چکیده:
تحقیق حاضر به بررسی عوامل تعیین کننده نسبت پرداخت سود سهام همچنین مقایسه قدرت پیش بینی شبکه های عصبی و مدل رگرسیون حداقل مربعات به منظور برآورد نسبت پرداخت سود سهام می پردازد. هدف این تحقیق شناسایی و تبیین عوامل تعیین کننده نسبت پرداخت سود سهام، ارزیابی درجه اهمیت این عوامل و ارائه یک مدل توصیفی از عوامل تعیین کننده نسبت پرداخت سود سهام می باشد. از میان تئوری ها و نظریه های متفاوتی که از سوی محققین حوزه مالی در خصوص سود تقسیمی ارائه شده است در این تحقیق نظریه های علامت دهی، نمایندگی و سود سهام باقیمانده مورد بررسی قرار گرفته است. برای بررسی این نظریه ها ابتدا متغیرهای جایگزین تعیین و سپس اطلاعات لازم برای 133 شرکت گردآوری گردید. برای تجزیه و تحلیل اطلاعات نیز از روش های آماری مبتنی بر ضریب همبستگی، رگرسیون چندگانه و شبکه های عصبی مصنوعی استفاده شده است. نتایج تحقیق حاکی از آن است که میان نسبت پرداخت سود سهام و متغیرهای نسبت پرداخت سود سهام سال قبل، پراکندگی مالکیت و جریان نقد آزاد رابطه معنادار و مثبتی وجود دارد. مقایسه بین مدل های رگرسیون و شبکه عصبی نشان دهنده پیش بینی دقیق تر نسبت پرداخت سود سهام با استفاده از مدل شبکه عصبی می باشد. همچنین در ساختار 1-13-7 شبکه عصبی مدلی که دارای نرخ یادگیری 15/0 و اندازه حرکت 9/0 است نشان می دهد که رشد درآمد، نسبت پرداخت سود سهام سال قبل و پراکندگی مالکیت مهمترین عوامل تعیین کننده نسبت پرداخت سود سهام می باشند.
This research analyzes the determinants of dividend payout ratio, using a sample of Tehran Stock Exchange companies and it also compares the predictive power of neural networks and regression model to estimate dividend payout ratio. The purpose of this research is identification and explanation of the determinants of dividend payout ratio, evaluation of the importance of these determinants, and presentation of a descriptive model of dividend payout ratio determinants. Among the different theories and ideas from researchers in the field of finance about dividend, in this study, signaling theory, agency theory and residual theory of dividend have been studied. In order to review the theories, first substituting variables were determined and then the necessary information for 133 companies was gathered during six years (83-88). The information was analyzed via statistical methods based on correlation coefficient, multivariate regression, and artificial neural networks. The results of this research indicate the existence of a significant and positive relationship between dividend payout ratio and “last year dividend payout ratio, ownership dispersion and free cash flow (FCF)”. A comparison between regression and neural network models indicating more accurate prediction of dividend payout ratio using neural network model. Also in structure (7-13-1) of neural network, a model with “learning initial=0.15 and momentum=0.9” shows that revenue growth, last year dividend payout ratio, and ownership dispersion are the most important determinants of dividend payout ratio
خلاصه ماشینی:
همچنين در ساختار ١-١٣-٧ شـبکه عصـبي مـدلي کـه داراي نـرخ يـادگيري ٠/١٥ و انـدازه حرکت ٠/٩ است نشان مي دهد که رشد درآمد، نسـبت پرداخـت سـود سـهام سـال قبـل و پراکنـدگي مالکيت مهمترين عوامل تعيين کننده نسبت پرداخت سود سهام مي باشند.
همچنـين از مـدل شـبکه هـاي عصبي مصنوعي براي پيش بيني نسبت پرداخت سود سهام، با اسـتفاده از عوامـل مـورد بررسي در اين تحقيق ، استفاده کنيم و نتيجه بدست آمـده را بـا مـدلهـاي رگرسـيوني مقايسه کنيم تا بهترين مدل پـيش بينـي از ميـان روش شـبکه هـاي عصـبي و رگرسـيون برگزيده شود.
در ايـن تحقيق براي بررسي رابطه ميان اهـرم مـالي و نسـبت پرداخـت سـود سـهام فرضـيه اي به صورت فرضيه ٦ تدوين شده است : فرضيه ٦- بين نسبت پرداخت سود سهام و نسبت اهرم مـالي رابطـه معنـاداري وجود دارد.
براي بررسي اين مورد فرضيه ٧ بـه صـورت ذيـل تـدوين شده است : فرضيه ٧- بين نسبت پرداخت سود سهام و رشد درآمد شرکت رابطه معنـاداري وجود دارد.
متغيرهاي مستقل و نحوه محاسبه آنها: - نسبت پرداخت سود سهام سال قبل (x١): نحوه محاسبه اين متغير مشـابه متغيـر وابسـته دررابطـه ٢مـي باشـد بـا ايـن تفـاوت که DPR،DPS و EPS مربوط به شرکت i در سال ١-t است : Dividend Payout Ratioi t-1 = DPSi t-1/ EPSi t-1 (2) - پراکندگي مالکيت (x٢): براي محاسبه متغير پراکندگي مالکيت در تحقيق هاي مختلف راههاي متفاوتي مـورد استفاده قرار گرفته است .