فهرست نشریات علمی دسترسی آزاد ایران

تبیین نابهنجاری اقلام تعهدی و جستجوی عوامل ایجاد آن در بازار سرمایه از موضوعات مهم در حوزه مالی است؛ زیرا اثبات وجود نابهنجاری‌های اقلام تعهدی در بازار سرمایه می‌تواند از لحاظ علمی مدل‌های قیمت‌گذاری سهام را به چالش کشیده و نقش عواملی غیر از ریسک سیستماتیک در پیش‌بینی بازده در بازار را برجسته کند؛ از اینرو هدف اصلی این پژوهش، مقایسه توانایی الگوریتم یادگیری ماشین آدابوست در تبیین نابهنجاری اقلام تعهدی با استفاده از مدل‌های آربیتراژ، قیمت‌گذاری دارایی‌های سرمایه‌ای و پنج عاملی فاما و فرنچ است. برای دستیابی به هدف پژوهش، نمونه‌ای متشکل از 120 شرکت پذیرفته ‌شده در بورس اوراق تهران طی دوره زمانی 1387-1398 با استفاده از الگوریتم یادگیری ماشین آدابوست بررسی شده است. نتایج پژوهش نشان داد اگر تاثیر نابهنجاری اقلام تعهدی بر بازده سهام در نظر گرفته شود، ریسک‌های حاصل از مدل‌های آربیتراژ، قیمت‌گذاری دارایی‌های سرمایه‌ای و مدل پنج عاملی فاما و فرنچ کاهش پیدا خواهد کرد و در نتیجه به قیمت واقعی سهام نزدیک‌تر خواهد بود که این امر باعث افزایش اعتماد سرمایه‌گذاران می‌شود؛ لذا اضافه شدن نابهنجاری اقلام تعهدی در مدل‌های مالی آربیتراژ، قیمت‌گذاری دارایی‌های سرمایه‌ای و مدل پنج عاملی فاما و فرنچ، منجر به بهبود در ارزیابی بازده سهام می‌شود و نابهنجاری اقلام تعهدی در بورس اوراق بهادار تهران وجود دارد. نتایج نشان داد نابهنجاری اقلام تعهدی توسط مدل پنج عاملی فاما و فرنج در ارزیابی بازده سهام بهتر توضیح داده می‌شود. به بیانی دیگر، توان پیش‌بینی مدل پنج عاملی فاما و فرنچ نسبت به مدل آربیتراژ و قیمت‌گذاری دارایی‌های سرمایه‌ای بیشتر است.