ارائه مدلی برای تشخیص زمان سقوط قیمت سهام
محل انتشار: فصلنامه راهبرد مدیریت مالی، دوره: 9، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 458
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JFMZ-9-2_008
تاریخ نمایه سازی: 11 مهر 1400
چکیده مقاله:
سقوط قیمت سهام به تغییر بزرگ، منفی، غیرمعمول و ناگهانی در روند بازده سهام اشاره دارد که در نبود حادثه مهم اقتصادی رخ می دهد و چون مهم ترین هدف سرمایه گذاری اشخاص، یعنی کسب سود را به مخاطره میاندازد، اگر تشدید شود سبب بدبینی سرمایه گذاران خروج منابع از بورس اوراق بهادار میگردد. بنابراین، پژوهش حاضر به بررسی، کشف و ارائه مدلی برای سقوط قیمت سهام پرداخته که ضمن همخوانی با تعاریف و نظریه های مرتبط با سقوط قیمت سهام، بتواند زمان سقوط قیمت سهام را با ورود دادههای جدید شناسایی نماید. برای این منظور، تعداد ۴۹۵۵۹ داده مربوط به بازده ماهانه ۲۹۹ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی بازه زمانی مهرماه ۱۳۷۱ الی فروردین ماه ۱۳۹۷ مورد بررسی قرار گرفت. به منظور راستی آزمایی مدل طراحی شده، ۹۰ درصد از شرکت های مورد بررسی (۲۶۹ شرکت)، به صورت تصادفی به عنوان شرکت های آموزش برای طراحی مدل انتخاب شدند و ۱۰ درصد باقی مانده (۳۰ شرکت) به عنوان شرکت های آزمایش برای راستی آزمایی مدل مورد استفاده قرار گرفتند. نتایج نشان داد مدل تعیین شده بر مبنای نسبت درست نمایی، توانایی تشخیص زمان سقوط قیمت سهام شرکت های مورد مطالعه را مطابق با هدف پژوهش دارد
کلیدواژه ها:
نویسندگان
سید جواد حبیب زاده بایگی
دانشجوی دکتری رشته حسابداری، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران
رویا دارابی
دانشیار، گروه حسابداری، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران.
فاطمه صراف
استادیار، گروه حسابداری، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران.
یداله نوری فرد
استادیار، گروه حسابداری، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :