تخمین تابع سودآوری با استفاده از متغیرهای ساختار سرمایه در صنایع ایران

از ‌دیرباز، دستیابی به یک ساختار سرمایه بهینه با هدف ‌حداکثرسازی سود و ارزش شرکت و حداقل سازی هزینه سرمایه از موضوعات ‌مورد توجه ‌متخصصان مالی بوده و ‌‌چهار نظریه اصلی شامل نظریه میلر و مودیگلیانی، نظریه نمایندگی، نظریه توازن ایستا (هر سه ناظر بر رابطه مثبت میان نسبت بدهی و سودآوری) و نظریه سلسله مراتبی (رابطه منفی بین نسبت بدهی و سودآوری) درباره ‌ارتباط میان تصمیمات تامین مالی و سودآوری شرکت‌ها مطرح شده است. در این راستا، پژوهش حاضر با استفاده از ‌تحلیل رگرسیون و روش ‌الگوریتم ترکیبی شبکه عصبی موجکی و الگوریتم رقابت استعماری به ‌تخمین تابع سودآوری ‌ساختار سرمایه در نمونه آماری شامل 161 شرکت پذیرفته شده در بورس اوراق بهادار تهران در پنج صنعت (‌کاشی و سرامیک، سیمان، فلزات، نفت و گاز و داروسازی) طی بازه زمانی 13961389 پرداخته ‌است. ‌نتایج به‌دست آمده ‌از رابطه منفی بین نسبت‌های بدهی و نسبت بازده دارایی‌ها (تایید نظریه سلسله مراتبی) در شرکت‌های فعال در صنایع کاشی و سرامیک، سیمان، فلزات و داروسازی حکایت داشت. اما، رابطه معناداری بین متغیرهای مذکور در صنعت نفت و گاز مشاهده نشد. به‌علاوه، عملکرد شبکه عصبی موجکی بهینه‌سازی شده با الگوریتم رقابت استعماری در تمامی صنایع، قدرت تبیین بیشتری ‌نسبت به رگرسیون خطی ساده‌ از خود نشان داد.

Estimation of Profitability Function Using Capital Structure Variables in Iranian Industries

Achieving the optimal capital structure to gain maximum profitability and value while having the minimum cost of capital is one of the important topics studied by financial professionals. For explaining a relationship between financing decisions and corporate profitability, there exist four major theories of Miller and Modigliani, agency theory, static balance theory (all observing the positive relationship between debt ratio and profitability), and hierarchical theory (negative relationship between debt ratio and Profitability). In this study, using data from 161 companies listed on the Tehran Stock Exchange in five industries (including ceramic tiles, cement, metals, oil and gas, and pharmaceuticals) between 2010 and 2017, the problem of estimating the profitability function by the capital structure has been addressed. To estimate the mentioned function, regression analysis has been used, as well as a combination of wavelet neural network algorithm and the Imperialistic Competition Algorithm. The results indicate a negative relationship between debt ratios and return on assets (confirmation of hierarchical theory) in ceramic tile, cement, metals, and pharmaceutical companies. However, in the oil and gas industry, no significant relationship has been found between those variables. In addition, the performance of the wavelet neural network optimized by the imperialistic competition algorithm has shown to be more desirable than simple linear regression for all the investigated industries.