اسمیت و واتس (۱۹۹۲) با بررسی داده‌های تلفیقی در سطح صنعت وجود رابطه منفی بین میزان سود نقدی تقسیمی و مجموعه فرصت‌های سرمایه‌گذاری شرکت‌ها را اثبات نمودند. گِیور و گِیور (۱۹۹۳) با بررسی داده ها در سطح شرکتی به شواهدی مبنی بر وجود چنین رابطه‌ای دست یافتند. همچنین نتایج پژوهش ها صورت گرفته توسط جنسن و دیگران(۱۹۹۲)، لاپورتا و دیگران (۲۰۰۰)، فاما و فرنچ (۲۰۰۱)، هو، لام و سامی (۲۰۰۴)، دی آنجلو و دیگران (۲۰۰۶)، چی و سا (۲۰۰۹) همگی موید تاثیر منفی فرصت‌های سرمایه‌گذاری بر میزان سود نقدی تقسیمی‌ شرکت‌ها هستند.
سودآوری و تقسیم سود
به طور کلی در ادبیات مالی، سود نقدی سهام را بیشتر با وضعیت سودآوری فعلی و مورد انتظار آتی شرکت، و همچنین جریان‌های نقدی آتی مورد انتظار آن در ارتباط دانسته‌اند. باتاکاریا (۱۹۷۹) و میلر و راک (۱۹۸۵) سود تقسیمی بهینه را نشانه‌ای از سودآوری آتی مورد انتظار شرکت تفسیر نمودند؛ لینتنر (۱۹۵۶) نشان داد که شرکت‌ها در تعیین میزان سود نقدی خود به سطح سودآوری فعلی و آتی، و همچنین نوسانات سود خالص به عنوان مهمترین عامل اثرگذار بر سیاست تقسیم سود توجه می‌نمایند. روزف (۱۹۸۲) نیز شواهدی در تایید برقراری رابطه مثبت و مستقیم بین سودآوری و میزان سود تقسیمی شرکت‌ها یافت نمود.
یکی از دلایل چنین دیدگاهی این است که شرکت‌ها بایستی اصولاً سودی کسب کرده باشند تا بتوانند آن را بین سهام‌داران خود توزیع نمایند؛ به این معنی که سطح سودآوری منطقاً زیربنای تصمیمات تقسیم سود است. مسئله دیگر، بحث عدم تقارن تابع زیان و چسبندگی سود تقسیمی است، به این معنی که شرکت‌ها در صور کاهش سود نقدی خود با واکنش منفی به مراتب شدیدتری در مقایسه با واکنش مثبت بازار در پی افزایش سود نقدی سهام مواجه خواهند شد. به همین دلیل، شرکت‌ها در تصمیمات افزایش سود نقدی، به توانایی خود در حفظ سود نقدی در سطح جدید توجه ویژه مبذول می‌دارند. از طرفی، سود نقدی اصولاً دو جنبه اصلی، یعنی برخورداری از سود خالص (سودآوری) قابل توزیع و وجود منابع مالی برای توزیع بین سهام‌داران (نقدینگی) دارد؛ بنابراین همان‌طور که لینتنر (۱۹۶۵) نیز در مطالعه معروف خود نشان داد، شرکت‌ها در تعیین سود نقدی خود علاوه بر وضعیت نقدینگی و جریان‌های نقدی مورد انتظار آتی، وضعیت سودآوری فعلی و مورد انتظار آتی را نیز درنظر خواهند داشت.
یکی دیگر از مباحث مطروحه در این‌باره، وجود الزامات قانونی مبنی بر حداقل میزان سود تقسیمی در صورت سودآور بودن شرکت است؛ قوانین حاکم بر هر کشور عموماً در جهت حمایت از منافع سهام‌داران جزء در باب تقسیم تمهیدات خاصی اندیشیده‌اند. به عنوان مثال طبق قانون تجارت ایران چنانچه شرکت سود ویژه داشته باشد ملزم است ۱۰حداقل % آن را بین صاحبان سهام تقسیم کند (ماده ۹۰ قانون تجارت).
از دیگر شواهد تجربی در تایید رابطه سطح سودآوری با میزان سود تقسیمی شرکت‌ها می‌توان به پژوهش جنسن و دیگران (۱۹۹۲) اشاره نمود؛ ایشان دریافتند که میزان سود نقدی شرکت‌ها با افزایش سطح سودآوری آن‌ ها افزایش می‌یابد، و بالعکس. پژوهش ها فاما و فرنچ (۲۰۰۱)، دنیس و اوسوبو (۲۰۰۸) و چی و سا (۲۰۰۹) نیز شواهدی مطابق با این دیدگاه ارائه نمودند.
سطح سودآوری و سود خالص برای مدت‌های زیادی به عنوان اصلی‌ترین عامل تعیین کننده میزان سود تقسیمی شرکت‌ها مطرح بوده و در مطالعات متعددی (که در بالا به چند مورد از آن‌ ها نیز اشاره گردید) مورد آزمون قرار گرفته است؛ نتیجه این سلسله بررسی‌ها پژوهشگران حوزه مالی را به این اجماع رهنمون گردیده که سطح سودآوری همواره یکی از عوامل مهم تعیین کننده سیاست تقسیم سود شرکت‌ها خواهد بود. لذا در بیشتر مطالعات جدید بر روی عوامل تعیین کننده سیاست تقسیم سود شرکت‌ها، این عامل به عنوان یک متغیر کنترلی که اثرگذاری آن برای همگان به اثبات رسیده در نظر گرفته می‌شود.
مدل های پیش بینی سود هر سهم
الف. پیش‏بینی سود هر سهم با بهره گرفتن از روش‏های کلاسیک
روش‏های کلاسیک که می‏توانند پیش‏بینی سود هر سهم را به کمک آنها انجام داد، تحلیل‏های آنها به شرح زیر می‏باشد:
روش پیش‏بینی هموارسازی نمائی[۱۰۱]
این روش شامل بسته‏ پیش‏بینی‏ با مدل‏های زیر است (خالوزاده، خاکی صدیق و کارولوکس، ۱۳۷۷):
الف- هموارسازی براون ساده[۱۰۲]: این روش با یک ضریب تصحیح  که هموارکننده خطاهای پیش‏بینی است، برآورد خود را انجام می‏دهد. در تحلیل این روش، ضریب هموارسازی ۹/۰=  و از طریق سعی و خطا و لحاظ بهترین مقدار مجموع مجذور خطاها به دست آمده است.
ب- هموارسازی هولت[۱۰۳]: در این روش، ضریب هموارسازی تصحیح  و نیز ضریب روند  نیز محاسبه می‏گردند. محاسبه هر دو روش با استناد به سعی و خطاست. در این روش ۷/۰=  و ۴/۰=  به دست آمده است.
ج- هموارسازی سفارشی[۱۰۴] با روند خطی: در این روش، پارامترهای ۷/۰=  و ۴۵/۰=  بهترین ضرایب متناسب با داده‏ها بوده‏اند. در این روش برای هر داده یک تابع خطی تعریف می‏شود.
د- هموارسازی سفارشی با روند نمایی: در این روش، نتایج پیش‏بینی بهترین میزان خطای خود را با ۷/۰=  و ۴۵/۰=  برای داده‏ها نشان داده ‏اند. روند هر داده در این روش، نمائی است.
هـ- هموارسازی سفارشی با روند میرا[۱۰۵]: در این روش، سه ضریب  ،  و  لحاظ می‏شوند. بهترین میزان خطای به دست آمده در این روش، در نتیجه استفاده از ضرایب ۱/۰=  ، ۱/۰=  و ۱/۰=  بوده است؛ درواقع با این ضرایب در این روش‏ها مجموع مجذورات خطا به حداقل رسیده است.
در روش‏های هموارسازی بیان شده، به طور کلی مدل‏بندی آماری صورت نمی‏گیرد و این یک نقطه ضعف این روش‏هاست؛ ولی از نقطه‏نظر سازگاری الگوی پیش‏بینی با داده‏ها این روش‏ها به عنوان روش‏های مناسبی می‏توانند مورد استفاده واقع شون(زهانگ ، پاتوو و هو ،۲۰۰۱)[۱۰۶].
پیش‏بینی با بهره گرفتن از روش تحلیل روند[۱۰۷]
در تحلیل روند، تمام داده‏ها و نحوه برازش آنها مورد توجه قرار می‏گیرد. در این مطالعه، روندهای مختلف شامل روند خطی[۱۰۸] ، روند لگاریتمی[۱۰۹]، روند معکوس[۱۱۰]، روند درجه دوم[۱۱۱]، روند درجه سوم[۱۱۲] ، روند توانی[۱۱۳] ، روند ترکیبی[۱۱۴] ، روند[۱۱۵] ، روند لجستیک[۱۱۶] ، روند رشد[۱۱۷] و روند نمائی[۱۱۸] مورد بررسی قرار گرفته‏اند و با توجه به مقدار R2 و MSE آنها بهترین روندها انتخاب شده‏اند( فیلدز و استکلر، ۲۰۰۲)[۱۱۹].
روندهای منتخب عبارتند از: روند خطی، روند لگاریتمی، روند درجه دوم و روند ترکیبی، روابط بدست آمده برای این روندها به صورت زیر است:
: روند خطی
: روند لگاریتمی
: روند درجه دوم
: روند ترکیبی
پیش‏بینی با بهره گرفتن از روش باکس – جنکینز
در مدل‏های باکس – جنکینز که به نام ARIMA[120] معروف هستند، در مدل‏بندی آماری پیش‏بینی این مدل‏ها مراحل زیر انجام می‏گیرد:

  1. بررسی وضعیت داده‏ها از نقطه‏نظر نرمال بودن[۱۲۱] و ایستا بودن[۱۲۲] (نمودارهای SPAS و SAC)، با بهره گرفتن از آزمون آماری k-s [۱۲۳] و بررسی شکل داده‏ها؛
  2. استفاده از تبدیل Box-Cox برای نرمال نمودن داده‏ها و تفاضل‏گیری برای ایستا نمودن داده‏ها؛
  3. در بررسی ضرایب و نمودارهای خودهمبستگی و خودهمبستگی جزئی[۱۲۴] و مدل‏بندی آماری در این مطالعه با انجام مراحل فوق مدل‏بندی آماری ARIMA به دست‏آمده به صورت زیر است:

 
درواقع مدل‏بندی آماری به صورت (۱و۱و۱)ARIMA که پارامترهای ۱=P، ۱=q، ۱=d به دست آمده‏اند.
در برآورد مقدار تقاضای نفت اوپک با سه روش فوق، فقط سری زمانی تک‏متغیره مورد توجه قرار گرفته است ( کراشر، ۲۰۰۲)[۱۲۵].
پیش‏بینی سود سهام با رویکرد شبکه عصبی
در برآورد تقاضای نفت اوپک با رویکرد شبکه عصبی، از روش شبکه عصبی پس انتشار خطای انعطاف‏پذیر[۱۲۶](B.P) استفاده شده و پس از انجام نرمال‏سازی داده‏ها، آموزش داده‏ها صورت گرفته است(فراکلر،۲۰۰۲)[۱۲۷] .با تغییرات مداوم تعداد لایه‏ها و بخصوص با تغییرات تعداد نرون‏های لایه‏ی پنهان توپولوژی شبکه مورد بررسی قرار گرفت و نهایتاً بهترین معماری شبکه عصبی پس انتشار خطای سه‏لایه به صورت (۵*۱۵*۱) به دست آمده که لایه ورودی با ۵ متغیر ورودی، در لایه میانی (پنهان) با ۱۵ نرون و یک خروجی تقاضای نفت به دست آمده است (کلمنت،۲۰۰۲)[۱۲۸] . توابع لایه میانی تابع ریگموئیدی  و تابع فعال‏سازی (جمع‏کننده) تابع خطی[۱۲۹] در نظر گرفته شده است کاربرد آن در مدل‏های استفاده از روش B.P پیش‏بینی شبکه‏ی عصبی رایج است و در تحلیل‏های مالی – اقتصادی، این روش به طور مداوم مورد استفاده قرار گرفته، با توانایی پس‏خور خود بهترین برازش را ارائه می‏دهد (قاسمی، اسدپور و شاصادقی، ۱۳۸۰).
رویکرد ترکیبی در پیش‏بینی
در این سناریو ترکیب روش‏های پیش‏بینی فردی مورد توجه قرار گرفته است. روش‏های فردی تحلیل شده به صورت زیر معرفی می‏شوند:
روش هموارسازی نمایی ساده براون: xi1
هولت: xi2

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.