مدل نوین سنجش بیش‌اطمینانی مدیریت و پیش‌بینی‌های سود: روش گشتاورهای تعمیم یافته (gmm)

سود پیش بینی شده یکی از مهمترین منابع اطلاعاتی در بازار سرمایه است. ادبیات خاطر نشان ساخته که بیش اطمینانی مدیران از عوامل موثر بر دقت این پیش بینی ها است. به دلیل اتکای استفاده کنندگان به اطلاعات پیش بینی شده، بررسی آثار بیش اطمینانی بر دقت این پیش بینی ها دارای اهمیت است. پژوهش حاضر با بکارگیری یک مدل نوین برای سنجش بیش اطمینانی مدیران عامل و از طریق تحلیل داده های مربوط به شرکتهای پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1386 تا 1395 به روش گشتاورهای تعمیم یافته (gmm) به بررسی اثر این سوگیری مدیریتی بر خطای پیش بینی سود می پردازد. نتایج حاکی از آن است که بیش اطمینانی مدیران عامل شرکت ها اثر مثبت و معناداری بر خطای پیش بینی سود دارد، به نحوی که مدیران بیش مطمئن سود پیش بینی شده را بیشتر از سود واقعی برآورد می نمایند. نتایج حاصل تائیدی بر یافته های پژوهش های پیشین است و خاطر نشان می سازد که بهتر است استفاده کنندگان اطلاعات به آثار منفی بیش اطمینانی مدیران بر قابلیت اتکای پیش بینی ها توجه نمایند.

New Managerial Overconfidence Assessment Model and Earnings Forecasts: Generalized Method of Moments (GMM)

Management earnings forecast is one of the most important information resources in capital markets. The literature suggests managerial overconfidence is an effecting factors on the earnings forecasts’ accuracy. Because of users’ relying to forecasted information, examination of the bias’s effects on forecasts’ accuracy is important. By using a new managerial overconfidence assessment model and Generalized Method of Moments (GMM) regression analysis, the paper examines this managerial bias’s effect on management earnings forecasts’ error in the firms that have listed at Tehran Securities Exchange (TSE) during the period from year 2007 to year 2016. The results show Chief Executive Officers’ overconfidence has a significant positive effect on earnings forecasts’ error, how overconfident Chief Executive Officers overestimate earnings forecasted above than actual earnings. This finding is consistent with recent researches’ ones and suggests information’s users should be aware of Chief Executive Officers’ overconfidence’s negative effects on reliability of managerial forecasted information.