مبتدی (مناسب برای درک مفهوم کلی مطلب) 

در تلفیق ابعاد گوناگون کیفیت حسابداری شرکت ها از کشورهای مختلف، لانگ و دیگران را با بکارگیری طیف وسیعی از نمایندگی ها برای کیفیت حسابداری دنبال می کنیم. فرض می کنیم کراس لیستینگ در امریکا به کیفیت حسابداری بالاتر وابسته است. از آنجاییکه مقررات شدید امریکا، نظارت شان را تقویت می کند، ممکن است انتظار برود، شرکت های کراس لیست شده، کیفیت حسابداری بهتری نسبت به شرکت های غیر کراس لیست شده، داشته باشند. با این حال، در زمینه ای که ابعاد اعمال مقررات امریکا نسبت به شرکت های کراس لیست شده ، ضعیف است و این امکان که محیط نهادی کشور وطن، نظارت شرکت های کراس لیست شده را پی ریزی می کند، کیفیت حسابداری شان ممکن است با شرکت هایی که کراس لیستینگ نمی شوند، متفاوت نباشد. بر اساس استدلالهای فوق، فرضیه زیر را تدوین می نماییم:
3. فرضیه 1. کراس لیستینگ در بازار سهام امریکا با کیفیت حسابداری، وابستگی مثبت دارد.
با استنباط از نظریه نهادی، ابعاد گوناگون محیط های نهادی شامل هنجارهای فرهنگی، دانش اجتماعی، قوانین و مقررات، بر سازمان ها و رفتارهای سازمانی اثر دارد. محیط های نهادی هر کشور، انگیزه هایی را خلق می کنند که بر رفتار مدیران شرکت، سرمایه گذاران، ناظران و سایر شرکت کنندگان بازار اثر می گذارد. تغییرات مربوط به محیط نهادی، ممکن است از دو جریان مطالعاتی موجود، استنتاج شوند: اولا، عوامل نهادی کشورهای وطن بر تصمیمات کراس لیستینگ اثر می گذارد و به طور خاص، چن و دیگران (2015) نشان می دهند، پذیرش IFRS اجباری در کشورهای وطن، میل فعالیت های کراس لیستینگ شرکت ها به ویژه در کشورهای دارای بازارهای سرمایه راکد (نقدی) را بزرگتر کرده و بیشتر افزایش می دهد. هی پی می برد، لیست های سطوح دو و سه عارضه های سپرده امریکا (ADRs = American Depository Receipts) در معاملات ارزی و سهام امریکا به طور قابل توجهی در دوره زمانی پسا سابینز –اکسلی (SOX) با افتی مشهودتر برای شرکت ها از کشورهای دارای یک سطح پایین تر محافظت سهامدار، افت کرده است. این نتایج حاکی از این است که مقررات سر سخت کشورهای میزبان ممکن است دارای یک بار نظارتی متفاوت برای شرکت ها در محیط های نهادی مختلف باشد. ثانیا، عوامل نهادی کشورها، کیفیت گزارش دهی مالی را تعیین می کند. مطالعات قبلی مربوط به حقوق حفاظت از سرمایه گذار، تغییرات در کیفیت سودها در بین کشورها را نشان می دهد (مثلا دیفوند و دیگران، 2007؛ فرانسیز و وانگ، 2008) و پیشنهاد می دهند انگیزه های مدیران برای رفتار فرصت طلبانه، با میزان حفاظت از سرمایه گذار، کاهش پیدا می کند. هوگ و دیگران (2012)در می یابند اثر پذیرش اجباری IFRS بر کیفیت سودها، برای شرکت ها، در کشورهای با حفاظت از سرمایه گذار قوی، افزایش می یابد. این یافته ها اهمیت حفاظت از سرمایه گذاران یک کشور انفرادی بر کیفیت اطلاعات حسابداری و امکانی را مشخص می کند که محیط نهادی کشورها بر مشخصات داده های حسابداری گزارش شده اثر دارد. لذا، در حال اجاره سیستم حاکمیت شرکتی برتر کشورهای میزبان، ممکن است از شرکت های کراس لیست شده، بهره ببرند، حدی که تا آن، بهره خواهند برد هم توسط عوامل نهادی کشورهای وطن خودشان تعیین می شود.
در زمینه شرکتهایی که در امریکا کراس لیستینگ می شوند، تعیین محیط نهادی غالب، یک مساله است، زیرا کراس لیستینگ به یک قرارداد ضمنی بین حاکمیت شرکتی محیط های وطنی و میزبان شرکت منجر می شود. شواهد تجربی قبلی شامل کیفیت حسابداری شرکت های کراس لیست شده میشود که در پشتیبانی از نیاز به بررسی این مساله قرار دارند که آیا انگیزه مدیریتی شان تحت تاثیر محیط های نهادی امریکا یا کشور وطن شان قرار دارد یا خیر. هی و دیگران (2008)، رفتار حسابداری محافظه کارانه ADRها را در دوره های ماقبل و مابعد ساربینز اکسلی مقایسه می کنند.
آنها دریافته اند، فقط سطوح دو و سه ADRها از کشورهای دارای قانون کد، محافظه کارتر می شوند، در حالیکه ADRهای سطوح دو و سه از کشورهای حقوق عرفی، هیچ گونه تغییر معناداری را در محافظه کاری حسابداری نشان نمی دهند. لانگ و دیگران اثبات می کنند مدیریت سود بیشتر یافت شده در شرکت های کراس لیست شده ممکن است به خاطر این واقعیت باشد که مقررات SEC، تاثیر محیط محلی ضعیف بر شرکت های خارجی را تکمیل نمی کند. مطابقا، نتایج بیانگر این مساله است که یک تاثیر مشترک هم کراس لیستینگ در امریکا و هم قدرت حفاظت از سرمایه گذار کشور وطن بر روی کیفیت حسابداری وجود دارد.
فرض می کنیم، قدرت حفاظت از سرمایه گذار کشور وطن، تغییرات در کیفیت حسابداری شرکت های کراس لیست شده در امریکا را شرح دهد. از یک سو، کیفیت حسابداری شرکت های کراس لیست شده در کشورهای دارای حفاظت از سرمایه گذار قوی، نسبت به کشورهای دارای حفاظت از سرمایه گذار ضعیف، متفاوت باشد زیرا محیط کشور وطن مشترکا بر کیفیت حسابداری اثر می گذارد. در این چشم انداز تاثیر مکمل، کیفیت حسابداری برای شرکت های کراس لیست شده، از شرکت های غیر کراس لیست شده تنها در کشورهای دارای حفاظت از سرمایه گذار قوی، بهتر است، اما در کشورهای دارای حفاظت از سرمایه گذار ضعیف، اینطور نیست. در فضای نهادی کشور وطن که انگیزه ها برای شرکت ها برای مشارکت در دستکاری در رفتار را افزایش میدهد، مزیت الزام اجباری قوی و محیط دادسی امریکا بر کیفیت حسابداری ممکن است مورد مبالغه واقع شود. زمانیکه خود حفاظت از سرمایه گذار کشور وطن، ضعیف باشد، برای ناظران امریکایی، اعمال اقدامات قانونی نسبت به شرکت های کراس لیست شده دشوار و هزینه بر خواهد بود که نسبت به مقررات SEC پایبند نیستند. با میسر ساختن نظارت سهامداران و مدیران برای اعمال تاثیر قابل توجه بر گزارش دهی فرصت طلبانه، کیفیت حسابداری برای شرکت های کراس لیست شده در محیط نهادی ضعیف، نسبت به شرکت های دیگر که کراس لیستینگ نشده اند، متفاوت نخواهد بود. از سوی دیگر، تفاوتهایی در کیفیت حسابداری شرکت های کراس لیست شده در کشورهای دارای حفاظت از سرمایه گذار قوی و در کشورهای دارای حفاظت از سرمایه گذار ضعیف وجود نخواهد داشت. در این چشم انداز، تاثیر وابسته به جابجایی، قدرت حفاظت از سرمایه گذار، انتظار نمی رود بر تاثیر کراس لیستینگ بر کیفیت حسابداری اثر داشته باشد.فشار برای رعایت شرایط لازم سرسخت لیست گیری در بازار امریکا، پیش از رفتار فرصت طلبانه مدیریتی را در بین شرکت های کراس لیست شده در کشورهای دارای حفاظت از سرمایه گذار ضعیف تحت کنترل قرار خواهد داد، بدین وسیله، کیفیت حسابداری آنها هم چنین شبیه به شرکتهای کشورهای دارای حفاظت از سرمایه گذار قوی، بهبود می یابد. از اینرو، فرضیه به صورت ذیل، دنبال می شود:
فرضیه 2. وابستگی مثبت بین کراس لیستینگ در بازار سهام امریکا و کیفیت حسابداری، برای شرکت های کشورهای دارای حفاظت از سرمایه گذاری قوی نسبت به کشورهای دارای حفاظت از سرمایه گذار ضعیف، بیشتر است.

4. داده ها و روش شناسی تحقیق
نمونه ما شرکت های مقیم در 32 کشور در دوره زمانی 2016- 2007 را در بر می گیرد. ما اطلاعات مالی و کراس لیستینگ را از پایگاه داده استریس- بوریو ون دیک جمع اوری می کنیم در حالیکه داده های مربوط به حفاظت از سرمایه گذار و نظام حقوقی به ترتیب از دجانکاف و دیگران (2008) و لا پورتا و دیگران (1998) نشات می گیرند. لیست همه متغیرها، تعاریف و منابع داده ها در جدول 1، گزارش شده است. این موارد را مستثنی می کنیم 1) موسسات ملی (کد SIC بین 6000 و 6999)، شبیه به رویکرد بکار رفته توسط تحقیقات قبلی (مثلا فرانسیس و وانگ، 2008؛ هوک و دیگران، 2012)؛ 2) شرکت های صنایع همگانی (برق، تلفن و …) (کد SIC بین 4900 و 4999)، زیرا به شدت کنترل می شوند؛ 3) مشاهدات کشورهای دارای > 100 مشاهده، یعنی، کلمبیا، جمهوری چک و اکوادور؛ و 4) مشاهدات کشورهای بدون کراس لیستینگ شرکتها در بازار ایالات متحده (مثلا Chile، مصر، اردن، نیجریه، پاکستان، لهستان، روسیه، سریلانکا، تایوان، ترکیه). هم چنین، مشاهدات دارای هر گونه داده ی مفقود یا ناقص و مشاهدات وینزوریده (پیراسته) در 1% بالا و پایین، برای کاهش تاثیر داده های پرت، مستثنی می شوند. پیرو ادبیات قبلی (مثلا بارث و دیگران، 2008؛ لانگ و دیگران، 2003، 2006؛ لوئیز و دیگران، 2003)، ما از سه بعد کیفیت حسابداری استفاده می کنیم: 1) تشخیص زیان به موقع، 2) مدیریت سودها؛ و 3) ارتباط ارزشی.

4.1. تشخیص زیان به موقع
تشخیص زیان به موقع یا محافظه کاری به صورت میزانی تعریف می شود که سودهای حسابداری دوره زمانی کنونی، به طور نامتقارن، زیان های اقتصادی را متناسب با نفع اقتصادی عواید اقتصادی ادغام می کنند. مطالعات قبلی (مثلا Ball et al., 2000a,b, 2003; Balland Shivakumar, 2005; Bushman and Piotroski, 2006; Roychowdhury and Watts, 2007)، یک گزارش به موقع تر از اخبار بد را نسبت به اخبار خوب یافته اند. برای محک زدن این مساله که آیا کراس لیستینگ در بازار امریکا به تشخیص زیان به موقع تر منجر می شود یا خیر و اینکه آیا محافظت های سرمایه گذار بر این رابطه اثر دارد یا خیر، مدل به موقع بودن نامتقارن سودهای باسو (1997) را بکار بردیم.
در مدل باسو، بازده سهام وکالتا برای درامد اقتصادی بکار رفت زیرا فرض می شود قیمت های سهام، کل اطلاعات منابع گوناگون غیر از صورت های مالی را منعکس نماید، که با شواهدی سازگار است که قیمت های سهام، اطلاعات درامدها را هدایت می کنند. برای بررسی این مساله که آیا کراس لیستینگ در بازار ایالات متحده، به تشخیص زیان به موقع تر منجر خواهد شد یا خیر، مدل رگرسیون معکوس باسو (1997) را با ادغام یک متغیر ساختگی برای کراس لیستینگ (CROSS) و اثر متقابل این متغیر با متغیرهای آزمون موجود در مدل باسو، اصلاح نمودیم، همانطور که در ذیل نشان داده شده است.

4.2. مدیریت سودها
مدیریت سودها با قدر مطلق اقلام تعهدی غیر نرمال، نشان داده می شود که در آن، یک ارزش بالاتر بیانگر احتمال بیشتری است که شرکتها در مدیریت سودها درگیر باشند و به این ترتیب، کیفیت سودهای پایین تری دارند. در مطالعه ما، اقلام تعهدی غیر نرمال، ارزش بقایای ایجاد شده از طریق تخمین مدل جونز (1991) بر حسب صنعت و سال هستند. نمونه براورد شده شامل شرکت ها در 48 گروه صنعتی بر اساس دسته بندی صنعت فاما و فرنچ (1997) با حداقل 20 مشاهده در هر گروه است. ما قدر مطلق اقلام تعهدی اختیاری (ABSDACC) را محاسبه می کنیم که تاثیرات ترکیبی افزایش درامدها و تصمیمات مدیریت سودهای کاهش دهنده درامد را ضبط می کند، ما از ABSDACC به عنوان متغیر وابسته در معادله 2 زیر استفاده می کنیم:
معادله 2، مجموعه ای از کنترل های سطح شرکتی را ترکیب می کند: AGE، برای کنترل اختلاف در اقلام تعهدی اختیاری شرکت ها با دوره های عمر مختلف است؛ BIG4، برای توضیح اثر حسابرسان Big4 بر اقلام احتیاطی است. SIZE، برای کنترل اختلافات در رفتار اقلام تعهدی مدیران شرکت های بزرگ و کوچک است؛ FMGROW، رشد ویژه شرکت در فروشها برای ثبت اختلاف ممکن در رفتار اقلام تعهدی بین شرکتهای دارای رشد بالا و پایین است که به مدیریت سودها ارتباطی ندارد؛ INDGROW یک رشد صنعتی است که بر اساس گروه های صنعت فاما و فرنچ (1997) محاسبه می شود که ممکن است، سبب شود شرکت ها، سطوح متفاوت اقلام تعهدی را به طور اصولی گزارش دهند؛ LEV برای کنترل اثر اهرم (LEV) شرکت است با فرض اینکه شرکت های به شدت اهرم بندی شده، سعی دارند از تخلفات از شرط بدهی با مدیریت سودها به سمت بالا جلوگیری کنند؛ CFO برای ثبت وابستگی منفی بین اقلام تعهدی و وجوه در گردش است؛ CAPINT برای کنترل تاثیر بالقوه سرمایه بری بر اقلام تعهدی شرکت است؛ و ININT، برای گزارش حجم دارایی های نامشهود است. سایر متغیرها، قبلا تعریف شده اند.

4.3. ارتباط ارزشی
ارتباط ارزشی مشخص می کند، ارقام حسابداری چقدر برای سرمایه گذاران سهام مفید است. یعنی، ارقام حسابداری به صورت ارتباط ارزشی در نظر گرفته می شوند اگر دارای یک وابستگی پیش بینی شده با قیمت های سهام باشند، در راستای استدلالی که ارقام حسابداری، برای سرمایه گذاران مرتبط و قابل اطمینان هستند. در تحلیل اصلی، ارتباط ارزشی را با استفاده از مدل قیمت، براورد می کنیم. تحلیل ارتباط ارزشی را با ارزیابی رابطه بین کراس لیستینگ و ارتباط ارزشی گسترش می دهیم و اینکه محافظت های سرمایه گذار، چطور این رابطه را تعدیل می کند. شکل اصلاح شده مدل رگرسیون، به صورت ذیل است:
در این رابطه PRICE، قیمت سهام نهایی، قیمت سهام شرکت است؛ BV، ارزش دفتری حقوق صاحبان سهام به ازای هر سهم است؛ E، سودها به ازای هر سهم ؛ و متغیرهای دیگر، قبلا تعریف شده اند.

4.4. حفاظت از سرمایه گذار
ما دو سنجش حفاظت از سرمایه گذار را بکار می گیریم: سنجش اول، بر اساس نظام و خاستگاه حقوقی کشورهاست. پیرو لا پورتا و دیگران (1998) و هی (2008)، کشورهای دارای حقوق عرفی را به صورت کشورهای با حفاظت از سرمایه گذار قوی و کشورهای دارای حقوق مدنی را به صورت کشورهای با حفاظت از سرمایه گذار ضعیف دسته بندی می کنیم. در مدلهای رگرسیون، یک متغیر ساختگی را وارد می کنیم که مقدار یک را برای کشورهای دارای حقوق عرفی می گیرد و برای کشورهای دارای حقوق مدنی، مقدار صفر را می گیرد. سنجش دوم، بر اساس شاخص حقوق ضد مدیر است که قدرت نظام حقوقی را در محافظت از سهامداران، حداقل در برابر مدیران یا سهامداران عمده در فرایند تصمیم گیری شرکتی اندازه می گیرد. در این مطالعه، از شاخص ضد مدیران توسعه یافته توسط لا پورتا و دیگران (1998) و اصلاح شده توسط جانکوف و دیگران (2008) استفاده می کنیم که در آنجا امتیاز کل شاخص اصلاح شده در طیف بین 0 تا 5 است. ما از متغیر ساختگی HIADRI استفاده می کنیم که در آنجا برای کشورهای دارای حفاظت از سرمایه گذار بالا، مقدار یک تعیین می شود اگر شاخص، چهار یا بالاتر باشد و برای حفاظت از سرمایه گذار ضعیف، مقدار صفر تعیین می شود، اگر شاخص حقوق ضد مدیر، زیر چهار باشد.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

2. رویکرد پژوهشی
برای توسعه SIA، ما از یک روش پژوهش علمی طراحی شده استفاده کردیم [20، 21] که در آن تحقیق از طریق چرخه طراحی انجام می شود. یک چرخه طراحی شامل سه مرحله است: بررسی مشکل، طراحی مصنوعی و اعتبارسنجی مصنوعی [20]. در زیر ما این مراحل را در جزئیات توضیح می دهیم.
مرحله تحقیق مسئله : در اینجا، هدف ما تحقیق و مسئله (بازنگری) قبل از هر گونه طراحی مصنوعی، و یا هر پیشرفت اجرا شده است (20). در کار قبلی [30]، ما بررسی کردیم که چگونه می توان از اندازه گیری های مرکزی برای مشخص کردن نفوذ ذینفعان در اکوسیستم OSS استفاده کرد و چگونه در طول زمان تکامل یافته اند. یافته ها به ایجاد درک مشکل کمک کردند.
به منظور شناخت بیشتر زمینه مشکل، یک بررسی ادبی برای شناسایی کارهای مربوط به آن انجام شد:
– فرآیندهای RE رسمی و غیرمستقیم در اکوسیستم OSS (به عنوان مثال [2، 6، 7، 9، 12])،
– چگونگی آگاهی از پویایی در تعاملات و ارتباطات ذینفعان ممکن است برای تجزیه و تحلیل برنامه های آنها بکار گرفته شود (به عنوان مثال [1، 10، 14، 15، 18، 34، 35]) و
– چگونه ساختار شبکه های اجتماعی می تواند برای تعریف تعاملات ذینفعان و تاثیر در روند RE از اکوسیستم OSS (به عنوان مثال، [15، 22-26، 28، 29، 36، 37]) استفاده شود.
ادبیات ارائه شده پایه های مفهومی را ارائه می دهد که همراه با یافته های کار قبلی [30] پایگاه دانش و اطلاعاتی برای فرایند طراحی مصنوعی را تشکیل می دهد.
فاز طراحی مصنوعی: در اینجا، دانش حاصل از فاز قبلی به عنوان ورودی برای طراحی یک مصنوع با فرضیه ای که می تواند به عنوان یک درمان برای مشکل طراحی عمل کند، استفاده می شود [20]. تجزیه و تحلیل نفوذ سهامداران SIA) ) روش رسمی و ساختار به عنوان هفت مرحله، که در فصل 3 ارائه شده است. (S1-S7) و در شکل 1 (S1-S2 ، شامل تنظیم هدف و دامنه آنالیز است. S3 مربوط به جمع آوری داده ها است، در حالی که S4-S6 مربوط به پردازش داده ها است. در نهایت، S7 تجزیه و تحلیل داده پردازش شده را در نظر می گیرد.
فاز اعتبار سنجی مصنوعی: در اینجا، مصنوعات طراحی شده قبلا در زمینه مسئله مورد آزمایش قرار گرفته اند تا رفتار آن ها در مورد مسئله طراحی را ارزیابی کنند [20]. برای آزمایش SIA، ما آن را در یک اثبات مفهوم نشان می دهیم که از طریق مطالعه موردی در اکوسیستم Apache Hadoop OSS کاربردی و عملی است (فصل 4 را ببینید). این را می توان به عنوان یک فرم اولیه از اعتبار توصیفی مشاهده کرد که در آن اطلاعات از پایگاه دانش و سناریوهای دقیق می تواند مورد استفاده قرار گیرد.

3. روش تجزیه و تحلیل نفوذ سهامداران ((SIA)
SIA تلاش می کند تا به شرکت های درگیر در اکوسیستم OSS برای ساختن فرآیند شناسایی و تجزیه و تحلیل ذینفعان خود به طور سیستماتیک در هنگام برطرف نمودن روند داخلی RE خود با اکوسیستم کمک کند (نگاه کنید به شکل 1). تمرکز به طور خاص در شناسایی و مشخص کردن تعاملات ذینفعان و تأثیر در روند RE در اکوسیستم OSS است. همانطور که توسط Glinz و Wieringa [4] پیشنهاد می شود، SIA ،افراد و سازمان ها را به عنوان ذینفعان در نظر می گیرد اما عمدتا از سطح سازمانی است، به این معنی که افراد در اکوسیستم OSS باید تا حد امکان به وابستگی سازمانی خود متصل شوند. در زیر، ما یک مروری دقیق از SIA و هفت گام آن را ، همانطور که در شکل 1 و جدول 1 آمده است ارائه می دهیم.
هدف از فرایند تجزیه و تحلیل (S1) ) را تعیین کنید: اولین قدم این است که تعیین کنید کدام سوالات برای پاسخ دادن بر اساس تجزیه و تحلیل سهامداران، به عنوان مثال، برای شناسایی مشارکت بالقوه یا رقبا، برای شناسایی و یادگیری از ذینفعان در یک موقعیت خاص، یا برای شناسایی برنامه های متضاد در رابطه با شرایط خاص پاسخ داده میشوند.
محدود کردن دامنه تجزیه و تحلیل بر اساس هدف ( (S2): بر اساس هدف فرایند تجزیه و تحلیل، ممکن است محدودیت های که می تواند بر چگونگی تجزیه و تحلیل تاثیر بگذارد از لحاظ مصالح مورد نیاز در تجزیه و تحلیل داخل شوند، به عنوان مثال ، تجزیه و تحلیل محدود به:
– مولفه خاص یا مجموعه ای از ویژگی های OSS خواهد بود ؟
– یک فرد خاص یا مجموعه ای از ذینفعان خواهد بود؟
– یک دوره زمان مشخص یا مجموعه ای از رهاسازی ها خواهد بود؟
مخازن مصنوعی مورد نیاز (S3): در مرحله سوم، هدف این است که مخازن هایی را که عمدتا توسط اکوسیستم OSS استفاده می شود شناسایی و حذف کنند. نمونه هایی از جمله ردیاب موضوع، لیست های پستی، سیاهه های مربوط به IRC، مخازن کد منبع و بررسی کد [6، 7] وجود دارند. هنگامی که این موارد شناسایی می شوند، مخازن باید برای جمع آوری اطلاعات لازم استخراج شوند. این می تواند یا به صورت دستی یا با کمک ابزارهای موجود یا سفارشی انجام شود.
طبقه بندی افراد در هر وابستگی آنها (S4): در مرحله چهارم، افرادی که در اکوسیستم OSS شرکت دارند، باید در رابطه با وابستگی آنها طبقه بندی شوند. این یک گام ضروری است به این دلیل که افراد وابسته به شرکت ممکن است نماینده دستور کار حامی مالی یا کارفرمای خود باشند [38، 39]. با این حال، همه افراد درگیر نیستند.

اگر هیچ وابستگی پیدا نگردد یا وجود نداشته باشد، افراد میتوانند به عنوان ذینفعان فردی یا به عنوان یک گروه جمع آوری شوند. به عنوان مثال، می گویند، جان، مارک، لوسی، کیت، و مری در توسعه اکوسیستم Apache Hadoop OSS شرکت دارند. جان و کیت برای یک شرکت به نام Hortonworks کار می کنند و بنابراین یک دستور کار مشترک دارند. بنابراین، آنها به عنوان یک شرکت ذینفع که توسط شرکت Hortonworks نمایندگی می شوند، جمع می شوند. مارک، لوسی و مری همه مستقل و با تفاوت هستند و لوسی یک کاربر نسبتا فعال در اکوسیستم است، در حالی که مارک و مری بیشتر درگیر یک سرگرمی هستند. بنابراین، لوسی میتواند به عنوان یک سهامدار مستقل دیده شود، در حالی که مارک و ماری میتوانند به یک گروه از علاقمندان تبدیل شوند و به عنوان یک شرکت ذینفع در نظر گرفته شوند. این نوع طبقه بندی و جداسازی نسبتا ذهنی است و باید بر اساس یک مورد در هر اکوسیستم انجام شود.
ایجاد شبکه های تعامل ذینفعان (S5): در مرحله بعد، باید یک شبکه تعامل برای هر مخزن مصنوعی مورد نیاز برای ایجاد تجسم تعاملات بین سهامداران ایجاد شود. برای ایجاد این شبکه ها، تعامل بین ذینفعان به مصنوعات مورد نیاز در یک مخزن مصنوعی مورد نیاز باید شناسایی شود. به عنوان مثال، تعدادی از افراد (ذینفعان) را که در مورد نیاز ها ، ملزومات و همچنین پیاده سازی بالقوه یک ویژگی جدید در پروژه OSS بحث می کنند، در نظر بگیرید. درخواست ویژگی توسط یک مسئله (الزامات مصنوعی) در OSS ردیاب موضوع اکوسیستم (مخزن مصنوعی مورد نیاز) نشان داده شده است. بحث (تعاملات) بین افراد در مورد تکامل و بهبود ویژگی ها در این موضوع ثبت شده و ادامه دارد. این بحث مداوم ممکن است به عنوان “رویداد” در نظریه شبکه اجتماعی اشاره شود [22]. افرادی که در بحث ها شرکت می کنند می توانند به عنوان “شرکت کنندگان” یک رویداد اشاره شوند [22].
به طور مشابه، مجموعه ای از الزامات را می توان با جمع آوری مصنوعات مورد نیاز در مخزن به یک شبکه تجزیه و تحلیل کرد. با بازگشت به مثال، یک شبکه می تواند ایجاد شود که شامل تمام مسائل مربوط به ردیاب موضوع است که مربوط به انتشار خاصی است که در یک زمان خاص ایجاد شده یا متعلق به یک زیرمجموعه مشابه باشند. یک شبکه مربوطه می تواند بر اساس لیست پستی ایجاد شده با توجه به شرایط مشابه بررسی شود.
با ایجاد شبکه های متناظر از همه مخازن مصنوعی مورد نیاز، تحلیلگر ممکن است یک نمای کلی از آنچه ذینفعان درگیر هستند و نحوه تعامل آنها را بدست آورد. لازم به ذکر است که مشارکت ذینفعان در این رویداد (به عنوان مثال، بحثهای مربوط به RE مربوط به یک موضوع) ممکن است نسبتا به سایر سهامداران متفاوت باشد. سرمایه گذار با سطح بالایی از مشارکت ممکن است در نظر گرفته شود که سرمایه گذاری و منافع بیشتری در این رویداد داشته باشد. این تفاوت ها در سرمایه گذاری زمان و منابع باید در نظر گرفته شود تا دیدگاه مناسبی از سهم ذینفعان در یک مورد داشته باشد. اندازه نسبی این سرمایه گذاری همچنین به ارائه یک مجموعه داده عادلانه تر در هنگام انجام تجزیه و تحلیل نفوذ از شبکه های تعامل کمک می کند. همانطور که توسط Orucevic-Alagic و همکاران پیشنهاد شده است. [25]، وزنها را می توان محاسبه کرد تا اندازه نسبی مشارکت را به یک رویداد توصیف کند.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

نمونه، مدل و روش
نمونه و روش
نمونه ما شامل شرکت هایی از 25 کشور عضو OECD با درآمد ناشی از تولید ناخالص ملی سرانه در سال 2003 می باشد. دلیل این انتخاب، آرزوی ما برای تحلیل مشکل سرمایه گذاری بیش از حد شرکت های ذکر شده در سراسر جهان در طول بحران مالی است. به این ترتیب، کشورهای OECD را بررسی می کنیم که مشکالت بیش از حد سرمایه گذاری آنها بیشترین حد را به خود اختصاص داده است. نمونه نهایی ما مشتمل بر بیش از 12،446 شرکت (75،078 مشاهدات) برای دوره 2003 — 2014 در جدول 1 نشان داده شده است. داده های مربوط به صورت های مالی (ترازنامه و سود وصورت وضعیت های خسارت) و قیمت بازار شرکت ها از پایگاه Thomson One Banker می آید. اطلاعات مربوط به نقدینگی سیستم مالی از پایگاه داده توسعه جهانی (پایگاه داده بانک جهانی) به روز شده در ژوئن 2017 استخراج شده است.
با توجه به هدف غیر متعارف مقاله ما، ما باید اطمینان حاصل کنیم که داده های ما با تحقیقات قبلی سازگار است. بنابراین، مطالعه تجربی ما شامل یک تحلیل توصیفی است که برای بررسی اینکه داده های ما مطابق با ادبیات پیشین است طراحی شده است. بنابراین، رابطه بین سرمایه گذاری بیش از حد سرمایه، نقدینگی سیستم مالی و اهرم و قدرت نفوذ شرکت را از طریق یک تحلیل توضیحی تست می کنیم. این تجزیه و تحلیل توضیحی به دنبال یک روش دو مرحله ای انجام می شود؛ زیرا ما ابتدا سطح سرمایه گذاری بیش از حد سرمایه گذاری شرکت را با استفاده از مدل ریچاردسون قبل از اجرای مدل دوم برای تست فرضیه خودمان با استفاده از خروجی بر سرمایه گذاری بیش از حد شرکت از مدل قبلی تخمین می زنیم.
پایگاه داده ما مجموعه های زمانی با داده های مقطعی را ترکیب می کند که امکان ایجاد یک داده پانلی نامتقارن را فراهم می سازد. ما مدل دوم را از طریق روش داده های پانلی تخمین می زنیم (Arellano، 2003).

مدل و متغیرها
بر اساس ریچاردسون (2006) و متعاقب مطالعات بعدی مانند Goh et al. (2016) ، Lei et al. (2014) ، لیو و برادین (2010) ، هوانگ و همکاران. (2015) و ژانگ و سو (2015) پیشنهاد می کنیم از مدل (1) به عنوان وسیله ای برای برآورد سطح سرمایه گذاری بیش از حد شرکت استفاده کنیم: که دراینجا INEWi، t سرمایه گذاری جدید شرکت i در سال t،است که توسط دارایی های کل مقیاس دهی می شود. این متغیر بستگی به سرمایه گذاری جدید عقب مانده (INEWt-1) دارد؛ فرصت های رشد شرکت (BM) به عنوان ارزش حسابداری سهام و بدهی ها به مجموع ارزش بازار سهام و ارزش حسابداری شرکت ها تقسیم می شود. اهرم شرکت (LEV) به عنوان ارزش کل بدهی کل، کاهش یافته توسط مجموع ارزش حسابداری کل بدهی و ارزش دفتري سهام، اندازه گیری می شود. تعادل نقدی شرکت(CASHt-1)؛ ثبت تعداد سالهایی که شرکت لیست شده است (AGEt-1)؛ ورود یک دارایی کل شرکت (SIZEt-1)؛ و بازده سهام شرکت (STOCKRETURNt-1) می باشند. همه این متغیرها یک سال عقب مانده اند. از آنجایی که مدل ریچاردسون با تنظیمات ایالات متحده اعمال می شود و ما یک نمونه بین المللی داریم، ما همچنین از طریق مجموعه ای از متغیرهای ساختگی، مسائل مربوط به سال، صنعت و سطح کشور را کنترل می کنیم. ضمیمه توصیف عمیقتری از متغیرها را ارائه می دهد.
متعاقب لی و همکاران (2014)، ما باقی مانده مثبت (εi، t> 0) ) مدل (1) را به عنوان یک پروکسی از سرمایه گذاری بیش از حد شرکت (OVERI) در نظر می گیریم. هر چقدر مقدار مانده مثبت بالاتر باشد، سرمایه گذاری بیش از حد بالاتر خواهد بود. این باقیمانده، متغیر وابسته مدل (2) است، که بوسیله آن فرضیه خودمان در مورد نقش متغیر اهرم و نقدینگی سیستم مالی بر سرمایه گذاری بیش از حد سرمایه را بررسی می کنیم:

ما مدل (2) را از طریق روش داده های پانل با اثرات ثابت تخمین می زنیم. ما DLIQ را به عنوان متغیر ساختگی سنج اندازه گیری پول نقدی سیستم مالی ارائه شده توسط بانک ها و دیگر طلبكاران در هر كشور و سال محاسبه می كنیم. وقتی مقدار مالیات در سیستم (در هر سال و کشور) بالاتر از میانگین (در هر کشور) باشد ارزش مقداری 1 می گیرد و در غیر اینصورت صفر می شود. ما از متغیر LEV اندازه گیری شده در T و تعامل آن با نقدینگی مالی سیستم LEV * DLIQ) ) برای بررسی تأثیر برروی سرمایه گذاری بیش از حد بدهی و همچنین بدهی تحت تاثیر قرار گرفته از نقدینگی سیستم مالی.استفاده می کنیم. به عنوان یک بررسی دقیق، ما همچنین باقی مانده از مدل را کنترل می کنیم (1) (مدل ریچاردسون)، در این مدل یک مشکل متعارف ممکن است بوجود آید، زیرا متغیر بدهی (LEV) نیز یک متغیر مستقل در مدل اول است. با این حال، مدل ما، از طریق متغیر LEV در t در مدل (2) و در t-1 در مدل 1، از مساله متعامد جلوگیری می کند. در هر صورت، عدم وجود متعامد را با بررسی همبستگی غیر صفر بین متغیر LEVt و باقی مانده از مدل (1) و همچنین با تایید وجود یک ارتباط آماری قابل توجه بین متغیر LEVt و متغیر OVERt زمانی که مدل (2) برآورد شده است از طریق داده های پانل با اثرات ثابت (در برآوردگر) و با LEVt به عنوان تنها متغیر مستقل مورد آزمایش قرار می دهیم. ما در بخش ” تجزیه و تحلیل اثر نقدینگی سیستم مالی و اهرم مالی ” نتایج این آزمون ها را نشان می دهیم. ما از معاون سردبیر برای مطرح کردن این موضوع تشکر می کنیم. ما همچنین از متغیرهای کنترل جریان نقدی آزاد (FCF) شرکت استفاده می کنیم، یعنی جریان نقدی بالای آنچه که مورد نیاز برای حفظ دارایی ها در محل و برای تامین سرمایه های پیش بینی شده جدید است، استفاده می شود. کسری سهام متعلق به پنج سهام عمده (OWN15) به منظور کنترل انباشتگی مالکیت (Goergen و Renneboog، 2001؛ Tribó و همکاران، 2007)؛ متغیر ساختگی (FAM) اگر سهامدار اصلی یک خانواده باشد برابر با 1 است و در غیر این صورت برای تست نقش ماهیت سهامدار اصلی (Connelly، 2016)؛ و یک اندازه از حقوق طلبکاران (CR) در هر اقتصاد ارائه شده توسط La Porta و همکاران. (1998) و به روز شده توسط Djankov و همکاران. (2007) به منظور بررسی تأثیر حفاظت از بدهکاری برابر صفر خواهد بود. گرچه گنزالس (2016) رابطه منفی بین حفاظت از حقوق بدهکار و سرمایه گذاری شرکت در طول بحران را نشان داد، اما ارتباط با سرمایه گذاری بیش از حد سرمایه گذاری هنوز مشخص نیست.

نتایج
تجزیه و تحلیل توصیفی و برآورد مدل سرمایه گذاری بیش از حد سرمایه
در جدول 2، میانگین، انحراف معیار و متغیرهای اصلی را گزارش می کنیم. در پانل A، آمار توصیفی برای متغیرهای مدل (1) نشان داده شده است. ما می بینیم که میانگین ارزش سرمایه گذاری های جدید (0.058) از نتایج تحقیقات ریچاردسون (0.075) دور نیست.

این ممکن است به دلیل این واقعیت باشد که متغیرهای نمونه ما شامل داده هایی از 25 کشور می شوند، در حالی که مطالعه ریچاردسون تنها بر ایالات متحده تمرکز دارد.
در پانل B از جدول 2، آمار توصیفی متغیرهای مدل (2) در موارد سرمایه گذاری بیش از حد سرمایه، یعنی زمانی که مدل (1) باقیمانده بالاتر از صفر است، گزارش می کنیم. این در 43٪ نمونه (32،472 از 7578 مشاهده) اتفاق می افتد.
شکل 1، تکامل سیستم نقدینگی سیستم مالی را برای کل دوره (2014 – 2014) نشان می دهد. این نقدینگی سیستم مالی به عنوان مجموع اعتبار ارائه شده به بخش خصوصی توسط بانک ها و اوراق بهادار بدهی (داخلی و بین المللی) صادر شده توسط بخش خصوصی به عنوان یک سهم از تولید ناخالص داخلی محاسبه می شود. این داده ها مبنایی برای محاسبه متغیر DLIQ است. ما ارزش کل نمونه را برای منطقه اروپا و ایالات متحده گزارش می کنیم. همانطور که مشاهده می شود، نقدینگی مالی جهانی به تدریج تا سال 2008 یا 2009 افزایش می یابد. پس از آن، تقریبا یک سال پس از شروع بحران مالی، نقدینگی مالی، در ایالات متحده به شدت کاهش می یابد (لاواوان و والنسیا، 2012). داده های کشورهای منطقه اروپا نشان دهنده کاهش کوچکتر ناشی از نرخ بالای بدهی در کشورهایی مانند اسپانیا (308٪ از تولید ناخالص داخلی)، ایرلند (479٪ از تولید ناخالص داخلی) و یا پرتغال (293٪ از تولید ناخالص داخلی) است. به طور کلی، سطح نقدینگی جهانی بیش از حد کاهش نمی یابد. حداکثر ارزش نقدینگی در سال 2009 (2.5 برابر تولید ناخالص داخلی) است، در حالی که در سال 2014 تنها 0.3 (با 2.2 برابر تولید ناخالص داخلی) کاهش یافته است.
در جدول 3 نتایج حاصل از برآورد مدل (1) ارائه شده است. نتایج نشان می دهد که رابطه مثبت بین هزینه های سرمایه گذاری جدید و سرمایه گذاری های پیشین وجود دارد که می تواند در درک رفتار مداوم سرمایه گذاری شرکت ها و هزینه های تعدیل سرمایه گذاری های جدید قابل فهم باشد (Aivazian وهمکاران، 2005a؛ Liu and Bredin، 2010). ضرایب سرمایه گذاری قبلی، فرصت های رشد با اندازه گیری با BM))، تعادل نقدی شرکت (CASH) و بازده سهام (STOCKRETURN) با نتایج ریچاردسون (2006) سازگار است. بر خلاف ریچاردسون (2006)، ضریب SIZE منفی و قابل توجه است،. این ممکن است نشان دهد که در دوره مطالعه، بیشترین سرمایه گذاری توسط شرکت ها در بخش هایی با سریعترین نرخ رشد می باشد که در دارایی های ثابت بسیار متمرکز و پر قدرت نیستند. نتایج حاصل از ستون (1) جدول 3 نشان دهنده ضریب مثبت و معنی دار LEV است. این نتیجه بر خلاف ریچاردسون (2006) است، اما مطابق با انتظارات خودمان: اهرم و نفوذ قدرت بیشتر باید منجر به سرمایه گذاری بیش از حد سرمایه در یک زمینه نقدینگی سیستم مالی بالا شود.
سپس دو برآورد اضافی برای دو گروه از شرکت ها بسته به اینکه آنها دارایی های ثابت خود را افزایش یا کاهش می دهند و یا اینکه سرمایه گذاری جدید مثبت یا منفی است انجام می دهیم (ستون های 2 و 3 جدول 3). نتایج جدید، بینش جالبی راجع به نقش دوگانه اهرم ارائه می دهند. از یک طرف، برای شرکت هایی که سرمایه از دست داده اند (ستون 2)، یک رابطه منفی بین کاهش و یا از دست دادن سرمایه و اهرم وجود دارد، که به این معنی است که هرچقدر که اهرم بالاترباشد،از دست رفتن سرمایه نیز بالاتر خواهد بود. این رابطه ممکن است به دلیل بدهی های شرکت ها به عنوان مانعی برای محدودیت های مالی و یا نقش سنتی بدهی به عنوان بازدارنده از سرمایه گذاری غیر ضروری باشد. برای شرکت هایی با سرمایه گذاری های مثبت جدید (ستون 3)، ما یک رابطه مثبت بین اهرم و سرمایه گذاری به دست می آوریم.

مبتدی (مناسب برای درک مفهوم کلی مطلب)

F1890

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

سازگار با دیگر زمینه ها، OSCM شاهد رشدی در استفاده از مطالعه اثر رویداد به عنوان یک متد پژوهشی مهم بوده است. به هر حال، تا آنجا که می‌دانیم، هیچ بررسی بر ادبیات موضوعی بر مطالعات اثر رویداد در OSCM وجود ندارد. مطالعه مربوطه ما توسط بررسی‌های Min and Wei (2013) بر ادبیات موضوعی پیوند دهنده مدیریت زنجیره تامین (SCM) و عملکرد مالی سطح شرکتی انجام شده است. بر اساس 49 مقاله پژوهشی منتشر شده بین سال‌های 1990 و 2011، آن‌ها مطالعات تجربی خلاصه شده را با استفاده از متدهای پژوهشی گوناگون خلاصه کردند، از جمله مدلسازی معادلات ساختاری، مطالعه اثر رویداد، تحلیل همبستگی، رگرسیون چند متغییره. با هدف ارائه درک بهتر از اینکه چگونه SCM بر عملکرد مالی تاثیر می‌گذارد، بررسی آن‌ها موضوع محور است و از نظر متدلوژی پژوهشی بدون شخصی سازی ‌مطالعات اثر رویداد جامع است. بنابراین، به منظور خلاصه سازی دانش جاری از ‌مطالعات اثر رویداد کوتاه مدت در OSCM و برای ارائه رهنمودهایی برای پژوهشگران OSCM که به استفاده از این متدلوژی علاقه دارند، ما این بررسی بر ادبیات موضوعی را انجام دادیم و توصیه‌هایی در مورد استفاده مناسب از آن‌ها ارائه دادیم.

3. دامنه این پژوهش
مطالعات اثر رویداد در OSCM می‌تواند بر طبق پنجره‌های ‌رویداد کوتاه مدت و بلند مدت، همراه با معیارهای عملکردی متفاوت، مانند بازده‌های سهام (Brandon-Jones et al., 2017)، عملکرد عملیاتی مبتنی بر حسابداری (Lo et al., 2009; Tang et al., 2016)، بهره وری کارخانه (Gopal et al., 2013)، نقض امنیت (Lo et al.,2014)، و تاخیرهای پرواز (Nicolae et al., 2016) دسته بندی شود. مطالعه ما بر مطالعه اثر رویدادی که واکنش‌های بازار سهاl را در کوتاه مدت به دلایلی اندازه گرفته اند تمرکز می‌کند. ابتدا، در میان انواع متفاوت مطالعات اثر رویدادی، رویکرد کوتاه مدت جز اولین رویکردها است، و به صورت گسترده یک متد پذیرفته شده در OSCM است (Hendricks and Singhal, 1996; Hendricks et al., 1995; Klassen and McLaughlin, 1996)، و نمونه‌های نمایشی کافی را به ما ارائه می‌دهند تا تحلیل کنیم که چگونه این متد در ادبیات موضوعی اجرا شده اند. دوم، ترکیب هردو مطالعات اثر ‌رویداد کوتاه مدت و بلند مدت در یک مقاله بررسی با توجه به تفاوت‌های اصلی آن‌ها در فرضیات نظری و اجرای متدلوژیکال سخت است. به خصوص، مطالعات اثر ‌رویداد کوتاه مدت بر اساس فرضیه‌های بازار کارآمد هستند(Malkiel and Fama, 1970)، که فرض می‌کنند که هر اطلاعات جدید در دسترسی در بازار سهام تقریبا بلافاصله در تغییرات قیمت سهام منعکس می‌شود (MacKinlay, 1997). در مقابل، ‌مطالعات اثر رویداد بلند مدت پیشنهادی بر اساس این باور هستند که قیمت‌های سهام می‌توانند تاحدی پیش بینی شوند و به آهستگی با اطلاعات موجود جدید تنظیم شوند. از نظر اجرا، حذف اطلاعیه‌های مبهم یک مرحله مهم در ‌مطالعات اثر رویداد کوتاه مدت است، در حالی که این مرحله در ‌مطالعات اثر رویداد بلند مدت غیرضروری و غیرعملی است (Sorescu et al., 2017). علاوه بر این، مطالعات اثر ‌رویداد کوتاه مدت کمتر نسبت به مدل تخمین بازده‌های نرمال و فرضیات استقلال در بیشتر موارد حساس هستند (Kothari and Warner, 2007). در مقابل، دقت تخمین در مطالعات اثر رویداد بلند مدت مهم است. حتی یک خطای کوچک در تنظیمات ریسک مدل‌های تخمین ممکن است در نهایت به تفاوت‌های بزرگی در بازده‌های غیرعادی تجمعی منجر شود، که در یک دوره بلند مدت انباشته شده اند (Kothari and Warner, 2007). بنابراین، سازگار با ادبیات موضوعی مطالعات اثر رویداد در دیگر زمینه‌ها (Corrado, 2011; Konchitchki and O’Leary, 2011; MacKinlay, 1997)، ما بر بررسی خود بر مطالعات اثر رویداد در OSCM برای ارائه بحث و تحلیل خاص تر و شفاف تر تمرکز می‌کنیم.

4. داده‌ها
برای شناسایی مقالات مطالعه اثر رویداد کوتاه مدت در OSCM برای این بررسی، بر لیستی از 12 ژونال OSCM “پیشگام” آورده شده در رتبه بندی تجاری جهانی دانشکده جاری دانشگاه کره (KUBS) تکیه کردیم. 13 ژورنال پژوهش عملیاتی و کامپیوترها، علوم تصمیم گیری، ژورنال اروپایی پژوهش عملیاتی، معاملات IIE، ژورنال بین المللی مدیریت تولید و عملیات، ژورنال بین المللی اقتصاد تولیدی، ژورنال مدیریت عملیاتی، ژورنال مدیریت زنجیره تامین، ژورنال مدیریت عملیاتی، ژورنال مدیریت زنجیره تامین، ژورنال جامعه پژوهشی عملیاتی، علوم مدیریتی، تولید و مدیریت عملیات خدمات، پژوهش عملیاتی، و مدیریت عملیات و تولید هستند.
فرآیند جمع آوری داده را در پنج مرحله انجام دادیم. ابتدا، بر کلمه کلیدی واحد “مطالعه اثر رویداد” در ژورنال‌های فوق الذکر برای تولید لیستی از مقاله‌های متناسب با هدف پژوهشی خود جستجویی انجام دادیم. این رویکرد تک کلمه کلیدی می‌تواند یک پوشش جامع از مطالعه اثر رویداد را در مورد موضوعات OSCM متفاوت تضمین کند، که از مطالعات بررسی گذشته که به موضوعات OSCM خاص مانند مدیریت زنجیره تامین سبز (Srivastava, 2007) مربوط است متفاوت است و بر ترکیبی از کلمات کلیدی تکیه می‌کند. دوم، ما همه مقالات تولید شده از فرآیند پژوهشی اولیه را که تنها شامل پذیرش متد مطالعه اثر رویدادی هستند بررسی کردیم. به ویژه، ما بخش متدلوژی هر مقاله را خواندیم و مواردی که به متد مطالعه اثر رویداد اشاره می‌کردند را حذف کردیم اما از دیگر متدها مانند تحلیل محتوا (e.g., Montabon et al.,2007) و تحلیل رگرسیون (e.g., Bayus et al., 2003; Ramdas et al.,2013) استفاده کردیم. سوم، همانطور که بررسی ما بر مطالعات‌ بر اساس بازده‌های سهام غیرعادی متمرکز بودند، ما دیگر نوع‌های ‌مطالعات اثر رویداد مانند مطالعات اثر رویدادی بلند مدت مبتنی بر بازده‌های سهام غیر عادی (e.g., Hendricks and Singhal, 2001, 2005) یا عملکرد عملیاتی غیرعادی (e.g.,Corbett et al., 2005; Lo et al., 2012) را حذف کردیم. چهارم، نتایج پژوهشی را برای تضمین اینکه متد مطالعه اثر رویداد برای بررسی مستقیم موضوعات OSCM استفاده شده اند فیلتر کردیم. به خصوص، بعد از خواندن فرضیه‌ها و بخش‌های نتیجه همه مقاله‌های جستجو شده، ما مطالعه اثر رویداد انجام شده توسط Fosfuri and Giarratana (2009) را که بر واکنش‌های بازار سهام در برابر اعلان محصول جدید و علائم تجاری ثبت شده بررسی‌های انجام داده بودند، که بیشتر به بازاریابی مربوط بودند تا OSCM، حذف کردیم. سرانجام، بررسی متقابلی به استنادهای صورت گرفته در مقالات برای تضمین اینکه هیچ مقاله واجد شرایطی در تحلیل ما از دست نرفته است، انجام شد.
جدول 2 29 مطالعه‌ نهایی را که در بررسی آورده شده اند لیست کرده است. مقالات بین سال 1995 و 2017 در ژورنال مدیریت عملیاتی (28%)% ژورنال بین المللی اقتصاد تولیدی (24%)، علوم مدیریتی (21%)، مدیریت عملیات و تولید (14%)، ژورنال بین المللی مدیریت تولید و عملیات (7%)% علوم تصمیمات (3%)، و ژورنال اروپایی پژوهش عملیاتی (3%) منتشر شده‌اند. علاوه بر این، از سالهای انتشار، دریافتیم که مطالعات‌ در OSCM در حال ظهور و در حال توسعه است. شش مقاله (20%) در ده ساله اول از 1995 تا 2004 منتشر شده‌اند، اما 18 مقاله (62%) در هشت سال اخیر از سال 2010 تا 2017 منتشر شده‌اند.

5. شیوه‌های جاری ‌مطالعات اثر رویداد کوتاه مدت در OSCM
شکل 1 مراحل پایه انجام مطالعه‌ را خلاصه کرده است (MacKinlay, 1997)، که شامل: (1) شناسایی یک ‌رویداد مورد نظر، (2) تعریف پنجره رویداد و توجیه انتخاب طول پنجره؛ (3) جمع آوری نمونه و حذف ‌رویدادهای مبهم؛ (4) پیش بینی بازده‌های نرمال با یک مدل تخمینی؛ (5) محاسبه بازده‌های غیر نرمال، و تجمع بر پنجره رویداد و ‌آزمون معنی دار بودن آن ها، و (6) توضیح تغییرات متقابل در بازده‌های غیرنرمال است. ما یک تشریح دقیق از هر مرحله را در زیر ارائه دادیم و شیوه‌های جاری مطالعات اثر رویداد کوتاه مدت را در OSCM ارائه دادیم.
5.1 شناسایی یک رویداد مورد نظر
شرکت‌ها و دیگر احزاب ثالث اغلب اعلاناتی در مورد اهمیت فعالیت‌هایی که در همه جنبه‌های مدیریت زنجیره تامین و عملیات داخلی شرکت‌ها رخ می‌دهد صادر می‌کنند، و فرصت‌های غنی برای محققین بوجود می آورند تا رویدادهای مورد نظر برای پژوهش خود را شناسایی کنند. همانطور که در جدول 3 نشان داده شده است، موضوعات بررسی شده توسط مطالعات رویداد کوتاه مدت در OSCM شامل اختلالات زنجیره تامین (31%)، مدیریت زیست محیطی (24%)، مدیریت کیفیت (14%)، پروژه‌های R&D (10%)، استراتژی‌های منبع یابی (7%)% بسط ظرفیت (4%)، مدیریت فناوری اطلاعات (4%)، ادغام زنجیره تامین (3%)% و قراردادهای خرید و فروش (3%) می‌باشد.
اگر چه موضوعات مطالعات اثر رویداد در OSCM متغیر است، بیشتر آن‌ها بر رویدادهای داخلی شرکت تمرکز می‌کنند که در شرکت‌های خاص یا در زنجیره تامین آن‌ها رخ داده است، تنها یکی از 29 مقاله‌ای که بررسی کردیم رویدادهای خارجی شرکت مربوطه را بررسی می‌کند. به خصوص، تنها مطالعه اثر رویداد اخیر که توسط Jacobs and Singhal (2017) انجام شده است تاثیر ‌رویداد خارجی را از نظر فاجعه رانا پلازا در بنگلادش بر ارزش سهامداران خرده فروشان پوشاک جهانی بررسی کرده است.

اکثریت رویدادهای مطالعه شده در ادبیات OSCM، در امریکا بودند، تنها پنج مورد از 29 مطالعه (17%) در کشورهای غیر امریکایی بودند. به خصوص، از این پنج مطالعه غیر امریکایی، تنها یک مطالعه در مورد تاثیر صدور گواهی کیفیت بر بازار سهام اسپانیایی بود (Nicolau and Sellers, 2002)، و چهار مطالعه دیگر در کشور چین بودند. آن‌ها واکنش بازار سهام چین به مدیریت کیفیت (Lin and Su, 2013)، فراخوان محصول (Zhao et al., 2013)، قراردادهای خرید و فروش (Yang et al., 2014)، و طرح‌های زیست محیطی (Lam et al., 2016) را بررسی کردند.
یک ملاحظه مهم در زمان شناسایی رویداد مورد نظر این است که آیا یک تعریف غیرمبهم از رویداد می‌تواند ارائه شود یا نه. در برخی از موارد، تعریف خود رویداد یا متغیر پروکسی آن یک کار ساده است. برای مثال، فراخوان‌های محصول در امریکا توسط پنج آژانس فدرال خاص مدیریت می‌شود و اعلام یک فراخوان محصول اطلاعات دقیقی در مورد محصول فراخوان شده ارائه می‌دهد، و شرکت فراخواننده آن، شناخت فراخوان‌های محصول را کمتر مشهود می‌سازد (Ni et al., 2014). به هر حال، برخی از رویدادها در ماهیت خود معانی گسترده تری دارند، و محققین نیاز دارند که مرزهای شفافی از رویدادها را با یک مجموعه از کلمات کلیدی تعریف کنند. برای مثال، Hendricks and Singhal (2003) بر ترکیبی از کلمات کلیدی گوناگون مانند تاخیر، کمبود، کاستی، تولید، حمل و نقل، ارائه، قطعات و اجرا برای شناسایی اعلانات زتجیره تامین تکیه کردند.
دیگر ملاحظه مهم این است که آیا سرمایه گذاران قبل از اعلان، انتظار همچین رویدادی داشته اند یا نه و آیا در زمان اعلان برای سرمایه گذاران مشهود است یا نه. بر اساس فرضیه بازار کارآمد، این به دلیل فرضیات اصلی مطالعات اثر رویداد کوتاه مدت است، هر اطلاعات جدید موجود در بازار سهام، بلافاصله در تغییرات قیمت اوراق بهادار منعکس می‌شود (MacKinlay, 1997). برای مثال، اگر نشتی اطلاعات یک رویداد OSCM مانند فراخوان محصول وجود داشته باشد، قیمت سهام شرکت قبل از اعلان رسمی تحت تاثیر قرار می‌گیرد، و واکنش بازاری اتخاذ شده از روز ‌رویداد ممکن است یک تنظیم باقی مانده از انتظارات واقعی باشد.

5.2 پنجره رویداد
پنجره رویداد یک دوره زمانی است که در طی آن تاثیر یک رویداد بررسی می‌شود. یک پنجره رویداد با (-x,+y) نشان داده می‌شود. تاریخ اعلان یک رویداد معمولا به روز 0 تنظیم می‌شود. ممکن است که اعلان بعد از اینکه بازار سهام بسته شود عمومی گردد، سپس روز 0 به عنوان روز تجاری بعدی بعد از تاریخ اعلان مشخص می‌شود. پنجره رویداد (-x,+y) شامل x روز تجاری قبل از روز 0 تا اتخاذ هر نشتی اطلاعات است، و y روز تجاری بعد از روز 0 برای در نظر گرفتن هر تاخیر بازار در درک اطلاعات است.
بسط پنجره رویداد به چند روز حول روز رویداد معمول است. همانطور که در جدول 4 نشان داده شد، 83% (24 مقاله) از مطالعات‌ در OSCM پنجره رویداد استاندارد شامل روز -1، روز 0، و روز 1، یا برخی ترکیبات آن‌ها را پذیرفته اند. به هر حال، پنجره رویداد می‌تواند طولانی تر شود اگر دلایل نظری برای توجیهی برای نشتی یا از بین رفتن اطلاعات در یک دوره نسبتا طولانی وجود داشته باشد (MacKinlay, 1997). در عمل، این یک رویه استاندارد برای استفاده از پنجره‌های رویداد جایگزین برای تست مقاومت است. برای مثال، Thirumalai and Sinha (2011) از پنجره‌های رویداد گوناگون مانند (-1،0)، (-1,+1)، (-5,+1)، (-5,+5)، (-10,+1) و (-10,+10) برای ارزیابی حساسیت نتایج آن‌ها استفاده کردند.
پنجره‌های رویداد معمولا در اوراق بهادارهای متفاوت همپوشانی ندارند. عدم وجود همپوشانی حاکی از این است که بازده‌های غیرعادی در اوراق‌های بهادار مستقل هستند، که این فرض را برای ‌آزمون معنی دار بودن متعاقب برآورده می‌سازند. به هر حال، گاهی اوقات خوشه بندی پنجره‌های ‌رویداد اجتناب ناپذیر است. برای مثال، در مورد رویداد واحدی مانند یک فاجعه طبیعی، انتشار سیاست یا سایر حوادث اقتصاد کلان، روزهای رویداد در سراسر شرکت‌ها یکی هستند. یک روز رویداد واحد می‌تواند به همبستگی قابل ملاحظه‌ای از بازده‌های غیرعادی در میان اوراق بهادار منجر شود. به منظور بررسی مسائل همبستگی متقابل، چندین اصلاحات از ‌آزمون معنی دار بودن سنتی نیاز است که پذیرفته شوند، که در بخش 6 بحث شده اند.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

سازمان های مهم تنظیم استاندارد تلاش کرده اند تا شیوه حسابداری را برای مخارج اکتشافی استاندارد کنند.اولین تلاش در این راستا در ایالات متحده آمریکا به دنبال بحران نفتی در سال 1973 انجام شد که منجر به افزایش مقررات بخش انرژی شد. کمیسیون بورس و اوراق بهادار (SEC) اجرای استانداردهای حسابداری برای بخش نفت و گاز را تا پایان سال 1977 وظیفه کرد و پس از آن وظیفه را به FASB واگذار کرد. FASB ، پیش نویسی را در جولای 1977 با این توصیه مطرح کرد که روش تلاش موفق برای حساب مخارج اکتشاف تبدیل به سیاست اجباری شود (Cairnie، 1985؛ Cortese، 2011).توصیه های FASB موجب واکنش شدیدی از جانب اجزاء اصلی صنعت شد. یک تلاش مهم تاثیرگذاری با بیش از 100 شرکت اکتشاف کوچک، بعد از اینکه روش قیمت تمام شده را استفاده کردند حاصل شد(Cortese، 2011).این شرکت ها معتقدند که تغییر مورد نیاز برای روش تلاش موفقیت آمیز ممکن است درآمد گزارش شده آنها و رقم تساوی سهام را کاهش دهد و منجر به افزایش قابل توجهی در نوسان درآمد آنها شود.در نتیجه، این امر ممکن است توانایی آنها در بالا بردن سرمایه را کاهش دهد و موجب کاهش فعالیت اکتشافی شود و همچنین منجر به بدترشدن موقعیت رقابتی آنها شود. FASB معتقد بود که روش تلاش های موفقیت آمیز پیشنهادی، بطور تصوری برتر از روش قیمت تمام شده بود.آنها اظهار داشتند که یکسانی در عملیات حسابداری مخارج اکتشاف می تواند مقایسه پذیری صورت مالی شرکت های استخراجی را افزایش دهد و اشاره کردند که بیشتر شرکت های کوچکتر که از روش تلاش موفقیت آمیز استفاده کردند، متحمل اثرات ناسازگار در موقعیت رقابتی خود یا در توانایی خود برای افزایش سرمایه نشدند. وزارت دادگستری ایالات متحده بهSEC اصرار کرد تا توصیه ها را به تعویق بیاندازد تازمانیکه نشان داده شود که آنها می توانند گردش اطلاعات را برای سرمایه گذاران اصلاح کنند و تاثیرات ضد رقابتی نداشته باشند(Lev، 1979). SEC در زمینه بحران بین المللی نفت با فشار مواجه شد و در سال 1978 توصیه های FASB را رد کرد و اعلام کرد که توصیه ها بیش از حد محتاطانه و بر خلاف منافع عمومی بوده است (Luther، 1996)
دومین تلاش برای استانداردسازی شیوه های حسابداری مربوط به مخارج اکتشاف در صنعت استخراجی توسط IASC در سال 1998 آغاز شد. IASC در نوامبر 2000 مقاله «خلاصه مسائل: صنایع استخراجی» را تا 30 ژوئن 2001 منتشر کرد.این مقاله مطلوب روش تلاش های موفقیت آمیز بود زیرا روش اجباری را برای مخارج اکتشاف و ارزیابی در نظر می گرفت. اکثریت قریب به اتفاق (85٪) پاسخ های این مقاله از این توصیه ها حمایت کردند.پاسخ های غیرحمایتی عمدتا از گروه های تاثیرگذار صنایع استخراجی بودند که اعضا آن شامل شرکت های نفت و گاز کوچکتر با دنبال کردن روش قیمت تمام شده بود(Cortese، Irvine، و Kaidonis، 2010).
IASC در سال 2000 با نام IASB بازسازی شد. در سپتامبر 2002، IASB اعلام کرد که امکان نبود تا پروژه صنعت استخراجی را در زمان اتخاذ IFRS توسط نهادهای لیست شده اروپا در سال 2005 کامل کنیم. بنابراین پروژه تا زمان مجوز دستور کار به تعویق افتاد. در همان ماه،IASB و FASB توافقنامه Norwalk را با تایید هر دو تعهد سازمان تنظیم استاندارد برای همگام کردن دو مجموعه استاندارد حسابداری تحت مسئولیت پذیری آنها امضا کردند.توافقنامه Norwalk گام مهم و رسمی در راستای هماهنگ کردن استانداردهای گزارشگری مالی آمریکا (یعنی اصول حسابداری پذیرفته شده آمریکا (GAAP))وIFRS نشان داد.با توجه به استحکام استانداردسازی شیوه حسابداری در صنعت استخراجی که FASB در سال 1970 تجربه کرد، به تعویق انداختن پروژه صنعت استخراجی از مانع چشمگیری در فرآیند هماهنگ سازی جلوگیری کرد.در ژانویه 2004، IASB پیش نویس 6 «اکتشاف برای، و ارزیابی منابع معدنی» را منتشر کرد، محتوای آن از مقررات مندرج در IFRS 6 بود که در دسامبر 2004 منتشر شد و برای دوره های گزارشگری در اوایل یا بعد از یکم ژانویه 2006 موثر واقع شد (Asekomeh و همکاران، 2006؛ Cortes، Irvine، و Kaidonis، 2007؛ Cortes 2013؛ Cortes، Irvine، و Kaidonis، 2009 Cortese و همکاران2010).
IASB می گوید یکی از اهداف IFRS 6 این است که هنگامیکه IASB عهده دار بررسی جامعی از شیوه های حسابداری در صنعت استخراجیمی شود محدودیت عملیات حسابداری مخارج اکتشاف را بدون نیاز به تغییرات عمده که شاید لازم باشد معکوس شود بهبود می بخشد ( IASB، 2004)

2.1.2 بخش معدن کاوی
نوشتیجاتِ شیوه های حسابداری در بخش معدن کاوی، به اندازه بخش های نفت و گاز گسترده نیست.Vent و Milne (1989) تلاش های اولیه بین المللی در ایجاد شیوه حسابداری استاندارد شده برای صنعت معدن کاوی که در دوره 1895 تا 1930 بود را توصیف می کنند. فاز اول در سطح بین المللی بود و عمدتا توسط مدیران معدن، حسابداران و مهندسان حرفه ای هدایت می شد.تلاش های ملی برای افزایش همسانی حسابداری در استرالیا، آمریکای شمالی و آفریقای جنوبی به طور مستقل صورت گرفته است. مؤسسه معدن کاوی و ذوب فلز مستقر در لندن، کمیته حساب های معدن را در سال 1908تاسیس کرد که در سطح بین المللی از کارشناسان معدن کاوی برای مکان های مهم معدن کاوی بهره می برد.در دسامبر 1910، مؤسسه معدن کاوی و ذوب فلز، گزارشی را اتخاذ کردند که توسط کمیته حساب های معدن ایجاد شده بود و شامل توصیه هایی در مورد شیوه های حسابداری استاندارد شده در بخش معدن کاوی بود. این توصیه ها موافقتی از چند مجله معدن کاوی و حسابداری دریافت کردند(Vent & Milne، 1989). علیرغم تلاش های رهبران صنعت معدن کاوی، اتخاذ استانداردها داوطلبانه و حاوی اختلافات زیادی بود.با وجودی که پیشرفت هایی در زمینه استانداردسازی بین المللی شیوه حسابداری در صنعت استخراجی صورت گرفته است اما توصیه های موسسه معدن کاوی و ذوب فلز به طور گسترده توسط شرکای صنعتی پذیرفته نشده است.
Luther(1996)توضیح می دهد که چگونه از قرن 18 روش های حسابداری در کشورهای معدن کاوی اصلی، بصورت مستقل برای شرکت های معدن کاوی آنها توسعه یافته است.عوامل خاص کشور، از جمله توسعه قانون موضوعه بریتانیا در رابطه با نگهداری سرمایه و تعیین سود قابل توزیع، تاثیری بر روش های حسابداری کشورهای معدن کاوی گذاشته است.Morris (1975) توضیح می دهد که چرا در بعضی کشورها تخفیف محاسبه مالیات در سود یا زیان شرکت های استخراجی باید شناخته شده باشد. علاوه بر این، اینکه کدام قانونگذاری، محاسبه سود قابل توزیع و پس از آن سیاست سود تقسیم شده شرکت های استخراجی را تعیین کند بین کشورها متفاوت است (Luther ، 1996).
الزامات IFRS 6 به شرکت های معدن کاوی اجازه می دهد تا استفاده از سیاست حسابداری برای مخارج اکتشافی را که قبل از اجرای استاندارد مورد استفاده قرار گرفته بود ادامه دهند.با این حال، شیوه های حسابداری شرکت های معدن کاوی لیست شده در بازارهای مهم سرمایه مانند LSE ممکن است با توجه به موقعیت جغرافیایی شرکت ها متفاوت باشد. نوشتیجات علمی مربوط به شیوه حسابداری شرکت های معدن کاوی در مقایسه با نوشتیجات جامع موجود در بخش نفت و گاز کم توسعه یافته است.

2.1.3 سایر اطلاعات: افشای ذخایر
بخش های قبلی، توسعه استانداردهای حسابداری را در رابطه با افشای هزینه تاریخی مخارج اکتشافی که شرکت های استخراجی متحمل شدند بیان می کند. همچنین تلاش هایی برای توسعه استانداردهای افشای اطلاعات در رابطه با ذخایر بالقوه و اثبات شده شرکت های استخراجی صورت گرفته است (Cairnie، 1985؛ Luther، 1996؛ Trueman، 1975). SEC شرکت های لیست شده در آمریکا را نیاز داشت تا از دسامبر 1977 شناسایی ذخایر (RRA)را اعمال کند. فهرست کردن قوانین بورس سهام استرالیا و نیوزلند، شرکت های لیست شده ایی را نیاز داشت تا کد استرالیایی را برای گزارشگری نتایج اکتشاف، منابع معدنی و ذخایر سنگ معدنی که به عنوان کد کمیته مشترک ذخایر سنگ معدنی (کد JORC) شناخته می شود به ترتیب از سال 1989 و 1992 اعمال کنند.
نظر به اینکه برخی مطالعات قبلی نشان می دهد که افشای ذخایر، بیشتر به افشای هزینه تاریخی مخارج اکتشاف مربوط است(Asekomeh، Russell، Tarbert، & Lawal، 2010؛ Boone، 2002)، تمرکز این مقاله بر افشای هزینه تاریخی مخارج اکتشاف شرکت های استخراجی است.

2.1.4 توسعه های اخیر در مورد حسابداری مخارج اکتشاف
IFRS 6 به عنوان استاندارد موقت مشروط برای اجرای اولیه IFRS در شرکت های لیست شده اروپایی در نظر گرفته شده است.در آوریل 2010، یافته های پروژه تحقیقی فعالیتهای استخراجی منتشر شد (که در آن IASB مشارکت داشت) که تیمی از وضع کننده های استاندارد ملی استرالیا، کانادا، نروژ و آفریقای جنوبی عهده دار آن بودند.محققان چگونگی ارزیابی و دسته بندی مقادیر ذخایر کشف شده، نحوه محاسبه و اندازه گیری خواص استخراجی، و اینکه چه اطلاعاتی باید در صورت مالی شرکت های استخراجی افشا شود را مورد بررسی قرار دادند.نشان داده شده که IASB باید فعالیت های استخراجی را بخشی از دارایی های نامشهود و فعالیت های تحقیق و توسعه(IASB، 22016)بررسی کند.
IASB هنگامی که پروژه تحقیقاتی دارایی های نامشهود را بخشی از مشاوره دستور کار IASB در سال 2011 فعال کرد، در دسامبر 2012 به طور موثر تلاش های خود را برای بررسی یک استاندارد حسابداری صنعتی خاص در صنایع استخراجی متوقف کرد. پروژه تحقیقاتی IASB طراحی شده تا امکان پذیری ایجاد مجموعه ایی از الزامات گزارشگری فعالیت های تحقیقاتی، اکتشاف و توسعه را در طیف وسیعی از صنایع ارزیابی کند.با این حال، IASB این پروژه را به عنوان اولویت پایین مشخص کرده و از تاریخ ماه مه 2016 کار گسترده ایی انجام نداده است (IASB، 2016).
LSE برای شرکت های سراسر جهان به عنوان بازار انتخابی تبلیغ شده است. شرکت هایی که تحت دسته های نفت، گاز و معدن کاوی LSE لیست شده اند از پنج قاره هستند.زمینه مشارکت کشورهای لیست شده در شرکت های LSE نشان می دهد که شرکت هایی از حداقل 26 کشور در بخش نفت و گاز و حداقل 15 کشور در بخش معدن کاوی وجود دارد. تمام مخارج اکتشاف و ارزیابی شرکت های استخراجی لیست شده در LSE باید مطابق با IFRS 6 باشند. این شامل دو استثنا است که تنوع شیوه های حسابداری در رابطه با عملیات مخارج اکتشاف و ارزیابی را اجازه می دهد.اولین استثنا از پاراگراف 11 و 12 IAS 8 است (سیاست های حسابداری، تغییرات در ارزیابی ها و خطاهای حسابداری).این استثنا نیاز مراجعه به IFRS های مشابهو اعلامیه های دیگر موسسات تنظیم استاندارد با چارچوب مفهومی مشابه را هنگامیکه سیاستی برای مخارج اکتشافی ایجاد می کنیم که در آن هیچ IFRS خاصی اعمال نمی شود برطرف می کند.استثنایIAS 8 به شرکت های استخراجی اجازه می دهد تا اعمال سیاست حسابداری مورد استفاده در قبل از صدور IFRS 6 را ادامه دهند.همانطور که شرکت های لیست شده در LSE از کشورها و قاره های مختلف ناشی می شوند، این الزام به طور موثر تنوع شیوه های حسابداری مخارج اکتشاف را اجازه می دهد در حالی که همچنان مطابق با IFRS باقی بمانند.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

مدل مبتنی بر عامل ها از پایین به بالا، با شروع از عوامل فردی، تعریف ویژگی ها و رفتار آنها، و اجازه دادن به آنها در یک محیط در تعامل شروع می شود. عملکرد سیستم به عنوان یک نتیجه طبیعی اعمال خودجوش (Salamon 2011) می باشد.
هر یک از پروژه ها در پروژۀ مالک دارای قرارداد خاص خود (با شرایط و ضوابط خاص)، مشاوران و پیمانکاران مختلف، مدیران پروژه های فردی، سهامداران مختلف و بازارها و بسیاری از ویژگی های دیگر می باشد، و در نتیجه، هر پروژه به روش های مختلف تخصیص بودجه و سایر شرایط مالی را پاسخ می دهد. آنها دارای نرخ تورم مختلف هستند و با کسری بودجه یا مازاد مواجه می شوند که متفاوت عمل می کنند. با توجه به همه این جنبه ها، پروژه ها به نحوی خودمختار هستند و می توانند به عنوان عوامل در یک مدل مبتنی بر عامل طراحی شوند. بنابراین، یک مدل چند منظوره یک ابزار قدرتمند برای حل مسائل برنامه ریزی پیچیده منابع (Taghaddos و همکاران 2012) و شناسایی بهترین راه حل برای تخصیص بودجه را فراهم می کند. علاوه بر این، این نوع از مدل را می توان در مطالعات آینده ای استفاده کرد که در آن پروژه ها می توانند با یکدیگر ارتباط برقرار کنند تا روابط را شناسایی کنند.
مدل پيشنهادي شبيه سازي پروژه ها به عنوان عواملي است كه براساس يك سناريوي شبيه سازي شده پيشرفت کرده و توسعه می یابند.این روش می تواند بهترین راه حل برای مدیریت سهام و تخصیص بودجه محدود به پروژه ها در آن را شناسایی کند. این مدل از مفهوم برنامه به دست آمده (ES) (Lipke 2013) برای شبیه سازی برنامه های پروژه استفاده می شود.

توسعه مدل شبیه سازی
همانطور که پیشتر مورد بحث قرار گرفت، پروژه ها در مدل شبیه ساز پیشنهاد شده در نظر گرفته می شوند. هر عامل می تواند در حالت های نشان داده شده در شکل 1 باشد (به عنوان مثال، شروع نشده، ساخت و ساز در حال انجام، یا عامل).
پروژه ها براساس سناریوی شبیه سازی و قوانین رفتاری آنها تعریف شده است. همانطور که در شکل 1 نشان داده شده است، هر پروژه ممکن است در هر یک از سه حالت اصلی و دو زیر ساخت(به عنوان مثال، هزینه های نهایی و ادامه عملیات) باشد. تعاریف و شرایط هر حالت در جدول 1 ارائه شده است.این عوامل به طور موفقیت آمیزی وارد وضعیت خواهند شد و از وضعیت آغاز نشده شروع به کار خواهند کرد.
اگر بودجه برای شروع یک پروژه اختصاص نیافته باشد یا هیچ اهداف پیشرفتی برای آن وجود نداشته باشد، این پروژه در حالت شروع نشده باقی خواهد ماند. در هر زمانی که پروژه اهداف بودجه یا پیشرفت را دریافت می کند در سناریوی شبیه سازی شناسایی می شود، و آن را وارد حالت ساخت و ساز در پیشرفت می کند. این پروژه تا زمانی که پیشرفت آن به ۱۰۰ % برسد در این وضعیت باقی می ماند. پس از تکمیل پروژه، این پروژه وارد وضعیت اجرایی می شود و هزینه های مربوط به آن را نهایی می کند. این پروژه می تواند در زمانی که تمام هزینه ها پرداخت شده (به عنوان مثال، retainage و بدهی)وارد سیستم عملیاتی شوند. پیامدها یک پروژه (یعنی، درآمد یا محصولات)می تواند هر زمانی که پروژه وارد وضعیت اجرایی می شود، محقق شود.
برای هر پروژه در سهام، داده های زیر باید به عنوان متغیرهای ورودی جمع آوری شوند:
• میزان انبارداری برنامه ریزی شده بر اساس طرح پروژه؛
• جریان انبساط برنامه ریزی شده پول نقد براساس طرح پروژه (جریان هزینه)؛
• پیش بینی نرخ تورم هزینه بر اساس شرایط قرارداد پروژه، شرایط بازار و پیش بینی های مربوط به قیمت؛
• نتیجه پروژه (به عنوان مثال، پول نقد، درآمد و مشتقات) پس از اتمام (می تواند تجمعی یا غیر تجمعی باشد)؛
• پيش بينی ها درمورد نرخ تشديد نتيجه پروژه، به طور جداگانه به دليل اختلافات ماهيت هزينه ها و درآمد ها و بازار آنها تعريف شده است؛ و
• افزایش فاکتور کارآیی (IEF)، که اخیرا برای هر پروژه معرفی شده است و به منظور بررسی رفتار پروژه در مورد مازاد بودجه تعریف شده است. IEF حداکثر نرخ را نشان می دهد که پروژه ای با مازاد بودجه می تواند در مقایسه با برنامه اصلی آن پیشرفت کند.
چهار مورد اول باید در یک فرمت توزیع شده زمان (مثلا سال، ماه، هفته، و غیره) برای دوره شبیه سازی در نظر گرفته شده ارائه شود. دو مورد آخر پارامترهای ثابت شبیه سازی است. نرخ رشد در نتیجه پروژه، نرخ پیش بینی شده برای نتایج پروژه پس از تکمیل پروژه است. اثرات افزایش هزینه ها و نرخ رشد پیش بینی شده برای نتایج پروژه با استفاده از ارزش فعلی خالص (NPV) محاسبه می شود که در معادله زیر ارائه می شود.
IEF می تواند توسط کارشناسان و یا برنامه های برنامه ریزی شده بر اساس محاسبات خوش بینانه از مدت زمان لازم برای انجام فعالیت های پروژه فراهم شود. شکل 2 ورودی ها و خروجی های مدل مبتنی بر عامل را نشان می دهد.
سپس کاربر سناریو را برای ارزیابی مدل ارائه می دهد. سه راه برای ساخت یک سناریو وجود دارد:
• سناریوی تخصیص بودجه: در این نوع سناریو، بودجه اختصاصی برای هر پروژه باید ارائه شود. در نتیجه، رفتار پروژه ها و نمونه کارها در رابطه با تخصیص نشان داده می شود.
• سناریو پیشرفت فیزیکی: در این نوع سناریو، کاربر درصد پیشرفت فیزیکی برای هر پروژه را فراهم می کند. نتایج شبیه سازی شامل بودجه مورد نیاز برای هر پروژه برای دستیابی به پیشرفت مورد نظر خود است و مدل در نظر گرفته شده است برنامه و اثر هزینه های افزایش یافته است.
• سناریو بهینه سازی: در این نوع سناریو، بودجه حداکثر در دسترس در زمان مشخص در سطح سهم مشخص می شود و مدل منابع مالی را به پروژه ها بر اساس ترجیحات تعریف شده اختصاص می دهد. در هر گام زمانی، مدل اولویت بندی پروژه ها را براساس معیارها مشخص شده و بودجه محدودی را به پروژه ها اختصاص می دهد و از اولویت اول شروع می شود. این امر ممکن است که پروژه هایی که در پایین لیست رتبه بندی قرار دارند هرگز به دلیل محدودیت های بودجه هیچگونه منابع مالی دریافت نکنند و این پروژه ها ممکن است به تأخیر بیفتد.

پیشرفت پروژه ها براساس برنامه پیشرفت فیزیکی آنها، طرح تخفیف، نرخ تورم هزینه و در نهایت بودجه اختصاص یافته (در اولین و سوم نوع سناریو) یا هدف پیشرفت فیزیکی (در نوع دوم سناریو) محاسبه خواهد شد. پس از اتمام پروژه، نتایج پیش بینی شده آن، با در نظر گرفتن نرخ رشد پیش بینی شده به موقع اتفاق می افتد.
در نوع اول و سوم سناریو، هر پروژه دارای مقدار بودجه موجود (BAvbl) در هر گام زمانی است. مدل NPV بودجه اختصاص یافته تجمعی (BNPVAvbl) را برای هر پروژه محاسبه خواهد کرد. بر اساس برنامه پیشرفت فیزیکی و طرح تخفیف، BNPVAvbl معادل درصد مشخصی از پیشرفت فیزیکی (PAvbl) است که در مورد بودجه اختصاص یافته موجود است. PAvbl بدون در نظر گرفتن آخرین زمان واقعی پیشرفت فیزیکی محاسبه خواهد شد. در نوع دوم سناریو، PAvbl در سناریو تعریف خواهد شد.
پروژه ها، با این حال، نمی توانند سریعتر از برنامه خود پیشرفت کنند. به عنوان مثال اگر بودجه اختصاصی بیش از نیاز پروژه باشد یا اگر اهداف به زودی از حد انتظار برآورده شوند، مدل برنامه زمان بندی پروژه را بررسی می کند و پیشرفت واقعی پروژه را به درستی محاسبه می کند. هر زمان که پیشرفت واقعی یک پروژه به 100٪ برسد نتیجه حاصل می شود.
در هر گام زمانی در مدل (که می تواند هر واحد زمان، بسته به اهداف مدل سازی و نمونه کارها، به عنوان مثال، سال، ماه، هفته، و غیره)، هر عامل حداکثر (Pmax) بر اساس آخرین پیشرفت تجمعی، ES، منحنی پیشرفت فیزیکی انباشته شده و IEF محاسبه می شود. در مقایسه با حداکثر پیشرفت قابل تصور به پیشرفت فیزیکی موجود بر اساس سناریو، هر پروژه درصد واقعی پیشرفت فیزیکی بعدی خود را مشخص می کند

 مبتدی (مناسب برای درک مفهوم کلی مطلب) (ترجمه به صورت خلاصه انجام شده است)

برای تعیین اینکه آیا AMMFs از ETFs در مدیریت نقدینگی استفاده می کند، به جریان بودجه و ذخائر مالی توجه می کنیم. اگر AMMFs بتواند مدیریت جریان را بهبود بخشد، آنها می توانند عملکرد همراه تجارت با انگیزه ی نقدینگی (Edelen، 1999) را کاهش دهند. روش های زیر توسط Frino و همکاران (2009) استفاده شده است، در می یابیم که AMMFsرگزار کننده ی ETF، صرف نظر از استفاده ی گروهی، دارای هیچ توانایی اضافی برای مدیریت جریان پول نقد نمی باشند. توانایی مدیریت بهتر، پول نقد منجر به کشیدن پول نقد کاهش یافته بر عملکرد خواهد شد (Wermers، 20 0 0). کار یان (2006) که در زیر به آن اشاره شده است. به آمیزه ای از مدیریت پول نقد مربوط به منابعETF دست پیدا کرده ایم. AMMFs کاربران ETF در گروه کاربران بالا دارای مقادیر بیشتری از ذخائر پول نقد نسبت به دیگر صندوقها می باشند، در حالی که AMMFs کاربران ETF سطح پایین مواضع کمتری دارند. هیچ شواهدی از کاهش پول نقد کاهش در طول دوره AMMF دارای ETF در مقابل دوره ی عدم حفظ ETF نیافتیم.
الباقی تحقیق را به شرح زیر سازماندهی می کنیم. بخش 2 به شرح داده ها، ایجاد نمونه ، و آمار های توصیفی می پردازد. بخش 3 عملکرد AMMF تحت تنظیم ریسک و بازده اقدامات اضافی را بررسی می کند. پس از آن ما عملکرد را به بخش ETF و یک بخش غیر قابل ETF برای تعیین منبع عملکرد AMMF تجزیه می کنیم. بخش 4 به بررسی تاثیر ویژگی ها . انواع مختلف ETF بر عملکرد AMMF می پردازد. بخش 5 در رابطه غیر مستقیم به عملکرد AMMF از طریق زمان بندی بازار و مدیریت نقدینگی، تمرکز دارد. بخش 6 حاوی نتایج نیرومندی برای رتبه بندی tercile، رتبه بندی سبک، متقابل طول عمر رتبه بندی، قطعه قطعه، تجزیه و تحلیل نمونه همسان، با استفاده از پنجره های 24 ماهه و بازده ماهانه و دوره های زیر می باشد. بخش 7 به تجزیه و تحلیل نتایج ما و پیامدهای آن می پردازد.
2. داده ها، ایجاد نمونه و آمارهای نمونه
ما نمونه هایمان را از پایگاه داده های متعدد ساخت و بررسی AMMF و ETF ویژگی های مرتبط با مالکیت AMMF و عملکرد بدست می آوریم.
1.2. داده ها
ما، داده ها را از مرکز تحقیقات در قیمت امنیت بازمانده صندوق پایگاه داده (CRSP MF)، اطلاعات در مورد بازده AMMF، منابع، ویژگی ها، و ویژگی های خانواده، از ژانویه 2004 از طریق پایان سال 2015 استخراج می کنیم. نمونه مان را در سال 2004، که اولین سال که CRSP MF گزارش منابع با ثبات است، آغاز کردیم. CRSP MF بیشترین متغیر ها را در سطح کلاسی گزارش می کند. برای جلوگیری از شمارش هر کلاس سهم به عنوان یک سرمایه گذاری متقابل منحصر به فرد، سهم کلاس های متعلق به همان صندوق های سرمایه گذاری همان را با یکی از TNA مشاهده نمونه کارها جمع می کنیم. پایگاه داده مورنینگ مستقیم (مورنینگ) ETF و ویژگی های صندوق های سرمایه گذاری از قبیل متغیرهای شناسه برای ETFs معکوس و یا قوی تر را فراهم می کند. پایگاه داده CRSP سهام ایالات متحده (CRSP US) قیمت ETF، بازده، پیشنهاد، درخواست گسترش می یابد، سهام ممتاز، و حجم معامللات را فراهم می کند.. ما به حفظ بازده در سطح روزانه برای محاسبات ماهانه عملکرد تعدیل شده با ریسک خواهیم پرداخت. سایر متغیرها خانواده صندوق های سرمایه گذاری، ETF، و صندوق در فرکانس های ماهانه برای تجزیه و تحلیل هستند، مگر اینکه خلافش ذکر شود. ما ETF و صندوق های سرمایه گذاری داده ها را از CRSP MF، مورنینگ و CRSP آمریکا توسط کمیته رویه های شناسایی امنیتی یکپارچه (CUSIP) ادغام می کنیم و مشاهدات نمونه کارها با داده های از دست رفته را حدف می کنیم.
برای ساخت نمونه از AMMFs سهام داخلی متنع که ETFs در منفعلانه مدیریت حفظ می کند، ما به حفظ بودجه طبقه بندی شده به عنوان سهام داخلی و رها کردن هر صندوق به عنوان بخش شناسایی، یا اداره ی منفعلانه می پردازیم. با توجه به تعصب نهفته در بحث ایوانز (2010)، ما مشاهدات صندوق مقدم بر پیشنهاد اول خود را که در CRSP MF گزارش شده است را حدف می کنیم. پس از آن به حذف AMMFs با کمتر از 15 میلیون $ مجموع دارایی خالص خواهیم پرداخت. از نمونه ما از AMMFs، از اطلاعات منابع از CRSP MF برای شناسایی تمام منابع ETF منفعلانه مدیریت، و رها کردن آن ETFs در طبقه بندی فعالانه ی مدیریت استفاده می کنیم. سپس AMMFs را با کمتر از 15 میلیون $ مجموع دارایی خالص حذف می کنیم. از نمونه AMMFs، از اطلاعات منابع CRSP MF برای شناسایی تمام منابع ETF منفعلانه مدیریت استفاده شده، و ETFs طبقه بندی شده و مدیریت شده را رها می کنیم. چن و همکاران (2013)، ما با استفاده از داده های منابع ماهانه برای به روز رسانی سهام و مواضع ETF و دوره برگزاری حداکثر شش ماهه را تخمین می کنیم. زمانیکه منابع ماهانه در دسترس نباشد، از منابع سه ماهه مشمول همان محدودیت شش ماهه استفاده می کنیم. پس از شش ماه متوالی (دو دوره ی سه ماهه) برون هیچ اطلاعات منابع به روز شده ای، دارایی های صندوق از دست رفته را تنظیم کردیم. همانطور که Cici و پالاسیوس (2015)، تجزیه و تحلیل بر روی دوره های غیر تداخل پذیر 12 ماهه انجام داده اند. رتبه کاربری ETF و متغیرهای کنترل بیش از هر دوره 12 ماهه محاسبه می شود، و ما از صفوف ETF کاربر در تجزیه و تحلیل پیش بینی بصورت همزمان استفاده می کنیم. نمونه نتیجه 1322 منحصر به فرد متنوع AMMFs سهام داخلی با موقعیت ETF منفعل و 2168 AMMFs منحصر به فرد است که هرگز ETF را نگه نمی دارد. تعداد دوره های صندوق بودجه ی (12 ماه) مشاهدات 4014 برای AMMFs ETF کاربر و 16354 برای AMMFs کاربران غیر ETF است. به عنوان یک روش اضافی استفاده برای خوشفکری، نمونه همسان بر اساس هدف سرمایه گذاری AMMF و کل دارایی خالص بنا می شود. این نتایج را در بخش 6 مورد بحث قرار می دهیم.
برای استفاده در محاسبه بازده اضافی معیار، به اشتراک گذاری فعال، و ردیابی خطا، و استفاده از 19 معیار در Cremers و Petajisto (2009) نیاز به معیار AMMF داریم. برای تخصیص به هر معیار AMMF، همانطور که در Cremers و Petajisto (2009) بیان شد، به محاسبه سهام فعال در برابر همه 19 شاخص می پردازیم.
که در آن صندوق W، و W شاخص،به ترتیب وزن دارایی i در AMMF و شاخص بود. محک AMMF را به عنوان معیار ی که سبب تولید کوچکترین سهم فعال می گردد، تخصیص می دهیم. نخست، در صورتیکه مورنینگ استار دارای داده معیار می باشد، این اطلاعات برای همه AMMFs در پایگاه داده ها در دسترس نمی باشد. سپس، Sensoy (2009) بر این باور است که بیش از 30 درصد حقوق صاحبان سهام AMMFs معیار خود را نادرست گزارش می کنند. با اختصاص معیار بر اساس حداقل رساندن سهام فعال، اشتباها فقط معیار دارایی های AMMF پیگیری شاخص اختصاص نزدیک تر از آنها پیگیری 18. محاسبه ی خطا را به اینصورت انجام می دهیم،
که در آن R i، t بازده روزانه از AMMF i و R معیار، t به عنوان بازده روزانه معیار اختصاص داده در معادله تعیین شد. (1).به عنوان یک نتیجه از تجانس در AMMFs، بسیاری از تجزیه و تحلیل های بعدی ما برای کنترل سبک منابع اساسی AMMF است. مشابه به روش دانیال و همکاران (1997) و Kacperczyk و همکاران (2005)، ما AMMFs را به یکی از 25 گروه سبک رده بندی می کنیم. ما با اختصاص هر موقعیت مطلوب در نمونه کارها AMMF با دو مقدار از 1 تا 5 بر اساس ویژگی های اندازه و ارزش خود آغاز خواهد شد. با استفاده از این درجات، اندازه گیری از اندازه و ارزش ویژگی های TNA وزن AMMF را ماهیانه محاسبه می کنیم. این مقادیر نشان دهنده متغیرهای کنترل به سبک مورد استفاده در سراسر رگرسیون است. برای محاسبه معیار سبک، سبک مورد استفاده برای محاسبه بازده، ما دو برابر نوع AMMFs به یکی از پنج پنجک بر اساس اندازه و ویژگی های بازار کتاب مطرح میشود. این نتایج در 25 سبک گروه است که اندازه ی کتاب های به بازار عرضه شده ویژگی از منابع حقوق صاحبان سهام اساسی AMMF را کنترل می کند. ارزش وزن بازده برای هر یک از 25 اوراق بهادار سبک کنترل به عنوان بازده سبک معیار ما استفاده می شود. به عنوان یک روش اضافی استفاده برای خوشفکری، ما رتبه بندی سالیانه ی کاربران را بر اساس نمونه های فرعی سبک بنا می کنیم. ما این فرآیند و نتایجش را در بخش 6 مورد بررسی قرار می دهیم.
CICI و پالاسیوس (2015) دریافتند که 11 درصد از AMMFs استفاده از یک ارز داد و ستد گزینه حداقل یک بار بین جولای 2003 و دسامبر 2010 و چن و همکاران (2013) دریافتند که 7 درصد از صندوق های متقابل در موقعیت های کوتاه مدت از سال 2009 شرکت کردند. به طور متوسط 20 درصد از سهام داخلی AMMFs موقعیت ETF ارائه شده طی یک سال و 37.88 درصد از AMMFs یک ETF در زمان بیش تر از نمونه ما در یک نقطه نگه داشته شده است.
2.2. ویژگی های ETF و صندوق های سرمایه گذاری
پنل A جدول 1 آمار توصیفی از ETFs و مقایسه ویژگی های ETF ها برگزار شده توسط AMMFs و ETFs هرگز برگزار نشده توسط AMMFs ارائه می دهد. ETFs هرگز برگزار نشده توسط AMMF کوچکترین، جوانترین، گران ترین، و حداقل نقدینگی ETFs است. از ETFs برگزار نشده، در تحلیل های بعدی ما استفاده نخواهیم کرد. از ETF ها برگزار شده توسط AMMFs، AMMFs ETFs که نسبتا بزرگ، با اندازه متوسط 2630000000 $ را ترجیح می دهند. همچنین اولویت برای ETFs با نرخ های هزینه پایین تر و برای ETFs با نقدینگی بیشتر به عنوان حجم معامله و پیشنهاد اندازه گیری / ASK گسترش یافته است. ما به بررسی آمارهای توصیفی از AMMFs توسط کاربران گروه در پنل ب می پردازیم. نسبت به AMMFs کاربر غیر ETF ، می بینیم که AMMFs کاربران کوچکتر (852 میلیون $ در مقابل 1480000000 $)، گردش مالی نمونه کارها بیشتر (89.54٪ در مقابل 71.34٪)، اعضای ILIES fam- صندوق کوچکتر (84470000000 $ در مقابل 111،250،000،000 $ هستند )، و مواجه با مقدار کمتری پول در جریان(2.09٪ در مقابل 2.70٪).
به بررسی بیشتر استفاده از ETFs با نگاه آن ناحیه از نمونه کارها AMMF را منسوب به صندوقها. جدول 2 نشان می دهد که زمانی که AMMFs سهام داخلی صندوقها را حفظ می کند، آنها را به طور متوسط (میانگین) موقعیت ETF طولانی از 7.43٪ (1.42٪) از کل دارایی های خالص در حالی که برگزاری 2.64 (1.00) ETFs بصورت جداگانه انجام می شود. CICI و پالاسیوس (2015) مثال INE استفاده مشتق میان AMMFs و نشان می دهد نتایج مختلف به طور قابل توجهی زمانی که به دنبال نمونه های فرعی کم و زیاد کاربران در میانه اندازه و موقعیت مشتق شده. تمام کاربران AMMFs بر اساس درصد سنی TNA به دو گروه بیش از مدت 12 ماه قبل از مواضع ETF رتبه بندی می شوند. ما آن دسته از کاربران AMMF نسبت کسری از دارایی های نمونه کارها بیشتر از تخصیص کاربران متوسط به گروه کاربران بالا و کسانی که نسبت پایین تر از متوسط به گروه کاربران کم اختصاص داده می شود. با استفاده از یک سلسله مراتب کم و گروه بالا ETF کاربر نشان می دهد تفاوت های بزرگ در نسبت یک نمونه کارها اختصاص داده شده به صندوقها. کاربران سطح پایین باید بطور میانگین (متوسط) موقعیت 0.70٪ (0.62٪) از TNA در مقایسه با 12.81٪ (3.10٪) از TNA برای کاربران بالا داشته باشند. ما به بررسی های بیشتر اندازه تخصیص در سراسر AMMF هدف و سبک طبقه بندی خواهیم پرداخت. در میان کاربران بالای AMMFs ، می بینیم که AMMFs داخلی بر اساس نسبت نسبتا کوچکتر از پرتفوی خود به صندوقها، در مجموع فقط 4.09 درصد از TNA تخصیص داده می شود. در سراسر سبک نمونه کارها، می بینیم که کاربر بالای AMMFs، به عنوان مواضع بزرگ، ETF بزرگتر از AMMFs به عنوان کوچک طبقه بند می شود. تخصیص به موقعیت های متفاوت ETF می تواند کاربران پایین و بالا یAMMFs را در سراسر سبک های مختلف و روابط طبقه بندی هدف نشان دهنده ی استفاده از ETF ها برای مقاصد مختلف باشد. برای کشف این احتمال بیشتر، کاربر پایین، کاربر بالا، و زیر گروه سبک در تحلیل های بعدی استفاده می کنیم.

تعیین کننده های خاص شرکت و نهادی سرمایه گذاری های شرکت ها در نیجریه

Firm-specific, and institutional determinants of corporate investments in Nigeria

Abstract

We examined the effect of institutional quality and firm-specific factors on corporate investment in Nigeria using fifty-four (54) quoted non-financial firms within the period of 2002–2012. We applied dynamic panel estimator proposed by Arellano–Bond (1991). The results showed that regulatory quality, corruption, political stability and control of corruption have insignificant effect in determining corporate investments in Nigeria. Our results also confirmed that firms’ firm-specific factors influenced corporate investment in Nigeria. While firms’ cash flow displayed positive and significant effect on investment other factors had negative effects on investment.Our results showed that investment is constrained to internally generated fund, despite the existence of capital market. In addition, the spillover effect of tightening monetary policy during the period of study had increased the cost of borrowing thereby having a negative effect on investment in the real sector. We recommended that when the monetary authorities are focusing on inflation targeting, they should also not lose sight of its impact on corporate investment and other productivity growth of firms; which is the source of long term sustainable growth and development of economies.

1 Introduction

Firms often face the problem of financing in every worthwhile investment decision making. Corporate investments could be funded either internally, such as retained earnings, accumulated profits in the form of various reserves, depreciation provision, or externally, which include but not limited to debt/external loan. In finance literature, studies show that corporate investments can be affected by firm-specific or financial factors such as leverages (debt), cash flow (retained earnings), sales, and stock of Liquid assets (Adelegan Ariyo, 2008; Inessa Zicchino, 2006). These authors state the roles played by financial factors on corporate investment and express different conclusion. While some debunk the view of the neoclassicists (Modigliani Miller, 1958) of irrelevance financial factors (e.g. Bhagat Obreja, 2013) other authors express that, in an imperfect capital market, internal and external capitals are not perfect substitutes (Hu Schiantarelli, 1998). Meanwhile, those authors that debunk neoclassicists’ views, empirically, come up with mixed results. Some authors affirm that financial factors have positive effect on investment; others confirm negative relationship (Bhagat Obreja, 2013). The neoclassicists state that financial factors enter through the cost of capital which, in turn, is independent of the way the firm finances growth and investments. This independence arises because capital markets are assumed to be perfect which may not be true in the modern capital market system.

Of recent, another trend of empirical studies emerges which analyzes institutional factors as another constraint and relate these factors to many finance and economic variables. For instance, Scholars (e.g Sarkar Hasan, 2001) believe that the level of institutional quality (in terms of corruption, rule of law and political stability) varies across economies, industries and regions. On this basis, the effect of institution also differs among industrial setting. Studies relate institutional quality with variables such as growth, foreign direct investment and domestic investment. While on the nexus between institution quality (such as control of corruption) and investment, the available evidences provide mixed results as well (Mauro, 1995; Tanzi Davoodi, 1997). Some show that a corrupt institution does not deter investment to expand and grow (e.g, Tanzi Davoodi, 1997), other studies take the opposite view by emphasizing that corruption deters investment (Mauro, 1995; O’Toole Tarp, 2014). Tanzi and Davoodi (1997) states that corruption increases public investment but inefficient productivity arises (also see Asiedu Freeman, 2009 for the nexus). Wheeler and Mody (1992) show that institutional quality has no significant effect after using US-firm level data. We note that most of these studies are cross-countries studies focusing on developed and emerging economies while studies on sub-Saharan Africa and/or a single country study is largely absent. Specifically, little or nothing is known about sub-Saharan African countries despite the fact that the effect of institutional quality may vary across regions and countries. Our study fill this gap by examine the effect of institutional and financing constraints on corporate investment in Nigeria. This study is a single country study using Nigeria as a case study.

This study deviates from other studies in a number of ways. Firstly, we study institutional quality along with other variables specifically financial factors that determine corporate investment. Our choice of Nigeria is based on the fact that the country is experiencing high rate of deficiencies in terms of institutional quality. Corruption as at high rate, political instability coupled with terrorism problems (e.g Bokoharam) are perceived to be some of the disturbing phenomena in the country. Our study period spanned from 2002–2012; this is because the trend of Nigerian corporate investment has changed drastically. Before year 2000; corporate investments continuously increasing and highly encouraged; however, the current trend shows that investment opportunities in Nigeria have stifled by the increasing levels of uncertainties in the macroeconomic environment coupled with high poor institution. Nigerian business environment has moved backwards in terms of investor protection and the ease of starting a business (Nigeria was rated 133rd out of 183 countries in doing business, see World Bank, 2012). The capital market exhibits various level of imperfections; these include imposition of price caps on share price movement, regulation of interest rates, presence of asymmetric information, agency costs and political instability which resulted in thinness of trading, low market capitalization and low percentage of turnover level among others (Adelegan Ariyo, 2008). In our analysis, we include fifty four (54), listed non-financial firms in Nigeria capital market ranging from manufacturing, conglomerate, oil companies to mention, but few. The remainder of this paper is sectioned into 4 parts. Next part discussed the literature review, followed by methodology, results and discussion while conclusion ends the paper.

مقاله انگلیسی رایگان (PDF)

ترجمه فارسی رایگان (PDF)

خرید ترجمه با فرمت ورد

بخشی از ترجمه فارسی مقاله:

مقدمه
مقالات سرمایه گذاری شرکتی اخیر نشان می دهند که سرمایه گذاری مطلوب شرکت ریسک یکسهام را تغییر می دهد (Berk, Green, & Naik,1999). پس چگونه تغییر در ریسک سهام نقدشوندگی آن را تحت تاثیر قرار می دهد؟ مستندات و مقالات ریزساختار بازار حاکی از آن است که تغییر در ریسک بر ارزش استراتژی بازارین تاثیر می گذارد، که منجر به تغییر در تاثیر قیمت مانن نقد شوندگی سهام می شود (Kyle, 1985). در این تحلیل ما پیوندی را بین سرمایه گذاری شرکت و نقدشونگی سهام ایجاد کردیم که از طریق ارتباط این مسیر از مطالعه سرمایه گذاری شرکت تا مقالات ریزساختار بازار است. به ویژه شواهد تجربی در زمینه نقش سرمایه گذاری شرکت در نقدشوندگی سهام بازار ارائه می شود و در رابطه با ریسک تغییر از خصوصیات سرمایه گذاری شرکت تا نقدشوندگی سهام بحث خواهد شد.
مطالع حاضر را به صورت زیر اجرا می کنیم. در مقالع اولیه آن ها Berk et al. (1999) به این نتیجه رسیدند که تصمیمات سرمایه گذاری شرکت می تواند در یک مفهوم واقعی مورد ارزیابی قرار گیرد چون تصمیم برای سرمایه گذاری رشد اختیار را برای سرمایه موجود تغییر می دهد. بنابراین، اگر فرصتهای رشد کم هستند، سرمایه گذاری شرکت نسبت اختیارات رشد به سرمایه موجود تغییر می دهد، یعنی، ریسک سرمایه یک کارخانه، منجر به تغییر در ریسک سهام آن می شود. به عبارت دیگر، ریسک سهام با تصمیمات حال حاضر و گذشته کارخانه ارتباط دارد. (Carlson, Fisher, &Giammarino, 2004) به خصوص، سرمایه گذاری مطلوب شرکت ریسک یک سهام را کاهش می دهد، به ویژه بخش سیستماتیک آن را. حتی وقتی سرمایه جدید پر ریسک باشد، اینها خطر کمتری نسبت به گزینه های جایگزین شده دارند. (Carlson, Fisher, & Giammarino, 2006). مسیر مطالعه مرتبط با مقالات ارزش سرمایه است که با کشف تفاسیر سرمایه-گذاری شرکت برای بخش عرضی و مجموعه زمانی بازخورد مورد انتظار دارد. Berk et al. (1999) اولین کسانی بودند که یک مدل واقعاً پویای انتخابی را با تحلیل ریسک تغییر در زمینه سرمایه گذاری شرکت ایجاد کردند. Carlson et al. (2004), Zhang (2005), Li, Livdan, and Zhang (2009) و Liu, Whited, and Zhang (2009) در زاستای این مدل هستند.
به عبارت دیگر، نقدشوندگی سهام یک شاخص درونی است. به طور خاص، نقدشوندگی سهام با محرک های تجاری مختلفی مانند اطلاعات خصوصی (Kyle, 1985; Glosten & Milgrom, 1985) و نقدشوندگی(Admati & Pfleiderer, 1988) مدیریت می شود. از آنجا که هر دو محرکتجاری موضوع ریسک یک سهام هستند، تغییر در ریسک به بازاریان اجازه می دهد تا استراتژی قیمت گذاری را تغییر دهند که تاثیر قیمت را تحت تاثیر قرار می دهد. به ویزه، کایل ( 1985) پیشنهاد کرد که در حالت موازنه، ریسک سهام نشاندهنده یک رابطه منفی با نقدشوندگی سهام است. علاوه بر این، مقالات نقدشوندگی حاضر شواهدی را در زمینه ارتباط منفی بین اجزای سیستماتیک ریسک و نقدشوندگی سهام فراهم می کنند. همزمان با آن، صرفنظر از منبع ریسک یا ساختار، یک تغییر در ریسک یک سهام، ارتباط معکوسی با نقدشوندگی سهام دارد.
با ترکیب این دو شاخه مورد مطالعه، می توانیم فرض کنیم که سرمایه گذاری شرکت نقدشوندگی سهام را از طریق استراتژی قیمت گذاری بازاریان تحت تاثیر قرار می دهد. به ویژه ما حدس می زنیم که سرمایه گذاری مطلوب شرکت موجب بهبود نقد شوندگی می شود که از طریق کاهش ریسک یک سهام است. بر اساس اطلاعات ما، این مطالعه اولین تحلیل تجربی مرتبط با سرمایه گذاری شرکت برای نقدشوندگی سهام با تاکید بر تغییر خطر از سرمایه گذاری شرکت است.
برای بررسی این ارتباط، یک طرح تحقیقی برای یافتن تاثیر تغییرات خارجی در سرمایه گذاری شرکت بر نقدشوندگی سهام طراحی شد. به ویژه، پس از Titman, Wei, and Xie (2005)، ما سرمایه گذاری شرکت را به عنوان انحرافی از سابقه حرکت میانگین سه ساله سرمایه گذاری شرکت بررسی کردیم. این روش تاثیر ثابت کارخانه را با حذف خصوصیات ثابت از یک متغیر خام به حداقل می رساند. پس از آن ما سرمایه گذاری غیرطبیعی شرکت را به عنوان یک شوک خارجی و ارزیابی روابط اثر متقابل بین سرمایه گذاری غیرطبیعی شرکت و نقدشوندگی سهام در نظر گرفتیم.
در همین خلال، مقالات نشان می دهند که یک اثر بازخوردی از نقدشوندگی سهام بر سرمایه گذاری شرکت وجود دارد. به عنوان معیاری از بازخورهای مورد نیاز (Acharya &Pedersen, 2005)، نقدشوندگی سهام موجب ایجاد مجموعه ای از فرصت های سرمایه گذاری مفید است و موجب افزایش سرمایه گذاری شرکت می-شود. (Derrien &Kecskes, 2013:Becker-Blease & Paul, 2006). بنابراین، ما همچنین بررسی کردیم که آیا تحلیل ها در معرض موضوعات داخلی هستند.تحلیل های تجربی ما نشان می دهد که در واقع سرمایه گذاری شرکت به نقد شوندگی سهام ارتباط دارد. اول اینکه، یک تحلیل سهام نشان می دهد که نقد شوندگی سهام برای کارخانجات دارای سطح بالای سرمایه گذاری شرکت به طور قابل توجهی بالا است. به ویزه ما یک مجموعه از سهام را بر اساس پیشینه نقدشوندگی سهام و سرمایه گزاری غیرطبیعی سالانه شرکت مرتب کردیم. پس از یک سال مالی، کارخانجات دارای یک سطح بالا سرمایه گذاری شرکت سطح بالایی از نقدشوندگی شهام را نشان می دهند در حالی که کارخانجا دارای سطح پایین سرمایه گذاری شرکت سطح پایینی از نقدشوندگی سهام را برای هر دو معیار سرمایه گذاری مشارکتی نشان می دهند. همراستا با مقالات سرمایه گذاری شرکتی، ما از دو معیار برای سرمایه گذاری شرکتی استفاده کردیم: هزینه های حیاتی و هزینه های مهم و R&D.
دوماً، تحلیل رگرسیون برشی نشان دهنده نقش سرمایه گذاری شرکت در شکل گیری نقدشوندگی بعدی سهام است. به ویژه، زمانی که ما رگرسیون برش عرضی سالانه تیپ Fama and MacBeth (1973) را اجرا می-کنیم، سرمایه گذاری شرکتی غیرطبیعی، به طور مثبتی با نقدشوندگی سهام ارتباط دارد حتی پس از کنترل معیارهای شناخته شده به عنوان نقدشوندگی سهام گذشته و سایر خصوصیات سهام. این نتیجه برای هر دو معیار سرمایه گذاری شرکت صدق می کند. ما مشاهده کردیم که این الگو به مدت سه ماه بعد از پایان یک سال به طول می انجامد درحالی که از نظر آماری فراتر از محدوده ضعیف تر است. علاوه بر آن ما توضیح دادیم که آیا محدودیت های مالی بر روی روابط بین سرمایه گذاری شرکت و نقدشوندگی سهام تاثیردارند. از آنجا که Fazzari, Hubbard, and Petersen (1988) به بررسی تاثیر محدودیت های مالی بر سرمایه گذاری شرکتی پرداختند، بسیاری از مطالعات ارتباط بین بازارهای بزرگ ناکامل و سرمایه گذاری شرکتی را ارزیابی کردند. به طوری که محدودیت های مالی از کارخانجات برای مالی کردن همه سرمایه گذاری های مطلوب ممانعت می کنند، کارخانجات محدود از نظر مالی به احتمال ضعفتری به فرصت های سرمایه گذاری مطلوب واکنش نشان می دهند، همانطور که در Kaplanand Zingales (1997) نشان داده شد. به عبارت دیگر برای سطح مشابهی از سرمایه گذاری شرکتی، فرصت های سرمایه گذاری احتمالاً در کارخانجات محدود از نظر مالی مناسبتر از کارخانجات غیرمحدود مالی و همتراز در سایر شرایط هستند. این یافته در راستای کاهش سود حاشیه فرصت های سرمایه گذاری است. بنابراین، ما فرض می کنیم که با ایجاد هر تغییر در سرمایه گذاری شرکت، کارخانجات محدود از نظر مالی احتمالاً تغییرات بزرگتری را تجربه می کنند و اثرات قوی تری روی نقدشونگی سهام خواهند داشت.

بخشی از مقاله انگلیسی:

1. Introduction

The recent corporate investment literature documents that optimal corporate investment changes the risk of a stock (Berk, Green, & Naik, 1999). Then how does a change in the risk of a stock affect stock liquidity? The market microstructure literature addresses that a change in the risk affects the pricing strategy of market makers, leading to a change in the price impact, i.e. stock liquidity (Kyle, 1985). In this analysis, we establish a link between corporate investment and stock liquidity by connecting this line of corporate investment study to the market microstructure literature. Specifically, we provide empirical evidence on the role of corporate investment in shaping stock liquidity and argue that the risk shift from corporate investment contributes to stock liquidity. We motivate the current study as follows. In their seminal paper, Berk et al. (1999) argue that corporate investment decision can be evaluated in a real options context because the decision to invest converts growth options into assets in place. Thus, if growth opportunities are fi- nite, corporate investment decision changes the ratio of growth options to assets in place, i.e. the asset risk of a firm, leading to a change in the risk of its stock. In other words, the risk of a stock relates to current and historical investment decisions of the firm. (Carlson, Fisher, & Giammarino, 2004) Specifically, optimal corporate investment decreases the risk of a stock, mostly its systematic part. Even when the new assets are risky, they are less risky than the options they replace. (Carlson, Fisher, & Giammarino, 2006).1 This line of study contributes to the asset pricing literature by exploring the implications of corporate investment for the cross section and time series of expected returns. Berk et al. (1999) are among the first to construct a dynamic real options model by analyzing the risk change in the context of corporate investment. Carlson et al. (2004), Zhang (2005), Li, Livdan, and Zhang (2009), and Liu, Whited, and Zhang (2009) are in line with the model. On the other hand, stock liquidity is endogenously determined. In particular, stock liquidity is governed by different trade motives such as private information (Kyle, 1985; Glosten & Milgrom, 1985) and liquidity (Admati & Pfleiderer, 1988). As both trade motives are subject to the risk of a stock, a change in the risk leads market makers to change the pricing strategy, affecting the price impact. Specifically, Kyle (1985) proposes that at the equilibrium, the risk of a stock shows a negative relationship with stock liquidity. Moreover, the recent liquidity literature provides evidence on a negative association between the systematic component of the risk and stock liquidity.2 Taken together, regardless of the risk source or structure, a change in the risk of a stock negatively co-varies with stock liquidity. By combining these two lines of study, we can hypothesize that corporate investment affects stock liquidity through the pricing strategy of market makers. Specifically, we conjecture that optimal corporate investment improves stock liquidity by lowering the risk of a stock. To our best knowledge, this study is the first empirical analysis linking corporate investment to stock liquidity by emphasizing the risk shift from corporate investment. To address this association, we develop a research design to capture the effect of an exogenous change in corporate investment on stock liquidity. Specifically, following Titman, Wei, and Xie (2005), we define corporate investment as the deviation from the prior three-year moving average corporate investment. This approach minimizes a firm-fixed effect by removing a persistent characteristic from a raw variable. Then, we employ abnormal corporate investment as an exogenous shock and investigate the cross-sectional relationship between abnormal corporate investment and subsequent stock liquidity. In the meantime, the literature addresses that there is the feedback effect of stock liquidity on corporate investment.3 As a determinant of required returns (Acharya & Pedersen, 2005), stock liquidity expands the set of profitable investment opportunities and increases corporate investment. (Derrien & Kecskes, 2013: Becker-Blease & Paul, 2006). Therefore, we also investigate if our analysis is subject to the endogeneity issue.4 Our empirical analysis shows that corporate investment indeed contributes to stock liquidity. First, a portfolio analysis illustrates that stock liquidity is significantly high for firms with a high level of corporate investment. Specifically, we sort a universe of stocks based on past stock liquidity and abnormal corporate investment every year. After a fiscal year ends, firms with a high level of corporate investment exhibit a high level of stock liquidity while firms with a low level of corporate investment present a low level of stock liquidity for both corporate investment measures. To comply with the corporate investment literature, we employ two measures for corporate investment: capital expenditure and capital expenditure plus R&D. Second, the cross-sectional regression analysis confirms the role of corporate investment in shaping subsequent stock liquidity. In particular, when we run the Fama and MacBeth (1973) type yearly crosssectional regression, abnormal corporate investment is positively associated with subsequent stock liquidity even after controlling for wellknown determinants such as past stock liquidity and several stock characteristics. This result holds for both corporate investment measures. We observe that this pattern lasts for three months after a fiscal year ends while it gets statistically weaker beyond the horizon. Furthermore, we examine whether financial constraints have an impact on the relationship between corporate investment and stock liquidity. Since Fazzari, Hubbard, and Petersen (1988) address the effect of financial constraints on corporate investment, many studies investigate the relationship between imperfect capital market and corporate investment.5 As financial constraints prevent firms from financing all the desired investments, financially-constrained firms are less likely to respond to profitable investment opportunities, as shown in Kaplan and Zingales (1997). In other words, for the same level of corporate investment, investment opportunities are more likely to be profitable for financially-constrained firm than for financially-unconstrained firms other things equal. This intuition is consistent with a decreasing marginal productivity of investment opportunity. Therefore, we hypothesize that given any change in corporate investment, financially-constrained firms are likely to experience a greater risk shift and show a stronger effect on stock liquidity.