پژوهش حاضر ، نقش تعدیل گر نظام راهبری شرکتی بر رابطه بین گرایش های احساسی سرمایه گذاران و تغییرات بازده سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران را مورد بررسی قرار داده است. در این پژوهش، متغیر مستقل، احساسات سرمایه‌گذاران می‌باشد ومتغیر وابسته، نوسانات بازده سهام است. برای آزمون فرضیه‌های پژوهش، از روش برآورد مدل تحقیق در قالب داده های تابلویی و تحلیل براساس مدل اثرات ثابت و اثرات تصادفی توسط نرم افزار Eviews بر مبنای داده های ترکیبی استفاده شده است. نمونه شامل ۱3۹ شرکت پذیرفته‌شده در بورس اوراق بهادار تهران در بازه زمانی ۱۳۹4-۱۳۹9 می باشند که با روش حذفی سیستماتیک انتخاب ‌شده‌اند. یافته ها نشان داد که بین گرایش های احساسی سرمایه گذاران و نوسانات بازده سهام رابطه ی معنی داری وجود دارد. هم چنین متغیر سهامداران نهادی می تواند رابطه ی بین گرایش های احساسی سرمایه گذاران و نوسانات بازده را تعدیل نماید. Manuscript profile

هدف این مطالعه، پیش بینی درماندگی مالی با استفاده از متغیر های مالی، اقتصاد و بازار سهام در قالب مدل های رگرسیون لجستیک باینری، مرتون و مدل ترکیبی می باشد. بدین منظور اطلاعات 168 شرکت درمانده منتخب بر اساس معیارهای خاص درماندگی و 168 شرکت سالم پذیرفته شده در بورس اوراق بهادار تهران در فاصله بین سال های 1385 الی 1398 و به تفکیک دو سال قبل، یک سال قبل و سال درماندگی مورد استفاده قرار گرفته است. در این مطالعه از 17 نسبت مالی، 4 متغیر اقتصادی و 4 متغیر بازار سهام استفاده گردیده است. تحقیق حاضر سعی در توسعه یک مدل پیش بینی کننده درماندگی مالی ترکیبی دارد که برای اولین بار متغیرهای مالی، اقتصادی و بازار سهام مدل حسابداری را با متغیر احتمال نکول مدل ساختاری ترکیب می کند. نتایج تحقیق نشان داد که مدل ترکیبی، قدرت توضیحی بهتری نسبت به مدل مرتون و مدل رگرسیون لجستیک باینری دارد و با وجود اینکه وجود متغیر احتمال نکول مدل مرتون باعث بهبود قدرت توضیحی مدل ترکیبی می شود ولی همچنان قدرت توضیحی مدل رگرسیون لجستیک باینری بهتر از مدل مرتون می باشد. Manuscript profile

هدف پژوهش حاضر بررسی تاثیر جهت‌‌گیری اخلاقی، تهدید استقلال شخصی و شدت اخلاقی بر فرآیند تصمیم‌‌گیری اخلاقی حسابرسان است. این تحقیق از نوع تحقیقات کاربردی، توصیفی و پیمایشی می‌‌باشد که یک طرح نیمه‌‌آزمایشی با دو سناریو است. جامعه آماری شامل حسابرسان ارشد و مدیران حسابرسی شرکت‌‌های حسابرسی عضو جامعه حسابداران رسمی و سازمان حسابرسی کشور هستند که تا پایان شش ماه اول سال 1398 مشغول به فعالیت بوده‌‌اند، و نمونه آماری نیز 131 تن از حسابرسان ارشد و مدیران حسابرسی می‌‌باشند که با روش در دسترس انتخاب شدند. برای اندازه‌‌گیری متغیرهای تحقیق از پرسشنامه استفاده شد که روایی و پایایی آن‌ها مورد تأیید قرار گرفت. نتایج تحقیق نشان داد که جهت‌‌گیری اخلاقی و تهدید استقلال شخصی بر فرآیندهای تصمیم‌‌گیری اخلاقی حسابرسان تاثیر دارند، ولی شدت اخلاقی بر فرآیند تصمیم‌‌گیری اخلاقی تاثیر ندارد. در تبیین این یافته می‌‌توان گفت که حسابرسان با جهت‌‌گیری خاص اخلاقی آگاهی زیادی از محتوای اخلاقی حسابرسی دارند و بنابراین فرآیند تصمیم‌‌گیری اخلاقی خود را همواره تقویت می‌‌کنند. این نوع جهت‌‌گیری اخلاقی برای حسابرسان بسیار سودمند است، زیرا بر اساس قوانین حرفه‌‌ای خود عمل می‌‌کنند. همچنین نتایج حاکی از تاثیر معنی‌‌دار تهدید استقلال شخصی بر فرآیند تصمیم‌‌گیری اخلاقی حسابرسان است. بنابراین، بالا بودن تهدید استقلال منافع شخصی منجر به افزایش حساسیت اخلاقی حسابرسان می‌‌شود که از فرآیندهای تصمیم‌‌گیری اخلاقی حسابرسان است. علاوه بر آن، یافته‌‌های تحقیق حاکی از معنی‌‌دار نبودن تاثیر شدت اخلاقی بر فرآیند تصمیم‌‌گیری اخلاقی می‌‌باشد. Manuscript profile

This study investigates the effects of stock anomalies on excess stock and unexplained returns of multifactorial models in the companies listed at the Tehran Stock Exchange. We selected a sample of 120 companies listed at the Tehran Stock Exchange from 2008 to 2019 using the Fama-Macbeth [18] regression approach. The results revealed that stock anomalies led to considerable differences in excess stock returns of different portfolios, implying that stock returns at different anomaly levels significantly differ. In addition, it was found that the anomalies related to stock characteristics greatly impacted explaining excess stock returns in the three-factor and five-factor models suggested by Fama and French. Besides, in different portfolios of the anomalies, the unexplained return rates were significantly different from each other. Moreover, in Fama and French's three-factor and five-factor models, different anomaly portfolios show significant differences in explaining excess stock returns. Manuscript profile

The aim of this study was to investigate the ranking of effective factors on how to implement timely management of goods and equipment and its evaluation criteria in the power distribution company of the whole country using Analytic Hierarchy (AHP). Five dimensions (production technical factors, managerial level management factors, factors related to IT processes and infrastructure, factors related to processes and factors related to training and manpower) were determined and the research hierarchical tree was drawn. Based on the opinions of experts in this tree, five Next, on how to implement timely management of goods and equipment in time and its criteria interact with each other. To determine their weight, the combined approach of fuzzy AHP and fuzzy DEMATEL was used. The influential and expressive dimensions of each other are the cause, and the dimensions of the factors related to IT processes and infrastructures are part of the influential or expressive dimensions of other effects. Manuscript profile

وجود تقلب و تداوم آن در صورتهای مالی،آثارگسترده ای بر سلامت مالی شرکت ها و توسعه پایدار بازار سرمایه دارد. روش های متداول حسابرسی در پیشگیری و کشف صورت های مالی متقلبانه، نتوانستهاندباتقلب‌هایحسابدارینوظهور به دلیل فقداندانشموردنیازداده کاوی،پیچیدگی تقلب های جدید و عدم تجربهکافیحسابرسان کناربیایند. در این پژوهش، انواع مدل های آماری و یادگیریماشین در دست یابی به الگویی با کارایی بالا در پیش بینی گزارشگری مالی متقلبانهاستفاده شد. از 20 متغیر در قالب الگوی پنج ضلعی تقلب با تاکید بر ساختار کنترل های داخلی در 166 شرکت هایفعال در بورس اوراق بهادار تهران طی سالهای 1388 الی 1397 و مقایسه بین مدل های مورد بررسی،باکمکآزمـونمقایسـة نسبت ها،نشان می‌دهدکهبه لحاظ آماریمدل هاییادگیریماشـیندرپیش‌بینیگزارشگری مالی متقلبانه نسـبتبـه مدل هایآماری،کارایی و دقتبیشتری دارند. ترکیب الگوریتم درخت تصمیم گیری CHAID، C5 و C&R بالاترین دقت در پیش بینی گزارشگری مالی متقلبانه را با دقت بالای 61/92 درصد در پیش بینی تقلب نشان می دهد. روش های داده کاوی بر پایه مدل های یادگیری ماشین و بویژه ترکیب آنها بطور موفقیت آمیزی در پیش بینی و کشف تقلب در صورت‌های مالی می تواند مورد استفاده قرار گیرد.The efficiency of statistical and machine learning models in fraud financial statement Hassan Maleki KaklarJamal Bahri SalethSaeed Jabbarzadeh KangarloeeAli AshtabThe existence and persistence of fraud in financial statements can have adverse impact on the sustainable development of the capital markets as well as the financial health of companies. Using conventional audit procedures which is applied to prevent and detect fraudulent financial statements, auditors fail to cope with emerging accounting frauds. This can be due to many reasons, such as the lack of the required data mining knowledge, the complexity and infrequency of financial frauds, and the auditors without much experience. Accordingly, due to importance of identifying fraud in capital market, different types of statistical and machine learning based models were examined to establish a rigorous and effective model to detect financial statements fraud in this study. For this purpose, 20 variables in the form of the pentagonal fraud with emphasis on the structure of internal controls (pressure, opportunity, justification, capability, arrogance and internal control structure) were used from 166 manufacturing companies listed on Tehran stock exchange over the period 2009-2018. Based on the statistical indices obtained, machine learning based models exhibited higher predictive ability and accuracy than statistical based models in predicting financial statement fraud. The results also showed that C5, CHAID and C&R decision tree models were highly accurate in prediction of fraudulent datapresented in fnancial statement. Accordingly, the efficacy of combination of CHAID, C5 and C&R decision tree algorithms which had the highest accuracy in prediction of fraudulent financial reporting was examined. The high accuracy of 92.61% of the combination of these algorithms in fraud prediction shows that data mining methods based on machine learning models and especially their combination can be used successfully in fnancial statement fraud prediction. Manuscript profile

پژوهش‌های پیشین در زمینه عملکرد کوتاه‌مدت عرضه عمومی اولیه، بیانگر این واقعیت است که سهام تازه عرضه شده در کوتاه‌مدت، عملکرد بهتری نسبت به بازار دارد. مدل‌های آماری توانسته‌اند پیش‌بینی‌های خوبی در مورد عملکرد این‌گونه سهام ارائه دهند ولی مفروضات محدودکننده برخی از این مدل‌ها بر اثربخشی‌شان موثر بوده است. بنابراین، روش‌های دیگری برای مقابله با این محدودیت‌ها و بهبود پیش‌بینی‌ها معرفی شدند. از آن‌جایی که عرضه عمومی اولیه موضوع بااهمیتی در بازار سرمایه است، در این پژوهش به بررسی مدل‌های طبقه‌بندی مختلف برای دست‌یابی به مدلی که از کارایی و دقت بالایی در پیش‌بینی قیمت‌گذاری کمتر از واقع سهام عرضه عمومی اولیه برخوردار است، پرداخته شد. به‌منظور دست‌یابی به این هدف، ۸۴ شرکت بورسی و ۵۴ شرکت فرابورسی طی سال‌های 1382 تا 1396 به‌روش حذف سیستماتیک جهت تحلیل در نظر گرفته شد. نتایج نشان داد که مدل‌های ماشین بردار پشتیبان، شبکه بیزین و سی‌فایو از دقت بالایی در پیش‌بینی قیمت‌گذاری کمتر از واقع برخوردارند. همچنین نتایج نشان داد که متغیرهای مهم تاثیرگذار شامل رشد دارایی‌ها، دوره تصدی حسابرس، تخصص حسابرس در صنعت، نسبت فعالیت‌های تامین‌مالی، نسبت قیمت به سود هرسهم، بازده دارایی‌ها، نسبت فعالیت‌های عملیاتی، اندازه موسسه حسابرسی، فرصت‌های رشد و نوسانات قیمت سهام هستند. Manuscript profile

پژوهش حاضر با استفاده از روش نظریه پردازی زمینه بنیان به ارائه الگویی برای پیش بینی تاخیر واکنش قیمت سهام می‌پردازد. این پژوهش از نوع کیفی می باشد از مصاحبه‌های نیمه ساختاریافته به عنوان ابزار جمع‌آوری داده‌ها و روش نمونه گیری گلوله برفی یا زنجیرهای استفاده شده است و برای انتخاب نمونه از نمونه‌گیری هدفمند استفاده شده است. داده‌های پژوهش به کمک کدگذاری باز، محوری و انتخابی مورد تجزیه و تحلیل قرار گرفتند در این پژوهش از تعداد 42 مصاحبه صورت گرفته در مجموع 607 کد مصاحبه، 101 مقوله فرعی (مفاهیم) و 11 مقوله اصلی استخراج سپس مدل کیفی پژوهش طراحی و بر اساس تحلیل داده‌ها (مصاحبه‌ها) پیوند بین مقوله‌ها در قالب شرایط علّی، شرایط زمینه‌ای، شرایط مداخله‌گر، راهبردها و پیامدها صورت گرفته است. نتایج پژوهش نشان داد عوامل کلان و سهامداران بازار بعنوان عوامل علی بر پیش‌بینی تاخیر واکنش قیمت سهام مؤثرند. از طرف دیگر با توجه به این عوامل راهبردهایی برای ارتقای پیش‌بینی تاخیر واکنش قیمت سهام، شامل استقرار اطلاعات و صورت‌های مالی شرکتی، اطلاعات شرکتی، معیار عملکردی بازار، مدیریتی و کنترل شرکتی ارائه شده‌اند که در بستر عوامل زمینه‌ای و مداخله‌گر ایجاد می‌شوند. Manuscript profile