بررسي عوامل تعيين‌كننده نسبت پرداخت سود سهام با استفاده ازشبكه عصبي

A Neural Network of Dividend Payout Ratio Determinants

تحقيق حاضر به بررسي عوامل تعيين‌كننده نسبت پرداخت سود سهام همچنين مقايسه قدرت پيش‌بيني شبكه‌هاي عصبي و مدل رگرسيون حداقل مربعات به‌منظور برآورد نسبت پرداخت سود سهام مي‌پردازد. هدف اين تحقيق شناسايي و تبيين عوامل تعيين‌كننده نسبت پرداخت سود سهام، ارزيابي درجه اهميت اين عوامل و ارايه يك مدل توصيفي از عوامل تعيين‌كننده نسبت پرداخت سود سهام مي‌باشد. از ميان تيوري‌ها و نظريه‌هاي متفاوتي كه از سوي محققين حوزه مالي در خصوص سود تقسيمي ارايه شده است در اين تحقيق نظريه‌هاي علامت‌دهي، نمايندگي و سود سهام باقيمانده مورد بررسي قرار گرفته است. براي بررسي اين نظريه‌ها ابتدا متغيرهاي جايگزين تعيين و سپس اطلاعات لازم براي 133 شركت گردآوري گرديد. براي تجزيه و تحليل اطلاعات نيز از روش‌هاي آماري مبتني بر ضريب همبستگي، رگرسيون چندگانه و شبكه‌هاي عصبي مصنوعي استفاده شده است. نتايج تحقيق حاكي از آن است كه ميان نسبت پرداخت سود سهام و متغيرهاي نسبت پرداخت سود سهام سال قبل، پراكندگي مالكيت و جريان نقد آزاد رابطه معنادار و مثبتي وجود دارد. مقايسه بين مدل‌هاي رگرسيون و شبكه عصبي نشان‌دهنده پيش‌بيني دقيق‌تر نسبت پرداخت سود سهام با استفاده از مدل شبكه عصبي مي‌باشد. همچنين در ساختار 1-13-7 شبكه عصبي مدلي كه داراي نرخ يادگيري 15/0 و اندازه حركت 9/0 است نشان مي‌دهد كه رشد درآمد، نسبت پرداخت سود سهام سال قبل و پراكندگي مالكيت مهمترين عوامل تعيين‌كننده نسبت پرداخت سود سهام مي‌باشند.

This research analyzes the determinants of dividend payout ratio, using a sample of Tehran Stock Exchange companies and it also compares the predictive power of neural networks and regression model to estimate dividend payout ratio. The purpose of this research is identification and explanation of the determinants of dividend payout ratio, evaluation of the importance of these determinants, and presentation of a descriptive model of dividend payout ratio determinants. Among the different theories and ideas from researchers in the field of finance about dividend, in this study, signaling theory, agency theory and residual theory of dividend have been studied. In order to review the theories, first substituting variables were determined and then the necessary information for 133 companies was gathered during six years(83-88). The information was analyzed via statistical methods based on correlation coefficient, multivariate regression, and artificial neural networks. The results of this research indicate the existence of a significant and positive relationship between dividend payout ratio and “last year dividend payout ratio, ownership dispersion and free cash flow(FCF)”. A comparison between regression and neural network models indicating more accurate prediction of dividend payout ratio using neural network model. Also in structure(7-13-1) of neural network, a model with “learning initial=0/15 and momentum= 0/9” shows that revenue growth, last year dividend payout ratio, and ownership dispersion are the most important determinants of dividend payout ratio.