روابط خطي و غير خطي بين متغيرهاي حسابداري و بازده سهام شركت هاي صنعت خودرو و ساخت قطعات

Linear and Non-linear Relationship between Accounting Variables and Stock Return of Automobile Industry

پژوهش حاضر به بررسي روابط خطي و غير خطي بين متغيرهاي حسابداري و بازده سهام شركتهاي صنعت خودرو و ساخت قطعات طي سالهاي 1382 الي 1387 مي پردازد. متغيرهاي حسابداري مورد بررسي شامل سه متغير: سود عملياتي، سود خالص و جريانات نقدي حاصل از عمليات مي باشند. بازده سهام به صورت ميانگين پنج ساله براي هر شركت از اول فروردين هرسال تا آخراسفند هر سال محاسبه شده است. همچنين براي آزمون وجود رابطه بين متغيرها و معنادار بودن مدل هاي خطي و غير خطي برآورد شده از تحليل رگرسيون استفاده شده است. نتايج پژوهش بيانگر وجود رابطه خطي و غير خطي بين متغيرهاي حسابداري و بازده سهام در صنعت خودرو است. البته با توجه به نتايج آزمون، برخي از اين مدلها در مقايسه با مدلهاي ديگر، بهتر مي توانند اين رابطه را تبيين كنند. به عبارت ديگر بعضي از مدل هاي رگرسيوني مانند مدل هاي غير خطي تواني و درجه سوم از توانايي بيشتري جهت تبيين بازده سهام برخوردار هستند. همچنين، مدلهاي بدون عرض از مبدا نسبت به مدل هاي با عرض از مبدا، از توانايي بيشتري در قدرت تبيين بازده سهام برخوردار مي باشند.

The present paper studies the linear and non-linear relation between accounting variables and stock return of automobile industry accepted companies in Tehran exchange during 1382 to 1387.The studied accounting variables include: operation income, net income and operation cash flow. The stock return has been calculated for the five-old year average period beginning 1 of farvardin until 29 of esfand for each year. The regression analysis technique has been used for testing the relationship between variables and degree of significance of our predicted regression models. Also the significance of the regression models was tested according to t-test and F-test. The result of our investigation narrated that there is a linear and non-linear relationship between accounting variables and stock return of the automobile industry companies. However some of this regression models have more explanatory power than other models. In other word, some of this regression models such as power and cubic non-linear models have the best explanatory power. Also, the zero-distance models (?=0) have more explanatory power than non-zero distance models (??0).