واکنش بازار به اعلامیه‌های سود فصلی در بورس اوراق بهادار تهران

نویسندگان

1 دانشیار مدیریت مالی دانشگاه شهید بهشتی

2 دانشجوی دکتری مدیریت مالی دانشگاه شهید بهشتی

چکیده

 
این مقاله از روش رویداد پژوهی سنتی برای بررسی محتوای اطلاعاتی اعلامیه‌های سه‌ماهه سود در بورس اوراق بهادار تهران به‌عنوان یک بازار سهام کوچک و کم‌معامله استفاده می‌کند. در این مقاله، از اعلامیه‌های سود سه‌ماهه در بازه زمانی ابتدای سال 1384 تا انتهای سال 1390 به‌عنوان داده اصلی استفاده می‌شود. نوآوری این پژوهش استفاده از سه روش یکسان، انباشته و معامله به معامله برای پرکردن بازدهی روزهایی است که سهام در آن روزها معامله نشده است. نتایج حاصله نشان می‌دهد که اعلامیه‌های سود حاوی اطلاعات مربوطی برای بازار سهام است. زمانی که سود واقعی سه‌ماهه بیش از پیش‌بینی شرکت باشد (اخبار خوب)، در پنج روز بعد از اعلام سود، بازدهی غیرعادی مثبت معنی‌داری مشاهده می‌شود. تداوم این بازدهی غیرعادی طی چند روز پس از اعلام سود، نشان‌دهنده آن است که سرعت تعدیل قیمت‌ها در این بورس کوچک کم است. در اعلامیه‌های سودی که سود واقعی کمتر از پیش‌بینی است (اخبار بد)، بازدهی غیرعادی مشاهده نمی‌شود. شاید بورس تهران توانایی کشف اخبار بد را بهتر از اخبار خوب دارا باشد. همچنین رابطه منفی بین محتوای اطلاعاتی و شاخص‌های اطلاعات پیش از افشا به‌دست آمد که با نتایج بازارهای بزرگ همخوانی دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Market Reaction to Quarterly Earning Anouncment in Tehran Stock Exchange

نویسندگان [English]

  • M.S Fadaei Nejad 1
  • M kamelniya 2
1 Shahid Beheshti UnivAssociate Professor of Finance, Shahid Beheshti University, Iranersity
2 Ph.D. Student of Finance, Shahid Beheshti University, Iran
چکیده [English]

This paper uses the traditional event study method to examine the information content of quartrerly earnings announcements in the Tehran stock exchange as a small and thin trading stock market from year 1384 until end of 1390. The contribution of this paper is the use of three method (uniform, lump and Trade to trade) for missing data. The paper finds that earnings announcements contain relevant information for the stock market. When actual earning was exceed from expected earning (good news), the paper finds significant positive abnormal returns accompanying the announcements. The abnormal return persists several days after the announcement, suggesting that the information environment of this small stock market works to decrease the speed of adjustment. In addition when actual earning was less than the expected earning (bad news), there is no abnormal return around the announcement. Perhaps Tehran stock exchange can discover bad news rather than good news.the paper finds a positive correlation between the information content and predisclosure information. This 

کلیدواژه‌ها [English]

  • Earnings announcmet
  • Event study
  • predisclosure information
  • thin trading


یکی از مهمترین مباحث دهه‌های اخیر در مطالعات مالی، چگونگی انعکاس اطلاعات در قیمت سهام است. فاما (1970) بازار کارا را بازاری تعریف می‌کند که در آن قیمت‌ها همیشه اطلاعات در دسترس را به‌طور کامل منعکس می‌کنند. برای ایجاد تمایز میان شکل ضعیف، نیمه‌قوی و قوی کارایی، اطلاعات به سه بخش اطلاعات تاریخی، اطلاعات در دسترس عموم و اطلاعات محرمانه تقسیم می‌شوند [16].
گراسمن و استیگلیتز (1980) بحث جدیدی را به این ادبیات موضوع اضافه می‌کنند. آن‌ها این گونه بیان می‌کنند که: قیمت‌ها فقط می‌توانند اثر اطلاعات بدون هزینه را به‌طور کامل منعکس نمایند، زیرا باید بابت کسب اطلاعات در ازای هزینه، بازدهی وجود داشته باشد؛ در غیراین‌صورت، هیچ نوع تملک اطلاعاتی صورت نخواهد گرفت [19].
اگر چه بی‌قاعدگی‌های متعددی در پژوهش‌های مختلف به تایید رسیده است، اما انتظار داریم که مطالعات تجربی، فرضیه کارایی را تایید کند. نمونه‎‌ای از این پژوهش‌ها، پژوهش‌های فاما (1991) و کوثاری (2001) است که وجود رانش پس از اعلام را نشان می‌دهد (تمایل قیمت سهم به تداوم رانش پس از افشای اطلاعات) [17] و [22].
در حالی‌که فرضیه کارایی از چگونگی پردازش اطلاعات توسط افراد اجتناب می‌ورزد و تلویحاً اطلاعات را همگن فرض می‌کند، ادبیات موضوعی افشا می‌‌کوشد تا از طریق مدل‌سازی صریح‌تر این فرآیند و مجاز دانستن اطلاعات ناهمگن، درک عمیق‌تری را فراهم کند. کیم و ورشیا (1997) نشان دادند که مشاهدات تجربی درباره رفتار حجم معاملات و قیمت حول اعلامیه تنها می‌تواند توسط مدل نظری‌ تایید شود که اطلاعات محرمانه ناهمگن درباره ارزش شرکت (اطلاعات پیش از اعلام) و تعابیر سرمایه‌گذاران مختلف ناشی از اطلاعات ناهمگن در دوره رویداد را در خود داشته باشد. نتایج بررسی آن‌ها نشان می‌دهد که تغییرات قیمت سهام به میانگین اطلاعات پیش از افشا و اطلاعات دوره رویداد بستگی دارد [21]. لیانگ (2003) دریافت که رابطه مثبت معناداری میان رانش پس از اعلام سود و اطلاعات ناهمگن وجود دارد [23]. این بررسی‌های نظری و تجربی بیانگر این امر هستند که محیط اطلاعاتی نقشی محوری در واکنش بازار نسبت به افشای اطلاعات دارد. ادبیات تجربی در حوزه واکنش بازار به افشای اطلاعات بسیار گسترده است و دامنه وسیعی از اطلاعات مانند تجزیه سهام و تغییر در موجودی کالا را در بر می‌گیرد.
چگونگی ارتباط میان عایدات و قیمت سهام حوزه‌ای است که توجه ویژه‌ای را به خود معطوف کرده است. این حوزه، با مطالعات بی‌ ور (1968) و بال و براون (1968) آغاز گردید. مطالعات مذکور و تحقیقاتی را که پس از آن صورت پذیرفت، می‌توان به دو گروه تقسیم کرد: مطالعات همبستگی و مطالعات رویداد پژوهی . در حالی‌که مطالعات رویداد پژوهی از طریق بررسی واکنش بازار طی دوره زمانی کوتاه حول تاریخ اعلام، سعی در مشخص نمودن محتوای اطلاعاتی اعلام سود دارند، مطالعات همبستگی، همبستگی بلندمدت عایدات و قیمت سهام را بررسی می‌کنند.
موضوع دیگری که در مطالعات رویداد پژوهی بررسی می‌شود، میزان اطلاعات پیش از افشاست.
منظور از اطلاعات پیش از افشا، درز اطلاعات محرمانه شرکت به بازار قبل از اعلام رسمی آن است.
از آنجا که میزان اطلاعات پیش از افشا مستقیماً قابل مشاهده نیست، معمولاً برای آزمون آن از شاخص‌های متعددی استفاده می‌کنند. یکی از متداول‌ترین این شاخص‌ها، اندازه شرکت است که برای نخستین بار آتیاس (1985) از آن استفاده نمود و فرضیه اطلاعات تفاضلی اندازه شرکت را مطرح کرد.
مطابق این فرضیه، مقدار اطلاعات پیش از افشا مربوط به بازار، تابع صعودی اندازه شرکت است.
بنابراین، اطلاعات غیرمنتظره که طی اعلام سود به بازار انتقال می‌یابد، با اندازه شرکت، رابطه معکوس دارد [6]. شاخص متداول دیگری که اغلب استفاده می‌شود، تعداد تحلیلگرانی است که وضع شرکت را پیگیری می‌کنند. به نظر دیمپسی، تعداد تحلیلگران شاخص بهتری است، زیرا به انگیزه‌های بیشتری برای گردآوری اطلاعات غیر از اندازه شرکت منتج می‌گردد [14].
پژوهش حاضر برای پاسخ به این سؤال انجام می‌شود که: آیا اعلام سود در بورس اوراق بهادار تهران دارای محتوای اطلاعاتی است و آیا واکنش بازار نسبت به این اطلاعات کارا است.
بورس اوراق بهادار تهران یک بازار کوچک محسوب می‌شود. نحوه واکنش بورس کوچک نسبت به اعلام سود، از آن حیث جالب توجه است که محیط اطلاعاتی بورس‌های کوچک و بزرگ می‌توانند به لحاظ ابعاد مختلف، با یکدیگر متفاوت باشند. در خصوص اطلاعات قبل از اعلام، می‌توان اظهار داشت، اندازه کوچکتر بازار به توسعه‌یافتگی کمتر آن و تخصص کمتر سرمایه‌گذاران منجر می‌گردد و در نتیجه، اطلاعات پیش از اعلام کمتری وجود دارد. از سوی دیگر، می‌توان مدعی شد اندازه بزرگ‌تر بازار باعث شفافیت بیشتر بازار و اطلاعات پیش از اعلام بیشتر می‌گردد. به‌علاوه، ممکن است سرعت انعکاس اطلاعات جدید در قیمت‌ها تحت تاثیر اندازه بازار سهام واقع گردد.
پیش از این، کالانکی (1996) محتوای اطلاعاتی اعلام سود را در بورس کوچک فنلاند بررسی کرد.
همچنین سپونهالتز (2008) تاثیر اعلام سود را در بورس کپنهاک بررسی نمود. گرچه هر دو بازار فوق جز بازارهای کوچک به حساب می‌آیند و ویژگی سهام کم‌معامله در هر دو بازار مثل بورس تهران وجود دارد، اما از جهاتی با بورس تهران تفاوت‌هایی دارند. پدیده‌هایی همچون حد نوسان قیمت، حجم مبنا و بسته ‌بودن نماد در دوره‌هایی نسبتاً طولانی، بورس تهران را از سایر بازارهای دیگر متفاوت می‌کند.

روش پژوهش
روش‌ مورد استفاده در این بررسی، روش‌ استاندارد مطالعات رویداد پژوهی است. روش مذکور بر این فرض استوار است که می‌توان بخشی از بازدهی سهام را که مربوط به رویدادی خاص است، مجزا نمود. این امر با استفاده از مدلی برای تخمین بازدهی عادی صورت می‌پذیرد. منظور از بازدهی عادی، آن بازدهی است که در صورت عدم رخداد رویداد مورد نظر حاصل می‌شود. بازدهی غیرعادی که توسط رویداد مربوطه ایجاد می‌شود، از مابه‌التفاوت بازدهی واقعی و بازدهی عادی تخمینی حاصل می‌گردد. آنگاه محتوای اطلاعاتی رویداد از طریق ارزیابی بازدهی غیرعادی حول تاریخ اعلام، بررسی می‌شود. در این مطالعه، تاریخ اعلام سود، روز صفر در نظر گرفته می‌شود. پارامترهای مدل بازدهی عادی در دوره تخمین ]6- ؛ 185-[ تخمین زده می‌شود، در حالی‌که بازدهی غیرعادی در دوره رویداد 11 روزه ]5 ؛ 5-[ بررسی می‌گردد.


مدل‌های متعددی را می‌توان برای تخمین بازدهی عادی به کار برد. در اینجا از مدل بازار استفاده می‌شود. براون و وارنر (1985) دریافتند که تحت شرایط مختلف در صورت استفاده از بازدهی روزانه، این مدل بهترین برآورد را خواهد داشت [10]. مدل بازار هر شرکت به صورت زیر است:
(1)
در رابطه 1 ، و به‌ترتیب نمایانگر بازدهی سهام j و پرتفوی بازار در روز t هستند. در رابطه فوق ابتدا باید مقادیر آلفا و بتا تخمین زده شود. بدین منظور، مقادیر واقعی بازده سهم را بر مقادیر واقعی بازده بازار در طول دوره 180 روزه تخمین، رگرس می‌کنیم. خروجی رگرسیون، مقادیر آلفا و بتای لازم برای تخمین بازدهی عادی در طول دوره رویداد خواهد بود.
مدل بازار، بازدهی سهم را به دو بخش تقسیم می‌نماید: بخش اول بازدهی توسط بازدهی بازار تعیین می‌شود؛ ، و بخش دیگر بازدهی، مختص شرکت بوده، که از اطلاعات مربوط به شرکت متاثر می‌گردد؛ . در صورتی‌که در مطالعه رویداد پژوهی از مدل بازار استفاده شود، بازدهی عادی به بازدهی‌ اطلاق می‌گردد که توسط بازار تعیین می‌شود، در حالی‌که بازدهی غیرعادی، مختص شرکت مورد بررسی است. فرض تلویحی مستتر در مطالعات رویداد پژوهی که از مدل بازار استفاده می‌کنند، آن است که به جز اطلاعات خاص مورد بررسی طی دوره زمانی رویداد، هیچ اطلاعاتی در خصوص شرکت اعلام عمومی نمی‌شود. از آنجا که مطالعات پیشین نشان می‌دهد نتایج مطالعات رویداد پژوهی طی افق زمانی کوتاه ‌مدت، نظیر همین پژوهش، تحت تاثیر مدل انتخابی برای تخمین بازدهی عادی قرار نمی‌گیرد [10]، بازدهی عادی صرفاً با استفاده از مدل بازار اندازه‌گیری می‌گردد.
بازدهی غیرعادی دوره زمانی رویدادد؛ ، برای j امین اعلام سود در روز t به صورت زیر است:

اکنون به شکل دقیق‌تری به بررسی تخمین مدل بازار می‌پردازیم.
الف) تخمین مدل بازار
مدل بازار با استفاده از روش حداقل مربعات معمولی (OLS) برای هر شرکت تخمین زده می‌شود.
یکی از مشکلات تخمین این مدل در بورس اوراق بهادار تهران مانند هر بازار کوچک دیگری، وجود شمار زیادی سهام کم معامله است (سهامی که در برخی از روزها معامله نمی‌شود و قیمتی برای آن ثبت نمی‌شود و یا حجم بسیار کمی از آن در یک روز معامله می‌شود). مشکل مورد نظر، از دو جهت قابل توجه است:
اول این که قیمت‌های پایانی ثبت شده سهام می‌توانند مربوط به معاملاتی باشند که در روز مورد نظر، زودتر انجام شده‌اند. این‌گونه معاملات غیرهمزمان به تورش در تخمین پارامترهای مدل بازار منتج می‌گردد. با این حال، مطالعات متعدد نشان می‌دهد در صورت استفاده از تخمین‌های بدون تورش جایگزین، نتایج مطالعات رویداد پژوهی به طرز قابل ملاحظه‌ای تغییر نمی‌کند [26]. بنابراین، این مسأله از این پس نادیده انگاشته می‌شود.
دوم این که در برخی روزها هیچ معامله‌ای انجام نشده و بنابراین، هیچ قیمتی نیز به ثبت نمی‌رسد. در بورس اوراق بهادار تهران این موضوع ناشی از دو دلیل است: اول این‌که همانند سایر بازارهای کم‌معامله به‌طور معمول بعضی از سهام در برخی از روزها معامله نمی‌شوند. دومین دلیل مربوط به پدیده‌ای به نام بسته بودن نماد است. در بورس اوراق بهادار تهران، نهاد ناظر این اختیار را دارد به‌منظور شفاف شدن اطلاعات، اجازه معامله ‌شدن یک سهم را ندهد. این عمل اصطلاحاً به بسته‌ بودن نماد معروف است. بنابراین، در روزهایی که نماد شرکت بسته است، سهام معامله نشده و مشکل کم ‌معامله بودن را مضاعف می‌کند.
معمولاً برای رفع این مشکل از دو روش استفاده می‌گردد: یکی اعمال محدودیت‌های اختیاری نسبت به فراوانی معاملات برای حذف سهام دارای معاملات اندک از نمونه مورد بررسی است؛ که این اقدام به کاهش حجم نمونه منجر و باعث می‌شود نمونه مورد بررسی نماینده و معرف کل بازار سهام نباشد. دیگری استفاده از رویه‌ای برای تخصیص بازدهی یک روز معاملاتی معین به کل دوره زمانی قبل است، که سهام طی آن معامله نشده است.
ماینس و رامسی (1993) در این خصوص، سه رویه را بررسی کردند [24]. بعد از آن‌ها نیز اسپونهالتز (2008) از همین رویه‌ها برای بررسی محتوای اطلاعاتی اعلامیه‌های سود سالانه در بورس اوراق بهادار دانمارک استفاده کرد [26]. این رویه‌ها به شرح ذیل هستند:
1- رویه «انباشته » یا تجمیعی: کل بازدهی را به روزی که سهام معامله می‌شود، تخصیص داده و بازدهی روزهای بدون معامله، صفر در نظر گرفته می‌شود.
2- رویه «یکسان » یا یکنواخت: بازدهی روز معامله را به‌طور مساوی طی فاصله زمانی عدم معامله سهام توزیع می‌کند.
3- رویه «معامله به معامله »: بازدهی روز معامله بعد از چند روز عدم معامله را مستقیماً مورد استفاده قرار می‌دهد.
در مقایسه با رویه‌های "تجمیعی" و "یکنواخت"، رویه "معامله به معامله" نیازمند قدری بسط است. از آنجا که رویه "معامله به معامله" از بازدهی‌های چنددوره‌ای (در اینجا چند روزه) استفاده می‌کند، باید بازدهی‌های مورد نظر با شاخص بازار نیز منطبق شود. به‌عبارتی در تخمین مدل بازار، چنانچه فرضاً بازدهی سهم مربوط به پنج روز باشد (سهم چهار روز معامله نشده باشد)، بازدهی پنج روزه شاخص ‌باید در مدل بازار قرار گیرد. لذا نسخه "معامله به معامله" مدل بازار باید به کار گرفته شود. ماینس و رامسی (1993) مدل بازار "معامله به معامله" را به شرح زیر استخراج کردند:

در رابطه بالا، طول دوره بازدهی چنددوره‌ای روز t، و به ترتیب بازدهی چند دوره‌ای سهام j و شاخص بازار هستند. پسماندهای مدل با واریانس ناهمسان بوده؛ لذا باید هنگام تخمین پارامترهای مدل، داده‌ها را بر ریشه دوم طول دوره بازدهی چند دوره‌ای تقسیم نمود [24].
بازدهی غیرعادی دوره رویداد، برای j امین اعلام سود در روز t عبارت است از:

در پایان، شایان ذکر است وقتی بازدهی‌های "معامله به معامله" برای دوره تخمین ایجاد شدند، بازدهی‌های یکنواخت در دوره رویداد استفاده می‌شوند تا بتوان آزمون‌های محتوای اطلاعاتی را انجام داد [26].
ب) محتوای اطلاعاتی اعلام سود
هدف ما این است که به این سؤال پاسخ دهیم که آیا اعلامیه‌های سود در بورس اوراق بهادار تهران دارای محتوای اطلاعاتی است یا خیر. بدین منظور، متوسط بازدهی غیرعادی سهام مختلف را محاسبه می‌کنیم. از آنجا که بازدهی‌های غیرعادی مثبت و منفی یکدیگر را حذف می‌کنند، این نحوه محاسبه به از دست‌رفتن بخشی از محتوای اطلاعاتی منجر می‌گردد. اسپونهالتز (2008) برای غلبه بر این مشکل از مربع بازده غیرعادی و یا قدرمطلق بازده غیر عادی در محاسبات خود استفاده کرده است [26].
روشی که در این پژوهش برای فائق آمدن بر این مشکل استفاده می‌شود، این است که اعلامیه‌های سود به دو گروه اخبار خوب و اخبار بد تقسیم شوند.
اخبار خوب، اعلامیه‌های سودی است که در آن سود محقق‌شده دوره سه‌ماهه، 5/2 درصد بیش از مقدار پیش‌بینی شده باشد و به همین شکل اخبار بد، اعلامیه‌های سودی است که سود محقق سه‌ ماهه، 5/2 درصد کمتر از مقدار پیش‌بینی باشد.
انتخاب مقدار 5/2 درصد به دو دلیل است: اولاً در بورس اوراق بهادار تهران چنانچه پیش‌بینی سود یک شرکت نسبت به پیش‌بینی قبلی برای کل سال مالی بیش از 10 درصد تغییر کند، نماد معاملاتی آن بسته و پس از افشای کامل اطلاعات باز می‌شود؛ لذا تغییر بیش از 5/2 درصد سود برای دوره سه ‌ماهه دارای بار روانی است؛ ثانیاً بارتولدی و دیگران (2007) نیز در پژوهش خود 5/2 درصد تغییر در سود را به عنوان سود غیرمنتظره تعریف کرده‌اند [8].
اگر اعلامیه‌های سود دارای محتوای اطلاعاتی باشند، آنگاه، این امر به تعدیل قیمت سهام منجر خواهد شد که به نوبه خود، بازدهی غیرعادی بزرگی ایجاد خواهد کرد. آنگاه با آزمون کردن این موضوع که آیا این متوسط بازده غیرعادی با صفر تفاوت معنی‌داری دارد یا خیر، وجود محتوای اطلاعاتی را آزمون می‌کنیم.
همچنین، با ملاحظه این‌که چه روزهایی و به چه تعدادی دارای مقادیر معنا‌دار آماره آزمون هستند، سرعت تعدیل بازار بررسی می‌شود. در صورتی‌که بازار کارا باشد، تعدیل قیمت باید سریعاً انجام شود.
ج) اطلاعات پیش از افشا
منظور از اطلاعات پیش از افشا، بخشی از اطلاعات در خصوص میزان سود محقق‌ شده شرکت است که قبل از اعلام رسمی اعلامیه سود به بازار، به بازار نشت پیدا می‌کند. مطالعات نظری نشان می‌دهد که محیط‌های اطلاعاتی مختلف دارای سطوح متفاوتی از اطلاعات پیش‌ از افشا هستند. همچنین، مطالعات انجام ‌شده نشان می‌دهد که میزان اطلاعات پیش از افشا بر واکنش بازار به اعلام سود، مؤثر است. طبق مطالعه نظری هالتاسن و ورسکیا (1998) رابطه معکوسی میان میزان واکنش بازار سهام و سطح اطلاعات قبل از افشا وجود دارد [20]. از آنجا که میزان اطلاعات قبل از افشا، مستقیماً قابل مشاهده نیست، مطالعات تجربی این مفهوم را با استفاده از شاخص‌‌های مختلفی می‌آزمایند. با آن‌که متغیرهای زیادی برای تخمین و محاسبه اطلاعات پیش از افشا استفاده گردیده، اما شاخص "اندازه شرکت" بیش از سایر شاخص‌ها استفاده شده است. استفاده از این شاخص برای نخستین بار توسط آتیاس (1985) صورت گرفت. او این گونه بیان کرد که، میزان اطلاعات پیش از افشای مربوط به بازار، تابعی صعودی از اندازه شرکت است. به‌عبارتی، اطلاعات غیر منتظره اعلام شده به بازار از طریق اعلامیه سود، با اندازه شرکت رابطه معکوس دارد [6]. در این مقاله، رابطه میان اطلاعات پیش از افشا و محتوای اطلاعاتی اعلام سود را با استفاده از شاخص فوق بررسی می‌کنیم. شایان ذکر است که اندازه شرکت با استفاده از ارزش بازار حقوق صاحبان سهام در روز اعلام سود و نیز لگاریتم طبیعی همین ارزش بازار، اندازه‌گیری می‌شود.
در این پژوهش، منظور بررسی رابطه اندازه محتوای اطلاعاتی هر اعلام سود و شاخص‌های اطلاعات پیش از افشا، از ضرایب همبستگی پیرسون که فرض می‌کند این متغیرها به‌صورت نرمال توزیع شده‌اند و نیز آزمون ناپارامتریک مبتنی بر ضرایب همبستگی رتبه‌ای اسپیرمن استفاده می‌شود. ضریب همبستگی اسپیرمن، منوط به احتساب هیچ فرضی درباره توزیع بازدهی غیرعادی نیست، اما اگر توزیع مذکور واقعاً نرمال باشد، از کارایی 2/91 درصدی برخوردار است.
د) سودهای غیرمنتظره
به‌طور کلی، فرض می‌شود که بازده غیرعادی حاصل از یک اعلام سود غیرمنتظره است. بنابراین، باید سود واقعی اعلام شده را با سود مورد انتظار بازار مقایسه کنیم، اما مشکل اینجاست که چگونه انتظارات بازار از سود یک شرکت را ارزیابی کنیم. مطالعات پیشین از دو روش برای کسب انتظارات بازار از سود شرکت، استفاده کرده‌اند: یکی مدل‌های سری زمانی و دیگری مدل‌های پیش‌بینی شده توسط تحلیلگران.
در رویکرد اول کوشش می‌شود با ایجاد یک سری زمانی از سودهای دوره‌های قبل و با فرض این‌که این سودها از روندی تصادفی پیروی می‌کنند، سود دوره آتی برآورد و به عنوان سود مورد انتظار بازار در نظر گرفته شود. بسیاری از پژوهشگران در مورد اصل این روش انتقاداتی دارند و استفاده از آن را توصیه نمی‌کنند [26].
رویکرد دوم استفاده از پیش‌بینی تحلیلگران حرفه‌ای است که در قالب انجمن‌های خاصی فعالیت می‌کنند. با توجه به این‌که بورس اوراق بهادار تهران، بازاری نوظهور و توسعه نیافته است، چنین تحلیلگرانی وجود ندارند. بنابراین، استفاده از این رویکرد استاندارد برای ما مقدور نیست.
روشی که در این پژوهش استفاده می‌شود، استفاده از سود پیش‌بینی‌شده توسط خود شرکت به‌عنوان شاخصی از انتظارات بازار است. در بورس اوراق بهادار تهران، شرکت‌ها موظف هستند که در مقاطع زمانی سه‌ماهه سود سال آتی خود را پیش‌بینی نموده، به بازار اعلام کنند. این سود در اکثر موارد ملاک تصمیم‌گیری سرمایه‌گذاران قرار می‌گیرد، لذا می‌توان گفت که بهترین شاخص برای سود مورد انتظار سرمایه‌گذاران بازار، همین سود پیش‌بینی‌شده توسط خود شرکت است. لذا معیار سود غیرمنتظره می‌تواند به‌صورت زیر نوشته شود:


= سود غیرمنتظره


ه) داده‌ها
نمونه مورد بررسی، شامل شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران از ابتدای سال 1384 تا انتهای سال 1390 است. در بورس اوراق بهادار تهران کلیه شرکت‌ها موظف هستند سود خود را در مقاطع سه‌ماهه در قالب گزارش‌های مشخصی به بازار اعلام نمایند. بنابراین، اعلامیه‌های سود متجانس و یکسان است و از این حیث داده‌های نمونه مورد بررسی یکسان است. همچنین، از آنجایی که سود شرکت‌های سرمایه‌گذاری و شرکت‌های ساختمانی طبق استانداردهای حسابداری در مقاطع خاصی از زمان شناسایی می‌شود، لذا پوشش سود در دوره‌های سه‌ماهه اطلاعات با اهمیتی برای بازار محسوب نمی‌شود. بنابراین، این شرکت‌ها از نمونه مورد بررسی حذف می‌شوند.
تاریخ‌‌های اعلام سود شرکت‌های موجود در نمونه طی دوره زمانی 1/1/1384 تا 29/12/1390 از نرم‌افزار رهاورد نوین استخراج شده است. برای اطمینان از صحت برخی از این اطلاعات، شامل تاریخ اعلام سود و میزان اعلام سود به همراه پیش‌بینی شرکت از سود دوره آتی با پایگاه اطلاع‌رسانی کدال (پایگاه رسمی سازمان بورس و اوراق بهادار برای افشای اطلاعات) و سایت سازمان بورس مطابقت داده شده است.
بدین نحو، نمونه‌ای مشتمل بر 220 شرکت و 2306 اعلام سود تشکیل می‌گردد.
علاوه بر تاریخ‌‌های اعلام سود و مقادیر سود اعلامی و پیش‌بینی شده، داده‌های مهم شامل قیمت سهام در روزهای مختلف، میزان سود تقسیمی و مقادیر افزایش سرمایه نیز از نرم‌افزار رهاورد نوین استخراج و صحت آن با مقایسه با مقادیر اعلامی از طرف سازمان بورس برای ما تأیید شده است. سپس بازدهی روزانه با احتساب تغییرات قیمت، سود تقسیمی و افزایش سرمایه محاسبه گردید و در نهایت، از شاخص بازده نقدی و قیمت به‌عنوان شاخص بازار استفاده شد.

یافته‌های پژوهش
الف) آمار توصیفی
نگاره‌های زیر آمارهای توصیفی بازدهی غیرعادی را در روزهای دوره رویداد نشان می‌دهد. این آمارها در شش نگاره ارائه شده است. داده‌های مربوط به اخبار خوب در سه نگاره ابتدایی و آمار توصیفی مربوط به اخبار بد در سه نگاره بعدی ارائه گردیده است. همچنین، بر حسب نوع محاسبه بازدهی در روزهایی که سهام معامله نشده است ، این داده‌ها در سه نگاره انباشته، یکسان و معامله به معامله ارائه شده است.
همان‌طور که در نگاره‌های مربوطه ملاحظه می‌گردد، توزیع بازدهی غیرعادی در اخبار خوب و در هر سه روش محاسبه بازده روزهای معامله نشده، دارای چوله و کشیدگی است. بازده روزهای معامله نشده، دارای چولگی و کشیدگی است. برای آزمون نرمال بودن توزیع بازدهی غیرعادی در روزهای رویداد، از آزمون کلوموگروف اسمرینوف استفاده شده است. همان‌طور که در نگاره‌ها مشخص است، فرض نرمال بودن توزیع بازدهی غیرعادی در همه روزها رد شده است. این نتیجه مطابق با یافته کمبل و واسلی (1993) و اسپونهالتز( 2008) است.

 

نگاره 1. آمار توصیفی بازده غیرعادی برای اخبار خوب با روش انباشته
روز تعداد اعلامیه میانگین انحراف معیار مینیمم ماکزیمم چولگی کشیدگی آزمون نرمال بودن
روز 5 869 2504/0 00700/4 05/40- 74/71 866/7 583/146 000/0
روز 4 869 3432/0 47306/5 18/31- 92/89 447/8 584/122 000/0
روز 3 869 4598/0 13063/5 21/22- 71/81 516/9 813/125 000/0
روز 2 869 5351/0 39419/5 54/32- 90/77 567/6 557/80 000/0
روز 1 869 3797/0 43357/4 09/26- 98/58 757/8 520/103 000/0
روز 0 869 0398/0- 51519/1 31/14- 83/34 065/13 382/332 000/0
روز 1- 869 0277/0- 47004/1 46/20- 52/18 364/0- 756/90 000/0
روز 2- 869 0602/0- 77237/1 46/20- 24/31 674/3 769/147 000/0
روز 3- 869 0766/0 98036/1 34/42- 62/20 599/10- 964/263 000/0
روز 4- 869 0806/0- 93142/1 34/42- 62/20 914/9- 324-283 000/0
روز 5- 869 0036/0 23208/1 75/5- 06/19 107/6 283/83 000/0
بازده تجمعی روز
5- تا 0 869 0571/0- 96703/0 75/16- 78/6 319/5- 111/112 000/0
بازده تجمعی روز
تا 5 869 2504/0 66825/1 96/7- 14/11 772/1 442/11 000/0
بازده تجمعی روز
5- تا 5 869 1166/0 16131/1 41/10- 50/6 205/0 303/13 000/0

 


نگاره 2. آمار توصیفی بازده غیر عادی برای اخبار خوب با روش یکسان
روز تعداد اعلامیه میانگین انحراف معیار مینیمم ماکزیمم چولگی کشیدگی آزمون نرمال بودن
روز 5 869 2323/0 95638/3 84/39- 80/71 035/8 160/153 000/0
روز 4 869 3217/0 45624/5 03/31- 07/90 532/8 250/124 000/0
روز 3 869 4424/0 14729/5 53/23- 38/81 317/9 168/123 000/0
روز 2 869 5124/0 44312/5 51/32- 81/77 174/6 353/78 000/0
روز 1 869 3699/0 41969/4 95/25- 66/58 785/8 733/103 000/0
روز 0 869 0425/0- 49805/1 30/14- 84/34 604/13 387/348 000/0
روز 1- 869 0288/0- 34979/1 43/20- 53/18 263/0 181/117 000/0
روز 2- 869 0782/0- 71616/1 43/20- 77/30 502/3 183/159 000/0
روز 3- 869 0825/0- 95717/1 18/42- 63/20 856/10 358/272 000/0
روز 4- 869 0690/0- 90814/1 18/42- 63/20 145/10 454/293 000/0
روز 5- 869 0009/0- 12148/1 91/3- 70/14 153/5 795/58 000/0
بازده تجمعی
روز 5- تا 0 869 0599/0- 94103/0 58/16- 72/6 631/5- 818/119 000/0
بازده تجمعی
روز 0 تا 5 869 2344/0 65016/1 78/7- 86/10 688/1 397/11 000/0
بازده تجمعی
روز 5- تا 5 869 1055/0 13141/1 22/10- 13/6 135/0 520/13 000/0

نگاره 3. آمار توصیفی بازده غیر عادی برای اخبار خوب با روش معامله به معامله
روز تعداد اعلامیه میانگین انحراف معیار مینیمم ماکزیمم چولگی کشیدگی آزمون نرمال بودن
روز 5 851 1235/0 84370/4 08/48- 63/60 317/2 152/62 000/0
روز 4 851 1775/0 70050/5 20/57- 04/66 735/2 969/56 000/0
روز 3 851 4741/0 69363/5 92/21- 88/80 247/8 136/94 000/0
روز 2 851 4722/0 04244/6 11/35- 58/78 049/5 175/59 000/0
روز 1 851 3103/0 13905/5 44/37- 00/70 722/5 637/78 000/0
روز 0 851 0746/0 65248/2 80/39- 84/34 462/0- 512/108 000/0
روز 1- 851 0804/0 25843/3 33/30- 88/39 118/2 176/61 000/0
روز 2- 851 1046/0 19120/3 25/43- 37/25 893/4- 767/87 000/0
روز 3- 851 0749/0 20369/3 60/42- 65/32 335/3- 851/88 000/0
روز 4- 851 1161/0 62430/3 55/41- 42/46 745/1- 494/89 000/0
روز 5- 851 0771/0 60227/3 57/40- 32/58 148/6 295/129 000/0
بازده تجمعی
روز 5- تا 0 851 0657/0 24049/2 17/32- 70/26 877/1- 953/91 000/0
بازده تجمعی
روز 0 تا 5 851 1576/0 43716/2 98/29- 19/31 349/0 879/60 000/0
بازده تجمعی
روز 5- تا 5 851 0598/0 33823/2 91/25- 60/36 319/1 228/106 000/0

نرمال نبودن توزیع بازدهی غیرعادی، مشکل بالقوه‌ای برای آزمون‌های محتوای اطلاعاتی ایجاد می‌کند، زیرا در این آزمون‌ها فرض می‌گردد توزیع بازدهی غیرعادی از توزیع نرمال تبعیت می‌کند. به همین‌جهت، صحت نتایج حاصل از آزمون‌های پارامتریک محتوای اطلاعاتی با استفاده از آزمون‌های ناپارامتریک نیز بررسی خواهد شد.
در نگاره‌های زیر آمار توصیفی اعلامیه‌هایی که به‌عنوان اخبار بد برای بازار در نظر گرفته شده است، ارائه می‌شود.

نگاره 4. آمار توصیفی بازده غیر عادی برای اخبار بد با روش انباشته
روز تعداد اعلامیه میانگین انحراف معیار مینیمم ماکزیمم چولگی کشیدگی آزمون نرمال بودن
روز 5 1140 1834/0 56366/4 84/32- 41/77 119/9 443/131 000/0
روز 4 1140 0297/0 04250/4 20/31- 25/73 536/6 071/121 000/0
روز 3 1140 0073/0 58084/4 96/49- 14/80 175/2 036/125 000/0
روز 2 1140 1346/0 44637/4 71/36- 95/75 850/7 872/125 000/0
روز 1 1140 2492/0 23628/5 43/51- 74/84 523/6 891/117 000/0
روز 0 1140 0215/0 22591/1 42/13- 86/13 944/0- 494/52 000/0
روز 1- 1140 0233/0 74918/1 41/17- 81/31 602/8 181/175 000/0
روز 2- 1140 0131/0 70532/1 41/17- 81/31 281/9 344/192 000/0
روز 3- 1140 0335/0 91865/0 57/7- 37/9 878/0 470/17 000/0
روز 4- 1140 0345/0 20883/1 31/11- 40/17 190/4 697/68 000/0
روز 5- 1140 0309/0 21742/1 21/24- 29/14 779/4 811/158 000/0
بازده تجمعی روز 5- تا 0 1140 0203/0 75220/0 55/5- 14/10 160/3 056/49 000/0
بازده تجمعی روز 0 تا 5 1140 0302/0 65919/1 17/11- 90/10 542/0 508/15 000/0
بازده تجمعی روز 5- تا 5 1140 0051/0 10268/1 23/7- 88/6 431/0 974/11 000/0

نگاره 5. آمار توصیفی بازده غیر عادی برای اخبار بد با روش یکسان
روز تعداد اعلامیه میانگین انحراف معیار مینیمم ماکزیمم چولگی کشیدگی آزمون نرمال بودن
روز 5 1141 1792/0 55319/4 63/32- 80/76 121/9 784/130 000/0
روز 4 1141 0275/0 02273/4 27/30- 95/72 612/6 505/121 000/0
روز 3 1141 0149/0 56002/4 16/50- 83/79 152/2 738/125 000/0
روز 2 1141 1387/0 43180/4 49/36- 00/76 933/7 795/127 000/0
روز 1 1141 2591/0 22160/5 25/51- 55/84 549/6 435/118 000/0
روز 0 1141 0111/0- 25642/1 37/13- 80/13 254/0- 148/57 000/0
روز 1- 1141 0408/0 66554/1 35/17- 81/31 968/9 126/208 000/0
روز 2- 1141 0106/0 67123/1 35/17- 81/31 715/9 238/206 000/0
روز 3- 1141 0349/0- 84177/0 54/7- 92/4 077/0- 578/10 000/0
روز 4- 1141 0237/0- 14687/1 76/4- 33/17 633/5 342/75 000/0
روز 5- 1141 0301/0- 19926/1 08/24- 27/14 881/4- 338/165 000/0
بازده تجمعی روز 5- تا 0 1141 0139/0- 72338/0 50/5- 15/10 616/3 493/55 000/0
بازده جمعی روز 0 تا 5 1141 0347/0 62957/1 87/10- 81/10 571 342/15 000/0
بازده تجمعی روز 5- تا 5 1141 0105/0 06173/1 60/6- 88/6 549/0 592/11 000/0
نگاره 6. آمار توصیفی بازده غیر عادی برای اخبار بد با روش معامله به معامله
روز تعداد اعلامیه میانگین انحراف معیار مینیمم ماکزیمم چولگی کشیدگی آزمون نرمال بودن
روز 5 1127 2138/0 98058/4 37/33- 70/76 203/7 029/98 000/0
روز 4 1127 0485/0 81481/4 73/57- 17/76 394/3 294/91 000/0
روز 3 1127 0687/0 57073/4 95/49- 41/80 473/3 963/117 000/0
روز 2 1127 1651/0 87519/4 35/36- 07/76 172/6 550/91 000/0
روز 1 1127 2232/0 48531/5 03/51- 68/83 235/5 297/93 000/0
روز 0 1127 0430/0- 27659/2 91/31- 17/27 651/1- 922/81 000/0
روز 1- 1127 0771/0 55860/2 72/23- 42/34 224/4 544/74 000/0
روز 2- 1127 0104/0- 72558/2 45/46- 37/31 070/2- 143/113 000/0
روز 3- 1127 0151/0 25862/2 28/20- 68/33 789/4 778/102 000/0
روز 4- 1127 0703/0 88958/2 82/20- 25/75 724/15 096/413 000/0
روز 5- 1127 0471/0 00454/2 23/24- 62/16 959/0- 653/51 000/0
بازده تجمعی روز 5- تا 0 1127 0071/0 43649/1 11/24- 02/19 544/1- 516/106 000/0
بازده تجمعی روز 0 تا 5 1127 0324/0 92029/1 21/14- 33/11 079/0- 548/14 000/0
بازده تجمعی روز 5- تا 5 1127 0245/0 47923/1 67/19- 70/12 889/1- 683/39 000/0

همانند اخبار خوب، در اخبار بد نیز توزیع بازدهی غیرعادی صراحتاً نرمال نیست.
ب) محتوای اطلاعاتی اعلام سود
برای بررسی این موضوع که آیا اعلامیه‌های سود دارای محتوای اطلاعاتی است یا خیر، میانگین مقادیر بازدهی غیرعادی در دوره رویداد را بررسی می‌کنیم.
بدین منظور، آزمون می‌کنیم که آیا این مقادیر بازده غیرعادی تفاوت معنی‌داری با صفر دارد یا خیر. در این مرحله نیز تقسیم‌بندی را بین اخبار خوب و بد و همچنین، نحوه محاسبه بازدهی در روزهایی که سهام معامله نشده است را انجام می‌دهیم.
نگاره (7) نشان می‌دهد در اعلامیه‌هایی که خبر خوب برای بازار تلقی می‌شود، در روش انباشته و یکسان در پنج روز قبل از اعلام و همچنین روز اعلام، بازدهی غیرعادی معنی‌داری وجود ندارد و در پنج روز بعد از اعلام در همه روزها بازدهی غیرعادی مثبت معنی‌داری وجود دارد. این موضوع چند نتیجه دارد: اول این‌که نتایج دو روش انباشته و یکسان دقیقاً شبیه به هم است و نشان می‌دهد که محاسبه بازده در روزهایی که سهام معامله نمی‌شود، با روش انباشته و روش یکسان تفاوتی ندارد. نتیجه دوم این است که از آنجایی که در روزهای قبل از اعلام، بازدهی غیرعادی معنی‌داری وجود ندارد، لذا فرضیه وجود اطلاعات پیش از افشا در بورس اوراق بهادار تهران رد می‌شود.
این نتیجه با توجه به نوظهور بودن بورس اوراق بهادار تهران با ادبیات موضوع همخوانی دارد.

 

نگاره 7. میانگین بازدهی غیر عادی در دوره رویداد برای اخبار خوب
انباشته یکسان معامله به معامله
روز میانگین Sig میانگین Sig میانگین Sig
روز 5 25/0 * 066/0 23/0 * 084/0 12/0 457/0
روز 4 34/0 * 065/0 32/0 * 083/0 18/0 364/0
روز 3 45/0 *** 008/0 44/0 ** 011/0 47/0 ** 015/0
روز 2 53/0 *** 004/0 51/0 *** 006/0 47/0 ** 023/0
روز 1 37/0 ** 012/0 37/0 ** 014/0 31/0 * 079/0
روز 0 04/0- 439/0 04/0- 403/0 07/0- 412/0
روز 1- 03/0- 579/0 03/0- 529/0 08/0 472/0
روز 2- 06/0- 317/0 08/0- 180/0 10/0- 339/0
روز 3- 08/0- 254/0 08/0- 214/0 07/0- 496/0
روز 4- 08/0- 219/0 07/0- 287/0 12/0- 350/0
روز 5- 000/0 932/0 000/0 981/0 08/0 532/0
بازده تجمعی روز 5- تا 0 05/0- * 082/0 06/0- * 061/0 07/0- 393/0
بازده تجمعی روز 0 تا 5 25/0 *** 000/0 23/0 *** 000/0 16/0 * 060/0
بازده تجمعی روز 5- تا 5 11/0 *** 003/0 11/0 *** 006/0 06/0 456/0

نگاره 8. میانگین بازدهی غیرعادی در دوره رویداد برای اخبار بد
انباشته یکسان معامله به معامله
روز میانگین Sig میانگین Sig میانگین Sig
روز 5 18/0 1752/0 18/0 18/0 21/0 150/0
روز 4 03/0 8041/0 03/0 82/0 05/0 735/0
روز 3 01/0 9573/0 01/0 91/0 07/0 614/0
روز 2 13/0 3069/0 14/0 29/0 17/0 256/0
روز 1 25/0 1084/0 26/0 * 09/0 22/0 172/0
روز 0 02/0- 553/0 01/0- 77/0 04/0- 526/0
روز 1- 02/0 8041/0 04/0 41/0 08/0 312/0
روز 2- 18/0 9573/0 01/0 83/0 01/0- 898/0
روز 3- 03/0 3069/0 18/0- 16/0 02/0 822/0
روز 4- 01/0 1084/0 03/0- 48/0 21/0 414/0
روز 5- 431/0 03/0- 3917/0 03/0- 40/0 05/0 431/0
بازده تجمعی روز
5- تا 0 869/0 02/0- 3631/0 01/0- 51/0 01/0 869/0
بازده تجمعی روز
0 تا 5 571/0 03/0 5388/0 03/0 47/0 03/0 571/0
بازده تجمعی روز
5- تا 5 579/0 01/0 8760/0 01/0 74/0 02/0 579/0

***: معنی‌داری در سطح 99 درصد
**: معنی‌داری در سطح 95 درصد
*: معنی‌داری در سطح 90 درصد
نتایج روش معامله به معامله نیز تقریباً شبیه به نتایج دو روش قبلی است.
همچنین، بازده تجمعی کل دوره رویداد و شش روز قبل از اعلام و شش روز بعد از اعلام نیز آزمون شده است. بازده غیرعادی در کل دوره رویداد در دو روش انباشته و یکسان معنی‌دار و با هم مساوی هستند.
نگاره (8) میانگین بازدهی غیرعادی در اخبار بد را در دوره رویداد نشان می‌دهد. نکته بسیار جالب این است که در هر سه روش بازدهی غیرعادی، معنی‌داری (غیر از یک مورد) وجود ندارد. به عبارت دیگر، در اخبار بد، بازار کاملاً عقلایی بوده و بازده غیر عادی بر اثر اعلام سود کمتر از پیش‌بینی در بازار حاصل نشده است.
ج) آزمون‌های ناپارامتریک
با توجه به شواهد مربوط به نرمال نبودن بازدهی غیرعادی مندرج در نگاره‌های (1) تا (6)، ممکن است نتایج به‌دست آمده با آماره‌های آزمون فوق معتبر نباشد، زیرا این آماره‌ها فرض می‌کنند توزیع بازدهی غیرعادی از توزیع نرمال پیروی می‌کند. بنابراین، محتوای اطلاعاتی اعلام سود با استفاده از آزمون ناپارامتریک علامت بررسی می‌گردد. آزمون علامت، فرضی در مورد توزیع بازده‌های غیرعادی ندارد.


نگاره 9. میانگین بازدهی غیرعادی در دوره رویداد برای اخبار خوب
انباشته یکسان معامله به معامله
روز میانگین Sig میانگین Sig میانگین Sig
روز 5 25/0 * 084/0 23/0 ** 033/0 12/0 481/0
روز 4 34/0 984/0 32/0 999/0 18/0 681/0
روز 3 46/0 404/0 44/0 277/0 47/0 * 073/0
روز 2 54/0 391/0 51/0 484/0 47/0 * 085/0
روز 1 38/0 883/0 37/0 306/0 31/0 112/0
روز 0 04/0- ** 028/0 4/0- *** 000/0 07/0- 192/0
روز 1- 03/0- *** 000/0 03/0- *** 000/0 08/0 613/0
روز 2- 06/0- ** 016/0 08/0- *** 001/0 10/0- 382/0
روز 3- 08/0- ** 038/0 08/0- *** 000/0 07/0- 761/0
روز 4- 08/0- *** 000/0 07/0- *** 000/0 12/0- 215/0
روز 5- 000/0 796/0 000/0 123/0 08/0 532/0
بازده تجمعی روز 5- تا 0 06/0- 116/0 06/0- ** 049/0 07/0- 643/0
بازده تجمعی روز 0 تا 5 25/0 515/0 23/0 582/0 16/0 407/0
بازده تجمعی روز 5- تا 5 12/0 512/0 11/0 596/0 06/0 198/0

نتایج این آزمون‌ها، برای اخبار خوب دقیقاً همانند آزمون‌های پارامتریک است که در نگاره (7) گزارش شد، اما برای اخبار بد نتایج آزمون‌های ناپارامتریک با نتایج آزمون‌های پارامتریک متفاوت است. نتایج به‌دست آمده نشان می‌دهد که در دو روش انباشته و یکسان بازدهی غیرعادی در روزهای 5- تا صفر منفی و کاملاً معنی‌دار است. همچنین، در هر دو روش مذکور بازدهی تجمعی روزهای 5- تا صفر منفی و معنی‌دار است. در روش معامله به معامله نیز بازده روزهای 2- ، 1- و صفر، منفی و کاملاً معنی‌دار است.
به‌طور خلاصه می‌توان ادعا کرد که بازده غیرعادی برای اخبار خوب در بورس اوراق بهادار تهران وجود دارد. در روزهای قبل از اعلام خبر خوب، بازده غیرعادی وجود ندارد، لذا نشت اطلاعاتی در بورس اوراق بهادار تهران وجود ندارد. همچنین، بازدهی غیرعادی در پنج روز بعد از اعلام خبر خوب، اثبات شده است.

نگاره 10. میانگین بازدهی غیر عادی در دوره رویداد برای اخبار بد
انباشته یکسان معامله به معامله
روز میانگین Sig میانگین Sig میانگین Sig
روز 5 18/0 *** 000/0 18/0 *** 002/0 21/0 ** 022/0
روز 4 03/0 ** 036/0 03/0 *** 001/0 05/0 380/0
روز 3 01/0 *** 000/0 01/0 *** 001/0 07/0 467/0
روز 2 13/0 * 054/0 14/0 * 056/0 17/0 644/0
روز 1 25/0 275/0 26/0 * 292/0 22/0 401/0
روز 0 02/0- *** 000/0 01/0- *** 000/0 04/0- *** 004/0
روز 1- 02/0 *** 000/0 04/0 *** 000/0 08/0 *** 007/0
روز 2- 01/0 *** 000/0 01/0 *** 000/0 01/0- *** 006/0
روز 3- 03/0- *** 000/0 03/0- *** 000/0 02/0 100/0
روز 4- 03/0- *** 000/0 02/0- *** 000/0 07/0 *** 002/0
روز 5- 03/0- *** 000/0 03/0- *** 000/0 05/0 *** 000/0
بازده تجمعی روز
5- تا 0 02/0- *** 002/0 01/0 ** 020/0 01/0 478/0
بازده تجمعی روز
0 تا 5 03/0 922/0 03/0 504/0 03/0 651/0
بازده تجمعی روز
5- تا 5 01/0 364/0 01/0 566/0 02/0 867/0

***: معنی‌داری در سطح 99 درصد
**: معنی‌داری در سطح 95 درصد
*: معنی‌داری در سطح 90 درصد
لذا واکنش بازار به خبر خوب به کندی صورت می‌گیرد. شاید این یافته به‌دلیل وجود پدیده حد نوسان در بورس اوراق بهادار تهران باشد.
د) اطلاعات پیش از افشا
همان‌طور که قبلا بیان شد، فرضیه‌ای وجود دارد که اطلاعات پیش از افشا در شرکت‌های بزرگتر بیشتر است، لذا بازدهی غیرعادی در این شرکت‌ها کمتر خواهد بود. به‌عبارت دیگر، بازدهی غیرعادی بعد از اعلام سود در شرکت‌های بزرگ کمتر از شرکت‌های کوچک است. دلیل این فرضیه این است که شرکت‌های بزرگ بیشتر مورد توجه بازار هستند و تحلیلگران اخبار خوب یا بد را قبل از اعلام شرکت درک کرده و در قیمت‌ها لحاظ می‌کنند. در این قسمت برای بررسی صحت این فرضیه در بورس اوراق بهادار تهران، همبستگی بین مقدار بازده تجمعی غیرعادی در روزهای مختلف دوره رویداد و اندازه شرکت را بررسی می‌کنیم. متغیر مورد استفاده به‌عنوان معیار اندازه شرکت، ارزش بازار حقوق صاحبان سهام در روز اعلام سود و لگاریتم ارزش بازار حقوق صاحبان سهام در روز اعلام سود است.
همچنین، به‌منظور اطمینان از صحت نتایج هر دو ضریب همبستگی پیرسون و اسپریمن محاسبه و آزمون شده است. نگاره‌ها (11) و (12) نتایج به‌دست آمده را نمایش می‌دهند.
همان‌طور که در نگاره (11) و (12) مشخص است، ضریب همبستگی بین بازده غیرعادی در اخبار خوب و اندازه شرکت در روش انباشته و یکسان، منفی و معنی‌دار است. این موضوع فرضیه مورد آزمون را کاملاً تایید می‌کند. در روش معامله به معامله ضرایب معنی‌دار نیستند. از آنجایی که در مراحل قبلی بازده غیرعادی برای اخبار خوب با استفاده از روش معامله به معامله تایید نشد، لذا عدم رابطه بین این بازدهی غیرعادی غیر معنی‌دار و اندازه شرکت، دلیلی بر رد فرضیه توضیح بازده غیرعادی نیست.

نگاره 11. ضریب همبستگی پیرسون در اخبار خوب
انباشته یکسان معامله به معامله
Log(MV) MV Log(MV) MV Log(MV) MV
بازده تجمعی روز
5- تا 0 ضریب همبستگی 047/0- 046/0- 046/0- 040/0- 021/0- 015/0-
Sig 165/0 179/0 171/0 241/0 548/0 665/0
N 869 869 869 869 851 851
بازده تجمعی روز
0 تا 5 ضریب همبستگی 069/0- ** 070/0- ** 078/0- ** 091/0- *** 011/0- 042/0-
Sig 043/0 039/0 022/0 008/0 739/0 224/0
N 869 869 869 869 851 851
بازده تجمعی روز
5- تا 5 ضریب همبستگی 081/0- ** 077/0- ** 091/0- *** 095/0- *** 016/0- 031/0-
Sig 017/0 024/0 008/0 005/0 635/0 361/0
N 869 869 869 869 851 851

 


نگاره 12. ضریب همبستگی اسپیرمن در اخبار خوب
انباشته یکسان معامله به معامله
Log(MV) MV Log(MV) MV Log(MV) MV
بازده تجمعی روز
5- تا 0 ضریب همبستگی 082/0- ** 082/0- ** 068/0- ** 068/0- ** 017/0- 017/0-
Sig 015/0 015/0 044/0 044/0 621/0 621/0
N 869 869 869 869 851 851
بازده تجمعی روز
0تا 5 ضریب همبستگی 063/0- * 063/0- * 064/0- * 064/0- * 027/0- 027/0-
Sig 065/0 065/0 059/0 059/0 434/0 434/0
N 869 869 869 869 851 851
بازده تجمعی روز
5- تا 5 ضریب همبستگی 090/0- *** 090/0- *** 093/0- *** 093/0- *** 028/0- 028/0-
Sig 008/0 008/0 006/0 006/0 410/0 410/0
N 869 869 869 869 851 851

***: معنی‌داری در سطح 99 درصد **: معنی‌داری در سطح 95 درصد *: معنی‌داری در سطح 90 درصد

برای اخبار بد نیز ضرایب همبستگی پیرسون و اسپریمن محاسبه و آزمون شد (نتایج گزارش نشده است). نتایج به‌دست آمده کاملاً فرضیه وجود ارتباط بین اندازه شرکت و بازدهی غیرعادی در دوره رویداد را تایید می‌کند.
مطالعات انجام شده قبلی با استفاده از داده‌های ایالات متحده و انگلستان نیز فرضیه مورد نظر را تایید کرده‌اند. این نتایج را می‌توان شواهدی برای بازارهای بزرگ عنوان کرد، اما در بازارهای کوچک تنها پژوهش مربوط به بورس اوراق بهادار دانمارک است. نتایج به‌دست آمده نشان داده است که این فرضیه در بورس دانمارک به‌عنوان بورس کوچک تایید نشده است. بنابراین، نتیجه پژوهش ما در یک بازار سهام کوچک می‌تواند یافته جدیدی تلقی شود.

نتیجه‌
مقاله حاضر از طریق تحلیل محتوای اطلاعاتی بازار سهام کوچکی که استانداردهای حسابداری آن مشابه استانداردهای اغلب بازارهای سهام بزرگتر مورد مطالعه نظیر ایالات متحده و انگلستان است، به بسط ادبیات موضوعی کمک می‌کند. اعلامیه‌های سود در بورس اوراق بهادار تهران، همچون بازارهای سهام بزرگتر، محتوای اطلاعاتی داشته و حاوی اطلاعات جدید و مربوطی برای بازار سهام است. با این حال، شواهد به‌دست آمده نشان می‌دهد محیط اطلاعاتی این بازار کوچک به گونه‌ای است که اثر اطلاعات جدید ناشی از اعلامیه‌های سود را به کندی در قیمت‌های سهام منعکس می‌نماید. یافته دیگر ما این است که نشت اطلاعاتی قبل از اعلام سود در بورس اوراق بهادار تهران وجود ندارد.
همانند سایر بازارهای کوچک، سهام پذیرفته شده در بورس تهران در روزهای زیادی معامله نمی‌‌شوند و مشکل کمبود داده بسیار جدی است. برای رفع این مشکل و پرکردن داده‌های خالی از سه روش انباشته، یکسان و معامله به معامله استفاده شد. در هر سه روش، وجود محتوای اطلاعاتی در روزهای پس از اعلام سود تایید شد. نتایج روش انباشته و یکسان بسیار شبیه به هم بود. همچنین، در آزمون‌های ناپارامتریک نیز وجود محتوای اطلاعاتی تایید شد.
در حالی‌که نتایج حاصله نشان دهنده عدم کارایی بورس اوراق بهادار تهران بوده و با یافته عمومی کارایی در خصوص اعلامیه سود در بازارهای بزرگ در تضاد است، جالب توجه است که سایر مطالعات نیز به نتایج مشابهی دست یافتند. پلیسر و ریس (1999) دریافتند که زمان واکنش در بازار سهام اسپانیا شش روز است و مطالعات انجام شده توسط بال و کوثاری (1991)، الشارکوی و گارود (1996) پلیسر و ریس (1999) نیز بازدهی غیرعادی مثبت معنا‌داری در ایالات متحده، انگلستان و اسپانیا شناسایی کردند. همچنین، اسپونهالتز (2008) نیز با روش ‌شناسی شبیه به‌ همین پژوهش، وجود محتوای اطلاعاتی در بورس دانمارک را تایید کردند.
نهایتاً همبستگی منفی و معنی‌دار میان اندازه شرکت و محتوای اطلاعاتی اعلامیه‌های سود یافت گردید. این نتیجه با انتظارات ما و یافته‌های مطالعات گذشته مطابقت دارد. هر چند نتایج اسپونهالتز (2008) با یافته‌های پژوهش ما همخوانی ندارد، اما نتایج این پژوهش همانند سایر مطالعات گذشته با فرضیه اطلاعات پیش از افشا سازگار است.
پیشنهاد می‌گردد در پژوهش‌های آتی دلایل تاثیر همراه با تاخیر اطلاعات اعلامیه‌های سود در بورس اوراق بهادار تهران بررسی شود. همچنین، پیشنهاد می‌شود که از این سه روش (یکسان، انباشته و معامله به معامله) برای پرکردن بازدهی روزهایی که سهام در آن روزها معامله نشده، استفاده گردد و سایر پدیده‌های بازار سرمایه تحلیل و بررسی شود.

 

1- ایزدی‌نیا، ناصر و مصطفی دری سده. (1390). "محتوای اطلاعاتی جزء غیرعملیاتی سود حسابداری در رابطه با پیش‌بینی سود و ارزش‌گذاری حقوق صاحبان سهام"، پژوهش‌های حسابداری مالی، سال دوم، شماره 1، صص 17-32.

2- بادآور نهندی، یونس؛ طالب‌نیا، قدرت‌اله و مرتضی خانلاری. (1390). "بررسی محتوای اطلاعاتی عایدات حسابداری محافظه‌کارانه و غیرمحافظه‌کارانه"، پژوهش‌های حسابداری مالی، دوره سوم، شماره 4، صص 103-114.

3- بولو، قاسم؛ باباجانی، جعفر و مهدی ابراهیمی میمند. (1391). "ملاحظه محتوای اطلاعاتی اجزای سود توسط مدیران و سرمایه‌گذاران در پیش‌بینی سود"، پژوهش‌های حسابداری مالی، دوره4، ش1، صص 47-66.

4- خالقی مقدم، حمید و محمد آزاد. (1383). "محتوای اطلاعاتی پیش‌بینی سود شرکت‌ها"، مجله مطالعات حسابداری، ش 7. صص 21-39

5- خوش‌طینت، محسن و صغری براری نوکاشتی. (1385). "تأثیر اندازه شرکت بر محتوای اطلاعاتی اعلام سودمجله مطالعات حسابداری، ش16. صص 51-68

6- Atiase, R .K. (1985). “Predisclosure Information, Firm Capitalization, and Security Price Behavior around Earnings Announcements”, Journal of Accounting Research, Vol. 23, Pp. 21-36.

7- Ball, R. and Kothari, S. (1991). “Security Returns around Earnings Announcements”, Accounting Review, Vol. 66, Pp. 718-738.

8- Battholdy, Jan. (2007). “Conducting Event Studies on a Small Stock Exchange”, The European Journal of Finance, Vol. 13, Pp. 227–252.

9- Beaver, W. H. (1968). “The Information Announcements”, Content of Annual Earnings Journal of Accounting Research, Vol. 6, Pp. 67-92.

10- Brown, S.J. and Warner, J.B. (1985). “Using Daily Stock Returns: The Case of Event Studies”, Journal of Financial Economics, Vol. 14, Pp. 3-31.

11- Campbell, J. Y., Lo, A. W. and MacKinlay, A.C. (1997). The Econometrics of Financial Markets, Princeton University Press, Princeton, NJ.

12- Christensen, T. E., Smith, T. Q. and Stuerke, P. S. (2004). “Public Predisclosure Information, Firm Size, Analyst Following, and Market Reactions to Earnings Announcements”, Journal of Business Finance & Accounting, Vol. 31, Pp. 951-984.

13- Conrad, Jennifer. (2002). “When Is Bad News Really Bad News?”, Journal of finance, LVII, Pp. 2507-2532.

14- Dempsey, S.J. (1989). “Predisclosure Information Search Incentives, Analyst Following, and Earnings Announcement Price Response”, The Accounting Review, Vol. 64, Pp. 748-757.

15- Elsharkawy, A. and Garrod, N. (1996). “The Impact of Investor Sophistication on Price Responses to Earnings News”, Journal of Business Finance & Accounting, Vol, 23, Pp. 221-236.

16- Fama, E.F. (1970). “Efficient Capital Markets: a Review of Theory and Empirical Work”, Journal of Finance, Vol. 25, Pp. 383-417.

17- Fama, E.F. (1991). “Efficient Capital Markets: II”, Journal of Finance, Vol. 46, Pp. 1575-1617.

18- Gajewski, J.-F. and Que´re´, B.P. (2001). “The Information Content of Earnings and Turnover Announcements in France”, European Accounting Review, Vol. 10. Pp. 679-704.

 

19- Grossman, S.J. and Stiglitz, J.E. (1980). “On The Impossibility of Informationally Eficient Markets”, American Economic Review, Vol. 70, Pp. 393-408.

20- Holthausen, R.W. and Verrecchia, R.E. (1988). “The Effect of Sequential Information Releases on the Variance of Price Changes in an Intertemporal Multi-asset Market”, Journal of Accounting Research, Vol. 26, Pp. 82-106.

21- Kim, O. and Verrecchia, R. E. (1997). “Pre-Announcement and Event-Period Private Information”, Journal of Accounting and Economics, Vol. 24, Pp. 395-419.

22- Kothari, S. (2001), “Capital Markets Research in Accounting”, Journal of Accounting and Economics, Vol. 31, Pp. 105-231.

23- Liang, L. (2003). “Post-Earnings Announcement Drift and Market Participants’ Information Processing Biases”, Review of Accounting Studies, Vol 8, Pp. 321-345.

24- Maynes, E. and Rumsey, J. (1993). “Conducting Event Studies with Thinly Traded Stocks”, Journal of Banking and Finance, Vol. 17, Pp. 145-157.

25- Pellicer, M.J.A. and Rees, W.P. (1999). “Regularities in the Equity Price Response to Earnings Announcements in Spain”, European Accounting Review, Vol. 8, Pp. 585-607.

26- Sponholtz, Carina (2008). “TheInformation Content of Earnings Announcements in Denmark”, International Journal of Managerial Finance, Vol. 4, Pp. 4-36.