بررسی تاثیر پراکندگی بازده در ناهنجاری‌های اقلام تعهدی و سرمایه‌گذاری در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران

ناهنجاری اقلام تعهدی به‌عنوان یکی از پدیده‌های مشاهده‌شده در بازار سرمایه، بسیاری از پژوهشگران را به جستجوی عوامل ایجاد آن واداشته است. هدف پژوهش حاضر، بررسی نقش پراکندگی مقطعی بازده سهام در ناهنجاری اقلام تعهدی و ناهنجاری سرمایه‌گذاری است. نمونۀ آماری پژوهش، شامل 147 شرکت از بین شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران در سال‌های 1386 تا 1393 است. برای آزمون فرضیه‌های پژوهش از الگوی سه‌عاملی فاما و فرنچ (1993) استفاده و پراکندگی بازده به‌عنوان عامل چهارم به آن اضافه شده است. برای بررسی نقش پراکندگی بازده بر ناهنجاری اقلام تعهدی، الگوی فاما و فرنچ به تفکیک شرکت‌های دارای اقلام تعهدی بالا و پایین و بررسی نقش پراکندگی بازده بر ناهنجاری سرمایه‌گذاری، این الگو به تفکیک شرکت‌های دارای سرمایه‌گذاری زیاد و سرمایه‌گذاری کم برازش شده است. برازش الگو‌های پژوهش یکبار با استفاده از داده‌های ترکیبی و بار دیگر به روش سری‌زمانی به تفکیک سبدهای سرمایه‌گذاری تدوین‌شده انجام شده است. نتایج حاصل از پژوهش نشان می‌دهد پراکندگی بازده سهام در ایجاد ناهنجاری اقلام تعهدی و ناهنجاری سرمایه‌گذاری نقشی ندارد.

The Effect of Return Dispersion on the Accrual and Investment Anomalies in Companies Listed in Tehran Stock Exchange

The accrual anomaly as the phenomenon in the capital market has attracted the attention of many experts to its underlying causes. The purpose of this study is to investigate the role of the crosssectional dispersion of stock returns in the accrual anomaly and investment anomaly in the companies listed in Tehran Stock Exchange. The research sample that was selected using the systematic elimination method includes 147 companies listed in Tehran Stock Exchange in the period of 20072014. The Fama and French (1993) model with return dispersion is used in order to test the research hypotheses. For analyzing the role of return dispersion in the accrual anomaly, Fama French model was fitted by sorting the companies with high and low accruals and for analyzing the role of return dispersion in the investment anomaly, this model was fitted by sorting the companies with high and low investments. Research models were fitted using the combined data and then by using the time series method and sorting the given portfolios. The results show that the stock return dispersion does not affect accrual and investment anomalies.