزان حداقل محدودیت لازم برای معامله در حداقل 3/1 از دوره پیش بینی بوده و یا در آخرین روز از معاملات و یا حداقل یک روز بعد از آخرین روز می باشد. این (EA) را به 626 نمونه کاهش می دهد. مجموعه دوم از محدودیت های سخت بوده و مستلزم آن است. که سهام در 3/1 هر روز از دوره را پیش بینی کرده و روز قبل از آخرین روز را پیش بینی کند. این مجموعه از محدودیت ها تعداد نمونه ها را به 324 کاهش می دهد. علاوه براین تاریخ های (EA) داده ها شامل شاخص سهام کل و ارزش حقوق صاحبان سهام و حجم معاملات می باشد. شاخص بازده کل برای سود سهام و هرگونه تغییر اصلاح در ساختار سرمایه و بازده سهام به طور مستقیم به عنوان تفاوتی در شاخص لگاریتمی قیمت محاسبه می شود. شاخص بازار از جمع آوری (CSE) و تمام سهم در بورس را شامل می شود. که به ان (KAX) می گویند. پیش بینی تحلیل گران مورد استفاده در این مورد اتفاق نظر دارند. این پیش بینی های بدست آمده از پایگاه داده (IBES) با در آمد واقعی سالانه است. همانطور که قبلا ذکر شد درآمد واقعی سالانه از داده های حساب بدست آمده است.

6- نتایج :

در این بخش نتایج حاصل از این مطالعه نشان داده می شود. در بخش اول نتایج حاصل از آزمون محتوای اطلاعات ارائه شده است. در بخش بعدی نتایج استفاده از دو روش برای توضیح محتوای اطلاعات (EAS) به عنوان مثال پروکسی برای اطلاعات از پیش افشاشده و سود غیر منتظره است. با این حال در حال حاضر از آمار توصیفی برای بازده غیر طبیعی از دو مجموعه داده با استفاده از محدودیت های حداقلی وسعت برای فراوانی تجاری استفاده می کنیم. ما فقط از آمار توصیفی برای بازگشت غیر طبیعی تولید با استفاده از روش تخصیص بازگشت تجارت به تجارت استفاده می کنیم. و از نتایج برای فشرده سازی و یکنواخت کردن روش های تخصیص استفاده می کنیم. در جدول مشاهده می کنیم که توضیح بازده غیر طبیعی به صورت اریب بوده و در واقع آزمون ها جارکو- برا به وضوح این فرضیه را رد می کند که بازده غیر طبیعی پیروی از یک توزیع زمان است. همانطور که انتظار می رود انحراف از توزیع زمان به نظر می رسد حتی بزرگتر از زمانی است که محدودیت فراوانی تجارت کم بوده و سهام معامله شده کم باشد.این با توجه به یافته های کمبل و وازلی در سال 1993 که درجه غیرعادی و غیر طبیعی سود حاصل اوراق بهادار NASDAQ را بیش تر از اوراق بهادار (NYSE-ASE) می داند. این مدارک و شواهد به صورت غیر عادی برای تست اطلاعات محتوا شکل می باشد. از آنجا که فرض می کنیم. بازده غیرطبیعی از یک توزیع زمان است از این رو ما به بررسی قطعیت نتایج بدست آمده را از آزمون پارامتری برای محتوای اطلاعات از طریق آزمون ها غیر پارامتری انجام می دهیم.

1-6 : محتوا اطلاعات از اعلام سود :

همانطور که قبلا ذکر شد(EAS) دارای محتوای اطلاعاتی است که می توان با استفاده از بازده غیر طبیعی در آمار آزمون Zu را بدست آورد. آمار این آزمون در جدول 2 نشان داده شده است. جدول 2 نشان می دهد که بدون شک (EAS) حاوی اطلاعاتی است. واکنش ههای قیمت بالا در روز اعلام شده و در روز بعد دیده می شود. بنابراین می توان نتیجه گرفت که (EAS) حاوی اطلاعات مربوطه و غیرمنتظره برای بازار است. با این حال همچنین مقادیر قابل توجهی از آمار آزمون در دیگر روز ها از این رو وجود دارد. بنابراین واکنش بازار (EAS) به نظر می رسد. که آهسته نبوده و نشان دهنده ناکارآمدی بازار است. در واقع واکنش بازار کندتر از مطالعات مشابه انجام شده در ایالات متحده و انگلستان می باشد. بنابراین شواهد کشور دانمارک نشان می دهد که اطلاعات این بازار با سهام کوچک کند بوده و سرعت آن را (EAS)  تنظیم می کند. در نهایت این نتایج قوی بوده و در هرم مجموعه داده می تواند استفاده شود. از آنجا که ما نشان داده ایم که (EAS) حاوی اطلاعاتی است. می توان آنها را برای تست اینکه آیا انتظارات بازار این اطلاعات به طور متوسط می باشد به کار می رود.  این با استفاده از آمار و آزمون انجام می شود. متوسط بازده غیرعادی در جدول 3 به تصویر کشیده شده است.

نظرات ( 5 )

  1. خوشحالم که استفاده کردید

نظر دهی

برای نظر دهی باید وارد سایت شوید. با تشکر