آیا تجزیه و تحلیل بنیادی می تواند اطلاعات مربوطه را برای درک ارزش اساسی یک شرکت ارائه دهد؟

در این فصل به بررسی ارتباط تجزیه و تحلیل بنیادی (FA) برای شرکت های ذکر شده در فهرست EuroNext 100 پرداخته شده است. آیا FA می تواند اطلاعات مربوطه را افزایش دهد که درک ارزش اساسی یک شرکت را افزایش می دهد؟این مطالعه از یک استراتژی FA برای انتخاب سهام در یک نمونه کارها استفاده می کند که می تواند به طور سیستماتیک بازده خرید و خرید بیش از حد مثبت بازار ، 1 و 2 سال پس از تشکیل نمونه کارها را به همراه داشته باشد. با استفاده از داده های مالی سالانه موجود از 2000 تا 2016 ، این تجزیه و تحلیل سه امتیاز اعمال شده برای ساخت اوراق بهادار را محاسبه می کند: L-Score ، F-Score و PEI. این بینش ها از کاربردهای احتمالی سرمایه گذاران از سیگنال های اساسی (نمرات) برای به دست آوردن بازده غیر طبیعی خبر می دهد. نتایج نشان می دهد که اوراق بهادار با نمرات بالا در مقابل پایین ، بازده غیر طبیعی 1- و 2 ساله را بین سالهای 2000 تا 2016 کسب می کند. این فصل با درک بیشتر امکان اوراق بهادار نادرست به تحقیقات حسابداری کمیاب در بازارهای سرمایه اروپا کمک می کند.

کلید واژه ها

• بازارهای سرمایه
• کارایی بازارها
• اصول حسابداری
• امتیازات
• بازده غیر طبیعی

اطلاعات نویسنده

رائول ناواس

• انستیتوی حسابداری و مدیریت لیسبون (ISCAL) ، مدرسه پلی تکنیک لیسبون (IPL) ، پرتغال
• مرکز تحقیقاتی در علوم تجاری (NECE) ، پرتغال

آنا پائولا ماتیاس گاما *

• مرکز تحقیقاتی در علوم تجاری (NECE) ، پرتغال
• بخش مدیریت و اقتصاد ، دانشگاه بیرا (UBI) ، پرتغال

Sónia R. Bentes

• انستیتوی حسابداری و مدیریت لیسبون (ISCAL) ، مدرسه پلی تکنیک لیسبون (IPL) ، پرتغال
• واحد تحقیقات تجاری ، موسسه دانشگاه لیسبون ، پرتغال

*به کلیه مکاتبات با: amatia@ubi. pt آدرس دهید

1. معرفی

در یک بازار کارآمد ، قیمت ها اطلاعات موجود را به موقع درج می کنند [1 ، 2 ، 3 ، 4 ، 5 ، 6]. براساس نظریه ارزیابی ، با گذشت زمان ، درآمد حسابداری به سرمایه گذاران ، طلبکاران و بنگاه به جریان نقدی رایگان تبدیل می شود که ورودی اصلی برای برآورد ارزش ذاتی شرکت را فراهم می کند ، همانطور که در قیمت سهام منعکس شده است [5 ، 6 ، 7]بشراگر اطلاعات به موقع در سهام بازده نباشد ، یک ناهنجاری بوجود می آید و ممکن است فرصت های داوری پدیدار شود. به این معنا ، ناهنجاری بازار الگویی از بازده سهام است که به نظر می رسد با مدل های سنتی قیمت گذاری دارایی متناقض است [8]. اگرچه بازده سهام ممکن است تحت تأثیر چندین بخش از اطلاعات باشد ، اما صورتهای مالی منبع اصلی هستند ، به این ترتیب که آنها عملکرد شرکت را خلاصه می کنند. به نوبه خود ، یک تجزیه و تحلیل اساسی (FA) بررسی داده های دقیق حسابداری موجود در صورتهای مالی را انجام می دهد تا روشن شود که چگونه یک شرکت با گذشت زمان درآمد کسب می کند ، و همچنین پتانسیل رشد و تبدیل این درآمد به جریان نقدی رایگان [5]. یکی از آنها برای خلاصه کردن اطلاعات موجود در صورتهای مالی ، ایجاد اقدامات یا نمرات است که مجموعه ای از سیگنال ها (j) را که از اطلاعات حسابداری (یعنی اخبار مثبت/منفی) در مورد بنگاه های (I) در سال جاری گرفته شده است ، ادغام می کند (T)، یا

نمره آن = ∑ 1 j سیگنال j e1

در این فصل بررسی شده است که آیا سرمایه گذاران می توانند از بازده های غیر طبیعی مستند به سیگنال های اساسی سوءاستفاده کنند ، همانطور که در اطلاعات صورتهای مالی منعکس شده است. برای انجام این کار ، ما ناهنجاری های مستند قبلاً ، از جمله L-Score [1] را بررسی می کنیم ، که خلاصه 12 سیگنال از صورتهای مالی است. نمره F [2] ، که بر اساس نه سیگنال از صورتهای مالی ساخته شده است. و درآمد پیش بینی شده نمره افزایش (PEI) [3] ، متشکل از شش سیگنال (مثبت ، منفی یا خبری) که منعکس کننده موقعیت پنجم یک شرکت در شش نسبت حسابداری است. بنابراین ، ما بررسی می کنیم که آیا ناهنجاری های مبتنی بر نمرات اساسی چند سال پس از شناسایی ناهنجاری وجود دارد و از این طریق آیا اوراق بهادار تشکیل شده بر اساس چنین استراتژی هایی می تواند به طور سیستماتیک بازده مثبت و مثبتی را در 1 و 2 سال پس از تشکیل نمونه کارها به همراه داشته باشد.

نتایج ما از شرکتهای ذکر شده در فهرست EuroNext 100 در طی سالهای 2000-2016 نشان می دهد که نمره F و لو و لو و تیاگاراجان به طور موثری ناهنجاری های بازار را می گیرند ، به گونه ای که اجازه بازده غیر طبیعی را می دهند. در مقابل ، PEI های Wahlen-Wieland منبع خوبی برای شناسایی ناهنجاری های بازار در دوره نمونه ما ارائه نمی دهد.

با این یافته ها ، ما چندین سهم مهم را ارائه می دهیم. اول ، ما شواهدی از تداوم سیگنال های اساسی ارائه می دهیم ، که بحث در مورد اطلاعات مربوط به قیمت ها را آگاه می کند. دوم ، ما نشان می دهیم که دو ناهنجاری ، پیووتروسکی و لو و تیاگاراجان ، سرمایه گذاران را قادر می سازد تا اوراق بهادار پرچین را بسازند که بازده غیر طبیعی 1- و 2 ساله خرید و نگهدارنده را کسب می کنند. این یافته ها به نوبه خود نشان می دهد که بازارها ممکن است نیمه قوی نباشند. از طرف دیگر ، نمرات می تواند برخی از خطر اساسی را به خود جلب کند. برای ایجاد این مشارکت ها ، در بخش 2 ادبیات موجود را مرور می کنیم. سپس بخش 3 طرح تحقیق را شرح می دهد ، که آیا توانایی پیش بینی سیگنال های اساسی مختلف مستند شده در ادبیات قبلی را می توان در بازارهای اروپا مورد سوء استفاده قرار داد ، همانطور که در بخش 4 گزارش می کنیم. سرانجام ، در بخش 5 نتیجه می گیریم.

2. بررسی ادبیات

بازارهای کارآمد دارای دو ویژگی مشخصه هستند [8]: سرمایه گذاران اساساً دانش کاملی از ساختار اساسی اقتصاد خود (یعنی اطلاعات) دارند و آنها پردازنده های اطلاعاتی منطقی هستند که تصمیمات بهینه می گیرند (یعنی عقلانیت). اگر هر یک از این دو فرض نتوانند نگه داشته شوند ، ممکن است بازده سهام غیر طبیعی ایجاد شود. با استفاده از FA ، ما بررسی می کنیم که آیا می توان بازده سهام غیر طبیعی را بدست آورد ، سالها پس از کشف ناهنجاری.

قیمت سهام یک شرکت از لحاظ تئوریکی منعکس کننده هر دو طرف عرضه و تقاضای بازار است ، به گونه ای که نشانگر دیدگاه سرمایه گذاران در مورد ارزیابی شرکت ها است. اگر بازار سرمایه در بازتاب کلیه اطلاعات موجود کارآمد باشد ، هیچ چیز از ارزیابی های خود از ارزش یک شرکت بهتر نیست. با این حال ، جمع آوری اطلاعات پرهزینه است ، بنابراین ممکن است برخی از گروه های مردم بهتر از آنچه بازار انجام می دهد ، ارزش قائل شوند [9]. طبق [10] ، پس از انتشار اطلاعات موقعیت معامله گران بزرگ ، یک بازار آینده از کارایی نیمه قوی خبر می دهد. با مطالعه شاخص های اروپایی ، [11] گزارش ها مطابق با فرضیه بازار بهره وری ضعیف (EMH) برای دوره بین ژانویه 1993 و دسامبر 2007 می شود و به این نتیجه می رسد که بازده روزانه و هفتگی به طور معمول توزیع نمی شود ، زیرا آنها به طور منفی کاهش می یابند. leptokurtic ، و نمایش ناهمگونی شرطی. با توجه به شواهد مختلط در سراسر ملل ، [11] همچنین EMH را برای داده های روزانه از پرتغال و یونان رد می کند ، به دلیل همبستگی مثبت مرتبه اول در بازده ، اما آزمایش های تجربی را گزارش می کند که نشان می دهد این دو کشور پس از سال 2003 به رفتار مارتینگال نزدیک می شوند. داده های فرانسوی و ایالات متحده نیز EMH را رد می کنند ، اما در این موارد به دلیل وجود میانگین برگشت در داده های هفتگی است.

یک FA به دنبال ترجمه اطلاعات موجود در صورتهای مالی به تخمین ارزش ها برای تمایز "برندگان" (بنگاه های کم ارزش) از "بازنده" (بنگاه های ارزشمند) است. یک رویکرد به دست آوردن ارزش ذاتی شرکت و خطاهای سیستماتیک در انتظارات بازار است [12]. روش دیگر با سیگنال های عملکرد مالی معامله می شود. بازده غیر طبیعی ناشی از این سیگنال ها می تواند به دلیل عدم توانایی بازار در درک یک بخش خاص از اطلاعات یا شکاف در روند تصمیم گیری منطقی باشد [2 ، 13].

ادبیات قبلی نمونه های مختلفی از سیگنال های فردی، مانند اقلام تعهدی و رانش اعلامی پس از سود، و همچنین سیگنال های ترکیبی ساخته شده بر روی قطعات مختلف اطلاعات، مانند امتیاز F [2]، PEIS [3] و L-score را ارائه می کند.[1]. این دومی، سیگنال های ترکیبی، اطلاعات موجود در مجموعه ای از معیارهای عملکرد یا صفحه نمایش صورت های مالی را جمع آوری می کند و بر اساس سیگنال های کلی شرکت ها، پرتفوی ها را تشکیل می دهد. تحقیقات قبلی نشان می دهد که این استراتژی های سرمایه گذاری بازده خرید و نگهداری غیرعادی را کسب می کنند [9، 10، 11]. به عنوان مثال، [2] یک امتیاز F را بر اساس نه سیگنال باینری مجزا که از داده های حسابداری (سودآوری، اهرم مالی/نقدینگی، و کارایی عملیاتی) مشتق شده اند، ایجاد می کند. شرکت های با ارزش (با امتیاز F بالا) (با نسبت دفتری به بازار پایین) عملکرد آتی و بازده سهام را در مقایسه با شرکت های با ارزش ضعیف (نمره F پایین) تجربه می کنند، که نشان می دهد بازار اطلاعات صورت های مالی را وارد نمی کند. قیمت ها به موقعبسیاری از نویسندگان از این امتیاز برای گرفتن سیگنال ها استفاده می کنند، مانند [14، 15] در بازار ایالات متحده، [4] در بازارهای اروپایی، و [5، 16] در بازارهای نوظهور.

در پیشنهاد L-score، [1] مجموعه ای از متغیرهای مالی (مبانی) را که تحلیلگران ادعا می کنند برای ارزیابی اوراق بهادار مفید هستند، بررسی کنید، سپس این ادعاها را با تخمین ارتباط ارزش افزایشی متغیرها با سود بررسی کنید. یافته های آن ها از ارتباط ارزش افزایشی بیشتر مبانی حمایت می کند. در دهه 1980، عوامل بنیادی به طور متوسط حدود 70 درصد به قدرت توضیحی سود با توجه به بازده مازاد اضافه کردند. این امتیاز مبتنی بر ایالات متحده برای بازارهای در حال ظهور نیز قابل استفاده است [5، 16].

از [3]، امتیاز افزایش سود پیش بینی شده (PEIS) را به دست می آوریم، که به دنبال تعیین اینکه آیا اطلاعات صورت های مالی می تواند برای شناسایی شرکت هایی که احتمال بیشتری برای دستیابی به افزایش سود در آینده دارند، مورد بهره برداری قرار گیرد یا خیر. یافته ها نشان می دهد که سهام با امتیاز بالا به احتمال زیاد از درآمدهای آتی بیشتر و بازدهی غیرعادی برخوردار می شوند و پرتفوی پوششی که بر اساس این سیگنال ها معامله می شود فراتر از توصیه های اجماع تحلیلگران است.

3. طرح تحقیق

3. 1. نمرات اساسی: امتیاز F، امتیاز L و PEIS

نمره F بر اساس 9 سیگنال اساسی تعریف شده توسط [2] است. نمره L مبتنی بر 12 سیگنال اساسی است که توسط [1] پیشنهاد شده است ، و PEI به 6 سیگنال اساسی متکی است [3]. نمره کامپوزیت اطلاعات مربوط به بهبود سالانه در سودآوری شرکت ، اهرم مالی و گردش مالی موجودی را منتقل می کند. این از 0 (پایین) تا 9 (بالا) متغیر است ، که نشان دهنده نه اقدامات اساسی حسابداری گسسته در زمان t است (به پیوست 1 مراجعه کنید). نمره F با مبلغ F1 از طریق F9 برابر است و نمرات بالاتر حاکی از بازده مثبت غیر طبیعی بالقوه و رشد آینده است. همچنین به سطوح مختلف سلامت مالی ، عملکرد مالی شرکت آینده ، رشد دارایی و ارزش بازار آینده قوی است [8]. این امر برای تمایز برندگان از بازنده ها در بین گروه های شرکت هایی با سطح سودآوری تاریخی متنوع [13] و همچنین در بازارهای نوظهور مانند هند [16] و مکزیک [5] مفید بوده است.

L-Score از داده های سالانه برای به دست آوردن سیگنال های اساسی استفاده می کند که اندازه گیری درصد در موجودی ها ، حساب های دریافتنی ، حاشیه ناخالص ، هزینه های فروش ، هزینه های سرمایه ، حاشیه ناخالص ، فروش و هزینه های اداری ، مقررات مربوط به مطالبات مشکوک ، نرخ مالیات مؤثر ، بازپرداخت سفارش ، سفارشات ، بازپرداخت های موثربهره وری نیروی کار ، روشهای موجودی و صلاحیت حسابرسی. این 12 سیگنال اساسی به طور مداوم با بازده معاصر و آینده مربوط می شود [17 ، 18]. با توجه به محدودیت داده ها ، مطالعه حاضر با استفاده از تنها نه سیگنال اساسی برای هر شرکت ، نمره L را محاسبه می کند (به پیوست 2 مراجعه کنید).

سرانجام ، PEIS تعیین می کند که آیا می توان از اطلاعات صورتهای مالی برای شناسایی بنگاه هایی با افزایش درآمد آینده در آینده استفاده کرد. سیگنال ها درصد تغییرات در دارایی های عملیاتی خالص ، حاشیه ناخالص ، فروش و هزینه های اداری ، گردش دارایی و تعهدی را اندازه گیری می کنند [3]. این شش سیگنال اساسی بسته به پنجه نمونه از 1 تا 1 (از جمله 0) متغیر است. تعداد کمی از مشاهدات موجود در PEI های اصلی پایین و بالا (نگاه کنید به جدول 5) می تواند نتایج را مغرضانه کند ، بنابراین ما این نمره اصلی را تطبیق می دهیم تا اطمینان حاصل شود که هر سیگنال از 0 تا 1 متغیر است (شبیه به F- و L-Scores)بشربه نوبه خود ، ما از این اندازه گیری به عنوان PEIS2 یاد می کنیم ، که از 1 تا 6 (مجموع 6 معیار) است. برای مطالعه حاضر ، ما هر دو نسخه PEIS را محاسبه می کنیم (به پیوست های 3 و 4 مراجعه کنید).

3. 2جمع آوری داده ها و بازار سهام Euronext 100

قیمت های تنظیم شده در بازار و داده های مالی سالانه از پایگاه داده DataStream برای کلیه شرکتهای فعال در بازار سهام Euronext 100 بین سالهای 2000 تا 2016 جمع آوری می شود. داده های روزانه و سالانه برای شاخص بازار محاسبه بازده بازار را آگاه می کند. صورتهای مالی از سال T در پایان ماه مارس T + 1 در دسترس است. بازده همچنین شامل سود سهام پرداخت شده به علاوه تقسیم سهام و تقسیم سهام معکوس است. مالیات گنجانده نشده است ، بنابراین نتایج مقادیر ناخالص هستند. بازده سالانه بنابراین می تواند به این صورت محاسبه شود:

r t = p t p t - 1 - 1. E2

Euronext 100 یک شاخص تراشه آبی از Euronext N. V. است که حدود 80 ٪ از شرکت های بزرگ در این مبادله را شامل می شود. بر خلاف اکثر شاخص ها ، این شرکت ها شامل شرکت های مختلف در اروپا است که شامل بزرگترین و نقدی ترین سهام معامله شده در چهار بورس سهام است: آمستردام ، بروکسل ، لیسبون و پاریس. هر سهام باید بیش از 20 ٪ از سهام صادر شده خود را تجارت کند.

شرکت های فرانسوی 66 ٪ از بنگاه های ذکر شده در EuroNext 100 را تشکیل می دهند ، شرکت های هلندی 20 ٪ را تشکیل می دهند و شرکت های بلژیکی و پرتغالی به ترتیب 9 و 5 ٪ را به ترتیب در جدول 1 ، پانل A نشان می دهند. بنگاه هایی که شاخص EuroNext 100 را تشکیل می دهند به طور یکنواخت توسط صنعت توزیع می شوند (برای کوتاه مدت گزارش نشده است ، اما در صورت درخواست موجود است) ، و تعداد شرکت های ذکر شده از 72 بنگاه در سال 2000 به 96 بنگاه در سال 2015 افزایش یافته است (جدول 1 ، پانل B).

میز 1.

منبع: شاخص Euronext 100.

4- نتایج تجربی

4. 1تجزیه و تحلیل توصیفی

برای تعیین اینکه آیا این اقدامات اطلاعات مکمل یا جایگزین را ارائه می دهد ، ما یک تحلیل همبستگی انجام می دهیم. جدول 2 شامل همبستگی پیرسون بین چهار سیگنال اساسی فردی است.

جدول 2

تجزیه و تحلیل همبستگی نمره.

یادداشت ها: ** ، و * به ترتیب اهمیت آماری را در سطح 5 و 10 ٪ (دو دم) نشان می دهد.

به طور کلی ، همبستگی ها در چهار امتیاز کم است ، نشان می دهد که این نمرات احتمالاً جنبه های مختلف عملکرد شرکت را به خود جلب می کند. نمرات بسیار همبسته F-Score و PEIS2 ، با 0. 477 ، مقداری است که از نظر آماری در سطح 1 ٪ معنی دار است. برای آزمایش بیشتر اینکه آیا نمرات مستند ، که برای ساخت استراتژی های موفق ایالات متحده مفید هستند (به عنوان مثال ، [13 ، 14 ، 19]) نیز می توانند در اروپا موفق باشند ، ما اوراق بهادار را بر اساس چهار امتیاز می سازیم.

4. 2بازده خرید و نگهدارنده برای یک استراتژی سرمایه گذاری

برای ساختن اوراق بهادار بر اساس چهار امتیاز کانونی ، ما هر مشاهده را با توجه به سیگنال مربوطه آن ، تا سال گروه بندی می کنیم. سپس ، ما برای هر نمره ، بازده خام 1- و 2 ساله و بازده اضافی بازار را محاسبه می کنیم ، به گونه ای که بازده Multiperiod (2000-2016) به طور مداوم پیچیده می شود. بازده 12 ماهه از آوریل سال t تا مارس سال t + 1 محاسبه می شود و نمره مربوط به سال t اشاره دارد. بازده 24 ماهه از ماه آوریل در T + 1 تا مارس در T + 2 اجرا می شود و نمره مربوطه برای سال T است. برآورد بازده های آینده از اوراق بهادار به همان اندازه وزن استفاده می کند. ما همچنین یک استراتژی پرچین را محاسبه می کنیم که در بنگاه های دارای نمرات بالا و موقعیت کوتاه در افرادی که نمرات پایین دارند ، به صورت سالانه موقعیت طولانی می گیرد. بنابراین ، ما دو گروه ، زیاد (H) و کم (L) تشکیل می دهیم و تفاوت بین آنها را محاسبه می کنیم ، و همچنین ارائه آمار T.

جدول 3 حاوی بازده خرید و نگهدارنده به مدت 1 و 2 سال است. در بازده 12 ماهه مشاهده شده پس از تشکیل نمونه کارها ، هر دو بازده خام و بازده اضافی شرکت با افزایش نمره F افزایش می یابد ، هر چند که به طور مداوم نیست. نمره F7 بالاترین نتیجه را نشان می دهد ، با ارزش 23. 29 ٪ (18. 20 ٪) برای بازده خام (بازده اضافی بازار) در استراتژی خرید و نگهدارنده 1 ساله ، در حالی که نمره F9 ارزش بالایی از 24. 46 ٪ (16. 27 ٪) برای بازده خام (بازده اضافی بازار) برای استراتژی 2 ساله. میانگین اختلاف بازده بین اوراق بهادار بنگاه های دارای نمرات بالا در مقابل نمرات پایین مثبت است و مدل نشان می دهد که در سطح 1 ٪ در تمام معیارها (بازده خام و بازده اضافی ، برای 1 و 2 ساله-خرید و-2-و از نظر آماری معنی دار است.-هود) ، که قدرت توضیحی نمره F را تأیید می کند. یعنی استفاده از نمره F برای تبعیض سهام رشد از سهام ارزش ، نسبت به کسانی که پتانسیل کمی برای ارائه بازده غیر طبیعی مثبت دارند ، امکان پذیر است. به عنوان مثال ، اگر یک سرمایه گذار یک استراتژی صندوق پرچین را پیاده سازی کند ، شرکت های با نمره پایین را کوتاه کند و موقعیت های طولانی را در شرکت های با نمره بالا ببرد ، به سود 29. 75 ٪ (42. 91 ٪) با 1 سال خرید (2 ساله) می رسد-استراتژی نگهدارنده. این نتایج از یک استراتژی که از شاخص بازار برای مدت مشابه استفاده می کند ، بهتر است و سرمایه گذار 21. 74 ٪ (25. 65 ٪) بازده خام بیشتر (بازده اضافی بازار) را با استراتژی 1 ساله (2 ساله) خرید و نگهدارنده بدست می آورد. بنابراین ، یک استراتژی FA برای پیش بینی بازده ، 1 و 2 سال در آینده کارآمدتر است.

جدول 3.

بازده خرید و نگهدارنده توسط F-Score.

یادداشت ها: بازده 12 ماهه 3 ماه پس از پایان سال مالی آغاز می شود ، که دسامبر برای همه شرکت ها است. ما وسایل هندسی بازده را محاسبه می کنیم. بازده 24 ماهه نیز 3 ماه پس از پایان سال مالی آغاز می شود که دسامبر برای همه شرکت ها است. ما وسایل سالانه بازده را محاسبه می کنیم.

*** ، ** ، و* به ترتیب اهمیت آماری را در سطح 1 ، 5 و 10 ٪ نشان می دهد.

این نتایج با ادبیات قبلی مطابقت دارد. به عنوان مثال ، بازده خام نمره بالا برای یک استراتژی خرید و نگهدارنده 1 ساله تقریباً 21. 16 ٪ است ، مشابه 31 ٪ گزارش شده در [2] برای یک دوره متفاوت (یعنی 1975-1995) در بازار ایالات متحده. برای بازار مکزیک در طی سالهای 1991-2011 ، [5] ارزش 21 ٪ را مشخص می کند. سپس [14] بازده 1 ساله خام تقریبا 31 ٪ برای 2007-2007 را بدست آورید. استفاده از نمره F برای چندین شرکت اروپایی برای دوره بین سالهای 1989 و 2011 ارزش بیش از 29 ٪ را تولید کرد [4]. این یافته ها حاکی از آن است که نمره F برای شرکتهای ذکر شده در Euronext 100 در طول 2000-2016 خوب کار می کند ، هرچند که در برخی از مطالعات دیگر نیز وجود ندارد. این نتیجه ممکن است ناشی از بحران بین المللی مالی 2008-2009 و بحران بدهی حاکمیت در اروپا باشد [20 ، 21]).

نتایج نمره L در جدول 4 ظاهر می شود.

جدول 4.

بازده خرید و نگهدارنده توسط L-Score.

یادداشت ها: بازده 12 ماهه 3 ماه پس از پایان سال مالی آغاز می شود ، که دسامبر برای همه شرکت ها است. ما وسایل هندسی بازده را محاسبه می کنیم. بازده 24 ماهه نیز 3 ماه پس از پایان سال مالی آغاز می شود که دسامبر برای همه شرکت ها است. ما وسایل سالانه بازده را محاسبه می کنیم.

*** ، ** ، و* به ترتیب اهمیت آماری را در سطح 1 ، 5 و 10 ٪ نشان می دهد.

همانطور که انتظار می رود ، برای بازده 1- و 2 ساله مشاهده شده پس از تشکیل نمونه کارها ، هر دو بازده بیش از حد RAW و بازار با افزایش نمره L ، با گرایش ضمنی ، اگر منظم نباشد ، افزایش می یابد. به طور کلی ، هرچه نمره L بالاتر باشد ، آینده بازده بیشتر می شود. میانگین اختلاف بازده بین اوراق بهادار شرکتهای با نمره L بالا در مقابل کم 42. 88 ٪ (13. 11 ٪) برای بازده خرید و نگهدارنده 1 ساله (2 ساله) است ، این مدل از نظر آماری در 1 ٪ (5 ٪) معنی دار استمرحله. مشابه با نمره F ، به نظر می رسد که نتایج FA از بازده اضافی بازار محاسبه شده بر اساس شاخص Euronext 100 ، برای مدت مشابه فراتر می رود. میانگین اختلاف بازده بین اوراق بهادار شرکتهای با نمره L بالا در مقابل بازده اضافی بازار برای استراتژی های 1 ساله و 2 ساله خرید و نگهدارنده 27. 29 و 13. 27 ٪ است. این نتایج بنابراین قدرت توضیحی نمره L را تأیید می کند.

در جدول 5 نتایج یک سرمایه گذار که یک استراتژی را بر اساس PEI ها اجرا می کند ، ارائه می دهد.

جدول 5

بازده خرید و نگهدارنده توسط PEIS.

یادداشت ها: بازده 12 ماهه 3 ماه پس از پایان سال مالی آغاز می شود ، که دسامبر برای همه شرکت ها است. ما وسایل هندسی بازده را محاسبه می کنیم. بازده 24 ماهه نیز 3 ماه پس از پایان سال مالی آغاز می شود که دسامبر برای همه شرکت ها است. ما وسایل سالانه بازده را محاسبه می کنیم.

*** ، ** ، و* به ترتیب اهمیت آماری را در سطح 1 ، 5 و 10 ٪ نشان می دهد

مشابه با نمره F و L ، در بازده 1 ساله مشاهده شده پس از تشکیل نمونه کارها ، بازده بازار خام و اضافی با PEI افزایش می یابد-هرچند که به طور مداوم نیست. یک الگوی مشابه برای بازده اضافی بازار پدیدار می شود. با این حال ، نتایج حاکی از تفاوت های قابل توجهی بین بازده خام و بازده اضافی بازار است. میانگین اختلاف بازده برای اوراق بهادار بنگاههای دارای PEI در مقابل پایین ، 7. 10 ٪ (2. 28 ٪) و 1. 61 ٪ (76 /0 ٪) برای RAW (بازار اضافی) با یک استراتژی خرید و نگهدارنده 1 ساله و 2 ساله باز می گرددبشراین نتایج می تواند مشاهدات نسبتاً کمی از PEI های کم و زیاد را منعکس کند (به عنوان مثال ، PEIS-5 و 6 تنها یک مشاهده را منعکس می کنند). بنابراین ، ما همچنین یک استراتژی سرمایه گذاری را با توجه به PEI های اصلاح شده یا PEIS2 شبیه سازی می کنیم (به پیوست 4 مراجعه کنید). این نتایج در جدول 6 ظاهر می شود.

جدول 6.

بازده خرید و نگهدارنده توسط PEIS2.

یادداشت ها: بازده 12 ماهه 3 ماه پس از پایان سال مالی آغاز می شود ، که دسامبر برای همه شرکت ها است. ما وسایل هندسی بازده را محاسبه می کنیم. بازده 24 ماهه نیز 3 ماه پس از پایان سال مالی آغاز می شود که دسامبر برای همه شرکت ها است. ما وسایل سالانه بازده را محاسبه می کنیم.

*** ، ** ، و* به ترتیب اهمیت آماری را در سطح 1 ٪ ، 5 ٪ و 10 ٪ نشان می دهد.

در بازده 12 ماهه مشاهده شده پس از تشکیل نمونه کارها ، هر دو بازده خام و بازده اضافی بازار همراه با PEIS2 افزایش می یابد ، هرچند که دوباره به طور مداوم نیست. نمره P5 با مقادیر 26. 88 ٪ (21. 18 ٪) و 26. 60 ٪ (16. 02 ٪) برای RAW (بازار اضافی) بیش از 1 و 2 سال باز می گردد. میانگین اختلاف بازده بین اوراق بهادار بنگاههای دارای نمرات بالا در مقابل P مثبت مثبت است و مدل All از نظر آماری در سطح 1 ٪ برای همه معیارها معنی دار است. اگر سرمایه گذار در حالی که موقعیت های طولانی را در شرکت های با نمره بالا می برد ، یک استراتژی پرچین و شرکت های نمره کم را اجرا کند ، با یک استراتژی 1 ساله (2 ساله) خرید و خرید ، به سودآوری 8. 21 ٪ (30. 36 ٪) می رسد. این نتیجه قدرت توضیحی بیشتر PEIS2 را در مقایسه با PEI های اصلی تأیید می کند. به نظر می رسد یک FA از یک استراتژی خرید و نگهدارنده 2 ساله برای پیش بینی بازده کارآمدتر است.

نمرات ما از این رو تجزیه و تحلیل می کنیم ، با اهمیت آماری بالا و بازده قوی (از جمله بازده اضافی بازار) قوی هستند. بنابراین ، محققان باید استراتژی های پیشرفته تر سرمایه گذاری را بر اساس FA ، از جمله کاربردهای تئوری نمونه کارها برای به حداقل رساندن ریسک و به حداکثر رساندن بازده مورد انتظار بررسی کنند. ممکن است پیش بینی بحران های مالی و رکود اقتصادی ، به ویژه با توجه به نوسانات شدید در شاخص Euronext 100 در طول دوره مطالعه [19 ، 20].

5. نتیجه گیری ها

این نمای کلی از FA ، پیامدهای آن را برای سرمایه گذاران که حداقل 1 یا 2 سال به دنبال آن هستند ، تأکید می کند. این سرمایه گذاران را ملزم به استفاده از اطلاعات کیفی و کمی برای شناسایی شرکت هایی که به عملکرد مالی قوی دست می یابند و بنابراین می توانند با آینده روبرو شوند. این تلاش سنگ بنای سرمایه گذاری است. با این مطالعه ، ما به دنبال گسترش و پیوند چندین خط تحقیق در تحقیقات حسابداری بازارهای سرمایه هستیم. ما روی اصول مربوط به ارزش و بازده شرطی برای ضریب پاسخ FA تمرکز می کنیم. علاوه بر این ، ما آزمایش می کنیم که آیا L-Score ، F-Score و PEI [1 ، 2 ، 3] ، که در ابتدا در بازارهای ایالات متحده ثبت شده است و بر اساس تجزیه و تحلیل صورتهای مالی ، می تواند توسط سرمایه گذاران برای ساخت اوراق بهادار استفاده شود که آنها را قادر به کسب درآمد می کنند. بازده غیر طبیعی در بازارهای دیگر. اگر بازارها کارآمد باشند ، ناهنجاری ها پس از کشف ، چه با یادگیری و چه داوری ، باید از بین بروند.

در میان بنگاههای ذکر شده در شاخص Euronext 100 در طول 2000-2016 ، ما در مورد قدرت توضیحی سیگنال های حسابداری برای پیش بینی بازده سالانه در یک تنظیم متفاوت بررسی می کنیم. نمره F و PEIS2 از نظر آماری در سطح 1 ٪ برای همه معیارها (بازده خام و بازده اضافی ، خرید و نگهدارنده 1- و 2 ساله) معنی دار است. تأثیر نمره L نیز مثبت و از نظر آماری معنی دار است (سطح 1-5 ٪). اگر آنها یک استراتژی سرمایه گذاری را اتخاذ کنند و اوراق بهادار را با استفاده از نمرات F ، L-Scores و PEIS2 بسازند ، سرمایه گذاران باید با بازده غیر طبیعی در استراتژی های خرید و نگهدارنده 1 و 2 ساله خود پاداش بگیرند. با انتخاب بنگاه هایی با نمرات بالا ، سرمایه گذاران می توانند انتظار داشته باشند که بازده خام را در رویکرد خرید و نگهدارنده 1 ساله خود که بین 12 تا 48 ٪ است (F-Score 21 ٪ ، L-Score 48 ٪ ، PEIS2 12 ٪) انتظار داشته باشند. علاوه بر این ، یک استراتژی سرمایه گذاری که خرید این برندگان مورد انتظار و شوت های انتظار می رود که بازنده های انتظار می رود 8-42 ٪ بازده سالانه بین سالهای 2000 تا 2016 ایجاد کنند (F-Score 30 ٪ ، L-Score 43 ٪ ، PEIS2 8 ٪). اوراق بهادار متشکل از شرکتهای با نمره بالا بیش از 2 ساله نیز باعث افزایش بازده شرکت های خام و بازار اضافی می شود. از آنجا که FA مبتنی بر گزارش های مختلف حسابداری است که مهمترین جنبه های مالی یک شرکت را پوشش می دهد ، برای اجرای استراتژی های سرمایه گذاری بلند مدت نسبت به شاخص بازار سنتی کارآمدتر است ، همانطور که در تحقیقات قبلی نیز پیشنهاد شده است [2 ، 4 ، 5].

مطالعه حاضر ادبیات FA و بازار سرمایه را از چند طریق پیشرفت می کند. اول ، یافته های مربوط به اهمیت ارزش اصول حسابداری بینش در مورد کارآیی بازار در اروپا را ارائه می دهد. با توجه به نوع کارآیی بازار [22] ، ما از شکل نیمه قوی EMH پشتیبانی نمی کنیم ، که در آن قیمت های امنیتی تمام اطلاعات در دسترس عموم را منعکس می کند. تحقیقات بیشتر برای تعیین اینکه آیا اهمیت ارزش اصول حسابداری سیگنال مهمی از ناکارآمدی بازار است یا خیر ، لازم است. به طور خاص ، برخی از بنگاه ها اصول بالایی دارند که در قیمت های امنیتی آنها منعکس نشده است. این نتایج ممکن است عدم تأیید برای شکل نیمه قوی EMH را توضیح دهد [23]. دوم ، نتایج استفاده از یک استراتژی اساسی برای تشکیل اوراق بهادار ، پیامدهای عملی برای سرمایه گذاران دارد. با اشاره به شواهد مبنی بر اینکه سیگنال های اساسی حسابداری می توانند بینش مهمی را برای سرمایه گذاران فراهم کنند ، زیرا تصمیماتی در مورد تخصیص منابع خود می گیرند ، تحقیقات در بازارهای اروپا باید این رویکرد را بیشتر مورد بررسی قرار دهند ، تا توضیحات جایگزین برای اهمیت ارزش اصول را ارائه دهند و بررسی کنند که آیا استراتژی های دیگر می توانند پیش بینی کننددوره استرس مالی.

این مطالعه نیاز به کلیه داده ها در زمان اجرای "آزمون پشتی" داشت ، بنابراین هیچ مسئله بقا وجود نداشت ، و مشاهدات بر اساس اطلاعاتی است که قبل از تصمیم گیری در مورد سرمایه گذاری در دسترس همه سرمایه گذاران خواهد بود. همچنین از داده های سالانه استفاده می کند. شاید نتایج با استفاده از داده های سه ماهه دقیق تر باشد و به طور بالقوه منعکس کننده اثر "رانش پس از درآمد" باشد. اگر یک سرمایه گذار متنوع باشد ، مدل های رگرسیون همچنین می توانند به خوبی کار کنند [2 ، 14].

این مطالعه همچنین چندین محدودیت دارد. این نمرات شامل متغیرهای مهم اقتصاد کلان ، مانند نرخ تورم ، افسردگی اقتصادی یا تغییرات نظارتی در بازار ، فراتر از کنترل اثرات زمانی نیست. تست های خارج از نمونه اضافی می تواند استنتاج در مورد سودمندی یک ویژگی حسابداری معین را تقویت کند ، تا درآمد آینده یا بازده سهام آینده را پیش بینی کند. اگر عوامل نهادی مرتبط یا سایر خصوصیات با گذشت زمان یا در بنگاه ها متفاوت باشد ، این تغییر باید آزمایش شود. هرگونه تغییر در نتایج مشاهده شده همچنین ممکن است به تقویت استنتاج های حاصل کمک کند. تست های توانایی پیش بینی کننده یک ویژگی خاص نیز ممکن است به روشی "عادلانه" انجام شود.

تصدیق

نظرات بیان شده در این مقاله از نویسندگان است و لزوماً نمایانگر نظرات مؤسساتی نیست که با آنها وابسته هستند. نویسندگان حمایت مالی ، تحقیقاتی و اداری را از FCT تأیید می کنند (NECE: UID/GES/04630/2013).