انتشارات دانشگاه تهران تحقیقات مالی 1024-8153 26 4 2024 12 21 Real Earnings Smoothing and Labor Investment Efficiency: The Role of Information Asymmetry هموارسازی سود واقعی و کارایی سرمایه‌گذاری نیروی کار: نقش میانجی عدم تقارن اطلاعاتی 734 757 97322 10.22059/frj.2024.364138.1007499 FA بتول اسماعیل حسن دانشجوی دکتری، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران. 0009-0002-6317-6671 مهدی حیدری دانشیار، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران. 0000-0002-0148-1470 حمزه دیدار دانشیار، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران. 0000-0003-4651-7729 Journal Article 2023 08 21 Objective There are two distinct perspectives regarding the impact of real earnings smoothing on labor investment efficiency through its effect on information asymmetry. On one hand, based on signaling theory, real earnings smoothing can reduce information asymmetry and enhance labor investment efficiency. On the other hand, the opportunistic managerial view highlights the opposite effect. Given this context, the present study aims to investigate the impact of real earnings smoothing on labor investment efficiency, with information asymmetry acting as a mediating variable. Methods This study falls under the category of applied research due to the applicability of its findings in the decision-making process. The data utilized in this research were collected based on past real information, making it an ex-post-facto study. Additionally, this research is descriptive-correlational in nature, with the primary objective being the examination of relationships between the research variables. To this end, considering the conditions and constraints imposed on the research population, a sample of 106 companies listed on the Tehran Stock Exchange was selected, and the hypotheses were tested using multivariate regression models. Results The results indicate that an increase in the level of real earnings smoothing leads to improved labor investment efficiency. Furthermore, information asymmetry mediates the relationship between real earnings smoothing and labor investment efficiency, where real earnings smoothing, by reducing information asymmetry, contributes to greater efficiency in labor investment. Conclusion Based on the findings, it can be concluded that company managers use real earnings smoothing to convey hidden information. This information reflects the company's future outlook, which, through consistent earnings smoothing over the years, presents a clear and positive projection of the company's future to investors and creditors. This supports the view that smoothed earnings are indicative of a bright future for the company, as these earnings are perceived by investors and creditors as sustainable. In fact, by using signaling tools, managers reduce market information asymmetry regarding the company’s stock price, enabling the company to secure the necessary financial resources for labor investment and make efficient decisions. Therefore, based on the signaling theory of private information, it can be concluded that real earnings smoothing conveys managers' private information regarding the company's future revenues, thereby reducing the information asymmetry between companies and external capital providers, ultimately leading to greater labor investment efficiency. This research contributes to the growing body of literature on real earnings smoothing and labor investment efficiency, highlighting the importance and positive impact of real earnings smoothing, while also emphasizing the need for further investigations due to the lack of understanding regarding managerial motivations behind real earnings smoothing. هدف: در زمینه تأثیر هموارسازی سود واقعی بر کارایی سرمایه‌گذاری نیروی کار، از طریق تأثیر آن برعدم تقارن اطلاعاتی، دو دیدگاه متفاوت وجود دارد. از یک سو هموارسازی سود واقعی به پشتوانۀ نظریه سیگنال‌دهی موجب کاهش‌عدم تقارن اطلاعاتی و افزایش کارایی سرمایه‌گذاری در نیروی کار می‌شود و از طرفی نیز، دیدگاه فرصت‌طلبی مدیریتی عکس این اثر را برجسته می‌کند. با توجه به این مقدمه، هدف پژوهش حاضر، بررسی تأثیر هموارسازی سود واقعی، بر کارایی سرمایه‌گذاری نیروی کار، از طریق‌عدم تقارن اطلاعاتی به‌عنوان متغیر میانجی است. روش: مطالعه حاضر به‌دلیل قابلیت استفادۀ نتایج آن در فرایند تصمیم‌گیری، به شاخۀ پژوهش‌های کاربردی تعلق دارد. در این پژوهش، داده‌ها بر اساس اطلاعات واقعی گذشته جمع‌آوری شده‌اند و به همین دلیل، از نوع پس‌رویدادی هستند. همچنین، این پژوهش به لحاظ ماهیت، توصیفی ـ هم‌بستگی است که در آن، هدف اصلی بررسی و مطالعۀ روابط بین متغیرهای پژوهش است. بدین منظور، با توجه به شرایط و محدودیت‌های اعمال شده بر جامعۀ آماری پژوهش، نمونه‌ای مشتمل بر ۱۰۶ شرکت پذیرفته شده در بورس تهران انتخاب شد و با استفاده از الگوهای رگرسیونی چند متغیره، آزمون شدند. یافته‌ها: نتایج نشان می‌دهد که با افزایش سطح هموارسازی سود واقعی، کارایی سرمایه‌گذاری نیروی کار شرکت‌ها نیز افزایش پیدا می‌کند. همچنین‌عدم تقارن اطلاعاتی در رابطۀ بین هموارسازی سود واقعی و کارایی سرمایه‌گذاری نیروی کار، اثر میانجی دارد و هموارسازی سود واقعی با کاهش‌عدم تقارن اطلاعاتی، موجب کارایی سرمایه‌گذاری در نیروی کار می‌‍‌شود. نتیجه‌گیری: با توجه به نتایج به‌دست‌آمده، مدیران شرکت‌ها از هموارسازی سود واقعی، به‌منظور انتقال اطلاعات پنهانی استفاده می‌کنند. این اطلاعات نشان‌دهندۀ چشم‌انداز آتی شرکت است که با هموارسازی سود طی سال‌های متوالی، چشم‌اندازی روشن و مثبت از آیندۀ شرکت را در اختیار سرمایه‌گذاران و اعتباردهندگان قرار می‌دهد و از این دیدگاه حمایت می‌کند که سودهای هموار، آینده‌ای روشن از چشم‌انداز شرکت را نشان می‌دهد؛ به‌طوری که این سودها از نظر سرمایه‌گذاران و اعتباردهندگان پایدار است. در واقع، مدیران با استفاده از ابزار سیگنال‌دهی، عدم تقارن اطلاعاتی در بازار را برای قیمت سهام شرکت کاهش می‌دهند و این موضوع سبب می‌شود که برای سرمایه‌گذاری‌های خودشان روی نیروی کار، منابع مالی مورد نیاز را در اختیار داشته باشند و تصمیمات کارایی بگیرند؛ بنابراین بر اساس نتایج به‌دست‌آمده، به پشنوانۀ دیدگاه سیگنال‌دهی اطلاعات خصوصی، می‌توان نتیجه‌گیری کرد که هموارسازی سود واقعی، اطلاعات خصوصی مدیران را در رابطه با درآمدهای آتی شرکت منتقل می‌کند و در نتیجه، عدم تقارن اطلاعاتی بین شرکت‌ها و تأمین‌کنندگان سرمایۀ خارجی را کاهش می‌دهد و از این طریق موجب کارایی سرمایه‌گذاری نیروی کار می‌شود. این پژوهش به جریان رو به رشد ادبیات، در مورد هموارسازی سود واقعی و کارایی سرمایه‌گذاری نیروی کار کمک می‌کند و ضمن برجسته‌کردن اهمیت و تأثیر مثبت هموارسازی سود واقعی، بر ضرورت بررسی‌های بیشتر، به‌دلیل‌عدم شناخت انگیزه‌های مدیران از هموارسازی سود واقعی، تأکید دارد.

https://jfr.ut.ac.ir/article_97322_6fce07efb32ee50540caac98d781ada7.pdf

انتشارات دانشگاه تهران تحقیقات مالی 1024-8153 26 4 2024 12 21 Future Study on Drivers of Startup Financing Based on Libertarian Philosophical Strategies (Metaphysics) in Capital Market Firms آینده‌پژوهی پیشران‌های تأمین مالی استارتاپ‌ها براساس راهبردهای فلسفی لیبرترینیسم (متافیزیک) شرکت‌های بازار سرمایه 758 790 97459 10.22059/frj.2024.358228.1007459 FA محمدحسین مرادی دانشجوی دکتری، گروه حسابداری، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران. محمدرضا عبدلی استاد، گروه حسابداری، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران. 0000-0002-8927-1231 نسرین صالحی دانشیار، گروه فیزیک، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران. حسن ولیان استادیار، گروه حسابداری، واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، ایران. 0000-0002-3365-1593 مهدی صفری گرایلی دانشیار، گروه حسابداری، واحد بندرگز، دانشگاه آزاد اسلامی، بندرگز، ایران. Journal Article 2023 04 24 Objective This study aims to evaluate the drivers of startup financing in capital market firms through the lens of libertarian or metaphysical strategies. The goal is to develop insights that enhance the appeal of investment in startups, ultimately fostering a more attractive environment for investors interested in this sector. Methods This study is exploratory, with practical applications based on the analysis and data collection methods. It employs a mixed-method approach to integrate various data for comprehensive insights. In the qualitative phase, thematic analysis and link matrix analysis were conducted, involving 14 university experts in financial management. For the quantitative phase, 50 managers from capital market firms participated through reciprocal matrices and assessments to determine the data scenarios. In this step, pairwise comparison matrices were created in the form of row " " and column " " to determine the most important drivers of financing startups at the level of capital market firms. Drawing the results of the matrix in the form of a MICMAC diagram the two basic axes for scenario planning were determined. Results In the qualitative phase, the findings indicated that among 12 initial studies and 6 additional studies aimed at determining key dimensions, 8 main themes were identified as factors influencing the sustainability of startup financing drivers. These themes were also validated through the Delphi process. In the quantitative phase, the results yielded four scenarios, each accompanied by explanatory statements: the Market Leadership Matrix, the Intelligent Competition Matrix, the Territory Conquest Matrix, and the Left Behind Matrix. These scenarios serve as a foundation for selecting the most advantageous approach to startup financing from the perspective of libertarian philosophical strategies within capital market firms. As a result of the quantitative analysis, the Territory Conquest scenario emerged as the most significant context for influencing startup financing drivers. This scenario, shaped by the critical thinking strategy as a philosophical foundation rooted in entrepreneurial metaphysics, offers substantial potential for fostering the growth of startups within capital market firms in the future. Conclusion The findings of this study indicate that advanced technology in the development of startups enhances their sustainability, allowing firms to capture a greater market share in the future. Capital market firms are in the process of changing their production lines, starting new production units, supplying new products to the market, or even entering international markets. According to this matrix, they should focus on technological capabilities to attract financial providers, ensuring that firms do not encounter challenges in developing their startup businesses. هدف: هدف این مطالعه ارزیابی پیشران‌های تأمین مالی استارتاپ‌های شرکت‌های بازار سرمایه، براساس راهبردهای فلسفی لیبرترینیسم یا متافیزیک است تا بتواند چشم‌اندازهای فرانگرانه‌ای با هدف تقویت جذابیت‌های سرمایه‌گذاری در چنین کسب‌وکارهایی را توسعه بخشد. روش: این مطالعه بنا به ماهیت تحلیلی و جمع‌آوری داده‌ها، از نظر هدف اکتشافی، از نظر نتیجه کاربردی و از نظر نوع داده ترکیبی است. در بخش اول این مطالعه، از تحلیل تم و تحلیل ماتریس پیوندی بهره برده شد و ۱۴ نفر از خبرگان دانشگاه در حوزۀ مدیریت مالی، مشارکت‌کنندگان این بخش بودند. در بخش کمّی نیز، ۵۰ نفر از مدیران با دانش و تجربۀ بازار سرمایه، از طریق ماتریس‌های متقابل و ارزیابی، برای تعیین سناریوپردازی داده‌ها مشارکت کردند. در این مرحله ماتریس‌های مقایسۀ زوجی در قالب سطر «i» و ستون «j» شکل گرفتند تا محوری‌ترین پیشران‌های تأمین مالی استارتاپ‌ها، در سطح شرکت‌های بازار سرمایه مشخص شوند. در ادامه با ترسیم نتایج ماتریس در قالب نمودار میک‌مک، دو محور مبنا برای سناریوپردازی تعیین شد. همچنین از تحلیل دلفی برای تأیید حد اجماع نظری از مرحلۀ کیفی به مرحلۀ کمی بهره برده شد. نرم‌افزارهای استفاده‌شده در این مطالعه متلب و سناریو ویزارد بوده است. یافته‌ها: در بخش کیفی مقاله، از بین ۱۲ پژوهش اولیه ۶ پژوهش تأیید شد و به مرحلۀ دوم هدایت شد. نتایج مرحلۀ دوم به شناسایی ۸ مضمون اصلی اثرگذار بر پیشران‌های تأمین مالی پایدار استارتاپ‌ها حکایت داشت که در تحلیل دلفی نیز تأیید شدند. بر اساس نتیجۀ بخش کمّی نیز مشخص کرد که ۴ سناریو با عبارت توضیحی ماتریس پیشتازی بازار، ماتریس رقابت هوشمندانه، ماتریس فتح قلمرو و ماتریس درجاماندگان، مبنایی برای انتخاب مطلوب‌ترین سناریو در چشم‌اندازهای تأمین مالی استارتاپ‌ها، براساس راهبردهای فلسفی لیبرترینیسم در سطح شرکت‌های بازار سرمایه تلقی می‌شوند. از بین ۴ ماتریس ایجاد شده، مشخص شد که مهم‌ترین سناریو مرتبط با پیشران‌های تأمین مالی استارتاپ‌ها، سناریو فتح قلمرو است که به‌عنوان مهم‌ترین عامل زمینه‌ای، تحت تأثیر راهبرد تفکر انتقادی، به‌عنوان مبنای فلسفی متافیزیک کارآفرینی، می‌تواند به توسعۀ استارتاپ‌های شرکت‌های بازار سرمایه در آینده کمک کند. نتیجه‌گیری: نتیجه کسب‌شده در این مطالعه بیان می‌کند که تکنولوژی بهتر در توسعۀ استارتاپ‌ها، باعث می‌شود تا بتوان پایداری بیشتری برای چنین کسب‌وکارهای نوپایی تصور کرد و براساس آن، شرکت‌ها از ظرفیت بیشتری برای کسب سهم بیشتر بازار در آینده برخوردار باشند. در واقع، شرکت‌های بازار سرمایه، در مسیر حرکت به‌سمت تغییر در خط تولید یا راه‌اندازی واحد تولید جدید، عرضۀ محصولات جدید به بازار یا حتی ورود به بازارهای بین‌المللی، طبق این ماتریس می‌بایست بر ظرفیت‌های تکنولوژیک برای ترغیب تأمین‌کنندگان مالی تمرکز کنند تا برای توسعۀ کسب‌وکار نوپا خود با چالش مواجه نشوند. به عبارت دیگر، راهبرد توسعۀ این سناریو، می‌بایست سطحی از تفکرات فرانگرانه به وضعیت بازار شرکت یا صنعت فعال در آن باشد تا بتواند از طریق رویکرد متافیزیک کارآفرینانه، به جذابیت‌های استارتاپ کمک کند و اشتیاق بیشتری برای تأمین منابع مالی به‌وجود آورد.

https://jfr.ut.ac.ir/article_97459_3208933b858ea779fd68a6ee154bf971.pdf

انتشارات دانشگاه تهران تحقیقات مالی 1024-8153 26 4 2024 12 21 Developing a Model for Measuring and Evaluating the Role of Commodities as Hedging Tools in Investor Portfolios تدوین مدل اندازه‌گیری و ارزیابی نقش کالاها به‌عنوان ابزار پوشش ریسک در پرتفوی سرمایه‌گذاران 791 814 97327 10.22059/frj.2024.350280.1007403 FA زهرا محمدی پورمظاهری دانشجوی دکتری، گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران. 0000-0001-5930-922X بابک جمشیدی نوید استادیار، گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران. 0000-0001-6045-4862 مهرداد قنبری استادیار، گروه حسابداری، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران. 0000-0001-5403-0094 علیرضا مرادی استادیار، گروه اقتصاد، دانشکده علوم انسانی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران. 0000-0001-9655-8612 Journal Article 2022 10 23 Objective This study investigated the role of commodities as independent investment tools, determined their interrelationships, explored their behavior within hybrid portfolios, and sought to identify suitable relationships for portfolio selection decisions between commodities and the stock index. The primary goal was to examine the diversification and hedging (safe haven) properties of assets and future commodities in Iran's exchange market compared to stocks during "bull and bear periods of the stock market" and to determine the minimum variance portfolio. Methods This research was applied in purpose and quantitative in methodology. The research approach was deductive (comparative), investigating expected empirical benefits using historical data. The study was theoretically categorized as proof research and, statistically, as a correlational study (econometric models). To this end, regression models of market tests, dynamic conditional correlation (DCC-GARCH), and the Markowitz model (portfolio optimization) were applied to daily data from the stock and commodity markets over 11 years from 2009 to 2020. Results The findings revealed that commodities, on their own, present a high-risk investment. Gold is the only commodity comparable to the stock market, which shares similar returns and volatility. Except for copper, other commodities have significantly higher volatility but lower efficiency than the stock index. Regarding the market test model, results indicated that some commodities had the appropriate hedging ability as a “safe haven” in different stock market regimes (business cycle phases). In portfolio construction, adding a single commodity to a quantitative stock portfolio resulted in low returns, offset by reduced fluctuations. However, the results showed that a “commodities portfolio” outperformed a “single portfolio”. When adding a commodities portfolio or a commodity index to the hybrid portfolio, the stock index still held the largest weight (around 94%), but the average portfolio risk was notably reduced (approximately 1/557), yielding an improved Sharpe ratio. Conclusion According to the findings, investing in commodities is a better option for reaping the benefits of diversification. Furthermore, when making investment decisions, the bull and bear periods of the stock market should be considered, as the findings revealed that business cycle phases are a strong indicator for the tactical allocation of commodities. The results of this study also support the evidence that the behavior of different commodity groups varies significantly. Finally, hedging is not always a safe haven for the stock market, and the reverse is also true. هدف: پژوهش حاضر نقش کالاها را به‌عنوان ابزار سرمایه‌گذاری مستقل و تعیین نوع رابطه آن‌ها با یکدیگر و چگونگی رفتار کالاها در پرتفوی‌های مختلط بررسی و مشخص می‌کند که در این پرتفوی‌ها کدام نسبت‌ها برای «شاخص سهام و کالاها» جهت تصمیمات انتخاب سبد بهینه مطلوب است. هدف اصلی، بررسی فرضیه تنوع‌بخشی و پوشش ریسک (پناهگاه امن) کالاهای نقدی و آتی بورس کالای ایران در برابر سهام «در دوره‌های رونق و رکود بازار» و تعیین پرتفوی حداقل واریانس است. روش: این پژوهش از لحاظ هدف، کاربردی و از لحاظ روش پژوهش، کمّی است. رویکرد پژوهش، استنتاج (قیاس) است؛ زیرا مزایای مورد انتظار تجربی را با استفاده از اطلاعات تاریخی بررسی می‌کند. پژوهش حاضر از لحاظ نظری، در زمرۀ پژوهش‌های اثباتی قرار می‌گیرد و از لحاظ آماری، از نوع تحقیقات هم‌بستگی است (مدل‌های اقتصاد سنجی). برای این منظور، از مدل‌های رگرسیونی تست بازار، هم‌بستگی شرطی پویا (DCC-GARCH) و پرتفوی مارکوییتز در طول دوره یازده ساله، از ابتدای سال ۱۳۸۸ تا انتهای سال ۱۳۹۸ در تواتر زمانی روزانه بهره گرفته شده است. یافته‌ها: نتایج پژوهش نشان می‌دهد که کالاها «به‌تنهایی» به‌عنوان محلی برای سرمایه‌گذاری خطرناک هستند. طلا تنها کالایی است که می‌تواند شبیه یک بازار سهام فرض شود؛ زیرا طلا نیز بازده و نوسان‌های مشابه بازار سهام دارد. سایر کالاها «به‌استثنای مس»، نوسان‌های شایان توجه بیشتر با بازده کمتری نسبت به شاخص سهام دارند. در مدل تست بازار، نتایج از توانایی پوشش‌دهی مناسب برخی کالاها، به‌عنوان «پناهگاهی امن» در رژیم‌های مختلف بازار سهام (مراحل چرخۀ تجاری) حکایت دارد. در بحث تشکیل پرتفوی، اضافه‌کردن کالاها به‌صورت منفرد به پرتفوی سهام، اندکی بازده کمتری ارائه می‌دهد؛ اما با نوسان‌های پایین‌تر جبران می‌شود. از طرفی، نتایج گویای بهتر بودن عملکرد «پرتفویی از کالاها» نسبت به عملکرد «کالاهای منفرد» است. با اضافه‌کردن پرتفویی از کالاها «یا شاخص کالا» در پرتفوی مختلط، همچنان شاخص سهام وزن بیشتری در پرتفوی دارد (حدود ۹۴درصد)؛ اما متوسط ریسک پرتفوی به‌میزان بسیار زیادی کاهش یافته (حدود 557/1 واحد) و نسبت شارپ بهتری ارائه می‌دهد. نتیجه‌گیری: بر اساس یافته‌های پژوهش، به‌منظور بهره‌مندی از منافع تنوع‌بخشی، حرکت به‌سمت سرمایه‌گذاری در کالاها گزینه‌ای مناسب خواهد بود. البته، در تصمیمات مربوط به سرمایه‌گذاری «دوره‌های رونق و رکود بازار سهام» را نیز باید مد نظر قرار داد؛ زیرا طبق نتایج، فازهای چرخۀ تجاری یک شاخص قوی برای تخصیص تاکتیکی به کالاها به‌شمار می‌رود. همچنین، نتایج این مطالعه شواهدی را تأیید می‌کند که رفتار گروه‌های کالایی مختلف کاملاً متفاوت است. در نهایت، یک پوشش ریسک، لزوماً پناهگاهی امن برای بازار سهام نیست و برعکس.

https://jfr.ut.ac.ir/article_97327_e5346c53e2666827692cf055b1bd83ea.pdf

انتشارات دانشگاه تهران تحقیقات مالی 1024-8153 26 4 2024 12 21 Investigating the Hedging Capability of Cryptocurrencies in the Gold Coin and Stock Markets in Iran بررسی قابلیت پوشش‌دهی رمزارزها بر ریسک سرمایه‌گذاری در بازار سکه و سهام در ایران 815 835 97321 10.22059/frj.2024.364914.1007505 FA راضیه اسکندری دانشجوی دکتری، گروه مهندسی مالی، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران. 0009-0004-6514-9305 حسین پناهیان دانشیار، گروه حسابداری، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران. 0000-0003-2030-0281 رسول اسکندری دانشیار، گروه حسابداری، دانشگاه سالفورد، سالفورد، انگلستان. 0009-0009-2323-273X حسن قدرتی استادیار، گروه حسابداری، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران. 0009-0003-6549-411x Journal Article 2023 09 06 Objective Using cryptocurrencies to hedge against the risk of various types of assets can be considered a useful feature in cryptocurrency investment. In recent years, investment in cryptocurrencies has become more common, and many people have allocated a portion of their portfolios to cryptocurrencies. Understanding the behavior and capabilities of cryptocurrencies can help investors better manage their investments. In this research, we have studied the capability of cryptocurrencies to hedge investment portfolios in Iran's economy. We wanted to determine whether cryptocurrencies can hedge investments in the stock market and gold coins. Accordingly, we have selected two popular cryptocurrencies, namely Bitcoin and Ethereum, to investigate their capability to hedge investments in the stock and gold markets in Iran. Methods To investigate the risk hedging of common Iranian investments using cryptocurrencies, daily data related to the Tehran Stock Exchange Index and the price of the Bahar Azadi gold coin were utilized. The daily returns of the gold coin and the stock index were calculated over a four-year period from March 2019 to April 2023. Additionally, using the exchange rate of the US dollar in the free market, the daily prices of the most used cryptocurrencies (Bitcoin and Ethereum) were collected, and their daily returns were extracted. To examine the volatility of the variables, the researchers employed the multivariate GARCH autocorrelation model. For evaluating the hedging capability of cryptocurrencies based on the minimum risk approach, they used the following three methods: Constant Conditional Correlation (CCC), Dynamic Conditional Correlation (DCC), and the BEKK Diagonal Correlation Matrix. Results The results showed that cryptocurrencies can be used to hedge the risk of investments in the gold coin and stock markets in Iran. It should be noted that, based on the results, the hedge ratio of Bitcoin is larger than that of Ethereum, and to hedge the risk of investments in gold coins and stocks, Bitcoin has consistently allocated a higher percentage of the portfolio compared to Ethereum. Furthermore, it was found that the Dynamic Conditional Correlation (DCC) method provided a larger average risk hedge ratio across all portfolios. On the other hand, the results of the BEKK Diagonal Correlation method exhibited more fluctuations compared to the other approaches. Additionally, the findings indicated that during the periods from April to December 2020 and from September to March 2023, alongside the significant increase in the price of the US dollar in the country, the required weight of cryptocurrencies for hedging in investment portfolios composed of Bitcoin and gold coins, Ethereum and gold coins, as well as Bitcoin and stocks, and Ethereum and stocks increased. Conclusion Bitcoin and Ethereum can hedge investments in the Tehran Stock Exchange and the Iranian Gold Coin market. It should be noted that during times of uncertainty and devaluation of the local currency against the US dollar, greater investment in cryptocurrencies is needed to hedge investments in the gold and stock markets. هدف: پوشش ریسک انواع سرمایه‌گذاری با استفاده از رمزارزها، قابلیت مفیدی برای سرمایه‌گذاران به حساب می‌آید. با بررسی اقتصاد جهانی مشخص شده است که در سالیان اخیر، بهره‌گیری از رمزارزها افزایش یافته است و بسیاری از افراد، بخشی از سبد سرمایه خود را به رمزارزها اختصاص داده‌اند. شناخت رفتار و قابلیت‌های رمزارزها، به به‌کارگیری صحیح و سودمند آن‌ها منجر می‌شود و اطمینان سرمایه‌گذاری در رمزارزها را افزایش می‌دهد. در این پژوهش، قابلیت رمزارزها در تثبیت ارزش سبد سرمایه‌گذاری در اقتصاد ایران (به‌‏صورت موردی بازار سهام و سکۀ طلا) مطالعه شده است. بر این اساس، هدف اصلی بررسی قابلیت پوشش‌دهی رمزارزهای برتر در ریسک بازارهای سهام و سکۀ طلا در ایران است. روش: به‌منظور تحلیل کمّی قابلیت رمزارزها در پوشش‌دهی ریسک، داده‌های روزانۀ مربوط به شاخص سهام بورس اوراق بهادار تهران و قیمت سکۀ بهارآزادی گردآوری شده است. بر این اساس، از بازده سکۀ طلا و سهام در دورۀ ۴ساله، طی سال‌های ۱۳۹۸ تا انتهای سال ۱۴۰۱ استفاده شده است. همچنین با استفاده از نرخ برابری بازار آزاد دلار آمریکا، قیمت‌های روزانۀ رمزارزهای بیت‌کوین و اتریوم، در بازۀ زمانی مذکور گردآوری و پس از آن، بازده روزانه رمزارزهای منتخب محاسبه شده است. در این پژوهش، به‌منظور بررسی نوسان‌های متغیرهای مورد مطالعه، از مدل‌های خودهم‌بسته گارچ چند متغیره استفاده شده است و برای بررسی پوشش‌دهندگی رمزارزها، بر اساس رویکرد حداقل ریسک، از رهیافت‌های هم‌بستگی شرطی ثابت CCC، هم‌بستگی شرطی پویا DCC و مدل ماتریس هم‌بستگی قطری بِک BEKK استفاده شده است. یافته‌ها: نتایج نشان داد که به‌منظور پوشش ریسک سرمایه‌گذاری در سکۀ طلا و سهام در ایران، می‌توان از رمزارزها استفاده کرد و رمزارزها قابلیت پوشش‌دهی ریسک سرمایه‌گذاری در ایران را دارند. شایان ذکر است که براساس نتایج به‌دست‌آمده، مشخص شد که میزان نسبت پوشش ریسک بیت‌کوین در مقایسه با اتریوم بزرگ‌تر است و به‌منظور پوشش ریسک سرمایه‌گذاری در سکۀ طلا و سهام، رمزارز بیت‌کوین در مقایسه با اتریوم، همواره درصد بیشتری از سبد را به خود اختصاص داده است. علاوه‌براین، مشخص شد که روش هم‌بستگی شرطی پویا، در تمامی زوج سرمایه‌ها، عمدتاً میانگین نسبت پوشش ریسک بزرگ‌تری ارائه داده است. از سویی دیگر مشخص شد که نتایج حاصل از روش هم‌بستگی قطری بِک BEKK نوسان‌های به‌مراتب بیشتری نسبت به سایر روش‌های مورد مطالعه دارد. علاوه‌براین، در بازه‌های زمانی اردیبهشت ماه تا آذر ماه ۱۳۹۹ و مهرماه تا اسفندماه ۱۴۰۱، همراه با افزایش شدید قیمت دلار آمریکا در کشور، وزن لازم رمزارزها جهت پوشش‌دهی در سبدهای سرمایه متشکل از بیت‌کوین و سکه، اتریوم و سکه، بیت‌کوین و سهام و اتریوم و سهام افزایش داشته است. نتیجه‌گیری: رمزارزها قابلیت پوشش ریسک سرمایه‌گذاری در بازار سکۀ طلا و سهام را دارند. همچنین، در زمانی که افزایش قیمت دلار شدید است به‌منظور پوشش ریسک سکۀ طلا و سهام، به‌میزان سرمایه‌گذاری بیشتری در رمزارزها نیاز است.

https://jfr.ut.ac.ir/article_97321_09a824a09b7734ea1cfd2f9a34dedbfd.pdf

انتشارات دانشگاه تهران تحقیقات مالی 1024-8153 26 4 2024 12 21 Examining the Effects of Intersectoral Uncertainty Transmission Using a Time-Varying Model بررسی اثرهای سرایت نااطمینانی بین بخشی با استفاده از مدل متغیر ـ زمان 836 853 100187 10.22059/frj.2023.359630.1007466 FA حمیدرضا حمیدی دکتری، گروه مدیریت مالی، واحد قم، دانشگاه آزاد اسلامی، قم، ایران. 0000-0001-8572-577X میرفیض فلاح شمس دانشیار، گروه مدیریت، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران. 0000-0001-7989-8703 حسین جهانگیرنیا استادیار، گروه مدیریت مالی و حسابداری، واحد قم، دانشگاه آزاد اسلامی، قم، ایران. 0000-0002-2669-5045 مژگان صفا استادیار، گروه مدیریت مالی و حسابداری، واحد قم، دانشگاه آزاد اسلامی، قم، ایران. 0000-0002-7245-8753 Journal Article 2023 05 20 Objective The impact of financial and economic shocks and uncertainty is not always limited to the target market and may spread to other markets as well. Empirical research results, such as those by Jurado et al. (2015) and Gabor and Gabota (2020), indicate that the contagion of cross-sectoral uncertainty and the significance of these uncertainties are not constant over time and may change. Traditional time series regression models assume that a relationship with fixed coefficients can be applied across different time periods. The misleading results of this unrealistic assumption have led to the development of dynamic models that better reflect the realities of the external world. The state-space approach is a modeling method for dynamic systems that predicts and analyzes system behavior under these modeling conditions. One of the applications of this approach is to account for structural instability in parameters and to allow coefficients to vary over time. Models of this type are known as time-varying parameter (TVP) models. This research aims to study the reaction of the financial, housing, and macroeconomic sectors in Iran to each other's shocks, with a focus on the effects of uncertainty contagion. Methods The present study is applied in terms of purpose and correlational analysis in terms of nature and method. It is post-event and utilizes past information. In this study, a library method was used to collect theoretical sources, while an archival method was employed to gather the data needed for hypothesis testing. To examine changes in cross-sectoral uncertainty contagion, the time-varying parameter vector autoregression model (TVP-VAR) is used with monthly data from January 2008 to December 2020. In this context, uncertainty indicators are calculated using GARCH models and then tested using the TVP-VAR approach, along with an analysis of variance of the generalized prediction error of total dynamic connectedness, as well as the directional dynamic connectedness of the indicator pairs. Results The research results indicate that the primary source of uncertainty is the macroeconomic sector, which acts as the main source and transmitter of uncertainty to the other financial and housing sectors. Additionally, the housing sector is a net recipient of uncertainty from the other two sectors. The findings suggest that the contagion of uncertainty between the financial and housing sectors is bidirectional and conditionally dynamic, while the contagion of uncertainty from the macroeconomic sector to the financial and housing sectors is unidirectional. Conclusion According to the results, the contagion of cross-sectoral uncertainty and the significance of these uncertainties are not constant and change over time. Therefore, identifying the different channels of contagion between markets and pinpointing the source of contagion can help in selecting policies that reduce vulnerability and enhance the performance of asset portfolio risk management. هدف: تکانه‌های مالی و اقتصادی و نااطمینانی در تغییرات آن، همواره به بازار هدف محدود نیست و ممکن است به سایر بازارها نیز سرایت کند. نتایج تحقیقات تجربی مانند جورادو و همکاران (۲۰۱۵) و گابور و گابوتا (۲۰۲۰) نشان می‌دهند که سرایت‌عدم قطعیت بین‌بخشی و همچنین اهمیت این‌عدم قطعیت‌ها در طول زمان ثابت نیست و دچار تغییر می‌شوند. در مدل‌های رگرسیون سری زمانی سنتی، فرض می‌شود که می‌توان از رابطه با ضرایب ثابت در زمان‌های مختلف استفاده کرد. نتایج نادرست این فرض غیر واقعی، مدل‌های پویایی را به‌وجود آورده است که بیشتر شبیه واقعیت دنیای بیرون است. رویکرد فضای حالت یکی از روش‌های مدل‌سازی سیستم‌های پویا است که رفتار سیستم را در این شرایط مدل‌سازی، پیش‌بینی و تجزیه‌وتحلیل می‌کند. یکی از کاربردهای این رویکرد این است که امکان ناپایداری ساختاری در پارامترها را فراهم می‌کند و اجازه می‌دهد تا ضرایب در طول زمان متغیر باشند. مدل‌هایی از این دست تحت عنوان مدل‌های پارامتر زمان ـ متغیر TVP شناخته می‌شوند. هدف از این تحقیق، واکنش بخش‌های مالی، مسکن و اقتصاد کلان در ایران، به تکانه‌های یکدیگر با تأکید بر اثرهای سرایت نااطمینانی است. روش: پژوهش حاضر از لحاظ هدف کاربردی و از لحاظ ماهیت و روش از نوع تحلیل هم‌بستگی است. از نظر ویژگی و جهت داده‌ها، پس‌رویدادی و از طریق اطلاعات گذشته است. در پژوهش حاضر برای جمع‌آوری منابع نظری، از روش کتابخانه‌ای و برای جمع‌آوری داده‌های مورد نیاز به‌منظور آزمون فرضیه‌ها، از روش آرشیوی استفاده شده است. برای آزمون تغییرات سرایت نااطمینانی بین‌بخشی، از مدل خودرگرسیون برداری با پارامترزمان ـ متغیر (TVP-VAR) و داده‌های ماهانه، از فروردین ۱۳۸۷ تا اسفند ۱۳۹۸ استفاده شده است. در این راستا، ابتدا شاخص‌های نااطمینانی با استفاده از مدل‌های قارچ محاسبه شد و در ادامه با بهره‌گیری از رهیافت TVP-VAR و تجزیه واریانس خطای پیش‌بینی تعمیم‌یافته، رابطۀ کل پویا و همچنین رابطۀ پویای جهت‌دار جفت شاخص‌ها آزمون شد. یافته‌ها: نتایج پژوهش نشان می‌دهد که منبع عمده نااطمینانی، بخش اقتصاد کلان است و این بخش به‌صورت عمده، منبع و انتقال‌دهندۀ نااطمینانی به سایر بخش‌های مالی و مسکن است. همچنین بخش مسکن به‌صورت خالص دریافت‌کنندۀ نااطمینانی از دو بخش دیگر است. در نتیجه می‌توان استدلال کرد که سرایت نااطمینانی بین بخش مالی و بخش مسکن، دو سویه و به‌صورت هم‌بستگی شرطی پویا بوده است؛ ولی سرایت نااطمینانی از بخش کلان اقتصادی به بخش مالی و بخش مسکن یک سویه است. نتیجه‌گیری: مطابق نتایج، سرایت نااطمینانی بین بخشی و همچنین اهمیت این نااطمینانی‌ها ثابت نیست و در طول زمان تغییر می‌کند؛ از این رو با توجه به متفاوت بودن کانال‌های ارتباطی سرایت نوسان‌ها میان بازارها شناسایی منبع سرایت به انتخاب سیاستی که آسیب‌پذیری را در برابر سرایت کاهش دهد، کمک شایانی خواهد کرد و عملکرد مدیریت ریسک سبد دارایی‌ها را افزایش خواهد داد.

https://jfr.ut.ac.ir/article_100187_82359a931cad4216d2c26928d1601427.pdf

انتشارات دانشگاه تهران تحقیقات مالی 1024-8153 26 4 2024 12 21 Forecasting Insurance Company Commitments with Long Short-Term Memory Models پیش‌بینی تعهدهای آتی شرکت‌های بیمه با استفاده از مدل حافظۀ بلندمدت ـ کوتاه‌مدت 854 879 97319 10.22059/frj.2024.367421.1007532 FA نگار طهرانی یزدی دانشجوی دکتری، گروه مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. 0009-0008-8785-8048 رضا واعظی استاد، گروه مدیریت دولتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. 0000-0001-6589-1658 سعید ستایشی استاد، گروه آموزشی مهندسی هسته‌ای، دانشکده فیزیک و مهندسی انرژی، دانشگاه صنعتی امیرکبیر، تهران، ایران. 0000-0002-0569-6946 ایمان رئیسی وانانی دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. 0000-0001-8324-9896 Journal Article 2023 11 01 Objective This study aims to present a novel model for predicting the future commitments of insurance companies that can adequately address the potential challenges of traditional methods. Traditionally, insurance companies use the Chain Ladder approach as a statistical tool to forecast the trend of claims development. This statistical method is favored by regulatory authorities in various countries due to its simplicity in assumptions and clear interpretation. However, certain assumptions, such as the stability of data development and linear relationships between variables, can affect the efficiency of this model when faced with internal policies or external factors like the COVID-19 pandemic. Forecasting future commitments close to reality is closely related to the financial stability of insurance companies. The amount that insurance companies allocate to meet their future obligations is identified as reserves. Calculating reserves that are less than the required amounts can pose challenges for insurance companies in fulfilling their commitments while calculating more than necessary amounts can negatively impact the financial statements of insurance companies. Methods In this study, a dynamic model based on machine learning algorithms is proposed. The model's output, which combines the number and timing of bodily injury accidents, plays a crucial role in calculating reserves for non-life insurance products. This model is specifically trained to predict the frequency of accidents in Vehicle Third-Party Liability Insurance. It can identify hidden patterns and non-linear, complex relationships within claims data. A Long Short-Term Memory (LSTM) neural network algorithm is employed, recognized for its strong predictive capability in time series data. The model is trained using historical data from Karafarin Insurance Company covering the years 2017 to 2021. Results The performance of the model is highly related to the hyperparameters chosen for the model. Two of the most common approaches for tuning the hyperparameters are tested in this study. These Two models are grid and random search. The Root Mean Square Error (RMSE) is used as a performance metric, and it indicates that the grid search has a lower RMSE than the random search for the training data with a slight difference (16.33 versus 17.4). However, the results for the test data in the grid search have a sign of overfitting. Conclusion This study recommends using random search for tuning the hyperparameters of the model to predict the frequency of daily incidents. The evaluation of the two approaches for tuning hyperparameters indicates that random search is more suitable for working with unfamiliar data and managing overfitting situations. Overfitting occurs when the model becomes overly influenced by the training data, learning not only the actual patterns but also the noise and minor details of the data. This issue can negatively impact the model's generalization ability. هدف: این پژوهش به‌دنبال ارائۀ مدلی برای محاسبۀ تعهدهای آتی شرکت‌های بیمه است تا به چالش‌های بالقوۀ موجود در روش سنتی پاسخ مناسبی دهد. به‌صورت سنتی، شرکت‌های بیمه از روش زنجیرۀ نردبانی، به‌عنوان نوعی ابزار آماری، برای پیش‌بینی روند توسعۀ خسارت‌ها استفاده می‌کنند. این روش آماری به‌دلیل سادگی فرضیه‌ها و تفسیر روشن، تأیید نهادهای نظارتی در کشورهای مختلف را نیز به همراه دارد. با این حال، وجود فرضیه‌هایی نظیر ایستایی در ساختار توسعۀ داده‌ها و ارتباط خطی بین متغیرها، ممکن است کارایی مدل را در مواجهه با تغییرات ناشی از عوامل داخل و خارج از سازمان، مانند اِعمال سیاست‌های داخلی یا عوامل خارجی مانند همه‌گیری کووید۱۹ متأثر سازد. محاسبۀ نزدیک به واقعیت تعهدهای شرکت‌های بیمه با توانگری مالی آن‌ها ارتباط تنگاتنگی دارد. مبلغی که شرکت‌های بیمه برای پاسخ به تعهدهای آتی خود تخصیص می‌دهند، به‌عنوان ذخیره شناسایی می‌شود. محاسبۀ ذخایر کمتر از تعهدهای آتی، شرکت بیمه را در ایفای تعهدهایش دچار مشکل می‌کند و از سویی دیگر، محاسبۀ بیش از مبلغ مورد نیاز، صورت‌های مالی شرکت‌های بیمه را تحت تأثیر قرار می‌دهد. روش: مدل ارائه شده در این پژوهش با استفاده از یادگیری ماشین و هوش مصنوعی، تعداد حوادث روزانه با خسارت‌های جانی را در بخش بیمۀ شخص ثالث پیش‌بینی می‌کند. خروجی این مدل، یعنی ترکیب تعداد و زمان وقوع حوادث، در محاسبۀ تعهدهای آتی و ذخیرۀ خسارت در این بخش بیمه‌ای نقش کلیدی دارد. این مدل با کمک داده‌های تاریخی خسارت بیمه‌گذاران شرکت بیمۀ کارآفرین، در بخش بیمۀ شخص ثالث آموزش دیده است. این مدل قادر است لایه‌های پنهان و ارتباطات غیرخطی و پیچیدۀ بین داده‌های خسارتی را شناسایی کند. در این پژوهش، از الگوریتم شبکۀ عصبی با حافظۀ بلندمدت ـ کوتاه‌مدت که در سری‌های زمانی توانایی پیش‌بینی بیشتری دارد، استفاده شده است. داده‌های تاریخی مربوط به خسارت‌های جرحی بیمه‌گذاران، در بازۀ زمانی فروردین ۱۳۹۶ تا شهریور ۱۴۰۰ بوده است. یافته‌ها: کارایی مدل با بهینه‌سازی ابرپارامترها ارتباط نزدیک دارد. برای بهینه‌سازی مدل دو رویکرد، یعنی جست‎وجوی شبکه‌ای و تصادفی برای شناسایی ابرپارامترها با یکدیگر مقایسه شده‌اند. میانگین مربعات خطا به‌عنوان شاخص سنجش عملکرد در نظر گرفته شده است. این شاخص برای داده‌های آموزش، در هر دو مدل با فاصلۀ کمی از یکدیگر (33/16 در مقابل 4/17) برتری جست‌‎وجوی شبکه‌ای را نشان می‌دهد؛ اما در این روش، نتیجۀ داده‌های آزمون از داده‌های آموزش بهتر بود (22/15 در برابر 33/16) که این امر می‌تواند نشانه‌ای از وقوع بیش‌پردازش باشد. نتیجه‌گیری: این مقاله برای طراحی مدل پیش‌بینی تعداد روزانۀ حوادث با خسارت‌های جانی، استفاده از روش جست‎وجوی تصادفی را برای تنظیم ابرپارامترهای مدل طراحی شده بر مبنای شبکۀ عصبی حافظۀ بلندمدت ـ کوتاه‌مدت پیشنهاد می‌کند؛ زیرا مدل طراحی‌شده بر این مبنا، بر مشکل بیش‌پردازش غلبه می‌کند و می‌تواند در کار با داده‌های ناآشنا عملکرد مناسبی داشته باشد. بیش‌پردازش زمانی رخ می‌دهد که مدل بیش از حد از داده‌های آموزشی تأثیر بگیرد و نه تنها الگوهای واقعی را یاد بگیرد، بلکه نویزها و جزئیات جزئی داده‌ها را نیز یاد بگیرد. این ممکن است باعث کاهش جامع‌پذیری مدل شود.

https://jfr.ut.ac.ir/article_97319_7a4a9663f4e919c9d869cc8ee1d8743a.pdf

انتشارات دانشگاه تهران تحقیقات مالی 1024-8153 26 4 2024 12 21 The Relationship between Financial Leverage and Financial Performance: Emphasizing Financial Distress and Currency Crisis in the Tehran Stock Exchange ارتباط بین اهرم مالی با عملکرد مالی با تأکید بر درماندگی مالی و بحران ارزی در بورس اوراق بهادار تهران 880 903 97320 10.22059/frj.2023.366503.1007521 FA ابراهیم عباسی استاد، گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران. 0000-0001-6156-2419 فاطمه محمدی مقدم کارشناس ارشد، گروه مدیریت مالی، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران. 0000-0002-7760-7447 حسن قالیباف اصل دانشیار، گروه مدیریت مالی، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران. 0000-0002-0359-6597 Journal Article 2023 10 10 Objective The main objective of this article is to examine the relationship between financial leverage and financial performance. After identifying this relationship, the moderating effect of financial distress on the strengths and weaknesses of this relationship will be investigated. Then, due to the importance of the effect of the currency crisis on the financial performance of companies, the effect of this moderating variable on the relationship between financial leverage and financial performance is also examined. Methods The statistical population investigated in this research comprises companies listed on the Tehran Stock Exchange during the period from 2013 to 2022. The data needed to analyze the relationships were collected using the library research method, utilizing databases from the Central Bank of Iran, the World Bank, and Codal. Systematic elimination was employed in the population to account for limitations, resulting in a final sample of 114 companies from various sectors of the Tehran Stock Exchange, excluding the financial and investment sectors. In this research, financial leverage is considered the independent variable, while financial performance measures such as return on assets, return on equity, Tobin's q, return on sales (ROS), and return on cash flow are treated as dependent variables. Financial distress and the currency crisis serve as moderating variables. Data were analyzed using correlation analysis and multivariate regression, with the Estimated Generalized Least Squares (EGLS) method applied to fit the model. Results The findings indicate that financial leverage has a significant negative impact on financial performance, and this effect is attenuated in companies that face a higher risk of financial distress. Furthermore, the results suggest that a currency crisis intensifies the negative relationship between financial leverage and financial performance. Conclusion The negative relationship between financial leverage and a company's financial performance indicates that as a company increases its debt level, the rise in borrowing costs outweighs the benefits. Managers can enhance the company's financial performance by reducing financial leverage levels and planning to increase internal funds, which should be considered an essential strategy to improve performance and mitigate external financing constraints. In high-risk financial distress conditions, the negative effect of financial leverage on financial performance tends to diminish. Management issues and the absence of operational and control systems are more pronounced in companies at a higher risk of financial distress; therefore, monitoring, limiting, and enhancing company efficiency due to high financial leverage will have a significantly positive effect on the financial performance of companies facing a high risk of financial distress (including payment defaults, bankruptcy, and liquidation). It can be asserted that higher financial leverage can improve the financial performance of companies due to its disciplinary role. Additionally, during a currency crisis, which typically results in higher inflation, investment costs and the utilization of loans and financial resources will increase. Reducing financial leverage during such crises, when access to foreign financial resources becomes more expensive and difficult, may lead to improved financial performance for the company. هدف: هدف اصلی این مقاله، بررسی ارتباط بین اهرم مالی و عملکرد مالی است. پس از مشخص‌شدن این ارتباط، اثر تعدیلگری درماندگی مالی بر شدت و ضعف این رابطه بررسی خواهد شد؛ سپس با توجه به اهمیت اثر بحران ارزی بر عملکرد مالی شرکت‌ها، اثر این متغیر تعدیلگر نیز بر رابطۀ بین اهرم مالی و عملکرد مالی بررسی می‌شود. روش: جامعۀ آماری پژوهش، شرکت‌های بورس اوراق بهادار تهران در دورۀ زمانی ۱۳۹۲ تا ۱۴۰۱ است. داده‌های موردنیاز برای تحلیل رابطۀ بین داده‌ها، به‌روش کتابخانه‌ای و با استفاده از وبگاه‌های بانک مرکزی، بانک جهانی و کدال استخراج شده است. با استفاده از روش حذف سیستماتیک در جامعه، محدودیت‌هایی در نظر گرفته شد و پس از اِعمال محدودیت‌ها، ۱۱۴ شرکت از صنایع مختلف بورس اوراق بهادار تهران، به‌جز صنعت مالی و سرمایه‌گذاری برای نمونه انتخاب شد. در این پژوهش اهرم مالی به‌عنوان متغیر مستقل؛ عملکرد مالی، بازده دارایی‌ها، بازده حقوق صاحبان سهام، شاخص کیو توبین، نرخ بازده فروش و نرخ بازده جریان نقدی به‌عنوان متغیر وابسته و درماندگی مالی و بحران ارزی به‌عنوان متغیر تعدیلگر در نظر گرفته شد. داده‌ها با استفاده از روش تحلیل هم‌بستگی و رگرسیون چندمتغیره تجزیه‌وتحلیل شد. برای برازش مدل، از روش حداقل مربعات تعمیم‌یافته (EGLS) استفاده شد. یافته‌ها: یافته‌ها نشان می‌دهد که اهرم مالی بر عملکرد مالی تأثیر منفی معناداری دارد و این تأثیر، برای شرکت‌هایی با ریسک درماندگی مالی بالاتر، ضعیف‌تر است. به‌علاوه، شواهد حاصل از یافته‌ها نشان می‌دهد که بحران ارزی، ارتباط منفی بین اهرم مالی و عملکرد مالی را تشدید می‌کند. نتیجه‌گیری: ارتباط منفی بین اهرم مالی و عملکرد مالی، نشان می‌دهد زمانی که شرکت‌ها سطح بدهی‌های خود را افزایش می‌دهند، افزایش هزینه‌های بدهی غالب است و از منافع آن فراتر می‌رود. مدیران می‌توانند با کاهش سطح اهرم مالی، عملکرد شرکت را بهبود بخشند و با برنامه‌ریزی برای افزایش وجوه داخلی، آن را به‌عنوان ابزاری مهم برای ارتقای عملکرد خود و جلوگیری از محدودیت‌های مالی خارجی در نظر بگیرند. در شرایط ریسک درماندگی مالی بالا، اثر منفی اهرم مالی بر عملکرد مالی کاهش می‌باید. مشکلات مدیریتی و کمبود سیستم‌های عملیاتی و کنترلی در شرکت‌هایی با ریسک درماندگی مالی بالا شدیدتر است؛ بنابراین، نظارت، محدودیت و افزایش کارایی شرکت ناشی از اهرم مالی بالا، بر عملکرد مالی شرکت‌هایی تأثیر مثبت قوی خواهد داشت که ریسک درماندگی مالی (شامل وضعیت نکول در پرداخت‌ها، فرایند ورشکستگی و انحلال) بالایی دارند. می‌توان گفت اهرم مالی بالاتر، به‌دلیل نقش انضباطی خود، عملکرد مالی شرکت‌ها را ارتقا می‌دهد. علاوه‌براین، بحران ارزی به‌دلیل ایجاد تورم بالاتر، به افزایش هزینه‌های سرمایه‌گذاری و استفاده از وام و تسهیلات مالی منجر خواهد شد. کاهش سطح اهرم مالی در زمان بحران ارزی که دسترسی به منابع مالی خارجی گران‌تر و دشوارتر می‌شود، می‌تواند به بهبود عملکرد مالی شرکت منجر شود.

https://jfr.ut.ac.ir/article_97320_b3aa1cf0bf964b2f122eab9d18e8e789.pdf

انتشارات دانشگاه تهران تحقیقات مالی 1024-8153 26 4 2024 12 21 Option Pricing Based on Modular Neural Network ارزش‌گذاری اوراق اختیار معامله بر اساس شبکۀ عصبی ماژولار 904 939 97657 10.22059/frj.2024.372265.1007573 FA مسلم پیمانی فروشانی دانشیار، گروه مالی و بانکداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. 0000-0001-8507-4014 محمد علی دهقان دهنوی استادیار، گروه مالی و بانکداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. 0000-0002-3913-1919 میلاد کوه کن کارشناسی ارشد، گروه مهندسی مالی و مدیریت ریسک، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. 0009-0009-3175-1716 Journal Article 2024 02 13 Objective Hedging the risk caused by price volatility using options relies on an accurate and appropriate valuation of those options. Therefore, the purpose of this research is to value the options traded on the Tehran Stock Exchange using modular neural networks. The study will also compare the performance of these modular neural networks with the most renowned options valuation models, namely the Black-Scholes-Merton model and the multi-layer perceptron neural network model. Methods For this research, data on call options traded on the Tehran Stock Exchange from March 2018 to March 2022 were utilized. Initially, after removing outlier data, 80% of the dataset was designated as training data, while the remaining 20% was set aside as test data. To facilitate a comparison of results obtained from different models, these two subsets of data remained constant throughout the research. In this study, the theoretical prices generated by each model were compared with the market prices traded on the Tehran Stock Exchange using MSPE, RMSPE, and MAPE statistical criteria. To calculate the prediction error for the Black-Scholes-Merton model, the theoretical price of options was first obtained using its pricing formula. Subsequently, the theoretical prices derived from the Black-Scholes-Merton equation were compared with their corresponding market prices. In the neural network models, option prices were predicted using Python and its machine learning algorithms. Finally, the predicted prices from the models were compared with the market prices of the same options. To assess the significant differences between each model and the others, the Paired Sample Test of the mean percentage of errors was employed. Results This research showed that, from the perspective of the RMSPE criterion, the developed neural network model with implied volatility has the lowest error and has the best performance in valuing call options across all monetary positions and periods compared to other investigated models. However, the performance of the developed multi-layer perceptron neural network model with implied volatility has been slightly better than that of its modular counterpart. Following this, the neural networks developed with historical volatility, the neural networks with discrete data, the Black-Scholes and Merton model, and the modular neural network model proposed by Gradoevich et al. (2009) have been the most accurate, respectively. From the perspective of the MAPE criterion, the developed neural network model with implied volatility has performed the best; however, among all the neural network models, the multi-layer perceptron neural network has outperformed the modular model. Conclusion Modular neural network models can outperform the Black-Scholes and Merton models. Incorporating implied volatility enhances the performance of neural networks in options valuation. However, when considering the RMSPE criterion, modular neural networks trained with historical volatility perform better than multi-layer perceptron neural networks. In contrast, for models using implied volatility, the modular neural network does not achieve better performance than the multi-layer perceptron neural network. Overall, neural networks utilizing implied volatility—whether in modular or multi-layer perceptron configurations—exhibit superior performance in long-term periods and in ITM (in-the-money) moneyness situations. هدف: پوشش ریسک ناشی از نوسان قیمت‌ها با استفاده از اوراق اختیارمعامله، به ارزش‌گذاری دقیق و مناسب برای اوراق اختیار معامله وابسته است. به همین دلیل، هدف از این پژوهش، ارزش‌گذاری اوراق اختیارمعامله در بورس اوراق بهادار تهران با شبکه‌های عصبی ماژولار و مقایسۀ عملکرد هر یک از این شبکه‌های عصبی ماژولار با معروف‌ترین مدل ارزش‌گذاری اوراق اختیارمعامله، یعنی مدل بلک، شولز و مرتون و مدل شبکۀ عصبی پرسپترون چندلایه است. روش: برای این پژوهش، از داده‌های اختیارمعامله خرید که از ابتدای سال ۱۳۹۷ تا انتهای سال ۱۴۰۱، در بورس اوراق بهادار تهران معامله شده‌اند، استفاده شده است. در ابتدا پس از حذف داده‌های پرت، ۸۰ درصد داده‌ها، به‌عنوان داده‌های آموزش و ۲۰ درصد باقی‌مانده، به‌عنوان داده‌های آزمون در نظر گرفته شدند. برای امکان مقایسه بین نتایج به‌دست‌آمده از مدل‌های مختلف، در طول پژوهش این دو بخش از داده‌ها ثابت بودند. در این پژوهش با استفاده از معیارهای آماری MSPE، RMSPE و MAPE، قیمت نظری به‌دست‌آمده از هر مدل با قیمت‌های معامله‌شده در بورس اوراق بهادار تهران مقایسه شد. برای محاسبۀ خطای پیش‌بینی در مدل بلک، شولز و مرتون، ابتدا با استفاده از فرمول قیمت‌گذاری آن، قیمت تئوریک اوراق اختیار معامله به‌دست آمد؛ سپس قیمت‌های تئوریک به‌دست‌آمده از رابطۀ بلک، شولز و مرتون با قیمت‌های بازاری آن‌ها مقایسه شد. در مدل‌های شبکۀ عصبی نیز، ابتدا قیمت اوراق اختیار معامله با استفاده از پایتون و الگوریتم‌های یادگیری ماشین آن پیش‌بینی شد و در نهایت، قیمت پیش‌بینی‌شده توسط مدل‌ها و قیمت بازاری همان اختیار معامله مقایسه شد. در پایان، برای بررسی اختلاف معنادار هر مدل با سایر مدل‌ها، از آزمون مقایسۀ زوجی میانگین درصد خطاها استفاده شد. یافته‌ها: این پژوهش نشان داد که از منظر معیار RMSPE مدل شبکه‌های عصبی توسعه‌یافته با نوسان‌های ضمنی، در ارزش‌گذاری اوراق اختیارمعامله خرید در تمام موقعیت‌های پولی و دوره‌های زمانی نسبت به سایر مدل‌های بررسی‌شده، کمترین میزان خطا و بهترین عملکرد را داشته است؛ با این حال اندکی عملکرد مدل شبکۀ عصبی پرسپترون چندلایه توسعه‌یافته با نوسان‌های ضمنی، بهتر از حالت ماژولار آن بوده است. پس از آن، به‌ترتیب مدل شبکه‌های عصبی توسعه‌یافته با نوسان‌های تاریخی، مدل شبکه‌های عصبی با داده‌های مجزا، مدل بلک، شولز و مرتون و مدل شبکۀ عصبی ماژولار پیشنهادی گرادویویچ، گِنجای و کوکولج (۲۰۰۹) بیشترین دقت را داشته‌اند. از منظر معیار MAPE نیز، همچنان مدل‌های توسعه‌یافته با نوسان‌های ضمنی بهترین عملکرد را داشته‌اند؛ ولی در تمام مدل‌های شبکۀ عصبی، عملکرد شبکۀ عصبی پرسپترون چندلایه نسبت به حالت ماژولار بهتر بوده است. نتیجه‌گیری: مدل‌های شبکۀ عصبی ماژولار، نسبت به مدل بلک، شولز و مرتون، می‌توانند عملکرد بهتری داشته باشند. نوسان‌های ضمنی می‌تواند سبب بهبود عملکرد شبکه‌های عصبی در ارزش‌گذاری اوراق اختیارمعامله شود. از طرفی از منظر معیار RMSPE در مدل‌های شبکۀ عصبی توسعه‌یافته با نوسان‌های تاریخی، شبکۀ عصبی ماژولار عملکرد بهتری نسبت به شبکۀ عصبی پرسپترون چندلایه خواهد داشت؛ ولی در مدل‌های شبکۀ عصبی توسعه‌یافته با نوسان‌های ضمنی، شبکۀ عصبی ماژولار نمی‌تواند عملکرد بهتری نسبت به شبکۀ عصبی پرسپترون چندلایه به ثبت برساند. به‌طور کلی شبکه‌های عصبی توسعه‌یافته با نوسان‌های ضمنی، چه در حالت ماژولار و چه در حالت پرسپترون چندلایه، در دوره‌های زمانی بلندمدت و همچنین در موقعیت‌های پولی ITM بهترین عملکرد را داشته‌اند.

https://jfr.ut.ac.ir/article_97657_165cc87db6197ddc4cd3ae6039f9effe.pdf

انتشارات دانشگاه تهران تحقیقات مالی 1024-8153 26 4 2024 12 21 Stock Market Entry Timing and Retail Investors' Disposition Effect زمان‌سنجی ورود به بازار سهام و اثر تمایلی سرمایه‌گذاران 940 962 100607 10.22059/frj.2024.378438.1007618 FA رضا عیوضلو استادیار، گروه بازارها و نهادهای مالی، دانشکده حسابداری و علوم مالی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران. 0000-0002-9336-078X رضا راعی استاد، گروه بازارها و نهادهای مالی، دانشکده حسابداری و علوم مالی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران. فرزاد رضایی کارشناس ارشد، گروه مالی، دانشکده حسابداری و علوم مالی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران. 0009-0000-1040-2773 Journal Article 2024 06 23 Objective This study aims to examine the existence and intensity of the disposition effect among individual investors in the Iranian stock market. The disposition effect refers to the tendency of investors to sell winning stocks (stocks with gains) and hold losing stocks (stocks with losses). This behavioral bias can lead to suboptimal decision-making in the market and reduce investors' profitability. The primary objective of this research is to analyze the factors that influence this behavior and to investigate the relationship between market conditions, investors' timing of entry into the market, and the intensity of the disposition effect. Specifically, the study seeks to answer whether factors such as market returns, volatility, and economic uncertainty increase the likelihood of individual investors exhibiting the disposition effect. The study is based on the hypothesis that investors who enter the market during periods of uncertainty and high volatility are more likely to display this behavioral bias. Methods This research utilizes detailed trading data of individual investors. The data includes transaction records such as the date, direction, price, and volume of each trade, as well as personal information of the investors, such as age, gender, trading experience, and total account balance. To analyze the disposition effect and assess its intensity among individual investors, survival analysis and regression models are employed. The survival analysis method allows researchers to track the timing of investors' entry into the market and examine how it influences their behavior over time. Additionally, regression models are used to explore the relationship between market-related variables and personal characteristics of investors with the intensity of the disposition effect. These models help researchers understand how factors such as market volatility, market returns, and other economic indicators influence emotional and irrational decision-making among investors. Results The results of the analysis indicate that individual investors who enter the market during periods characterized by low market returns, high volatility, and economic uncertainty are more likely to display the disposition effect. In other words, during times of market instability and heightened economic uncertainty, these investors tend to hold on to losing stocks and sell winning stocks at a higher rate. This finding highlights the significant impact that market conditions have on investors' emotional and irrational decision-making processes. Investors are more prone to making behaviorally driven decisions based on fear and anxiety during periods of economic uncertainty, which ultimately leads to a reduction in their overall returns. Furthermore, the findings suggest that investors' trading experience and personal characteristics such as age and gender can also influence the intensity of the disposition effect. Conclusion This study demonstrates that the disposition effect not only exists among individual investors but is also influenced by market conditions and personal characteristics. Specifically, investors tend to display a stronger disposition effect during periods of low market returns, high volatility, and economic uncertainty. These results can help investors and policymakers better understand the impact of behavioral factors on investment decision-making and, as a result, adopt more effective strategies to manage emotional biases among investors. Additionally, this research underscores the importance of education and awareness in mitigating the effects of behavioral biases in financial decision-making, thus preventing irrational and detrimental decisions in the market. هدف: پژوهش حاضر به بررسی وجود و شدت اثر تمایلاتی در میان سرمایه‌گذاران حقیقی در بازار سهام می‌پردازد. اثر تمایلاتی به تمایل سرمایه‌گذاران برای فروش سهام در سود (سهام برنده) و نگهداری سهام در زیان (سهام بازنده) اشاره دارد. این سوگیری رفتاری می‌تواند به تصمیم‌گیری‌های نادرست در بازار منجر شود و سودآوری سرمایه‌گذاران را کاهش دهد. هدف اصلی این مطالعه، تحلیل عوامل تأثیرگذار بر این رفتار و بررسی ارتباط میان شرایط بازار و زمان‌بندی ورود سرمایه‌گذاران به بازار با شدت این اثر است. به‌طور خاص، این پژوهش به‌دنبال پاسخ به این سؤال است که آیا شرایطی مانند بازده بازار، نوسان‌ها و عدم‌قطعیت اقتصادی می‌تواند تمایل به اثر تمایلاتی را در میان سرمایه‌گذاران افزایش دهد یا خیر. این مطالعه بر این فرضیه استوار است که سرمایه‌گذارانی که در شرایط‌عدم اطمینان و نوسان‌های بالای بازار وارد می‌شوند، به نشان دادن اثر تمایلاتی تمایل بیشتری خواهند داشت. روش: در این پژوهش از داده‌های معاملاتی دقیق مرتبط با سرمایه‌گذاران حقیقی استفاده شده است. این داده‌ها شامل سوابق معاملاتی نظیر تاریخ، جهت، قیمت و حجم هر معامله و همچنین اطلاعات شخصی سرمایه‌گذاران شامل سن، جنسیت، تجربه معاملاتی و موجودی حساب است. برای تحلیل اثر تمایلاتی و بررسی شدت آن در میان سرمایه‌گذاران حقیقی، از روش تجزیه‌وتحلیل بقا و مدل رگرسیون استفاده شده است. روش تجزیه‌وتحلیل بقا، به محققان اجازه می‌دهد تا زمان‌های ورود سرمایه‌گذاران به بازار و تأثیر آن بر رفتارهایشان را در طول زمان بررسی کنند. همچنین، مدل رگرسیون برای بررسی ارتباط میان متغیرهای مرتبط با بازار و متغیرهای شخصی سرمایه‌گذاران با شدت اثر تمایلاتی به‌کار گرفته شده است. این مدل‌ها به پژوهشگران کمک می‌کنند تا رابطه بین نوسان‌های بازار، بازده بازار و سایر عوامل اقتصادی با تصمیم‌گیری‌های احساسی سرمایه‌گذاران را بررسی کنند. یافته‌ها: نتایج تحلیل‌ها نشان می‌دهد که سرمایه‌گذاران حقیقی که در ابتدای ورود به بازار با شرایطی مانند بازده پایین بازار، نوسان‌های بالا و عدم‌قطعیت اقتصادی مواجه می‌شوند، به نشان دادن اثر تمایلاتی تمایل بیشتری دارند. به عبارت دیگر، این سرمایه‌گذاران در دوره‌هایی که بازار تحت تأثیر نوسان‌های شدید وعدم قطعیت‌های اقتصادی قرار دارد، بیشتر به نگهداری سهام بازنده و فروش سهام برنده تمایل دارند. این موضوع نشان می‌دهد که شرایط بازار به‌شدت بر تصمیم‌گیری‌های احساسی و غیرمنطقی سرمایه‌گذاران تأثیرگذار است. سرمایه‌گذاران در دوره‌های‌عدم قطعیت اقتصادی، بیشتر به تصمیم‌گیری‌های رفتاری مبتنی بر ترس و اضطراب روی می‌آورند که به کاهش بازده کلی آن‌ها منجر می‌شود. علاوه‌براین، یافته‌ها نشان می‌دهد که تجربه معاملاتی و سایر ویژگی‌های شخصی سرمایه‌گذاران، نظیر سن و جنسیت نیز می‌تواند بر شدت اثر تمایلاتی تأثیرگذار باشد. نتیجه‌گیری: این پژوهش نشان می‌دهد که اثر تمایلاتی، نه تنها در میان سرمایه‌گذاران حقیقی وجود دارد، بلکه شدت این تأثیرها ممکن است با توجه به شرایط بازار و ویژگی‌های فردی سرمایه‌گذاران متفاوت باشد. به‌طور خاص، سرمایه‌گذاران در دوره‌هایی که با بازده پایین بازار، نوسان‌های بالا یا عدم‌قطعیت اقتصادی مواجهند، تمایل بیشتری به نشان دادن این اثر دارند. این نتایج می‌تواند به سرمایه‌گذاران و سیاست‌گذاران بازارهای مالی کمک کند تا درک بهتری از تأثیر عوامل رفتاری بر تصمیم‌گیری‌های سرمایه‌گذاری داشته باشند و در نتیجه، استراتژی‌های بهتری برای مدیریت رفتارهای احساسی سرمایه‌گذاران اتخاذ کنند. علاوه‌براین، پژوهش حاضر بر اهمیت آموزش و آگاهی‌بخشی به سرمایه‌گذاران در زمینه تأثیرهای ناشی از سوگیری‌های رفتاری در تصمیم‌گیری‌های مالی تأکید می‌کند تا از تصمیمات غیرمنطقی و زیان‌بار در بازار جلوگیری شود.

https://jfr.ut.ac.ir/article_100607_5b87b2d4650e7c50ce1441376fdcad95.pdf

انتشارات دانشگاه تهران تحقیقات مالی 1024-8153 26 4 2024 12 21 Sensitivity of Firms' Investment to Uncertainty and Cash Flow حساسیت سرمایه‌گذاری شرکت‏ها به عدم ‏اطمینان و جریان نقدی 963 993 101246 10.22059/frj.2025.383957.1007657 FA طاهر پرکاوش دکتری، گروه مالی و حسابداری، دانشکده مدیریت و حسابداری، دانشکدگان فارابی، دانشگاه تهران، قم، ایران. 0000-0001-7372-055X عزت اله عباسیان استاد، گروه مهندسی مالی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران. 0000-0001-8364-6461 وحید محمودی استاد، گروه بازارها و نهادهای مالی، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران. 0000-0002-1183-7565 Journal Article 2024 10 17 Objective One of the most important financial decisions companies make is investment decisions. The purpose of investment decisions is to obtain a higher return, and to obtain a suitable return through investment, accurate knowledge of the effective factors is essential, because fluctuations in investment can come from various sources. According to real option theory, uncertainty plays a crucial role in shaping investment decisions for companies. This is because uncertainty impacts the future cash flows of companies and increases information asymmetry between managers and shareholders. Therefore, uncertainty is a key factor that must be considered in investment decisions, as it plays a decisive role in shaping those decisions. The main goal of the research is to investigate the sensitivity of companies' investment to uncertainty and cash flow in companies listed on the Tehran Stock Exchange. Additionally, this study aims to expand the investment literature by investigating the impact of various forms of uncertainty (firm-specific uncertainty, market uncertainty, economic uncertainty, and Capital Asset Pricing Model (CAPM)-based uncertainty) on investment. Furthermore, this study empirically tests the effect of cash flow on the relationship between different forms of uncertainty and company investment. Methods This research is applied in terms of its objective and correlational in terms of its nature, specifically causal. In this research, the library method was used to collect information related to the theoretical foundations. To achieve the research objectives, data from 840 firm-year observations during the period from 2014 to 2021 were utilized. Additionally, all models were estimated using the two-step Generalized Method of Moments (GMM) estimator proposed by Arellano and Bond to address the issue of endogeneity. Results The results indicated that uncertainty is a key factor influencing company investment, with all four forms of uncertainty (company-specific uncertainty, market uncertainty, CAPM-based uncertainty, and economic uncertainty) having a positive and significant impact on corporate investment. Also, the results showed that cash flow intensifies the impact of firm-specific uncertainty and economic uncertainty on investment and reduces the impact of market uncertainty and CAPM-based uncertainty on investment. Therefore, a company's investment level depends not only on its uncertainty but also on the amount of its cash flow. Conclusion The results of the research confirm the views of the growth real option and the convex function of capital's marginal income, while disconfirming the views of the expectation real option, market structure, and production technology. The findings suggest that an increase in uncertainty encourages investment, as an early investment decision can enhance competitive advantage by gaining growth opportunities over other competitors. In addition, an early investment decision can help companies increase their market share and gain more profit. In other words, greater risk leads to more investment and, consequently, more reinvestment. This is because higher risk is associated with higher expected returns on investment, which in turn encourages greater reinvestment. هدف: یکی از تصمیم‌های مالی بسیار مهم شرکت‌ها، تصمیم‌های سرمایه‌گذاری است. هدف از تصمیم‌های سرمایه‌گذاری، کسب بازدهی بیشتر است و برای کسب بازدهی مناسب از طریق سرمایه‌گذاری، شناخت دقیق عوامل مؤثر، امری ضروری است؛ زیرا نوسان در سرمایه‌گذاری می‌تواند از منابع مختلف ناشی شود. از دیدگاه نظریۀ اختیار واقعی، عدم اطمینان نقش در تصمیم‌های سرمایه‌گذاری شرکت‌ها تعیین‌کننده‌ای دارد؛ زیراعدم اطمینان، بر جریان‌های نقدی آتی شرکت‌ها تأثیر می‌گذارد و عدم تقارن اطلاعاتی بین مدیران و سهام‌داران را تشدید می‌کند؛ در نتیجه عاملی که باید در تصمیم‌های سرمایه‌گذاری شرکت‌ها مدنظر قرار گیرد و در تصمیم‌های سرمایه‌گذاری نقش تعیین‌کننده‌ای دارد، عدم اطمینان است. هدف اصلی پژوهش حاضر بررسی حساسیت سرمایه‌گذاری شرکت‌ها به ‌عدم اطمینان و جریان نقدی در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران است. این مطالعه می‌کوشد تا ادبیات مربوط به سرمایه‌گذاری را بدین شرح گسترش دهد: یک) برخلاف ادبیات قبلی که رابطۀ عدم‌اطمینان و سرمایه‌گذاری را بررسی کرده‌اند، این مطالعه تأثیر اشکال مختلف عدم اطمینان (عدم اطمینان اطمینان خاص شرکت، عدم اطمینان بازار، عدم اطمینان اقتصادی و عدم اطمینان مبتنی بر CAPM) بر سرمایه‌گذاری را بررسی می‌کند؛ دو) این مطالعه به‌صورت تجربی تأثیر جریان نقدی بر ارتباط بین اشکال مختلف ‌عدم اطمینان و سرمایه‌گذاری شرکت را آزمون می‌کند. روش: این پژوهش از نظر هدف، کاربردی و از نظر ماهیت هم‌بستگی از نوع علّی است. برای جمع‌آوری اطلاعات مرتبط با مبانی نظری، از روش کتابخانه‌ای استفاده شده است. به‌منظور دستیابی به اهداف پژوهش، از داده‌های ۸۴۰ سال ـ شرکت طی دورۀ زمانی ۱۳۹۲ تا ۱۳۹۹ استفاده شده است. همچنین، برای برازش مدل‌های پژوهش، از روش گشتاور تعمیم یافته (GMM) دو مرحله‌ای آرلانو و بوند، برای اجتناب از مسائل درون‌زایی استفاده شده است. یافته‌ها: نتایج پژوهش نشان داد که عدم اطمینان، یکی از عوامل تأثیرگذار بر سرمایه‌گذاری شرکت‌هاست و هر چهار شکل عدم اطمینان (عدم ‌اطمینان خاص شرکت، عدم‌اطمینان بازار، عدم‌ اطمینان مبتنی بر CAPM و عدم‌ اطمینان اقتصادی) بر سرمایه‌گذاری شرکت‌ها تأثیر مثبت و معناداری دارد. علاوه‌براین، نتایج پژوهش حاکی از آن است که جریان نقدی، تأثیر عدم‌ اطمینان خاص شرکت و عدم‌ اطمینان اقتصادی بر سرمایه‌گذاری را تشدید می‌کند و تأثیر عدم ‌اطمینان بازار و عدم‌ اطمینان مبتنی بر CAPM بر سرمایه‌گذاری را کاهش می‌دهد؛ بنابراین، میزان سرمایه‌گذاری شرکت‌ها، هم به‌ عدم اطمینان شرکت و هم به میزان جریان نقدی شرکت بستگی دارد. نتیجه‌گیری: نتایج پژوهش با تأیید دیدگاه‌های اختیار واقعی رشد و تابع محدب درآمد نهایی سرمایه و همچنین، عدم تأیید دیدگاه‌های اختیار واقعی انتظار و ساختار بازار و فناوری تولید، نشان می‌دهد که افزایش در عدم اطمینان، سبب ترغیب سرمایه‌گذاری می‌شود؛ زیرا یک تصمیم سرمایه‌گذاری زودهنگام، می‌تواند با کسب فرصت‌های رشد نسبت به سایر رقبا، مزایای رقابتی را افزایش دهد. علاوه‌براین، تصمیم‌های سرمایه‌گذاری زودهنگام، می‌تواند به شرکت کمک کند تا سهم بازار خود را افزایش دهد و منفعت بیشتری کسب کند. به عبارتی، ریسک بیشتر، سرمایه‌گذاری بیشتر و بنابراین سرمایه‌گذاری مجدد بیشتر است؛ زیرا هرچقدر ریسک بیشتر باشد، بازده مورد انتظار سرمایه‌گذاری بیشتر خواهد بود و در نتیجه به سرمایه‌‏گذاری مجدد بیشتری منجر می‌شود.

https://jfr.ut.ac.ir/article_101246_dab3507443c4768942a27d1f77af1793.pdf