ارزيابي مقايسهاي ساختار سرمايه شرکتهاي با فناوري پیشرفته و سنتي با استفاده از شبکه عصبي مصنوعي و تجزيه و تحلیل رگرسیون خطي چند گانه

Transcript

1 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 36 زمستان 1331 صص ارزيابي مقايسهاي ساختار سرمايه شرکتهاي با فناوري پیشرفته و سنتي با استفاده از شبکه عصبي مصنوعي و تجزيه و تحلیل رگرسیون خطي چند گانه چکیده حسین اعتمادی حجت اله فرزانی علی رحمانی انتخاب بين بدهي و حقوق صاحبان سهام تحت تأثير عوامل داخلي و خارجي است كه برساختار سرمايه شركت تأثير ميگذارد. هدف ازتعيين ساختار سرمايه مشخص كردن تركيب منابع مالي به منظور به حداكثر رساندن ثروت سهامداران شركت است. با توجه به جنبههاي كيفي شکل سرمايه شركتهاي بافناوري پيشرفته سرمايهگذاريهاي گستردهاي در اين شركتها صورت گرفته است كه به نظر رفتاري غيرمنطقي درون جامعه سرمايهگذاري وجود دارد. بنابراين مقايسه آن با ساختار سرمايه شركتهاي سنتي ضروري به نظر ميرسد. در اين تحقيق براي بررسي ساختار سرمايه شركتهاي بافناوري پيشرفته و سنتي و همچنين مقايسه مدل خطي و غيرخطي شركتهاي جامعه آماري پس از انتخاب به روش حذفي به دو گروه شركتهاي بافناوري پيشرفته و سنتي تقسيم شدند. در اين تحقيق 873 شركت براي دوره زماني انتخاب گرديد و با استفاده از مدل رگرسيون خطي چندگانه و همچنين شبکه عصبي مصنوعي دادههاي شركت كه به صورت سال شركت بود مورد آزمون قرار گرفت. نتايج اين مطالعه نشان ميدهد كه نسبت بدهي و تصميمات اهرم مالي در شركتهاي بافناوري پيشرفته و سنتي متفاوت ميباشد. معيارهاي ساختار سرمايه در هر دو صنعت بافناوري پيشرفته و سنتي تفاوت معنيداري دارند و همچنين مدلهاي غيرخطي ساختار سرمايه نسبت به مدلهاي خطي پيش بينيهاي بهتري انجام ميدهند. واژههای کلیدی: ساختار سرمايه شبکه عصبي مصنوعي صنعت بافناوري پيشرفته و سنتي اهرم مالي. دانشیار گروه حسابداری دانشگاه تربیت مدرس كارشناسي ارشد حسابداری دانشكده علوم اقتصادی دانشجوی استاديار گروه حسابداری دانشگاه الزهرا )س( تاریخ پذیرش: تاریخ دریافت: 1331/3/ /13/3

2 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان مقدمه ساختار سرمايه تركيبي از بدهي و حقوق صاحبان سهام است كه شركتها با آن تأمين مالي داراييهاي خود را انجام ميدهند. معموال تمام شركتها از هر دو منبع بدهي و حقوق صاحبان سهام در تركيب ساختار سرمايه خود استفاده مينمايند. انتخاب بين بدهي و حقوق صاحبان سهام به عنوان يك منبع تأمين مالي جديد تحت تأثير عوامل داخلي و خارجي است كه بر ساختار سرمايه شركت تأثير ميگذارد. هدف از تعيين ساختار سرمايه مشخص كردن تركيب منابع مالي به منظور به حداكثر رساندن ثروت سهامداران شركت است. البته تغييرات ثروت سهامداران تحت تأثير عوامل مختلفي است كه تركيبات ساختار سرمايه يکي از آنها است. اگر شركت اوراق قرضه بيشتري منتشر كند نقطه سر به سر مالي و درجه اهرم مالي آن باال خواهد رفت. اگر شركت به نرخ بازدهي بيشتري از نرخ بهره وامها دستيابي پيدا كند سود هر سهم افزايش خواهد يافت. پس مديران مالي توجه خود را به آثار و نتايج بکارگيري روشهاي گوناگون تأمين مالي بر ريسك و بازده شركت معطوف ميكنند واز اين طريق تأثير استفاده از تركيبهاي مختلف ساختار مالي را بر ثروت سهامداران ميسنجند. مبانی نظری و پیشینه تحقیق گسترش دامنه فعاليت واحدهاي تجاري نيازهاي مالي جديدي را به وجود ميآورد كه از منابع دروني و بيروني امکان تامين دارد. منابع مالي دروني شامل سود انباشته و اندوختهها ميباشد منابع بيروني شامل بدهيهاي بهره دار و حقوق صاحبان سهام ميباشد. استفاده از منابع بيروني از نظر هزينه سرمايه و ميزان بهره يا سود تقسيمي آن داراي منافع و مخاطراتي ميباشد. وجود بدهي در ساختار مالي شركتها به دليل وجود مزيت مالياتي موجب افزايش سود حسابداري ميگردد و از سوي ديگر به دليل وجود هزينههاي بهره و احتمال عدم ايفاي تعهدات در سررسيد امکان افزايش ريسك مالي و در نتيجه كاهش قيمت بازار سهام را فراهم ميآورد.

3 31 ارزيابی مقايسهای ساختار سرمايه شرکتهای... با توجه به جنبههاي كيفي شکل سرمايه شركتهاي با فناوري پيشرفته 3 سرمايه گذاريهاي گستردهاي در اين شركتها صورت گرفته است. به طور اساسي دليلي نميتواند توانايي اين شركتها را در جذب مبالغ گسترده سرمايهگذاريهاي بلند مدت كم ي كند. در ظاهر به نظر رفتاري غير منطقي درون جامعه سرمايه گذاري وجود دارد. اما با استفاده از اطالعات دقيقتر سرمايهگذاري و تامين اين شركتها براي طرحهاي توسعه كامال منطقي به نظر ميرسد. به اين دليل كه اوال صرفههاي اقتصادي اين شركتها جذابيت بااليي براي خريداران سهام ايجاد كرده است و دوما فعاليتهاي تجاري جهان امروز مبتني بر كامپيوتر و اينترنت شده است )پائو 2003 ( 2 بنابراين به نظر ميرسد كه ساختار سرمايه شركتهاي با فناوري پيشرفته با شركتهاي سنتي متفاوت باشند. تحقيقات اخير بر تشريح انتخاب ساختار سرمايه با استفاده از آزمونهاي سري زماني مقطعي و پانل دادهها تمركز كردهاند. با وجود اينکه نتايج ارزشمندي بدست آمده است اما مطالعات كمي وجود دارد كه توانايي پيش بيني مدلها را ارزيابي كند. همچنين مطالعات كمي در باب مقايسه بين مدلهاي خطي و غير خطي براي اهرم شركت با صنايع مختلف صورت گرفته است. در سالهاي اخير فناوري شبکههاي عصبي به طور گستردهاي در حوزههاي مالي و حسابداري مورد استفاده قرار گرفته براي حل مسايل پيش بيني به است. اغلب مدلهاي غير خطي شبکه عصبي مصنوعي 8 طور گسترده استفاده شدهاند )تسنگ و همکاران التون و همکاران 2007(. 5 مدل شبکه عصبي مصنوعي تالش ميكند تا از پردازشهاي مغز انسان و سيستم عصبي او با استفاده از كامپيوتر الگو برداري كند. مزيت شبکههاي عصبي مصنوعي اين است 3- High-tech 2- Pao 8- Artificial neural network 4- Tseng et al. 5- Alton et al.

4 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان كه نياز به تعيين روابط از قبل نمي باشد زيرا اين ابزار خودش به واسطه يك فرآيند يادگيري روابط را شناسايي ميكند. همچنين شبکههاي عصبي مصنوعي نياز به مفروضاتي پيرامون چگونگي توزيع جمعيت ندارند. حتي با فرض وجود اختالل يا دادههاي ناقص همبستگي شديد دادهها و يا سيستم غيرخطي قادر به ارائه پاسخ معقول ميباشد. بسياري از تحقيقات مقايسه عملکردهاي شبکههاي عصبي مصنوعي را با ساير مدلهاي آماري سنتي انجام دادهاند )كومار 2005(. 3 بسياري از محققان دريافتند كه شبکههاي عصبي مصنوعي ميتوانند مدلهاي خطي را بر اساس موقعيتهاي گوناگون بهتر انجام دهند اما نتايج آنها با يکديگر يکنواخت نيست )ژانگ و كي 2005(. 2 اهرم مالی اهرم مالي مقدار بدهي استفاده شده در ساختار سرمايه شركت را نشان ميدهد. اهرم مالي معياري از ريسك مالي است كه از هزينههاي ثابت مالي ناشي ميشود. درصد اهرم مالي عبارت است از نسبت ارزش دفتري مجموع بدهيها به ارزش دفتري مجموع داراييها اهرم مبين آن بخش از هزينههاي ثابت شركت است كه متضمن ريسك بوده و منجر به افزايش بازده ميشود. از ديدگاه هزينه سرمايه ارزانترين منابع تامين مالي براي شركت بدهيهاي بلند مدت ميباشد بنابراين در صورتي كه هدف كاهش هزينه سرمايه و افزودن بر سود سهامداران باشد بايد بيشتر از اين ابزار تامين مالي استفاده كرد. عوامل موثر بر ساختار سرمایه تأمين منابع مالي موردنياز جهت انجام طرحهاي آتي شركت و يا به منظور اصالح ساختار مالي شركت ميتواند از محل بدهي و يا حقوق صاحبان سهام باشد. استفاده بيش از حد از حقوق صاحبان سهام باعث افزايش بازدهي مورد انتظار سهامداران شده هزينههاي تأمين مالي شركت را افزايش ميدهد. از طرفي استفاده بيش از حد از بدهي 3- Kumar 2- Zhang & Qi

5 32 ارزيابی مقايسهای ساختار سرمايه شرکتهای... نيز در انواع كوتاه مدت و يا بلند مدت آن ميتواند باعث افزايش ريسك مالي شركت و كاهش قدرت انعطاف پذيري مالي آن گردد] 5 [. عوامل تعيين كننده ساختارسرمايه به شرح زير توصيف ميشود: اندازه شرکت از ديدگاه نظري رابطه بين اندازه شركت و اهرم مالي رابطهاي مستقيم در نظر گرفته ميشود. شركتهاي بزرگتر داراي ظرفيت استقراض بيشتري بوده و ميتوانند سودهاي بيشتري را تحصيل كنند. شركتهاي بزرگتر معموال متنوعتر هستند و بنابراين داراي جريانهاي نقدي پايدارتري هستند كه ثبات وجه نقد باعث كاهش ريسك ورشکستگي آنها ميشود. آنها همچنين در زمان استفاده از بدهي داراي قدرت چانه زني بيشتري هستند و ميتوانند هزينههاي مبادله مرتبط با انتشار بدهيهاي بلندمدت را كاهش دهند )پائو 2003(. قابلیت مشاهده داراییها قابليت مشاهده داراييهاي شركت ميتواند بيانگر هزينههاي نمايندگي و مخارج نابساماني مالي باشد. وقتي داراييهاي مشهود يك شركت زياد باشد اين داراييها را ميتوان به عنوان وثيقه مورد استفاده قرار داد و ريسك هزينههاي نمايندگي بدهي وام دهنده را كاهش داد. بنابراين هر چه داراييهاي مشهود شركت بيشتر باشد اهرم مالي آن بيشتر است )هانگ و سونگ 2002(. 3 همچنين براساس نظريه نمايندگي شركتهايي كه داراي داراييهاي نامشهود بيشتري هستند بايد به منظور اجتناب از هزينههاي نظارتي مفرط به استقراض كمتري روي آورند. بنابراين بين قابليت مشاهده داراييهاي يك شركت و نسبت بدهي آن رابطه مثبت وجود دارد. فرصتهای رشد 3- Huang & Song

6 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان عامل ديگري كه فرض ميشود بر ساختار سرمايه شركت تاثير بگذارد فرصتهاي رشد است. بر اساس نظريه توازي ايستا شركتهايي كه فرصتهاي رشد آتي بيشتري دارند در مقايسه با شركتهاي با رشد كم )داراي دارايي مشهود زياد( به استقراض كمتري روي ميآورند. زيرا فرصتهاي رشد به عنوان يك دارايي نامشهود را نميتوان به عنوان وثيقه مورد استفاده قرار داد. به عبارت ديگر هر چه فرصتهاي رشد يك شركت بيشتر باشد ريسك آن بيشتر است و هزينه نابساماني مالي بيشتري را متحمل ميشود )هونگ و جيسون 2002(. 3 شركتهاي بافرصتهاي رشد زياد انگيزه بيشتري براي تامين مالي عمليات خود از طريق سهام دارند. بنابراين انتظار ميرود كه بين سطح بدهي و فرصتهاي رشد يك شركت رابطه معکوس وجود داشته باشد. شركتها با انتشار بدهي متعهد به پرداخت جريان وجوه نقد آزاد مورد انتظار آتي به سرمايهگذاران ميشوند و از اين طريق احتمال سرمايهگذاري وجوه نقد آزاد در پروژههاي غير اقتصادي توسط مديران كاهش مييابد. با توجه به اينکه هزينههاي نمايندگي جريان نقد آزاد با فرصتهاي رشد يك شركت رابطه معکوس دارد اين نظريه پيشبيني ميكند كه بين فرصتهاي رشد و نسبتهاي بدهي رابطه منفي وجود دارد )عرب مازاد يزدي و قاسمي 3833(. سود آوری در نظريه توازي ايستا رابطه بين سودآوري و نسبت بدهي از طريق هزينههاي ورشکستگي تبيين ميشود. به بيان سادهتر با كاهش ميزان سودآوري شركت هزينههاي مورد انتظار ورشکستگي افزايش مييابد و افزايش هزينههاي ورشکستگي شركتهاي با سودآوري كمتر را به سمت اهرم مالي كمتر سوق ميدهد )فاما و فرنچ (. بر اين اساس پس از كنترل فرصتهاي سرمايه گذاري انتظار ميرود نسبت پرداخت سود و نسبت بدهي با سودآوري رابطه مثبتي داشته باشد. 3- Hong & Jason 2- Fama & French

7 33 ارزيابی مقايسهای ساختار سرمايه شرکتهای... ریسک تجاری بر اساس نظريه ايستا زماني كه ميزان نوسان پذيري سود بيشتر باشد شركتها به منظور اجتناب از مخارج نابساماني مالي از بدهي كمتري استفاده ميكنند. بنابراين بر اساس اين مدل بين ريسك و نسبت بدهي رابطه منفي وجود دارد. همچنين بر اساس نظريه سلسله مراتبي در شركتهايي كه جريان وجوه نقد نوسان پذيرتري دارند مزاياي بدهي با ريسك باال كمتر از سهام است. بنابراين در اين شرايط آنها بايد سلسله مراتب تامين مالي خود را تغيير دهند به گونهاي كه در زمان نياز به تامين مالي خارجي به ترتيب به سراغ سهام و بدهي بروند )هونگ و جيسون 2002(. صرفه جویی مالیاتی غیر استقراضی هر چه درآمد مشمول ماليات شركت بيشتر باشد ماليات پرداختي توسط آن شركت بيشتر است. بنابراين هر چه صرفهجويي مالياتي غير استقراضي شركت بيشتر باشد درآمد مشمول ماليات كمتري وجود خواهد داشت. در نتيجه نرخ ماليات مورد انتظار شركت كمتر و بازدهي مورد انتظار حاصل از صرفه جوييهاي مالياتي بهره كمتر خواهد شد. خط و مشی تقسیم سود معموال زماني كه سرمايهگذاري بيشتر از سودهاي انباشته باشد بدهي افزايش مييابد. از آنجا كه تامين مالي پروژههاي سرمايه گذاري از طريق اوراق بهادار ريسکي جديد هزينه بر است تقسيم سود براي شركتهايي كه داراي داراييهاي عملياتي كم بازده سرمايهگذاريهاي جاري و مورد انتظار زياد و نسبت بدهي بااليي هستند راه حل منطقي به شمار نميرود. بنابراين انتظار ميرود كه رابطه بين نسبت پرداخت سود و نسبت بدهي منفي باشد )فاما و فرنچ 2002(. صنایع با فناوری پیشرفته در مقابل سنتی فناوري پيشرفته فناوري است كه در حال حاضر پيشرفته ترين فناوري موجود باشد. هيچ طبقه خاصي از فناوري نيست كه جزء فناوري پيشرفته هميشگي و ثابت باشد. تعريف فناوري پيشرفته در طول زمان تغيير ميكند. براي نمونه محصوالتي كه در دهه

8 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان به عنوان فناوري پيشرفته محسوب ميشد ممکن است در حال حاضر حتي جزء پايينترين فناوريها هم نباشد و يا تا حدودي از رده خارج باشد. سازمان همکاري و توسعه اقتصادي دو رويکرد متفاوت براي فناوري پيشرفته دارد. 3. بخش فناوري پيشرفته و 2. توليد و صنايع فناوري پيشرفته رويکرد بخش صنايع را بر اساس ميزان استفاده از فناوري طبقهبندي ميكند و رويکرد توليد بر اساس محصوالت توليد شده اين كار را انجام ميدهد. بخشهاي با فناوري پيشرفته به شرح زير ميباشند: فناوري هوا و فضا هوش مصنوعي بيوتکنولوژي انرژي تجهيزات سنجش فناوري نانو فيزيك هستهاي فناوري نور و الکترونيك روباتيك ارتباطات راه دور مهندسي الکتريکي. صنایع با فناوری پیشرفته: تحليلهاي بيشتر سازمان همکاري و توسعه اقتصادي نشان داده است كه ميزان استفاده از تحقيق و پژوهش ميتواند به عنوان شاخص طبقه بندي شركتها باشد. سازمان با اين تعريف نه تنها توليد را بلکه نرخ استفاده از تکنولوژي و فناوري را نيز به حساب آورده است. طبقه بندي سازمان به شرح زير ميباشد: صنایع با فناوری پیشرفته صنايع دارويي و وابسته به داروسازي صنايع هوا و فضا تجهيزات پزشکي و بصري تجهيزات راديويي تلويزيوني و ارتباطات تشکيالت و تجهيزات اداري حسابداري و محاسباتي. صنایع با فناوری تا حدودی باال ماشين آالت و تجهيزات الکتريکي وسايط نقليه و يدک كش تجهيزات ريلي و جادهاي توليدات شيمي و پتروشيمي تجهيزات و ماشين آالت. در اين تحقيق شركتهاي موجود و فعال در صنايع فوق شركتهاي با فناوري پيشرفته طبقهبندي ميشوند و باقيمانده شركتها شركتهاي سنتي ميباشند همچون شركتهاي پوشاک الياف و منسوجات كشاورزي توليدي و ساير شركتهايي كه با

9 31 ارزيابی مقايسهای ساختار سرمايه شرکتهای... فناوريهاي ثابت و كم تغيير مشغول به فعاليت ميباشند )سازمان توسعه و همکاري اقتصادي )ويکي پديا 2030(. 3 پائو )2003( در مطالعهاي مدلهاي خطي و غير خطي را با هفت متغير توضيحي مشخصههاي شركتي و سه متغير كنترل اقتصاد كالني براي تجزيه و تحليل معيارهاي ساختار سرمايه شركتهاي مختلف به كار گرفته است. نتايج اين مطالعه نشان ميدهد كه معيارهاي ساختار سرمايه شركتهاي صنايع مختلف متفاوت ميباشند عمدهترين تفاوتها در معيارهاي ريسك تجاري و فرصتهاي رشد بود. بر اساس مقادير جذر ميانگين مربعات خطاها مدل غير خطي تعامالت پيچيده غير خطي بين متغيرها را در شركتها منعکس ميكند. يافتههاي تحقيق سرينگاج و مرامور 2 )2002( پس از بررسي ساختار سرمايه شركتهاي بورسي نشان ميدهد كه اهرم مالي با قابليت شهود داراييها نوسان پذيري سود و سودآوري رابطه منفي و معنيدار و با اندازه و نرخ رشد رابطه مثبت و معنيداري دارد. 8 و همکاران )2002( به بررسي عوامل موثر بر تصميمات ساختار سرمايه كارادنيز در صنعت توريسم پرداختند. آنها دريافتند كه نرخ ماليات موثر قابليت شهود داراييها بازده داراييها رابطهاي منفي با نسبت بدهي دارند در صورتي كه جريان نقد آزاد پوششهاي مالياتي غير استقراضي فرصتهاي رشد خالص وضعيت اعتباري تجاري و اندازه شركت رابطهاي با نسبت بدهي نشان ندادند. اوچينيکف 4 )2030( با اظهار اين كه خصوصي سازي به طور معني داري محيط عملياتي شركت و تصميمات اهرمي شركت را تحت تاثير قرار ميدهد به اين موضوع پرداخت و دريافت كه شركتها بعد از خصوصي سازي كاهش معني داري را در 3- Wikipedia 2- Crnigoj & Mramor 8- Karadeniz 4- Ovtchinnikov

10 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان سودآوري و قابليت مشاهده داراييها و افزايش معني داري را در فرصتهاي رشد تجربه ميكنند و همچنين اهرم با سودآوري و نسبت ارزش بازار به ارزش دفتري رابطهاي منفي و با اندازه شركت رابطهاي مثبت دارد. مارگاريتيس وسيالكي 3 )2030( رابطه بين ساختار سرمايه ساختار مالکيت و عملکرد شركت را در شركتهاي توليدي فرانسه بررسي كردند. نتايج يافتههاي آنها مطابق با فرضيه هزينههاي نمايندگي جنسن و مکلينگ بود به طوري كه اهرم باالتر با بهبود كارايي مرتبط است. بينر و همکاران 2 )2030( به بررسي مدلهاي خطي با شبکه عصبي در رابطه با پيشبيني متغيرهاي اقتصاد كالن پرداختند و دريافتند كه مدلهاي غير خطي پيش بينيهاي درون نمونهاي و برون نمونهاي بهتري ارائه ميدهند و همچنين پيش بيني مدلهاي خطي زير مجموعهاي ساده از نتايج آنها ميباشد. كردستاني و نجفي )3837( به بررسي عوامل تعيين كننده ساختار سرمايه 28 شركت پذيرفته شده در بورس اوراق بهادار تهران پرداختند. نتايج تحقيق حاكي از آن است كه بين اندازه شركت و نسبت بدهي رابطه مثبت و معنيداري و بين صرفه جويي مالياتي غير استقراضي و نسبت بدهي رابطه منفي و معنيداري وجود دارد كه مطابق با نظريه توازي ايستا است. بين فرصتهاي رشد و نسبت بدهي مطابق با نظريه سلسله مراتبي رابطه مثبت و معنيداري وجود دارد. كيمياگري و عينعلي )3837( به بررسي و ارائه الگوي جامع ساختار سرمايه شركتهاي پذيرفته شده در بورس اوراق بهادار تهران پرداختند. آنها دريافتند عواملي كه ساختار سرمايه كشورهاي توسعه يافته را تحت تاثير قرار ميدهند در ايران نيز تا حدي اثرگذار هستند و همچنين متغيرهاي فرصتهاي رشد ساختار داراييها و بازده سهام اثر منفي بر نسبت بدهي و متغير ريسك تجاري اثر مثبت بر آن دارند. ستايش و همکاران )3833( پس از بررسي همبستگي ساختار سرمايه و سودآوري 3- Margaritis & Psillaki 2- Binner

11 33 ارزيابی مقايسهای ساختار سرمايه شرکتهای شركت پذيرفته شده در 32 صنعت به تعيين ساختار بهينه سرمايه در سطح كل شركتها و همچنين در صنايع مختلف پرداخته اند. نتايج همبستگي حاكي از آن است كه بين ساختار سرمايه و نرخ بازده داراييها رابطه معنيدار وجود دارد و اين متغير به عنوان معيار سودآوري و عامل تعيين كننده ساختار بهينه سرمايه در الگوريتم ژنتيك استفاده شده است. نتايج الگوريتم ژنتيك حاكي از آن است كه بيشترين سودآوري در ازاي استفاده كمتر از اهرم مالي حاصل شده است. عرب مازار يزدي و قاسمي )3833( به مقايسه قدرت پيش بيني شبکههاي عصبي و مدل رگرسيون حداقل مربعات معمولي به منظور برآورد قيمت عرضههاي عمومي اوليه شركتهاي پذيرفته شده در بورس اوراق بهادار پرداختند و به اين نتيجه رسيدند كه مدلهاي غير خطي مزيت چنداني نسبت به مدلهاي خطي ندارد. مسأله تحقیق تمركز تحقيق حاضر بر پاسخ به سه سوال كمي زير و ارائه توضيحات كيفي در بهينه سازي ساختار سرمايه و حداكثر كردن ارزش شركت ميباشد: 3. آيا تصميمات اهرم مالي شركتي بين صنايع با فناوري پيشرفته و صنايع سنتي به طور معني داري متفاوت است 2. آيا معيارهاي ساختار سرمايه در هر دو نوع صنعت به طور معني داري متفاوت است 8. آيا مدلهاي غيرخطي نسبت به مدلهاي خطي ساختار سرمايه مناسبتر و پيشبينيهاي بهتري انجام ميدهند فرضیههای تحقیق باتوجه به مباني نظري تحقيقات مطرح شده و پيشبينيهاي صورت گرفته فرضيههاي تحقيق به شرح زير بيان ميشود: فرضیه اول: تصميمات اهرم مالي شركتي در صنعت بافناوري پيشرفته با شركتهاي صنايع سنتي تفاوت معنيداري دارند. فرضیه دوم: معيارهاي ساختار سرمايه در هر دو صنعت با فناوري پيشرفته و سنتي تفاوت معني داري دارند. فرضیه سوم: مدلهاي غير خطي ساختار سرمايه نسبت به مدلهاي خطي پيش بينيهاي

12 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان بهتري انجام ميدهند. روش تحقیق از آن جا كه اين نوشتار به توصيف آنچه كه هست يا توصيف شرايط موجود بدون دخل و تصرف )و نه به الزام و توصيه خاص( ميپردازد پژوهش حاضر در زمره تحقيقات توصيفي حسابداري به شمار ميرود. به عالوه با توجه به اينکه از اطالعات تاريخي در آزمون فرضيات آن استفاده شده است در گروه تحقيقات شبه آزمايشي طبقه بندي ميگردد. تحقيق حاضر به لحاظ معرفت شناسي از نوع تجربهگرا سيستم استدالل آن استقرايي و به لحاظ نوع مطالعه ميداني كتابخانهاي ميباشد. به لحاظ تحليل آماري اين پژوهش از تکنيك رگرسيونهاي تركيبي و در برخي موارد رگرسيون مقطعي براي مدلهاي خطي و همچنين براي مدلهاي غير خطي از شبکه عصبي مصنوعي استفاده خواهد نمود. جامعه آماری نمونه و روش نمونهگیری جامعه آماري اين تحقيق كليه شركتهايي ميباشد كه حداقل از ابتداي سال 3838 در بورس اوراق بهادار پذيرفته شده تا پايان سال 3833 در آن حضور داشته و از 5 ويژگي زير همزمان برخوردار بوده اند: 3. اطالعات مورد نياز اين تحقيق در رابطه با شركتها براي دوره زماني تحقيق در دسترس باشد. 2. در طول دوره زماني تحقيق دوره مالي آنها تغيير نکرده باشد. 8. سهام شركتها در طول هر يك از سالهاي دوره زماني تحقيق معامله شده باشد. 4. جزء بانكها و موسسات مالي )شركتهاي سرمايهگذاري واسطهگران مالي شركتهاي هلدينگ و ليزينگها( نباشد. 5. نماد معامالتي شركت به تابلوي غيررسمي منتقل نشده باشد. با مد نظر قرار دادن محدوديتهاي فوق تعداد 873 شركت جامعه آماري اين تحقيق را تشکيل ميدهد كه از اين تعداد 332 شركت به عنوان شركتهاي با فناوري پيشرفته و مابقي )222 شركت( به عنوان شركتهاي سنتي طبقه بندي شده است.

13 31 ارزيابی مقايسهای ساختار سرمايه شرکتهای... جمعآوری و پردازش دادهها براي جمع آوري دادههاي تحقيق ابتدا از روش كتابخانهاي مباني نظري تحقيق از كتب و مجالت تخصصي فارسي و التين گردآوري گرديد و از آنجا كه روش انجام تحقيق به صورت ميداني بوده و با دادههاي واقعي شركتها سر و كار دارد فراهم كردن اطالعات شركتهاي پذيرفته شده در بورس اوراق بهادار تهران كه با عنايت به متغيرهاي تحقيق مربوط به صورتهاي مالي شركتها ميشود از منابع مختلفي از جمله لوحهاي فشرده سازمان بورس اوراق بهادار تهران نرم افزار تدبير پرداز سايت اطالع رساني شركت بورس و سازمان بورس استفاده شده است. براي طبقه بندي دادهها از نرمافزار Excel براي پردازش اطالعات در تجزيه و تحليل رگرسيون از نرم افزار SPSS نسخه 35 و براي تجزيه و تحليل مدلهاي غير خطي از نرم افزار MATLAB استفاده ميشود. روشهای تجزیه و تحلیل و آزمون فرضیههای تحقیق در اين مطالعه شركتهاي پذيرفته شده در بورس اوراق بهادار به دو طبقه شركتهاي با فناوري پيشرفته و سنتي تقسيم بندي ميشوند. شركتها با صورتهاي مالي كامل براي ايجاد پايگاه داده در هر صنعت انتخاب ميشوند. دادههاي سال شركت به صورت پانل داده از شركتهاي با فناوري پيشرفته و سنتي براي دوره %20 به عنوان نمونه زماني ميباشند. %20 دادهها به عنوان دوره آموزش 3 8 براي مدلها تلقي ميشود. هر 2 و %20 مابقي به عنوان نمونه آزمون اعتبار سنجي شركتي داراي يك متغير وابسته و 7 متغير مستقل ميباشد. آمارتوصيفي براي هر متغير گردآوري شده برآورد ميشود و از آزمونهاي t استيودنت براي تعيين تفاوت متغيرهاي شركتهاي با فناوري پيشرفته و شركتهاي سنتي استفاده ميشوند. 3- training period 2- Validation sample 8- Test sample

14 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان روش آزمون فرضیههای اول و دوم براي آزمون فرضيههاي اول و دوم از مدل رگرسيون خطي چندگانه استفاده ميگردد و همچنين با توجه به مباني علل و عوامل مطرح شده در اين مدل از نسبت )وابسته( و از متغيرهاي اندازه شركت بدهي كل )DEBT( به عنوان متغير پاسخ 3 )SIZE( فرصتهاي رشد) GRTH ( سودآوري )ROA( قابليت شهود داراييها )TANG( پوشش مالياتي غيربدهي )NDT( سودهاي نقدي پرداختي )DIV( و ريسك تجاري )RISK( به عنوان متغيرهاي توضيحي مشخصههاي شركت استفاده شده است. مدل رگرسیون خطی چندگانه براي آزمون رابطه بين ساختار سرمايه و معيارهاي آن معادله رگرسيون چندگانه زير براي پانل دادهها پيشنهاد شده است. DEBT it = α 0 + α 1 LSIZE it + α 2 GRTH it + α 3 ROA it + α 4 TANG it + α 5 NDT it + α 6 DIV it + α 7 RISK it + u it جايي كه i تعداد مقاطع عرضي) i = تعداد شركتها( و T طول سريهاي زماني براي هر مقطع عرضي :DEBT ارزش كل بدهي تقسيم بر مجموع داراييها :LSIZE لگاريتم طبيعي اندازه مجموع داراييها :GRTH ارزش بازار به ارزش دفتري حقوق صاحبان سهام :ROA سود قبل از بهره و ماليات تقسيم بر مجموع داراييها :TANG داراييهاي ثابت به مجموع داراييها :NDT كل هزينههاي اداري و فروش تقسيم بر درآمد فروش :DIV نسبت سود نقدي پرداختي به سود خالص :RISK قدر مطلق مابه التفاوت سود قبل از بهره و ماليات طي دوره جاري و گذشته تقسيم بر مجموع داراييها فرآيند برآورد شامل 2 مرحله ميباشد. در مرحله اول ميتوان اهميت نسبي هر يك 3- response variable

15 32 ارزيابی مقايسهای ساختار سرمايه شرکتهای... از متغيرهاي مستقل در توضيح تغييرات متغير وابسته را براساس ضرايب برآوردي آنها و همچنين آماره t تعيين كرد. واريانس عامل تورم )VIF( 3 براي هر متغير مستقل براي شناسايي علتهاي هم خطي بين متغيرهاي مستقل برآورد ميشود. بسته به نتايج مرحله اول در مرحله دوم مدل )3( با حذف متغيرهاي داراي ضريب كم اهميت يا VIF با اهميت يکي يکي )به تدريج( برآورد مجدد ميگردد. ) VIFj>20 داللت دارد بر اينکه j امين متغير مستقل همبستگي بااليي با ساير متغيرهاي مستقل مدل دارد(. همانطوركه مالحظه ميگردد فرضيههاي اين تحقيق در قالب روابط رگرسيوني مشخصي مدلبندي شده است و بنابراين الزم است كه پيش از آزمون اين روابط رگرسيوني و تحليل نتايج آنها مفروضات بنيادي اين روابط مورد بررسي قرار گيرند كه اهميت بسيار زيادي دارند. لذا آزمونهاي زير قبل از اجراي مدل رگرسيون بررسي ميشوند: 3. آزمون نرمال بودن خطاها 2. آزمون مناسب بودن الگوي خطي و نداشتن نقاط نامربوط 8. آزمون عدم خودهمبستگي دادهها 4. آزمون همساني واريانسها 5. آزمون معناداري مدل رگرسيون مدل شبکه عصبی مورد استفاده در آزمون فرضیه سوم شبکه عصبي پس انتشار )BP( 2 شامل يك اليه ورودي يك اليه خروجي و يك يا چند اليه مياني كه اغلب اليههاي پنهان نام دارند ميباشد. اليههاي پنهان ميتوانند روابط غيرخطي بين متغيرها را بدست آورند. هر اليه از نرونهاي چندگانه تشکيل شده است كه به نرونهاي اليه مجاور متصل هستند. زماني كه اين شبکهها شامل بسياري از نرونهاي در تعامل غيرخطي در اليههاي چندگانه ميباشند اين شبکهها ميتوانند 3- Variance inflation factor 2- Back-Propagation (BP) Neural Network

16 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان رابطه بين پديدههاي نسبتا پيچيده را به دست آورند. شبکه عصبي ميتواند با استفاده از دادههاي تاريخي از مجموعه دادههاي سال شركت براي دستيابي به ويژگيهاي اين مجموعه داده آموزش ببيند. فرآيند حداقل كردن خطاهاي پيشبيني مکررا پارامترهاي مدل را تعديل ميكند )قدرت و شدت اتصال و گره تورشدار( براي هر فرآيند آموزشي يك بردار ورودي كه از مجموعه آموزش دهنده به طور تصادفي انتخاب شده است به اليه ورودي شبکه در حال تعليم ارائه ميشود. خروجي هر واحد پردازش كنندهاي توسط هر اليه شبکه به جلو منتشر ميشود )پائو 2002(. همانگونه كه در شکل 3 نشان داده شده است مدل شبکه عصبي مصنوعي شامل شده از يك اليه ورودي يك اليه پنهان در برگيرنده h گره و يك اليه خروجي با يك گره خروجي ميباشد. ورودي شبکه عصبي مصنوعي شامل 7 متغير استفاده شده در مدل رگرسيون ميباشد. در طي فرآيند آموزش يك مجموعه از n جفت بردارهاي ورودي و خروجي متناظر (xn,yn)( )(x1,y1), (x2,y2), (x3,y3) هر جفت در يك زمان به شبکه ارائه شده است. جمع وزونها در وروديها در t امين گره پنهان محاسبه شده است NETt = N i=1 Wti Xi + bt Xi Wti وزن )شدت( اتصال از i امين گره تا t امين گره ميباشد يك داده ورودي از گره ورودي ميباشد N تعداد كل گرههاي ورودي است )7=N( و bt به معني اريب بر t امين گره پنهاني ميباشد. سپس هر گره پنهان از يك تابع انتقال حلقوي براي ايجاد خروجي بين 0 و 3 ايجاد ميكند. Zt= [1+exp (-NETt)]-1=f(NETt) سپس خروجي هر يك از گرههاي پنهان در كنار اريب b0 بر گره خروجي به گره خروجي ارسال و دوباره جمع موزون آن محاسبه ميشود. NET = h t=1 Vt Zt + b0 جايي كه h تعداد كل گرههاي پنهان و Vt وزن از t امين گره پنهان تا گره خروجي ميباشد. جمع وزونها در ورودي براي تابع انتقال حلقوي گره خروجي ميشود. سپس نتايج خروجي براي تهيه مقدار خروجي پيشبيني شده مقياس بندي ميشوند. شکل 1. مدل شبکه عصبی مورد استفاده

17 33 ارزيابی مقايسهای ساختار سرمايه شرکتهای... Ŷ=[1+exp (-NET)]-1=f(NET) در اين نقطه فاز دوم الگوريتم BP تعديل وزن اتصال شروع ميشود. پارامترهاي شبکه عصبي ميتواند با استفاده از حداقل كردن تابع هدف SSE زير در فرآيند تعليم تعيين شود: n SSE = (yj Ŷj)^2 j=1 جايي كه Ŷj خروجي شبکه براي j امين مشاهده ميباشد. فرض ميشود كه رابطه بين Y و X يکنواخت و هماهنگ باشد سپس حساسيت )Si( خروجيها به هر يك از i امين وروديها به عنوان جزيي از مشتقات خروجي به ترتيب ورودي محاسبه ميشوند )پائو 2003(. همانگونه كه در شبکههاي عصبي مطرح است f )NET( و f (NET)t ثابت هستند Ŝi = h ميشود. و آنها در نظر گرفته نميشوند. سپس حساسيت نسبي 1=t Vt Wti متغير وابسته با حساسيت نسبي مثبت )منفي( باالتر تاثير مثبت )منفي( باالتري بر متغير وابسته دارد. با استفاده از درجهاي مطابقت و سازگاري كه خروجي شبکه عصبي مصنوعي با مقدار واقعي براي مقادير متناظر ورودي دارد اندازهگيري مدلهاي شبکه عصبي مصنوعي به طور نسبي با 2 تا 2 گره پنهان بهتر عمل ميكند. در حالت كلي نياز براي گرههاي پنهان بيشتر فعل و انفعاالت زياد وروديها و توانايي وسيع شبکههاي عصبي براي عملکرد فراتر از ساير مدلهاي آماري را نشان ميدهد. تعداد فراوان گرههاي

18 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان پنهان تضمين قدرتمندي شبکه عصبي مصنوعي خارج از نمونه را ارائه ميدهد. اين تحقيق تالش ميكند كه مفيد بودن شبکه عصبي در تجزيه و تحليلها و پيش بينيهاي ساختار سرمايه را مورد مطالعه قرار دهد و شبکههاي مصنوعي را با رگرسيون خطي چندگانه مقايسه كند. نتایج یافتهها قبل از بيان نتايج ناشي از آزمونهاي فرضيهها مفروضات رگرسيون بررسي و به شرح زير بيان ميشود: آزمون نرمال بودن خطاها: در صورت نرمال نبودن باقيماندههاي مدل اعتبار آزمونهايي زير سوال ميرود كه براي عوامل استفاده ميشوند. در مدل برآوردي فرض ميشود كه باقيماندهها و به تبع آن متغير وابسته متغيرهاي تصادفياند. بنابراين توزيع متغير وابسته از توزيع باقيماندهها پيروي ميكند. براي اين منظور مقادير استاندارد خطاها محاسبه شد و از نمودار هيستوگرام توزيع دادهها اين بررسي صورت پذيرفت. به طوري كه نمودار مربوط به تمام دادهها در شکل 2 آورده شده است. همانگونه كه از شکل زير بر ميآيد با مقايسه نمودار توزيع فراواني خطاها و نمودار توزيع نرمال مشاهده ميشود كه توزيع خطاها تقريبا نرمال است. همچنين مقدار ميانگين ارائه شده در سمت راست نمودار بسيار كوچك و نزديك به صفر و انحراف معيار نزديك به يك است. شکل 3. نرمال بودن خطاها برای دادههای تمام شرکتها Histogram 1,000 Dependent Variable: DEBT 800 Frequency Mean =2.39E-15 Std. Dev. =0.998 N =2,264 Regression Standardized Residual آزمون مناسب بودن الگوی خطی و نداشتن نقاط نامربوط: براي اين منظور از

19 11 ارزيابی مقايسهای ساختار سرمايه شرکتهای... نمودارهاي پراكنش استفاده ميشود. باتوجه به اينکه اين نمودار )شکل 8( نشان دهنده الگوي مشخصي )مثال هاللي قطري و ( نميباشد مناسب بودن الگوي خطي و عدم وجود نقاط نامربوط تاييد ميگردد. آزمون عدم خودهمبستگی دادهها: براي بررسي استقالل خطاها از يکديگر از آزمون دوربين واتسون استفاده ميشود.چنانچه اين آماره در بازه 3.5 تا 2.5 قرار گيرد عدم خودهمبستگي دادهها پذيرفته ميشود. الزم به ذكر است كه مقدار شاخص مذكور در مدل تحقيق براي تمام شركتها شركتهاي با فناوري پيشرفته و سنتي به ترتيب و ميباشد كه نشان ميدهد مسئله خود همبستگي باقيماندهها وجود ندارد. همچنين براي اثبات عدم همخطي بين متغيرهاي مستقل از ضرايب برآودي عامل تورم واريانس) VIF ( استفاده شده است كه نتايج آن عدم همخطي را نشان ميدهد كه در بخش مربوط به نتايج حاصل از رگرسيون شرح و بسط داده خواهد شد. شکل 3. مناسب بودن الگوی خطی دادههای تمام شرکتها Scatterplot Regression Standardized Residual Dependent Variable: DEBT آزمون همسانی واریانسها: براي بررسي از نمودار باقيماندهها در مقابل مقادير برازش شده استفاده شده است. در صورتيكه اين نمودار الگوي خاصي را تبيين كند يکي از مفروضات اساسي رگرسيون زير سوال خواهد رفت و نميتوان ادعا كرد كه پراكندگي دادهها تصادفي بوده است. لذا با توجه به اينکه نمودار رسم شده الگوي خاصي را نشان نميدهند ميتوان به همساني واريانسها اميدوار بود. آزمون معناداری مدل رگرسیونی تحقیق: در اين قسمت براي آزمون معناداري مدل براي هر گروه شركتها به صورت كامل از آزمون -5 F Regression Standardized Predicted Value 15 استفاده شد و با توجه به نتايج

20 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان تحليل واريانس انجام شده آماره F مدل رگرسيون اعمال شده براي تمام شركتها 770/230 براي شركتهاي با فناوري پيشرفته 23/305 و براي شركتهاي سنتي 454/358 و سطح معني داري هر سه آنها نزديك به صفر )sig=0.000( بدست آمده است. به دليل اينکه براي مدلها سطح معناداري كمتر از 0/05= α ميباشد معناداري اين مدلها تائيد ميگردد. نتایج حاصل از آزمون فرضیه اول همانگونه كه در جدول 3 نشان داده شده است مقادير ريشه ميانگين مربعات خطا )RMSE( براي مدل رگرسيون اعمال شده براي شركتهاي با فناوري پيشرفته بسيار كمتر از اين مقدار براي شركتهاي سنتي شده است و اين نشان ميدهد كه مدل براي شركتهاي با فناوري پيشرفته پيشبينيهاي بهتري نسبت به شركتهاي سنتي ارائه ميدهد و ميتوان اذعان داشت كه مدلهاي نسبت بدهي و تصميمات اهرم مالي در ميان شركتهاي با فناوري پيشرفته و سنتي متفاوت ميباشد. عالوه براين با توجه به مقدار RMSE بدست آمده براي شركتهاي سنتي ميتوان نتيجه گرفت كه مدل رگرسيون چندگانه )مدل خطي( براي اين شركتها كاربرد ندارد و شايد مدلهاي غير خطي بتواند نتايج مناسبتري ارائه دهند. همانگونه كه قبال گفته شد عامل تورم واريانس در اين جدول براي متغيرهاي مستقل برآورد شده است. هر چه قدر عامل تورم واريانس افزايش يابد باعث ميشود واريانس ضرايب رگرسيون افزايش يافته و رگرسيون را براي پيشبيني نامناسب ميسازد. همانگونه كه مشخص است ضرايب برآورد شده عامل تورم واريانس عدم همخطي بين متغيرهاي مستقل را نشان ميدهد. با توجه به آماره t بدست آمده براي متغيرهاي مستقل در شركتهاي با فناوري پيشرفته متغير فرصت رشد معني داري مناسب را بدست نياورده است و همچنين براي شركتهاي سنتي متغيرهاي فرصت رشد قابليت شهود داراييها و خطمشي تقسيم سود نقدي به صورتي مناسب معنيدار نشده اند كه اين متغيرها در مرحله بعد از مدل رگرسيون حذف شدهاند و نتايج آن در جدول 8 نمايش داده شدهاند. تفاوت ديگري كه با توجه به آماره t بدست آمده ميتوان اظهار داشت اين است كه مدل برآورد تصميمگيري اهرم مالي و نسبت بدهي براي شركتهاي با فناوري

21 13 ارزيابی مقايسهای ساختار سرمايه شرکتهای... پيشرفته شامل متغيرهاي اندازه سود آوري قابليت شهود داراييها صرفهجويي مالياتي غير استقراضي خط مشي تقسيم سود نقدي و ريسك تجاري ميباشد كه اين متغيرها براي مدل شركتهاي سنتي متفاوت و شامل متغيرهاي اندازه سودآوري صرفهجويي مالياتي غير استقراضي و ريسك تجاري ميباشد. همچنين با توجه به نتيجه آزمون مقايسه ميانگين دو جامعه براي متغير نسبت بدهي )جدول 2( در ميان شركتهاي با فناوري پيشرفته و سنتي تفاوت معنيداري در سطح خطاي كمتر از %3 وجود دارد. پس با توجه به گفتههاي باال ميتوان نتيجه گرفت كه فرضيه اول مبني بر اينکه بين شركتهاي با فناوري پيشرفته و سنتي از لحاظ تصميمات اهرم مالي و نسبت بدهي تفاوت معنيداري وجود دارد به نوعي تاييد ميگردد. جدول 1. نتایج مدل رگرسیون چندگانه مدل رگرسیون: DEBT it = α 0 + α 1 LSIZE it + α 2 GRTH it + α 3 ROA it + α 4 TANG it + α 5 NDT it + α 6 DIV it + α 7 RISK it + u it VIF متغیر شرکتهای با فناوری پیشرفته ضریب شرکتهای سنتی VIF آماره t معنی داری ضریب آماره t معنی داری * * عدد ثابت ** * اندازه E فرصت رشد * * سودآوری قابلیت شهود داراییها ** *** صرفه جویی مالیاتی غیر استقراضی ** سود نقدی * * ریسک تجاری R 2 تعدیل شده : R 2 تعدیل شده :.03.1 آماره دوربین واتسون :..101 آماره دوربین واتسون :.1033 آماره : F معنی داری :...0. p<0.10 *** p<0.05 ** p<0.01 * آماره : F معنی داری :...0. RMSE نتایج حاصل از آزمون فرضیه دوم

22 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان همانگونه كه جدول 2 تعداد ميانگين تمام متغيرها و آزمون t استيودنت براي تفاوت متغيرها بين شركتهاي با فناوري پيشرفته و سنتي را نشان ميدهد. نتايج نشان ميدهد كه : )3( صرفه جويي مالياتي غير استقراضي و خطمشي تقسيم سود نقدي براي شركتهاي با فناوري پيشرفته با شركتهاي سنتي تفاوت معني دار ندارند. )2( نسبت بدهي )كمتر( اندازه )بيشتر( فرصتهاي رشد )كمتر( سودآوري )بيشتر( قابليت شهود داراييها )كمتر( و ريسك تجاري )كمتر( براي شركتهاي با فناوري پيشرفته به طور معني داري با شركتهاي سنتي متفاوت است. بنابراين ميتوان اظهار كرد كه فرضيه دوم مبني بر اين كه معيارهاي ساختار سرمايه در هر دو صنعت با شركتهاي با فناوري پيشرفته و سنتي تفاوت معني داري دارند در سطح خطاي كمتر از %5 تاييد ميگردد. جدول 3. نتایج آزمون فرضیه دوم )آزمون استیودنت( t متغیر شرکتهای با فناوری پیشرفته شرکتهای سنتی آماره t تعداد مشاهدات نسبت بدهي * معنی داری * ***.24.4 * * ** p<0.10 *** p<0.05 ** p<0.01 * اندازه فرصت رشد سودآوری قابلیت شهود داراييها صرفه جويي مالیاتي غیر استقراضي سود نقدی ريسک تجاری نتایج حاصل از آزمون فرضیه سوم مدل شبکه عصبي تحقيق حاضر با استفاده از متغيرهاي بکار رفته در مدل رگرسيوني طراحي شد و پس از آزمونهاي متعدد و ايجاد تغييرات در پارامترهاي شبکه ساختار مدلي كه كمترين نسبت خطا را داشت ساختار )7-20-3( بود كه با استفاده از دادههاي اعتبارسنجي متوقف شد. بنابراين بهترين ساختار شبکههاي عصبي تحقيق حاضر 20 نورون در اليه مياني دارد. ميزان تقسيم بندي دادههاي هر يك از دو صنعت

23 11 ارزيابی مقايسهای ساختار سرمايه شرکتهای... به صورت %20 نمونه آموزش %20 نمونه اعتبار سنجي و %20 باقي مانده نمونه آزمون انجام شد. نظر به اينکه تابع انتقال در اليه مياني تابع زيگموئيد و در اليه خروجي تابع خطي است مدل بدست آمده معادل تابع غير خطي از متغيرهاي ورودي اوليه است. از آن جا كه متغيرهاي مستقل بکار رفته در مدل شبکههاي عصبي همان متغيرهايي هستند كه توسط روش انتخاب رو به جلو در مدل رگرسيون خطي چند گانه انتخاب شدند ميتوان چنين نتيجه گرفت كه هر گونه قدرت بيشتر در پرسپترون چند اليه به دليل غير خطي بودن اين مدل است. شماي كلي شبکه عصبي اجرا شده توسط نرم افزار به صورت زير ميباشد. جدول 8 آماره t و همچنين حساسيت متغيرهاي هر دو مدل را با توجه به نوع صنعت آنها به تفکيك نشان ميدهد. شکل 1. شبکه عصبی اجرا شده توسط نرم افزار MATLAB همانگونه كه از جدول 8 بر ميآيد : )3( مدل شبکه عصبي براي شركتهاي با فناوري پيشرفته RMSE نمونه آزمون نزديك و مشابهي با مدل رگرسيون خطي چند گانه دارد و براي شركتهاي سنتي اين مقدار بسيار كمتر از مقدار بدست آمده براي مدل رگرسيون ميباشد كه نشان دهنده پيشبينيهاي بهتر و مناسبتر مدل غيرخطي شبکه عصبي نسبت به مدل رگرسيون خطي ميباشد. )2( همچنين با توجه به R 2 بدست آمده از مدلها ميتوان اذعان داشت كه ميزان قدرت توضيح تغييرات ساختار سرمايه )نسبت بدهي( شركتها توسط ميزان حساسيتهاي بدست آمده از شبکه عصبي براي متغيرهاي مستقل بسيار بيشتر از مقادير بدست آمده از مدل رگرسيون خطي چند گانه در هر دو نوع صنعت ميباشد. از اين رو با توجه به نتايج فوق ميتوان برداشت كرد كه ادعاي تحقيق در فرضيه

24 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان سوم مبني بر اينکه مدلهاي غير خطي ساختار سرمايه نسبت به مدلهاي پيشبينيهاي بهتري انجام ميدهند قابل تاييد است. خطي

25 12 ارزيابی مقايسهای ساختار سرمايه شرکتهای... جدول 3. نتایج مدلهای خطی و غیر خطی

26 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان نتیجهگیری پژوهش حاضر از مدلهاي رگرسيوني خطي چند گانه )مدل خطي( و شبکههاي عصبي مصنوعي )مدل غير خطي( با پانل دادههايي به صورت سال شركت براي تشريح مشخصات شركتها در تعيين ساختار سرمايه در ايران استفاده كرد. نتايج به گونهايست كه فرضيهها و ادعاهاي تحقيق تاييد گرديد. اوال براي اكثر متغيرها عالمت حساسيت نسبي مدل شبکه عصبي مصنوعي مشابه با عالمت ضرايب رگرسيون شد و شبکه عصبي مصنوعي مقدار RMSE پايينتري براي پيش بيني نمونه آزمون داشت. اين نشان دهنده اين است كه مدلهاي شبکه عصبي مصنوعي غير خطي پيشبيني بهتر و مناسبتري از پانل دادهها نسبت به مدل رگرسيون ارائه ميدهد. كه اين نتيجه مطابق با مطالعات پائو )2003( تي سنگ و همکاران) 2002 ( ژانگ و كي )2005( و بينر و همکاران )2030( ميباشد. دوما نتايج حاصل از مدل شبکه عصبي مصنوعي روابط مورد انتظار در دو صنعت را به شرح زير تاييد ميكند: )3( رابطهاي مستقيم بين اندازه شركت و نسبت بدهي براي شركتهاي سنتي هماهنگ با نتايج مطالعات پائو )2003( بوتس و همکاران )2003( سرينگاج و مرامور )2002( و اوچينيکف )2030( ميباشد. به طوري كه شركتهاي بزرگتر قادر به استقراض بيشتر براي تحقق منافع اهرم مالي ميباشند. )2( رابطهاي معکوس بين سودآوري و نسبت بدهي براي شركتهاي با فناوري پيشرفته كه مطابق با تئوري سلسله مراتبي و همچنين مطالعات تجربي اوچنيکف )2030( كارادنيز و همکاران )2002( سرينگاج و مرامور )2002( پائو )2002( و بوتس و همکاران )2003( ميباشد. )8( همانگونه كه صرفه جوييهاي مالياتي غير استقراضي ميتواند منافع اهرم مالي را پايين آورد مطالعات گذشته رابطهاي منفي بين پوشش مالياتي غير استقراضي و ساختار سرمايه بدست آوردهاند. نتايج تحقيق حاضر رابطهاي معکوس بين صرفه جوييهاي مالياتي غير استقراضي و نسبت بدهي براي شركتهاي سنتي نشان ميدهد كه با نتايج پائو )2003( يکسان ميباشد. )4( رابطهاي معکوس بين پرداختهاي سود نقدي و نسبت بدهي براي شركتهاي با

27 13 ارزيابی مقايسهای ساختار سرمايه شرکتهای... فناوري پيشرفته مطابق با تحقيق پائو )2003( ميباشد. )5( همچنين ريسك تجاري بر خالف توضيحات پيش گفته و مطالعات انجام شده رابطهاي مثبت با ساختار سرمايه شركتها دارد. ضريب مثبت متغير اندازه براي شركتهاي سنتي نشان ميدهد كه نسبت بدهي شركتهاي بزرگتر توسط هزينههاي مضيقه مالي كمتر محدود شده اند. زيرا آنها تنوع بيشتري نسبت به شركتهاي كوچك تر دارند )اسميت و واتز 3222(. 3 ضريب منفي متغير سودآوري نشان ميدهد كه هر چه شركت سودآورتر باشد نسبت بدهي پايينتري دارد. همچنين وجود عدم تقارن اطالعاتي معني داري و هزينه بر تر بودن تامين مالي خارجي را تاييد ميكند. با اين حال توضيح بيشتر اين است كه شركتهاي سودآور تقاضاي كمتري براي تامين مالي خارجي دارند. سوما معيارهاي ساختار سرمايه شركتهاي با فناوري پيشرفته و سنتي با هم متفاوت ميباشد. معيارهاي بحراني تاثيرگذار بر ساختار سرمايه براي شركتهاي با فناوري پيشرفته به ترتيب اولويت عبارتند از : سود آوري ريسك تجاري صرفه جويي مالياتي غير استقراضي و فرصت رشد و براي شركتهاي سنتي به ترتيب اولويت عبارتند از : فرصت رشد صرفه جوييهاي مالياتي غير استقراضي قابليت شهود داراييها اندازه ريسك تجاري خطمشي تقسيم سود نقدي و سودآوري. محدودیت تحقیق جهت آزمون مدلهاي شبکههاي عصبي دادههاي نمونه تحقيق بايد به مجموعه دادههاي آموزش اعتبارسنجي و آزمون تقسيم شوند كه نرم افزار MATLAB اين كار را به طور تصادفي انجام ميدهد. اما به لحاظ آماري همواره اين امکان وجود دارد كه با تغيير تركيب مجموعه دادهها نتايج متفاوتي حاصل شود. 3- Smith & Watts

28 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان پیشنهادها الف( پیشنهادهای مبتنی بر نتایج تحقیق 3. مديران ميتوانند اين نتايج را براي تعديالت پوياي ساختار سرمايه در بدست آوردن نقطه بهينه و حد اكثر سازي ارزش شركت بکار گيرند. براي مثال يك مدير ميتواند منافع اهرم مالي را افزايش يا كاهش دهد اگر شركت بزرگتر يا سودآور شود. 2. همانگونه كه از نتايج تحقيق بر ميآيد مديران و سرمايه گذاران ميتوانند در تصميم گيريهاي اهرم مالي خصوصيات صنعت شركت مورد نظر همچون تفاوت قايل شدن بين فناوري پيشرفته و سنتي را لحاظ كنند. ب( پیشنهادهایی برای تحقیقات آتی 3. پيشنهاد ميشود در تحقيقات آتي ساختار سرمايه شركتهاي صنايع مختلف موجود در بورس اوراق بهادار تهران به تفکيك بررسي گردند. 2. از آنجايي كه در اين تحقيق معيار تفکيك صنايع و شركتها به فناوري پيشرفته و سنتي تعريف سازمان توسعه و همکاريهاي اقتصادي بوده است پيشنهاد ميشود كه در تحقيقات آتي براي تفکيك اين شركتها از معياري كمي همچون ميزان هزينههاي تحقيق و توسعه و غيره استفاده گردد. 8. پيشنهاد ميشود در تحقيقات آتي از تركيب الگوريتم ژنتيك و شبکههاي عصبي براي پيش بيني ساير مسايل مالي و حسابداري مانند پيشبيني ورشکستگي نرخ ارز قيمت بازار سهام صرف ادغام شركتها و مسائل رتبه بندي استفاده شود. 4. نمونه آماري اين تحقيق شامل تمام صنايع بود. پيشنهاد ميشود در تحقيقات ديگر بر صنايع خاصي تأكيد شود.

29 11 ارزيابی مقايسهای ساختار سرمايه شرکتهای... و مآخذ منابع ستايش محمد حسین.كاظم نژاد مصطفي شفیعي محمد جواد )2.99( کاربرد الگوریتم ژنتیک در تعیین ساختار بهینه سرمایه شرکتهای پذیرفته شده در بورو اوراه بهادار تهران بررسیهای حسابداری و حسابرسی.. صص عرب مازار يزدی محمد قاسمي مهسا ) 2.99 ( برآورد قیمت عرضههای عمومی اولیه با استفاده از شبکههای عصبی مصنوعی. تحقیقات حسابداری شماره 2. كردستاني غالمرضا. نجفي عمران مظاهر )2.94(. بررسی عوامل تعیین کننده ساختار سرمایه: آزمون تجربی نظریه موازنه ایستا در مقابل نظریه سلسله مراتبی. تحقیقات مالی.1. كیمیاگری علي محمد عینعلي سودابه )2.94( ارائه الگوی جامع ساختار سرمایه )مطالعه موردی شرکتهای پذیرفته شده در بورو تهران( تحقیقات مالی.1 صص Altun, H., Bilgil, A., & Fidan, B. C. (2007). Treatment of multidimensional data to enhance neural network estimators in regression problems. Expert Systems with Applications, 32(2), Binner, J. M., Bissoondeeal, R., Elger, T., Gazely, A. & Mullineux, A. (2010). Linear Models versus neural Networks in macroeconomic forecasting. Working paper Available at 7. Booth, L., Aivazian, V., Demirguc-Kunt, A., & Maksimovic, V. (2001). Capital structures in developing countries. Journal of Finance, LVI, Crnigoj, M. and Mramor, D. (2009). Determinants of capital structure in emerging European economies: Evidence from Slovenian firms. Emerging markets finance & trade, 45(1), Eugene, F. Fama & Kenneth, R. French (2002).Testing Trade-Off and Pecking Order Predictions about Dividends and Debt. The Review of Financial Studies, Vol.15, No.1, pp Hong, Z & Z. X, Jason (2006).The Financing Behavior of Listed Chinese Firms.The British Accounting Review, 38, pp: Http: //en.wikipedia.org/wiki/high-tech (2010) 12. Huang, G & F. M, Song (2006). The Determinants of Capital Structure: Evidence from China. China Economic Review, 17, pp: Karadeniz, E., Kandir, S., Balcilar, M., Onal, Y. (2009). Determinants of capital structure: evidence from Turkish lodging companies. International journal of Contemporary Hospitality Management, 21, Kumar, U. A. (2005). Comparison of neural networks and regression analysis: a new insight. Expert Systems with Applications, 29(2),

30 فصلنامه مطالعات تجربی حسابداری مالی سال دهم شماره 63 زمستان Margaritis, D. & Psillaki, M. (2010). Capital Structure, Equity Ownership & firm performance. Journal of banking & finance. No Ovtchinnikov, A. V. (2010). Capital Structure Decisions: Evidence from Deregulated industries. Journal of Financial Economics. No Pao, H. T. (2008). A comparison of neural network and multiple regression analysis in modeling capital structure. Expert systems with application,35, Smith, C., & Watts, R. (1992). The investment opportunity set and corporate financing, dividend and compensation policies. Journal of Financial Economics, 32, Tseng, F. M., Yu, H. C., & Tzenf, G. H. (2002). Combining neural network model with seasonal time series ARIMA model. Technological Forecasting and Social Change, 69, Zhang, G. P., & Qi, M. (2005). Neural network forecasting for seasonal and trend time series. European Journal of Operational Research, 160,