تاثیر گرایش های احساسی سرمایه گذاران بر درجه نقدشوندگی بازار سهام
محل انتشار: مجله پیشرفت های حسابداری، دوره: 12، شماره: 1
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 52
فایل این مقاله در 31 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_JAA-12-1_001
تاریخ نمایه سازی: 24 بهمن 1402
چکیده مقاله:
چکیدههدف از انجام این پژوهش، بررسی تاثیر گرایش های احساسی و عواطف رفتاری سرمایه گذاران بر درجه نقدشوندگی بازار سهام است. بدین منظور، با استفاده از مدل دباتا و همکاران (۲۰۱۷) و با به کارگیری داده های ۱۴ کشور، در بازه زمانی ۲۰۰۸ تا ۲۰۱۸، تاثیر گرایش های احساسی و تمایلات رفتاری سرمایه گذاران بر درجه نقدشوندگی بازار سهام بررسی شده است. در این پژوهش برای سنجش و اندازه گیری متغیر احساسات سرمایه گذاران، از شاخص آرمز و همچنین برای سنجش نقدشوندگی، از معیارهای ارزش معاملاتی(TV)، عدم نقدشوندگی آمیهود (ILLIQ) و عدم نقدشوندگی کوروین و شولتز(HLS) استفاده شده است. نتایج تجربی این پژوهش نشان می دهد که: بالا بودن سطح نقدینگی بازار در سال قبل، تاثیر مثبت و معناداری بر سطح نقدینگی بازار در سال جاری دارد. احساسات سرمایه گذاران بر نقدشوندگی بازار سهام تاثیر مثبت و معناداری دارد. نرخ رشد حجم پول و نرخ رشد تولیدات صنعتی نیز بر نقدشوندگی بازار سهام تاثیر مثبت و معناداری دارد و نرخ تورم سال جاری، تاثیر منفی بر نقدشوندگی بازار سهام دارد. بر اساس نتایج، احساسات سرمایه گذار در کشورهای مورد مطالعه، تاثیر مثبت بر حجم معاملات بازار سهام دارد و می تواند حجم معاملات و نقدشوندگی بازار سهام را افزایش دهد؛ لذا بخشی از رشد نقدینگی وارد بازار سهام شده است و توانسته است حجم معاملات در این بازار را افزایش دهد.
کلیدواژه ها:
نویسندگان
ابراهیم اصغری
دانشجوی دکتری گروه حسابداری ، واحد قائم شهر، دانشگاه آزاد اسلامی، قائم شهر، ایران
محمدمهدی عباسیان فریدونی
استادیار گروه حسابداری، گروه حسابداری، واحد قائم شهر، دانشگاه آزاد اسلامی، قائم شهر، ایران
سیدحسین نسل موسوی
استادیار گروه حسابداری، گروه حسابداری، واحد قائم شهر، دانشگاه آزاد اسلامی، قائم شهر، 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 :