تاثیر نااطمینانی‌ های خاص بنگاه و صنعت بر ساختار سرمایه در شرکت‌ های پذیرفته شده در بورس اوراق بهادار ایران؛ کاربردی از مدل تلاطم تصادفی (sv) و پانل چند سطحی

انتخاب ساختار سرمایه بهینه، از مهم‌ترین تصمیمات مدیران بنگاه‌ها محسوب می‌شود زیرا یکی از عوامل اثرگذار بر ارزش شرکت و ثروت سهامداران، تصمیمات ساختار سرمایه و نحوه تامین مالی شرکت است. هدف اصلی مقاله حاضر، شناسایی عوامل موثر بر ساختار سرمایه (اهرم مالی) با تمرکز بر نااطمینانی‌ها (در دو سطح صنعت و شرکت) در قالب مدل پانل چندسطحی است. بدین منظور داده‌های 151 شرکت پذیرفته شده در بورس اوراق بهادار تهران در قالب 26 صنعت طی دوره 15 ساله از 1387 تا 1401 گردآوری شده است. نرم‌افزار r، مبنای برآورد تلاطمات قیمت سهام و شاخص صنایع بورسی قرار گرفته و پس از آن با استفاده از نرم‌افزار اِستَتا، مدل‌ پانل چندسطحی برآورد شده است. یافته‌ها حاکی از آن است که اولاً نااطمینانی‌ها در سطح صنعت، اثر منفی و معنی‌داری بر اهرم دارد، حال‌آنکه نااطمینانی‌ها در سطح شرکت به لحاظ آماری معنی‌دار نیست. ثانیاً کیو توبین اثر مثبت و معنی‌دار و متغیرهای جریان وجه نقد، سودآوری، دارایی مشهود و نسبت ارزش بازار به ارزش دفتری اثر منفی و معنی‌دار بر اهرم دارند. ثالثاً در نظر گرفتن سطوح مختلف و لحاظ جزء تصادفی در ضرایب برآورد شده متغیرها موجب ارتقای توضیح‌دهندگی مدل می‌شود، از این‌رو مدل پانل چندسطحی در مقایسه با مدل پانل با لحاظ اثرات ثابت، ارجحیت دارد.

estimating firm and industry-specific uncertainty and their impacts on capital structure: applying stochastic volatility (sv) model and multilevel panel analysis

selecting the optimal capital structure is a crucial decision for company managers as it significantly influences both the firm's value and shareholders' wealth. this study aims to identify the factors affecting capital structure (financial leverage), with a particular focus on uncertainties at both industry and company levels, utilizing a multilevel panel model. data from 151 companies listed on the tehran stock exchange across 26 industries were collected over a 14-year period from 1387 to 1401. r software was utilized to estimate the volatilities of stock price volatility and industry indices, followed by the estimation of the multilevel panel model using stata software. the findings reveal several key insights: first, uncertainties at the industry level exhibit a negative and significant impact on leverage, whereas uncertainties at the company level do not demonstrate statistical significance. second, q-tobin exerts a positive and significant effect, while variables such as cash flow, profitability, tangible assets, and the market-to-book value ratio have a negative and significant influence on leverage. third, incorporating different levels and accounting for the stochastic component in the estimated coefficients of variables enhances the explanatory power of the model, thus indicating the superiority of the multilevel panel model over the fixed effects panel model.