بررسی توانایی ارقام مالی جهت خلاصه سازی اطلاعات قیمت سهام مبتنی بر "دیدگاه تونلینگ" با استفاده از نقش تعدیل گر سازوکارهای راهبری شرکتی قوی
محل انتشار: فصلنامه راهبرد مدیریت مالی، دوره: 11، شماره: 2
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 140
فایل این مقاله در 28 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-11-2_010
تاریخ نمایه سازی: 4 تیر 1402
چکیده مقاله:
مربوطبودن و سودمندبودن اطلاعات میتواند توسط ارتباط همزمان میان اطلاعات مالی، انواع بازده سهام و ارزش بازار اندازهگیری شود. این موضوع، مبنای فعالیتهایی است که در زمینه بررسی ارتباط ارزشی صورت گرفته است. مفهوم ارتباط ارزشی توانایی ارقام مالی جهت خلاصهکردن اطلاعات تحت قیمت سهام میباشد. بر این اساس انگیزههای مالی گزارشگری متهورانه ارتباط ارزشی را تنزل میدهد. یکی از دلایل اقدامات فرصتطلبانه مدیران و گزارشگری مالی متهورانه تونلینگ است. دیدگاه تونلینگ عبارت است از تبانی سهامداران عمده و مدیریت که با استفاده از معاملات مدیریت با اشخاص وابسته انجام میشود. انتخاب بهترین معیارها از سازوکارهای راهبری شرکتی میتواند از حکمرانی خوب بهعنوان بهترین عامل بازدارنده از تونلینگ استفاده نماید. بر این اساس هدف از مطالعه حاضر بررسی توانایی ارقام مالی جهت خلاصهسازی اطلاعات قیمت سهام مبتنی بر دیدگاه تونلینگ با استفاده از نقش تعدیلگر حکمرانی خوب میباشد. جامعه آماری در دسترس شامل ۱۳۳ شرکت از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران طی سالهای ۱۳۹۷-۱۳۸۳ میباشد. روش اجرای پژوهش مبتنی بر دادههای ترکیبی و رگرسیون چندگانه میباشد. شواهد پژوهش حاکی از آن است که تونلینگ سطح ارتباط ارزشی اطلاعات مالی را کاهش میدهد. از دیگر نتایج پژوهش این است که حکمرانی خوب بر تونلینگ تاثیر معکوس ولی غیرمعنی دار دارد. همچنین حکمرانی خوب، تاثیر معکوس تونلینگ بر ارتباط ارزشی را تضعیف میکند. این نتایج گویای ضرورت و اهمیت وجود حکمرانی خوب در شرکتها و محدود نمودن تونلینگ میباشد.
کلیدواژه ها:
نویسندگان
وحید بخردی نسب
دکتری حسابداری، گروه حسابداری، دانشگاه آزاد اسلامی، واحد نجف آباد، نجف آباد، 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 :