2-3-4 : درآمدهای غیر مترقبه :

در این سایت فقط تکه هایی از این مطلب با شماره بندی انتهای صفحه درج می شود که ممکن است هنگام انتقال از فایل ورد به داخل سایت کلمات به هم بریزد یا شکل ها درج نشود

شما می توانید تکه های دیگری از این مطلب را با جستجو در همین سایت بخوانید

ولی برای دانلود فایل اصلی با فرمت ورد حاوی تمامی قسمت ها با منابع کامل

اینجا کلیک کنید

از آنجا که طبیعی است که فرض کنیم. بازده غیر عادی را می توان با سود غیر منتظره توضیح داد. یعنی اختلاف بین درآمد واقعی و انتظارات بازار در این قسمت مورد بررسی قرار خواهد گرفت. با این حال مشکل انتخاب یک پروکسی برای انتظارات بازار در سال در دسترس نیست وجود دارد. بسیاری از پروکسی های ممکن است به طور کلی طبقه بندی به صورت مدل های سری زمانی و یا مدل ها پیش بینی را داشته باشد. مطالعات قبلی اقدام به کشف بهترین پروکسی ها با بررسی ارتباط بین بازده غیر عادی و سود غیر منتظره از زوایای مختلف پرداخته است. یعنی بهترین پروکسی اندازه گیری درآمد غیر منتظره را به بالاترین ارتباط تعیین می کند. با استفاده از این روش بسیاری از مطالعات نشان داده است. که مدل با استفاده از تحلیل گران پیش بینی بهترین پروکسی را ارائه دادند. (فراید و ژیولی 1982) (براون و همکاران 1987) در حالی که دیگران بهترین پروکسی را برای مدل های سری زمانی پیداکرده اند. مانند هیوز 1987 و ریکس 1988. این نتایج همه در داده ها در ایالت متحده به عنوان اندازه گیری بهترین پروکسی می باشد. این مطالعه به بررسی شواهدی برای کشور دانمارک را با استفاده از همان دو روش برای دو مدل مختلف از درآمد غیر منتظره را نشان می دهد. یک سری زمانی ساده مدلی است که پیش بینی کرد. که در آمد این سال مانند سال گذشته تصادفی می باشد. با بهره گیری از پیش بینی تحلیل گران (IBES) براورد انتظارات بازار در آمد انجام می شود. به طور کلی اندازه گیری ما از سود غیر منتظره UE براساس سود هر سهم (EPS) را می توان به صورت زیر نوشت.

برآورد (IBES) از پیش بینی های (EPS) به استثنای عملیات انجام شده متوقف می شود. بنابراین باید تعریف مطابقت داشته باشد. پایگاه داده (IBES) اندازه گیری (EPS) را فراهم می کند. که ما آن را در محاسبه درآمد غیر منتظره برابر مدل (IBES) استفاده خواهیم کرد. با این حال فیلبریک و ریک در سال 1991 مشکلات متعددی را در رابطه با (EPS) های از (IBES) پیداکرده و نتیجه گرفتند. که انتخاب منبع داده مهم تر از انتخاب مربوط به پیش بینی تحلیل گران است. همچنین داده های (EPS) واقعی را حساب کرده که یک پایگاه داده به دست آمد که شامل اطلاعاتی از صورت های مالی شرکت های دانمارکی بود. داده های حساب اندازه گیری شده از (EPS) واقعی بوده است. که ان غیر مترقبه اعلام نموند و این اندازه گیری را استفاده می کنند. هر دو منبع اطلاعاتی (EPS) واقعی در این مدل ساده مورد استفاده قرار می گیرد. انتخاب دوم در محاسبه اندازه گیری در آمد غیر منتظره نگرانی ها را کاهش می دهد از انجا که این انتخاب در مطالعات مختلف متفاوت است. معمولا سه سطح مختلف را در مطالعات قبلی یافت می کنیم. اول اینکه تعدیل کننده مساوی یک بوده که مربوط به استفاده از هیچ نوع تعدیل کننده ای است. تعدیل کننده دوم برای پیش بینی (EPS) می باشد. و آخرین تعدیل کننده برای حقوق صاحبان سهام در آغاز دوره استفاده می شود. که کریستی در سال 1987 نتیجه گرفت که این نوع از تعدیل کننده مناسب تر می باشد. برای جلوگیری از اعمال محدودیت های بیش از حد در ارتباط با درآمد غیر منتظره تولید شده از مدل ها و بازده های غیر طبیعی بوده و در طول رویداد متراکم شده است. بازهم این خواهد شد که با استفاده از آزمون براساس (PPM) و (CRO) ضریب همبستگی مشخص شود. علاوه براین ما نیز تجیه و تحلیل چند متغیره ای را توسط رگراسیون (CAR) در اقدامات درآمد غیر منتظره انجام می دهیم. این اجازه می دهد. تا ما بررسی اینکه ایا اقدامات مختلف دارای قدرت توضیحی افزایش بیش از هریک از انواع دیگر است را انجام می دهیم. همانطور که گفته شد. ما نیز شامل اثر متقابل بین درآمد غیر منتظره و پروکسی برای اطلاعات از پیش افشاشده هستیم. در نهایت کنترل در زمان موجود برای رگراسیون انجام پذیر است.

دسته بندی : پایان نامه ارشد

دیدگاهتان را بنویسید