کشف ریزش ارزش سهام بر مبنای نظریه گراف مبتنی بر حافظه

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری رشته حسابداری، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران

2 دانشیار، گروه حسابداری، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران.

3 استادیار، گروه حسابداری، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران.

4 استادیار، گروه حسابداری، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران.

چکیده

پدیده ریزش ارزش سهام با مهمترین هدف سرمایه‌گذاری اشخاص یعنی کسب سود در ارتباط است. نقش موثر ریزش ارزش سهام در کاهش سرمایه اشخاص، اهمیت دوچندانی را برای شناسایی و کشف روند غیرعادی بازده و ریزش ارزش سهام ایجاد نموده است. هدف پژوهش حاضر کشف روند غیرعادی بازده و در نهایت ریزش ارزش سهام است. به این منظور بازده ماهانه 400 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی بازه زمانی تیرماه 1371 تا فروردین 1397 مورد بررسی قرار گرفت. همچنین نظریه گراف مبتنی بر حافظه به عنوان روشی برای کشف تغییر در روند بازده شرکت‌ها مورد استفاده قرار گرفته است. این روش از منظر نظریه گراف به حل مسئله می‌پردازد. نتایج این پژوهش نشان داده است که در نظر گرفتن فاصله اقلیدسی در نظریه گراف مبتنی بر حافظه منجر به شناسایی تغییرهای غیرعادی در روند بازده شرکت‌ها می‌گردد. با این حال این روش نتوانسته است تمامی نقاطی مرتبط با ریزش ارزش سهام را شناسایی و کشف نماید.

کلیدواژه‌ها


*      بادآور نهندی، یونس؛ تقی زاده خانقاه، وحید (1396). تأثیر پرداخت سود سهام و عدم انتشار اخبار بد بر خطر سقوط قیمت سهام با تأکید بر عدم تقارن اطلاعاتی. فصلنامه بررسیهای حسابداری و حسابرسی، دوره 24، شماره 1، صفحه 19-40.

*      برادران حسن زاده، رسول، تقی زاده خانقاه، وحید (1397). تأثیر استراتژی متنوع‌سازی شرکتی بر خطر سقوط قیمت سهام با تأکید بر هزینه‌های نمایندگی. مجله دانش حسابداری، دوره 9، شماره 1، پیاپی 32، صفحه 63-90.

*      دارابی، رویا؛ ریاضی، مریم  (1394). ارتباط بین ریسک سقوط آتی قیمت سهام با گزارشگری مالی غیرشفاف در شرکت‌های با درصد سهام شناور آزاد پایین. پژوهش نامه اقتصاد و کسب و کار. دوره 6، شماره 12، صفحه 23-33.

*      دارابی، رویا؛ زارعی، علی (1396). تاثیر بیش اطمینانی مدیریت بر ریسک سقوط قیمت سهام: با تاکید بر نقش تعدیل‌کنندگی محافظه‌کاری حسابداری. دانش حسابداری مالی، شماره 1 - شماره پیاپی 12، بهار 1396، صفحه 121-139.

*      دارابی، رویا، حبیب زاده بایگی، سیدجواد (1395). پیش بینی ریزش ارزش سهام با استفاده از الگوریتم کاوش باکتری و الگوریتم بیز.  مدلسازی ریسک و مهندسی مالی، دوره 1، شماره 2، 185-205.

*      . داگلاس برنت وست ترجمه بیژن شمس (1395). آشنایی با نظریه گراف. چاپ پنجم، انتشارات گسترش علوم پایه.

*      خواجوی؛ شکراله، رحمانی، محسن (1397). بررسی اثر خودشیفتگی مدیران بر خطر سقوط قیمت سهام: شواهدی از بورس اوراق بهادار تهران. دانش مالی تحلیل اوراق بهادار، دوره 11، شماره 37، صفحه 1-15.

*      فروغی، داریوش و میرزائی، منوچهر. (1391). تـأثیر محافظه کاری شرطی حسابداری بر ریسک سقوط آتی قیمت سهام در شرکتها ی پذیرفته شده در بـورس اوراق بهـادار تهران. مجله پیشرفت‌های حسابداری دانشگاه شیراز، دوره چهارم، شماره دوم، پیاپی 3/63، صص 77-117.

*      گریمالدی، رالف (1396). نظریه گراف و کاربردهای آن. ریاضیات گسسته و ترکیبیاتی، ترجمه محمدعلی رضوانی و بیژن شمس، انتشارات فاطمی، چاپ دهم.

*      متین فرد، مهران، صالح ورزی، صحبت (1397). آزمون اثرگذاری همزمانی قیمت سهام بر ریسک کاهش قیمت سهام. فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار سال 11، شماره 38، صفحه 101-115.

*      مویدی راد، حجت، فلقی، حمید، فرشاد، محسن (1393). یک الگوریتم ابتکاری برای تجدید آرایش شبکه‌های توزیع به منظور کاهش تلفات اهمی مبتنی بر نظریه‌ی گراف. مجله مهندسی برق و الکترونیک ایران، جلد ۱۱، شماره ۱، صفحه 59-72.

*      ودیعی نوقابی، محمد حسین؛ رستمی، امین (1393). بررسی تاثیر نوع مالکیت نهادی بر ریسک سقوط آتی قیمت سهام در ‌شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. فصلنامه علمی پژوهشی حسابداری مالی، سال ششم، شماره 23، صص 43-66.

*      Basseville, M., & Nikiforov, I. V. (1993). Detection of abrupt changes: theory and application (Vol. 104). Englewood Cliffs: Prentice Hall.‏

*      Ben-Nasr, H., & Ghouma, H. (2018). Employee welfare and stock price crash risk. Journal of Corporate Finance, 48, 700-725.‏

*      Benmelech, E., Kandel, E., Veronesi, P. (2010). Stock-based Compensation and CEO (Dis)Incentives. Quarterly Journal of Economics, 125(4), 1769– 1820.

*      Bradshaw, M. T., Hutton, A. P., Marcus, A. J., and Tehranian, H. (2010). “Opacity, Crashes, and the Option Smirk Curve.” SSRN elibrary, 1-41.

*      Bleck, A., Liu. X.,(2007). Market Transparency and the Accounting Regime. Journal of Accounting Research, 45(2), 229–56.

*      Callen, J. L., and Fang, X. (2013). Institutional Investor stability and Crash Risk: Monitoring or Expropriation?. Jour al of Banki ng & Finance, 37(8), 3047–3063.

*      Campbell, J.Y., & Hentschel, L. (1992). No news is good news: an asymmetric model of changing volatility in stock returns. Journal of Financial Economics, 31, 281–318.

*      Cao, H., Coval, D., & Hirshleifer, D. (2002). Sidelined investors, trading-generated news, and security returns. Review of Financial Studies, 15(2), 615–648.

*      Chang, X., Chen, Y., & Zolotoy, L. (2017). Stock liquidity and stock price crash risk. Journal of financial and quantitative analysis, 52(4), 1605-1637.‏

*      Chen, J., Hong, H., Stein, J. (2001). Forecasting Crashes: Trading Volume, Past Returns, and Conditional Skewness in Stock Prices. Journal of Financial Economics, 61(3), 345–381.

*      Kim, Jeong-Bon, Wang, Z., & Zhang, L. (2016a). CEO overconfidence and stock price crash risk. Contemporary Accounting Research, 33(4), 1720-1749.

*      Kim, J., Yeung, I., Zhou, J. (2017). Stock price crash risk and internal control weakness: presence vs. disclosure effect. Accounting & Finance, 1-20.

*      Gazda, V., Horváth, D., Resovsky, M. (2015). An Application of Graph Theory in the Process of Mutual Debt Compensation. Acta Polytechnica Hungarica, Vol. 12, No. 3, 7-24.

*      Gutierrez, J., Jensen, M., Riaz, T. (2016). Applied Graph Theory to Real Smart City Logistic Problems. Procedia Computer Science, 95, 40 – 47.

*      Habib, A., Hasan, M. M., & Jiang, H. (2017). Stock price crash risk: review of the empirical literature. Accounting & Finance.‏ Forthcoming.

*      Hong, H., & Stein, J. (2003). Differences of opinion, short-sales constraints, and market crashes.  Review of Financial Studies, 16, 487–525.

*      Hu, G.,& Wang, Y. (2018). "Political connections and stock price crash risk: The role of intermediary information disclosure", China Finance Review International, https://doi.org/10.1108/CFRI-06-2017-0079.

*      Hutton, A.P., Marcus, A.J., Tehranian, H. (2009). Opaque Financial Reports, R2, and Crash Risk. Journal of Financial Economics, 94(1), 67-86.

*      French, K.R., Schwert, G.W., & Stambaugh, R.F. (1987). Expected stock returns and volatility. Journal of Financial Economics, 19, 3–29.

*      Li, W. & Cai, G. (2016). "Religion and stock price crash risk: Evidence from China", China Journal of Accounting Research. 9(3), 235-250.

*      Liao, Q. (2016). The Stock Price Crash Risk Prediction by Neural Network. Accounting and Finance Research, Vol. 5, No. 2;61-70.

*      Jin, L., Myers, S. C. (2006). R2 around the World: New Theory and New Tests. Journal of Financial Economics, 79(2), 257–292.

*      Nikovski, D., Jain, A. (2010). Fast adaptive algorithms for abrupt change detection. Machine Learning,  Volume 79, Issue 3, pp 283–306.

*      Rangaswamy, K., Gurusamy, M. (2018). Application of Graph Theory Concepts in Computer Networks and its Suitability for the Resource Provisioning Issues in Cloud Computing-A Review. Journal of Computer Science, 14 (2): 163.172.

*      Zhu, W. (2016). Accruals and price crashes. Review of Accounting Studies, 21, 349–399