بيش اطميناني مديران و ريسك سقوط قيمت سهام

The Relationship between the Managerial Overconfidence and Stock Price Crash Risk in Firms Listed in Tehran Stock Exchange

هدف این پژوهش، بررسی رابطه بین بیش اعتمادی مدیریت و ریسك سقوط قیمت سهام است. برای این منظور داده‌های مربوط به 71 شركت پذیرفته‌شده در بورس اوراق بهادار تهران طی سال‌های 1382 الی 1394 با به‌كارگیری رگرسیون لجستیك و چند متغیره با داده‌های تابلویی موردبررسی قرار گرفت. در این پژوهش از سه معیار مخارج سرمایه‌ای مازاد، رشد غیرعادی دارایی‌ها و پیش‌بینی خوش‌بینانه سود جهت اندازه‌گیری بیش اعتمادی مدیران و چهار معیار شامل دوره سقوط قیمت سهام، چولگی منفی بازده سهام، سیگمای حداكثری و نوسان بالا به پایین برای سنجش ریسك سقوط قیمت سهام استفاده گردید. نتایج این پژوهش نشان داد بیش اعتمادی مدیران با معیار پیش‌بینی سود و رشد غیرعادی دارایی‌ها بر ریسك سقوط قیمت سهام بر اساس نوسان بالا به پایین و سیگمای حداكثری تأثیر مستقیم و معناداری دارد. به‌عبارت‌دیگر با افزایش بیش اعتمادی مدیران، شركت‌ها در معرض ریسك سقوط قیمت سهام بیشتری قرار می‌گیرند. لذا به نهادهای تصمیم‌گیر پیشنهاد می‌گردد با تقویت مكانیسم‌های نظارتی، موجب محدود شدن فرا اطمینانی در رفتار مدیران گردیده و به‌تبع آن ریسك سقوط قیمت سهام شركت‌ها را كاهش دهند

  The purpose of this research is to investigate the relationship between managerial overconfidence and stock price crash risk because managers like to hide bad news and report only good news. The accumulation of bad news after a few months or years is impossible and the news releases in the capital market and causes abnormal decrease in stock price. This phenomenon is called stock price crash risk. Three and four criteria were used for managerial overconfidence and stock price crash risk, respectively: overinvestment, capital expenditure and earning forecast were used for overconfidence measurement. Using data of 71 firms listed in Tehran Stock Exchange from 2003 to 2015, we find that there is a positive and significant relationship between managers` overconfidence and stock price crash risk. The findings support this theory that non- conservative managers` appointment will cause crash in stock price. Therefore, it is recommended that companies limit these managers and enjoy less crash in their stock prices