تخمین تابع سودآوری با استفاده از متغیرهای ساختار سرمایه در صنایع ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناس ارشد، دانشکده مهندسی صنایع و سیستم های مدیریت، دانشگاه صنعتی امیرکبیر، تهران، ایران

2 دانشیار، دانشکده مهندسی صنایع و سیستم های مدیریت، دانشگاه صنعتی امیرکبیر، تهران، ایران

10.22051/jfm.2021.33939.2461

چکیده

دستیابی به ساختار سرمایه بهینه جهت دستیابی به حداکثر سودآوری، ارزش و حداقل هزینه سرمایه از جمله موضوعات مهم مورد پژوهش توسط متخصصان مالی است. در حوزه رابطه میان تصمیمات تأمین مالی و سودآوری شرکتها به طور عمده از چهار نظریه میلر و مودیگلیانی، نظریه نمایندگی، نظریه توازن ایستا (هر سه ناظر بر رابطه مثبت میان نسبت بدهی و سودآوری) و نظریه سلسله مراتبی (رابطه منفی بین نسبت بدهی و سودآوری) مطرح است. در این پژوهش با استفاده از داده های 161 شرکت ثبت شده در بورس اوراق بهادار تهران در پنج صنعت (شامل کاشی و سرامیک، سیمان، فلزات، نفت و گاز، و داروسازی) در بازه زمانی 1389-1396به مسئله تخمین تابع سودآوری توسط ساختار سرمایه پرداخته شده است. به منظور تخمین تابع مذکور از تحلیل رگرسیون و همچنین الگوریتم ترکیبی شبکه عصبی موجکی و الگوریتم رقابت استعماری استفاده شده است. نتایج به دست آمده حاکی از رابطه منفی بین نسبت های بدهی و نسبت بازده دارایی ها (تایید نظریه سلسله مراتبی) در شرکتهای صنایع کاشی و سرامیک، سیمان، فلزات، و داروسازی می باشد. این در حالی است که در صنعت نفت و گاز، رابطه معناداری میان متغیرهای مذکور یافت نشده است. به علاوه عملکرد شبکه عصبی موجکی بهینه سازی شده با الگوریتم رقابت استعماری برای تمامی صنایع، قدرت تبیین بیشتری (نسبت به رگرسیون خطی ساده) از خود نشان داده است.

کلیدواژه‌ها


عنوان مقاله [English]

Estimation of Profitability Function Using Capital Structure Variables in Iranian Industries

نویسندگان [English]

  • Arash Pourrezaei 1
  • Alimohammad Kimiagari 2
1 Master, Faculty of Industrial Engineering and Management Systems, Amirkabir University of Technology, Tehran, Iran
2 Associate Professor, Faculty of Industrial Engineering and Management Systems, Amirkabir University of Technology, Tehran, Iran
چکیده [English]

Achieving the optimal capital structure to gain maximum profitability and value while having the minimum cost of capital is one of the important topics studied by financial professionals. For explaining a relationship between financing decisions and corporate profitability, there exist four major theories of Miller and Modigliani, agency theory, static balance theory (all observing the positive relationship between debt ratio and profitability), and hierarchical theory (negative relationship between debt ratio and Profitability). In this study, using data from 161 companies listed on the Tehran Stock Exchange in five industries (including ceramic tiles, cement, metals, oil and gas, and pharmaceuticals) between 2010 and 2017, the problem of estimating the profitability function by the capital structure has been addressed. To estimate the mentioned function, regression analysis has been used, as well as a combination of wavelet neural network algorithm and the Imperialistic Competition Algorithm. The results indicate a negative relationship between debt ratios and return on assets (confirmation of hierarchical theory) in ceramic tile, cement, metals, and pharmaceutical companies. However, in the oil and gas industry, no significant relationship has been found between those variables. In addition, the performance of the wavelet neural network optimized by the imperialistic competition algorithm has shown to be more desirable than simple linear regression for all the investigated industries.

کلیدواژه‌ها [English]

  • Capital Structure
  • Profitability
  • regression
  • Neural Network
  • Imperialistic competition algorithm