راهبري شركتي و ارزشيابي شركت: مدلي با استفاده از شبكه عصبي مصنوعي

Corporate Governance and Equity Valuation: The Model by Using Artificial Neural Network

در اين تحقيق رابطه بين سازوكارهاي راهبري شركتي، شامل اندازه هيات مديره، عدم داشتن پست اجرايي در شركت توسط رييس هيات مديره، نسبت اعضاي غير موظف هيات مديره و درصد سرمايه گذاران نهادي، با ارزش سهام شركت، بررسي مي شود. جهت ايجاد ارتباط بين عناصر راهبري شركتي و ارزش سهام شركت از مدل ارزشيابي اولسون(1995) استفاده شده و سازوكارهاي راهبري شركتي جايگزين بخش "ساير اطلاعات" در اين مدل مي گردند. پيشينه تحقيق نشان مي دهد كه بين سازوكارهاي راهبري شركتي و قيمت سهام شركت يك رابطه خطي و مشخص وجود ندارد، به همين دليل شبكه عصبي مصنوعي نيز براي شناخت هر گونه روابط بين متغيرهاي مدل بكار مي رود، به عبارت ديگر فرض پويايي خطي اطلاعات، در مدل اولسون به چالش كشيده مي شود. بعد از طراحي مدل شبكه عصبي مصنوعي، نتايج حاصله با روش حداقل مربعات معمولي مقايسه شده است. براي طراحي مدل شبكه عصبي و تشكيل معادله رگرسيون خطي، جمعا از اطلاعات 776 سال- شركت و براي آزمون شبكه عصبي و رگرسيون خطي از اطلاعات 62 سال شركت در طي سال هاي 1389-1380 استفاده گرديده است. شبكه عصبي مورد استفاده در اين تحقيق از نوع پرسپترون چندلايه با الگوريتم يادگيري پس انتشار خطا است و در آن از دو لايه مياني جهت شبيه سازي روابط بين متغيرها استفاده شده است. نتايج حاكي از آن است كه: 1. استفاده از سازوكارهاي راهبري شركتي به عنوان بخش ساير اطلاعات در مدل اولسون باعث افزايش قدرت توضيح دهندگي مدل ارزشيابي مذكور مي شود، و 2. استفاده از شبكه عصبي مصنوعي نسبت به روش حداقل مربعات معمولي، براي تحليل روابط بين متغيرها، قدرت توضيح دهندگي و دقت مدل را بالا مي برد.

In this study will be investigated the relationship between the corporate governance mechanisms, including board size, duality, outside directors and institutional investors, with the share value. for create a link between elements of corporate governance and equity value, is used from the Ohlson`s valuation model (1995), and corporate governance mechanisms replace with the "Other Information" in this model. Background research indicates that there isn`t linear and Specified relationship between the mechanism of corporate governance and the companyʹs stock price. Therefore, the artificial neural network is used to identify any relationships between model variables .In other words, assumption of linear information dynamics, in the Ohlson`s model will be challenged. After The design of artificial neural network model, the results is compared with ordinary least squares method. For the design of Neural network model and the linear regression equation, totally is used from 776 firm-years information and for to test the neural network and linear regression is used of 62 firm-years information in the years 1380 to 1389. Neural network used in this researchis of multi-layer perceptron with error back propagation learning algorithm and is used on it from two hidden layer to simulate the relationships between variables. The results suggest that: 1.using of Mechanisms of corporate overnance as part of other information in the ohlson valuation model (1995) cause to increase the explanatory power of the valuation model, and 2. Using of artificial neural networks raises the explanatory power and accuracy of the model than ordinary least squares method, to analyze relationships between variables