تخمین تابع سودآوری با استفاده از متغیرهای ساختار سرمایه در صنایع ایران

از دیرباز، دستیابی به یک ساختار سرمایه بهینه با هدف حداکثرسازی سود و ارزش شرکت و حداقل­سازی هزینه سرمایه از موضوعات مورد توجه متخصصان مالی بوده و چهار نظریه اصلی شامل نظریه میلر و مودیگلیانی، نظریه نمایندگی، نظریه توازن ایستا (هر سه ناظر بر رابطه مثبت میان نسبت بدهی و سودآوری) و نظریه سلسله مراتبی (رابطه منفی بین نسبت بدهی و سودآوری) درباره ارتباط میان تصمیمات تامین مالی و سودآوری شرکت ها مطرح شده است. در این راستا، پژوهش حاضر با استفاده از تحلیل رگرسیون و روش الگوریتم ترکیبی شبکه عصبی موجکی و الگوریتم رقابت استعماری به تخمین تابع سودآوری ساختار سرمایه در نمونه آماری شامل ۱۶۱ شرکت پذیرفته شده در بورس اوراق بهادار تهران در پنج صنعت ( کاشی و سرامیک، سیمان، فلزات، نفت و گاز و داروسازی) طی بازه زمانی ۱۳۹۶-۱۳۸۹ پرداخته است. نتایج به دست آمده از رابطه منفی بین نسبت های بدهی و نسبت بازده دارایی ها (تایید نظریه سلسله مراتبی) در شرکت های فعال در صنایع کاشی و سرامیک، سیمان، فلزات و داروسازی حکایت داشت. اما، رابطه معناداری بین متغیرهای مذکور در صنعت نفت و گاز مشاهده نشد. به علاوه، عملکرد شبکه عصبی موجکی بهینه سازی شده با الگوریتم رقابت استعماری در تمامی صنایع، قدرت تبیین بیشتری نسبت به رگرسیون خطی ساده از خود نشان داد.

کلیدواژه ها:

ساختار سرمایه ، سودآوری ، رگرسیون ، شبکه عصبی ، الگوریتم رقابت استعماری