ترجمه تخصصی کیفیت اطلاعات حسابداری و ریسک سیستماتیک

در جدول 2 رابطه میان کیفیت اطلاعات حسابداری و ریسک سیستماتیک را برآورد می کنیم. متغیرهای وابسته، مقیاس های خام ریسک (همانطور که در بخش 3.2 توصیف شده اند) می باشند. نماینده، برای کیفیت اطلاعات حسابداری DD یا مقیاس |ABACC|می باشد. همانند مطالعات لو (2009)، متغیرهای تشریحی اصلی  (یعنی کیفیت اطلاعات حسابداری، سایز، ارزش دفتری به ارزش بازاری و ROA) در ابتدای سال اندازه گیری شده اند.

علاوه بر مدل تعمیم یافته با مجموعه کامل متغیرهای کنترلی در جدول 2، یک مدل مقتصد را با آنچه لو (2009) به عنوان سه متغیر کنترل اصلی مشخص کرده (یعنی سایز، ارزش دفتری به ارزش بازاری و ROA)، برآورد می کنیم. مدل مقتصد، ریسکی که متغیرهای کنترل نامربوط، وارد نتایج پراکنده می کنند را کاهش می دهد. در حالی که مدل گسترده می تواند نگرانی های موجود درباره متغیرهای حذف شده را کاهش دهد. در تمامی تحلیل های ما، هم مدل تعمیم یافته و هم مدل مقتصد را برآورد نمودیم. تنها نتایجی را از مدل تعمیم یافته گزارش می کنیم زیرا هر دو مدل، از لحاظ کیفی، نتایج مشابهی را تولید کرده اند

سفارش ترجمه تخصصی حسابداری

 

پنل A در جدول 2 از مقیاس DD به عنوان نماینده ای برای کیفیت اطلاعات حسابداری استفاده می کند. پنل B از مقیاس |ABACC| استفاده می نماید. در هر دو پنل، نتایج نشان می دهند که رابطه مثبت و معناداری میان کیفیت ضعیف اطلاعات حسابداری و ریسک سیستماتیک وجود دارد. تاثیر کیفیت اطلاعات حسابداری، بر ریسک سیستماتیک، نه تنها از لحاظ آماری، معنادار است بلکه از لحاظ اقتصادی نیز همین طور می باشد. برای مثال، برآوردهای ضریب، در پنل A جدول 2 نشان می دهند که به ازای کاهش یک انحراف تک-استاندارد، درمقیاس DD عدم تقارن اطلاعات حسابداری، ریسک سیستماتیک مبتنی بر مدل بازار، حدود 14.7% افزایش می یابد. در نتایجی که در جدول آورده نشده است، مشاهده می کنیم که کیفیت ضعیف اطلاعات حسابداری، ریسک ویژه را در بازه بعدی (که به صورت واریانس باقی مانده از رگرسیون مدل بازار تعریف می شود)، به صورت مطابق با نتایج راژگوپال و ونکاتاچالام (2011) افزایش می دهد

در هر دو پنل جدول 2، علامت ها و اهمیت متغیرهای کنترلی، به طور کل با موارد یافت شده در مطالعات لو (2009) مطابق هستند. برای مثال، همانند مطالعات لو (2009)، به این نتیجه میرسیم که ریسک سیستماتیک، ارتباطی منفی و معنادار با ROA و تمرکز شرکت دارد اما ارتباطی مثبت با سایز شرکت، نسبت ارزش دفتری به ارزش بازاری و بهره برداری شرکت دارد. تفاوت قابل توجهی میان نتایج ما و لو (2009) در واقع تاثیر هزینه R&D، بر ریسک سیستماتیک است. ما به این نتیجه می رسیم که این رابطه، مثبت و معنادار است اما لو (2009) عکس این را در جدول 5 مطالعات خود گزارش می کند. رابطه ای مثبت، مطابق با ایده قابل قبولی است، مبنی بر این که هزینه های R&D، در واقع سرمایه گذاری های ریسکی می باشند.

 به طور کلی نتایج ارائه شده در جدول 2 به وضوح نشان می دهند که کیفیت ضعیف اطلاعات حسابداری، با ریسک سیستماتیک بالا در ارتباط است. این رابطه، در قبال مقیاس های ریسک، بر پایه مدل های جایگزین قیمت گذاری دارایی و هم چنین نماینده های جایگزین، برای کیفیت اطلاعات حسابداری، مستحکم می باشند

4.2- رگرسیون فاما-مکبث، در ریسک سیستماتیک، در زمینه کیفیت اطلاعات حسابداری:

در بخش قبلی، ارتباط موجود، میان کیفیت حسابداری و ریسک سیستماتیک را با استفاده از داده های جمع آوری شده مقطعی سری های زمانی بررسی نمودیم. این رویکرد، توان آزمایش ما را به حداکثر خود می رساند اما باعث بروز این نگرانی می شود که همبستگی های سری های زمانی یا روندهای زمانی مرسوم، در کیفیت اطلاعات حسابداری و ریسک سیستماتیک، ممکن است الگوهای مشاهده شده در داده ها را نیز حساب کند. هم چنین این پدیده که با استفاده از مقیاس های درجه بندی ریسک سیستماتیک، به این نتیجه میرسیم که از لحاظ کیفی، یکسان می باشند، می تواند این نگرانی را کاهش دهد. با محاسبه رگرسیون فاما-مکبث، بیشتر به این مسئله خواهیم پرداخت. به طور تخصصی، ابتدا رگرسیون های مقطعی را در جدول 2 برای هر سال، در بازه نمونه خود حساب می کنیم سپس از سری های زمانی این برآوردهای مقطعی، برای به دست آوردن برآورد نهایی پارامترها و خطاهای استاندارد بهره می جوییم. جدول3، نتایج رگرسیون فاما-مکبث را در زمینه رابطه مدنظر، به صورت خلاصه ارائه می دهد. به وضوح، این نتایج با نتایج یافته شده بر پایه OLS و داده های جمع آوری شده، مطابق بوده که خود، رابطه مثبت، میان کیفیت ضعیف اطلاعات حسابداری و ریسک سیستماتیک بالا را تائید می نماید.

4.3- رگرسیون های DID ریسک سیستماتیک، در زمینه کیفیت اطلاعات

در بخش 4.1 و 4.2 به این نتیجه میرسیم که ارتباط مثبتی میان کیفیت ضعیف اطلاعات حسابداری و ریسک سیستماتیک وجود دارد اما آیا این رابطه علّی است، اگر این طور است جهت علّیت به کدام سو است. با وجود این که استفاده از متغیرهای تاخیری تشریحی می تواند نگرانی های موجود در زمینه علّیت و همزمانی را کاهش دهد، این رویکرد، به تنهایی می تواند برای ارزیابی علّیت، کافی نباشد زیرا ویژگی های شرکت، اغلب، همبستگی های سریالی قابل توجهی را از خود نشان می دهد.

درمان مرسوم، برای درون زایی، برآورد مدل متغیرهای ابزاری (IV)، با استفاده از حداقل مربعات مرحله (2LSS) می باشد. این رویکرد، وابستگی شدیدی بر در دسترس بودن ابزارهای معتبر و قدرتمند، برای متغیرهای درون زا دارد. به این دلیل که یافتن متغیرهایی که همبستگی بالایی با کیفیت اطلاعات حسابداری داشته باشند، اما هیچگونه همبستگی ای با ریسک سیستماتیک در آن ها به چشم نخورد، دشوار است، رابطه علّی میان دو ساختار را با استفاده از SOX، به عنوان یک آزمایش شب طبیعی بررسی می کنیم. در سی ام جولای 2002، کنگره ایالت متحده، SOX را برای محافظت از سرمایه گذاران، در برابر فعالیت های کلاهبردارانه حسابداری که توسط شرکت ها انجام می شود، اِعمال نمود. این قانون فدرال، اصلاحات دقیقی را ملزم می دارد تا بتوان با استفاده از آن، افشاهای مالی ای را از شرکت ها بهبود بخشید. برای مثال SOX، ملزم می دارد که مدیران شرکت باید به صورت انفرادی، دقت اطلاعات مالی را تائید کنند. SOX همچنین وابستگی حسابرسان خارجی ای که دقت بیانیه های مالی شرکتی را برررسی می کنند، افزایش می دهد. تعدادی از مقالات (کوگان و همکاران 2009، دیک و همکاران 2010) به این نتیجه رسیدند که کیفیت اطلاعات حسابداری، از زمان اِعمال SOX بهبود یافته است. بنابراین در صورتی که کیفیت ضعیف اطلاعات حسابداری، ریسک سیستماتیک را افزایش دهد، انتظار داریم شرکت هایی که کیفیت ضعیف تر اطلاعات حسابداری، در بازه قبل SOX دارند، کاهش بیشتری را در این ریسک، در دوره پسا SOX از خود نشان دهند

برای بررسی این که آیا این جمله درست است یا نه، یک طراحی پژوهش تفاوت در تفاوت (DID) انجام می دهیم که مشابه با روشی است که لو (2009) استفاده کرده است. به صورت تخصصی، مدل های سری های زمانی و مقطعی زیر را با استفاده از داده هایی که برای بازه پیرامون اِعمال SOX جمع آوری شده است، برآورد می کنیم (یعنی سه سال قبل و بعد از این رویداد)

که در آن، i متغیر شرکت و t متغیر زمان است. Y در واقع متغیر وابسته مدنظر می باشد (یعنی ریسک سیستماتیک). آلفا و بتا، به ترتیب اثرات ثابت سال و شرکت می باشند. Post در واقع یک متغیر ساختگی است که برای مشاهدات، در دوره پساSOX، یک و در غیر این صورت 0 است. High، یک متغیر ساختگی است که برای شرکت هایی که مقیاس کیفیت اطلاعات حسابداری آن ها از مقدار میانگینی که در سه سال قبل از SOX، اندازه گیری شده، بیشتر باشد، یک خواهد بود. همانند مطالعه لو (2009)، ما High را حذف می کنیم زیرا مشخصات، شامل اثر سال (برای سال های قبل از SOX) و اثر ثابت شرکت می شود. ضریب، در عبارت فعل و انفعالات (y) نشان می دهد که آیا کاهش پساSOX، در ریسک سیستماتیک، برای شرکت هایی که مقیاس کیفیت اطلاعات حسابداری قبل از SOX بالایی داشتند، بیشتر است یا نه (یعنی کیفیت اطلاعات حسابداری ضعیف).

سفارش ترجمه تخصصی حسابداری

شایان به ذکر است که چارچوب DID ما الزاما تغییرات، در ریسک سیستماتیک را برای شرکتی که کیفیت پایین اطلاعات حسابداری قبل و بعد از اِعمال SOX داشته است را مقایسه می کند و این تغییر را نیز با تغییر شرکتی که کیفیت اطلاعات حسابداری بالایی در طول همین بازه داشته است را مقایسه می کند. استفاده از اثر ثابت شرکت، در این چارچوب، هر گونه ناهمگونی مقطعی مشاهده نشده در میان شرکت ها را نیز لحاظ می نماید. لحاظ کردن اثر ثابت سال، هرگونه نوسانات سطح بازار، در ریسک سیستماتیک را لحاظ می کند. در پنل A، در جدول 4، رگرسیون DID را پیرامون اِعمال SOX، در سال 2002 برآورد می کنیم. در این جا Post، یک متغیر ساختگی است که برای مشاهدات، در سال2002، 2003 و 2004، یک و برای مشاهدات 1999،2000 و 2001، صفر است. High، یک متغیر ساختگی است که برای شرکت هایی که مقیاس DD بزرگتر از مقدار میانگین این مقیاس، در طول سه سال قبل از SOX داشته اند، یک می باشد. نتایج نشان می دهد که برآورد این ضریب، برای Post×High  و Post، در هر دو مدل، معنادار و منفی است. چنین نتایجی نشان می دهد، شرکت هایی که مقیاس DDبالایی دارند (یعنی کیفیت پایین اطلاعات حسابداری)، اغلب، کاهش بیشتری در ریسک سیستماتیک را پس از اِعمال SOX، در سال 2002 تجربه می کند. علاوه بر آن، نتایج نشان می دهند که در باز پساSOX، ریسک سیستماتیک به طور کلی کاهش می یابد. نتایج، با این ایده که کیفیت اطلاعات بالاتر حسابداری می تواند باعث شود که ریسک سیستماتیک، کاهش یابد، مطابق است.

پنل B در جدول 4 مشابه با پنل A است، به جز این که در پنل B، High، متغیر ساختگی ای است که برای شرکت هایی که مقیاس |ABACC| آن ها به نسبت مقدار میانگین اندازه گیری شده در طول سه سال قبل از  SOX، بزرگتر است، یک می باشد. به وضوح، برآوردهای ضریب، هم برای Post و هم برای Post×High ، معنادار و منفی باقی خواهد ماند. این خود نشان می دهد شرکت هایی که مقیاس |ABACC| بالایی دارند (یعنی کیفیت پایین اطلاعات حسابداری)، اغلب، کاهش بیشتری در ریسک سیستماتیک، پس از اِعمال SOX، در 2002 را تجربه می کنند.

4.4- نتایج مبتنی بر مقیاس بدون مدل، ریسک شرکت:

تا این نقطه، بر مقیاس های ریسکی تکیه کردیم که از مدل های فاکتور پارامترسازی شده نشأت گرفته بودند. با وجود این که این مدل ها، رویکردی مرسوم، برای اندازه گیری ریسک شرکت ارائه می دهند، یک نگرانی همه گیر، در زمینه این مدل، این است که ممکن است در شناسایی فاکتورهای ریسک، کامل نباشد (لاکانیشوک و همکاران 1994، فاما 1998، میچل و استفورد 2000). با توجه به این مسئله بالقوه مدل-بد، در اندازه گیری ریسک، فاما (1998) از مطالعه لاکانیشوک و همکاران (1994) پیروی کرده و یک رویکرد غیرپارامتری جایگزین، در شناسایی ریسک های اساسی شرکت را اتخاذ می کند

لاکانیشوک و همکاران 1994، استدلال می کنند شرکت هایی که برای این شرکت ها، از لحاظ اساسی (به هر دلیلی) ریسکی باشند، می بایست به نسبت سایر شرکت ها، در دولت های جهان، هنگام بالا بودن قیمت ریسک و بهره برداری حاشیه ای، از ثروت، عملکرد ضعیف تری داشته باشند. آن ها عنوان می کنند که عملکرد، در حالت های بسیار بد نشان میدهد که یک شرکت به چه اندازه می تواند ریسکی باشد. حتی هنگامی که مقیاس های مرسوم ریسک (همانند انحراف استاندارد و بتا)، این پدیده را نشان داده اند (لاکانیشوک و همکاران 1994، p1569). با پیروی از این ایده، 25% پایین (بالا) از شرکت های نمونه (که در این جا به ترتیب شرکت های پایین و بالا هستند) را با کم ترین بازگشت ماهی سالیانه (بالاترین)، در هر کدام از ده سال بد بازار سهام (از 1962 تا 2012) به عنوان شرکت هایی با ریسک بالا (ریسک پایین) طبقه بندی می کنیم. ده سال بد، برای بازار بورس در ایالت متحده  1962،1966،1969، 1973، 1974، 1977، 2000، 2001، 2002 و 2008 می باشد (البته بر پایه بازگشت مالی سالیانه، با برآورد ارزش، به پورتفولیوی S&P 500).

شایان به ذکر است که مقیاس ریسک غیر پارامتری، اجزای سیستماتیک ریسک شرکت را اتخاذ می کند زیرا بر پایه واکنش بازگشت مالی هر شرکت، به بازگشت مالی بازار، بنا گذاشته شده است. بنابراین در صورتی که کیفیت ضعیف اطلاعات حسابداری، ریسک سیستماتیک را افزایش دهد، انتظار داریم که مقیاس های کیفیت اطلاعات حسابداری (یعنی DD و |ABACC|) برای شرکت هایی پایینی، به نسبت شرکت های بالایی، بیشتر باشد.

سفارش ترجمه تخصصی حسابداری

جدول 5 تفاوت های میانه و میانگین در DD و |ABACC| را میان شرکت های بالا و پایین، در ده سال بد بازار سهام را بررسی می نماید. نتایج به وضوح نشان می دهد که شرکت های پایینی، DD و |ABACC| بسیار بالاتری (یعنی کیفیت ضعیف اطلاعات حسابداری)، به نسبت شرکت های بالایی دارند که کاملا با این ایده، مطابق می باشد که کیفیت پایین تر اطلاعات حسابداری ،با ریسک سیستماتیک بالاتر، در ارتباط است

در جدول 5 از مقیاس ریسک غیرپارامتریک، در زمینه اطلاعات حسابداری، رگرسیون می گیریم. در این جا از داده های ارائه شده در ده سال بد بازار سهام استفاده می کنیم. متغیر وابسته، یک متغیر ساختگی (BOTTOM) می باشد که برای شرکت های پایینی، یک و در سایر موارد 0 است. با توجه به ماهیت دو وجهی متغیر وابسته، رگرسیون را از طریق پروبیت و لاگیت، برآورد می کنیم. تنها نتایج پروبیت را گزارش می کنیم زیرا هر دو روش، نتایج یکسانی را ارائه می دهند. استفاده از هر دو مقیاس کیفیت اطلاعات حسابداری، به این نتیجه می رسیم که رابطه مثبت و معناداری میان کیفیت ضعیف اطلاعات حسابداری و متغیرساختگی BOTTOM وجود دارد. نتایج، در زمینه متغیرهای کنترلی، در هر دو مدل، با موارد ارائه شده در جدول 2 مطابق هستند. برای بار  دیگر عنوان می داریم که این یافته ها، تائید می کنند که کیفیت ضعیف اطلاعات حسابداری، با ریسک سیستماتیک بالا در ارتباط است.

به طور کلی نتایج ارائه شده در جدول 5.6 نشان می دهد که رابطه مثبت، میان کیفیت ضعیف اطلاعات حسابداری و ریسک سیستماتیک، با مقیاس ریسک بدون مدل، انطباق دارد. بنابراین رابطه ای که در این جا عنوان می داریم احتمالا توسط مسئله مدل بد، در روی اندازه گیری ریسک، تحت تاثیر قرار نمیگرد.

4.5- بررسی های دیگر استحکام:

برای بررسی استحکام رابطه میان کیفیت اطلاعات حسابداری و ریسک سیستماتیک، دو آزمایش دیگر را انجام می دهیم. در وهله اول، استحکام نتایج اصلی خود را که ضمیمه مقیاس های دیگری از کیفیت اطلاعات حسابداری است، بررسی می کنیم. با پیروی از مطالعات دیشف و تانگ (2009) و انگ (2011)، دقت درآمد را به عنوان انحراف استاندارد درآمد، در 5 سال اخیر اندازه گیری می کنیم که در آن، درآمد، به عنوان درآمد قبل از تورم زدایی شدن موارد خارق العاده، توسط میانگین دارایی های کلی تعریف می شود. با پیروی از مطالعات ژانگ (2006)، توافق عام پیش بینی تحلیل گران، تورم زدایی با استفاده از انحراف استاندارد میان-تحلیلی پیش بینی های APS که توسط قیمت سهام، در زمانی که انحراف استاندارد محاسبه می شود را اندازه گیری می کنیم. با استفاده از دقت درآمد و توافق عام تحلیل گران، به عنوان مقیاس های جایگزین کیفیت اطلاعات حسابداری، به این نتیجه می رسیم که نتایج حاصله (برای ساده تر شدن مطالب، در جدول ارائه نشده اند)، انطباق بالایی با مواردی که بر پایه کیفیت اقلام تعهدی محاسبه شده اند، دارند.

جدول6-رگرسیون پروبیت عملکرد سهام، در زمینه کیفیت اطلاعات حسابداری، در ده سال بد بازار سهام.

این جدول، ارتباط میان کیفیت اطلاعات حسابداری و احتمال این که یکی از شرکت هایی که بدترین عملکرد را در سال های بد بازار سهام داشته باشد را بررسی می کند. بر پایه بازگشت های مالی سالیانه، به پورتفولیوی S&P 500 ده سال بعد، در ایالت متحده 1962، 1966، 1969، 1973، 1974، 1977، 2000، 2001، 2002 و 2008 در بازه 1996 تا 2012 می باشند. در هر کدام از این 10 سال، 25% پایین شرکت های نمونه را با کمترین بازگشت مالی سالیانه، به عنوان شرکت های پایینی، طبقه بندی می کنیم. ریسک سیستماتیک بیشتری به نسبت سایر شرکت ها دارند (لاکونیشوک و همکاران 1994). متغیر وابسته ساختگی (BOTTOM)، برای شرکت های پایینی، یک و در سایر موارد، 0 است. سایر تعاریف متغیرها، در جدول 1 ارائه شده اند. خطاهای استاندارد مستحکم، برای برآوردهای ضرایب ارائه شده اند. ما از مطالعه لو (2009) پیروی کرده و متغیرهای تشریحی اصلی (یعنی کیفیت اطلاعات حسابداری، سایز، نسبت ارزش دفتری به ارزش بازاری و ROA) را در ابتدای سال اندازه گیری نمودیم. 3*، 2* , 1* اهمیت آماری، در سطوح یک، 5 و 10 درصد را به ترتیب نشان می دهند

در وهله دوم، تحلیل DID را در جدول 4، با حذف کردن سال رویداد (یعنی 2002، برای تحلیل SOX) و مقایسه سه سال قبل از این رویداد (1991 تا 2001، برای تحلیل SOX)، در برابر سال های پس از این رویداد (یعنی سال 2003 تا 2005، برای تحلیل SOX) مقایسه می کنیم. به این نتیجه میرسیم که حذف سال رویداد، نتایج را به صورت معناداری تغییر نمی دهد. برآورد ضرایب، برای عبارت فعل و انفعالات می تواند پس از حذف کردن سال رویداد، افزایش کوچکی داشته باشد. آن چه گفتیم با این حقیقت که لحاظ کردن سال رویداد، در بازه پس از رویداد، تنها باعث می شود که اثر رویداد را دست کم بگیریم، مطابق است.