مقایسه توانایی مدلهای پیشبینی سود مبتنیبر سطوح مختلف نوسانپذیری اجزای تشکیلدهنده سود
Publish place: International Conference on New Research Achievements in Economic Accounting Management
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 568
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACONF01_140
تاریخ نمایه سازی: 14 آذر 1394
Abstract:
سیاست پیشبینی سود از نخستین زمینههایی است که پژوهشهای فراوانی پیرامون آن انجام شده و یکی از منابع اطلاعاتی مهم و با ارزش برای سرمایهگذاران و دیگر افراد ذینفع در تصمیمگیریهای مالی و سرمایهگذاری است. هدفاصلی این پژوهش، ارائهی مدلهای بهینه جهت پیشبینی سود سال آتی شرکتها براساس سطوح مختلف نوسانپذیری سود و اجزای آن میباشد. که با بهرهگیری از چارچوب تحلیلی کلاب و وو] 1[ به بررسی دقت و توانایی مدلهایQ1 )چارک 1 نوسان(، QS )چارکخاص هرشرکت( و FS )نمونه کامل شرکتها( در سطوح مختلف نوسانپذیری اجزای سود پرداخته شده است. جامعه آماری شامل 111 شرکت از شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران از ابتدایسال 1783 تا انتهای سال 1731 است. پژوهش حاضر با بررسی مقادیر درصد خطایمعیار، ضریب تعیین و ضریب تعیینتعدیلشده مدلهای پژوهش از طریق تحلیل رگرسیون خطی چندمتغیره با استفاده از نرمافزار E-views ، به بررسی تفاوت دقت این مدلها در پیشبینی سود پرداخته است. نتایج بررسی مدلها بیانگر آن است که در شرکتهایی با نوسانپذیریخیلیزیاد مدل FS از قدرت پیشبینی و توضیحدهندگی بالاتری نسبت به مدلهای 1Q و QS برخوردار است. اما در شرایط نوسانپذیری متوسط)کم و زیاد( مدل QS از دو مدل FS و Q1 ارجحیت بالاتری دارد و دقت پیشبینی آن بیشتر است. و در سطح نوسانپذیری خیلیکم مدل Q1 )یا بهطور مشابه همان چارک 1مدل QS ( نسبت به مدل FS دارای برتری و دقت بیشتری است
Keywords:
Authors
نسیم سهیلی
گروه حسابداری، واحد علوم و تحقیقات کرمانشاه، دانشگاه آزاد اسلامی کرمانشاه، ایران گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانش
مهرداد قنبری
گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی کرمانشاه، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :