تبیین نقش معیارهای عملکردی و حاکمیتی در تعیین ارزش شرکت با رویکرد مبتنی بر هوش مصنوعی

هدف: پیش‌بینی ارزش شرکت توسط سهام‌داران، در برآورد آنها از ریسک، بازده و قیمت سهام شرکت تاثیرگذار است. هدف این پژوهش تبیین عوامل موثر بر ارزش شرکت با استفاده از معیارهای عملکردی و حاکمیتی و نیز، پیش‌بینی ارزش شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران برای کمک به تصمیم‌گیری مدیران و سرمایه‌گذاران است. روش: برای تبیین عوامل موثر بر ارزش شرکت، از الگوریتم حداقل زاویه گام‌به‌گام و برای پیش‌بینی ارزش آتی شرکت از روش قانون‌گرای کارت و روش غیرخطی فرایند گوسی استفاده شد. بدین منظور، اطلاعات 208 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران طی دوره هفت‌ساله 1390 تا 1396 جمع‌آوری شد. در گام نخست این پژوهش، معیارهای عملکردی و حاکمیتی به‌عنوان معیارهای اولیه مدنظر قرار گرفت و در گام دوم به روش متغیرگزینی لارس، متغیرهای اثرگذار مشخص شدند و در نهایت از الگوریتم‌های پیش‌بینی‌کننده ارزش شرکت بهره برده شد. یافته‌ها: بر اساس نتایج، معیارهای عملکردی برای تبیین ارزش شرکت در مقایسه با معیارهای حاکمیتی توانایی بیشتری دارند و همچنین، نتایج دیگر پژوهش حاکی از قدرتمندی روش‌های داده‌کاوی برای پیش‌بینی ارزش شرکت به‌ویژه روش غیرخطی فرایند گوسی به الگوریتم قانون‌گرای کارت است. نتیجه‌گیری: از آنجا که حاکمیت شرکتی و کمیته حسابرسی در بورس ایران در ابتدای راه خود است و فعالان حاضر در بورس اوراق بهادار از نحوه عملکرد آنها اطلاع چندانی ندارند، به نظر می‌رسد که محتوای اطلاعاتی داده‌های عملکردی برای سرمایه‌گذاران بیشتر از معیارهای حاکمیتی باشد. از بین معیارهای حاکمیتی فقط تمرکز مالکیت قدرت تبیین ارزش شرکت را دارد که دلیلی بر انگیزه و توانایی کافی سهام‌داران عمده برای نظارت بر مدیر و افزایش کارایی شرکت است.

The Role of Performance and Governance Criteria in Determining the Price of Shares with an Artificial Intelligencebased Approach

Objective: The purpose of this research is to explain the price of share using performance variables, management system and audit committee, as well as forecasting the price of share to help decision makers and investors. Methods: For this purpose, the information about 208 listed companies in Tehran Stock Exchange, during 20102017, have been extracted and analyzed using the linear and nonlinear method of Gaussian process. Results: Preliminary research results show that performance criteria are more capable of explaining stock prices compared to governance criteria. The results also indicate the high power of machine learning methods for predicting the price of companies’ stocks. The latter is especially true for the nonlinear Gaussian process, which has also proven to perform better than the CART or the lasso algorithms. Conclusion: Since corporate governance and the audit committee are two governing bodies of the stock exchange in Iran, and the stock market participants are not aware of how they operate, it seems that the performance information content is better for investors than governance measurements. Among the nonfinancial criteria, ownership concentration is the only factor that is able to explain the price of share of the company, and it can be argued that major shareholders have the motivation and ability to supervise the manager and increase the company’s performance.