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) 

سانگ و تاکور (2010a) مبنای نظری را برای ارتباط تعاملی بین بانک ‌ها و بازارهای سرمایه مطرح نمودند. این محققان به معرفی تعامل سه بعدی بین واسطه‌ها و بازارها با نام‌ های، تعامل رقابتی، مکمل و تحول مشترک پرداختند. آن‌ها به این مبحث پرداختند که بانک‌ها در محیط بازاری رقیب یکدیگر هستند و از جهاتی دیگر، آن‌ها به صورت مستقل یا خود کفا مد نظر قرار می‌گیرند. این بدان معناست، زمانی که آن‌ها از نظر تعاملی مد نظر قرار می‌گیرند، به جای رقابت با هم، دارای تحولات مشترک یا مکمل هم هستند. برای نمونه، محققان دو سناریو را مطرح می‌کنند که برای ارتباط بین بانک ‌ها و بازارها –اثر ضمانت و سرمایه بازاری مهم است. فرایند ضمانت باعث حذف حساسیت ‌ها (یعنی تاییدیه و سرمایه‌گذاری) می‌گردد به این صورت که سرمایه‌گذاری را تسهیل کرده و مانعی برای سرمایه‌گذاری برای افراد به دلیل قضاوت‌های نادرست بانک (مشکلات تاییدیه) یا بازارها ( مشکلات سرمایه‌گذاری) ایجاد نمی‌کند. در مورد سناریو سرمایه بانکی، حساسیت‌های سرمایه‌گذاری بانکی از طریق بازارها کاهش می‌یابد، و شرایط سرمایه‌گذاری برای وام‌های ریسک ‌پذیرتر تقویت می‌گردد زیرا همان وامی که پیش از این دادنش سخت بود، اعطا شده، و به این ترتیب حساست‌های فرایند تایید کمتر می‌شود و خدمات به مشتریان قبلی ارائه می‌گردد. این بازخوردها دارای تاثیراتی روی تعاملات بین بانک‌ها و بازارها دارد، که محققان از آن با نام چرخه معیوب یاد می‌کنند که به تایید تحول مشترک بین این بخش‌ها می‌پردازد. سانگ و تاکور (2010b)، بر این اعتقاد هستند که نکته مهم در اینجا وجود فرایند مکمل بین نهادهای بانکی قدرتمند و بازارهای خوش‌نقش است. در مجموع، سانگ و تاکور (2010a,b)، نشان می‌دهند که بانک‌ها و بازارها از طریق فرایند تضامنی و کانال‌های شرایط بانکی ریسک‌پذیر، با هم در ارتباط هستند.
با توجه به چارچوب نظری سانگ و تاکور (2010a)، محققانی همچون اوسورو و اوسانو (2014) از نظر تجربی، تعاملات بین بانک‌ها و بازار سرمایه را در نظام مالی کشور کنیا، تست کردند. آن‌ها ارتباط مکمل و تحول مشترکی را بین بانک و بازار سرمایه در ساختار مالی کشور کنیا، به عنوان یک اقتصاد بانک-محور مشاهده نمودند.
اخیرا، بک (2010)، نتوانسته است دلیل تجربی را در حوزه اقتصادهای بازار-محور و بانک-محور در تحلیل‌های میدانی حاصل از 40 اقتصاد توسعه یافته و در حال توسعه، مشاهده کند. او استنتاج کرد که نتایجش سازگار با دیدگاه خدمات مالی بوده، که این دیدگاه به پشتیبانی از اصل مکمل بودن به جای اصل مستقل بودن، بین واسطه‌ها و بازارها می‌پردازد. دیدگاه خدمات مالی، در ارتباط با این پرسش است که “چه” خدمات مالی ارائه می‌گردد به جای اینکه بپرسیم “چه کسی” به ارائه آن‌ها می‌پردازد. در این مورد می‌توان گفت که تاکید خدمات مالی، بر مبنای فرایند مکمل بین بانک‌ها و بازارها در نظام مالی، به جای نقش آن‌ها است.رابطه مکمل بین یین بخش‌هابا توجه به این امر توجیه می‌گردد که بخش‌های مختلف شرکتی توسط بانک‌ها و بازارها، جز در موارد شرکت‌های بزرگ، سرمایه‌گذاری می‌گردد. شرایط دیگر اینست که تاثیر منفی ساختار در سیستم، می‌تواند توسط بخش‌های دیگر ساختار جبران گردد. برای نمونه، “بازارهای توسعه یافته و نقدینه” می‌تواند تاثیر “بانک‌های مقتدر” را بلا اثر کند (بک، 2010)، و همچنین می‌تواند به بانک‌ها در اعطای اعتبار به مشتریان با ریسک بالاتر، کمک کند (سانگ و تاکور، 2010a، 2010b).

3. داده و روش بررسی
3.1 داده
داده‌های مورد استفاده در این پژوهش از نشریه آمار بانک مرکزی نیجریه سال 2014 اقتباش شده است. این پژوهش داده‌های سری زمانی ماهانه بین سال‌های 1981 تا 2014 را تحت پوشش قرار می‌دهد. بانک مرکزی نیجریه به عنوان راس مرجع مالی کشور نیجریه است که با سازمان ملی آمار در انتشار نشریه آماری سالانه همکاری دارد. این مورد به عنوان یکی از منابع اصلی و قابل تاییدداده‌های ثانویه با ماهیت متنوع و تحلیل‌های دیگر در کشور نیجریه است. مشخصا، این داده‌ها بر مبنای سری زمانی هستند زیرا آن‌ها دارای فراوانی یا ترتیب زمانی منظم هستند، و از این نظر آن را ثانویه می‌نامیم زیرا از منابعی که قبلا وجود داشته حاصل شده است و همچنین دارای مقیاس بندی و کمّی هستند.

3.2 خصوصیات مدل
این پژوهش تمرکزش را روی ایجاد رابطه بین توسعه بانکداری و توسعه بازار سرمایه قرار می‌دهد. مشخصا، توسعه بازار سرمایه بر مبنای نقش توسعه در بازارهای سهام و اوراق‌قرضه است. اما براساس اعتقاد سنتی محققان پیشین، تنها شاخص‌های رشد بازار سهام مورد استفاده قرار می‌گیرد. که در اینجا، توسعه بانک به عنوان متغیر وابسته، درحالیکه شاخص‌های توسعه بازار سرمایه به عنوان متغیر مستقل هستند. درحالیکه، توسعه بانک بر مبناتی تعداد تسهیلات اعتباری به بخش خصوصی سنجیده می‌شود، توسعه بازار سرمایه توسط اندازه و نقدینگی بازار سهام اندازه‌گیری می‌شود. شاخص‌های مورد استفاده در این فرایند عبارآزمون از: سرمایه‌گذاری بازار (MKTCAP) ، که به عنوان نماینده اندازه بازار و حجم معاملات سرمایه (TURNOVER) و نماینده نقدیندگی بازار سهام است.

که در این فرمول، CPS معرف اعتبار برای بخش خصوصی؛ MKTCAP معرف سرمایه‌گذاری بازار، TURNOVER معرف حجم معاملات، TBR معرف نرخ اسناد یا بروات خزانه؛ INF معرف تورم؛ M2 معرف پول رایج؛ و ɛt معرف ضریب خطا است.
در این مقاله، سعی می‌کنیم به بررسی موارد زیر بپردازیم: ارتباط میان لگاریتم طبیعی اعتبار به بخش خصوصی (LCPS) ، لگاریتم طبیعی سرمایه‌گذاری بازار (LMC) نرخ اسناد یا بروات خزانه داخلی (LR) ، لگاریتم تراز پول واقعی یا همان پول رایج (m2) تقسیم بر شاخص قیمت مصرف‌کننده که به صورت LM و D2005 تعریف می‌گردد که در سال 2005 و 2006 دارای کد 1 و در سال 2007 دارای کد -1 بود. بنابراین، ارتباط میان LCPI, LMC, LR و LM را مد نظر قرار می‌دهیم.

3.3 روش ADRL
روش ARDL دارای چندین مزیت در مقایسه با روش‌های هم‌انباشتگی (هم‌جمعی) است. این روش در نمونه‌های کوچک و محدود به منظور تعیین هم‌انباشتگی نسبتا کارآمد است و به این ترتیب باعث رد فرضیه صفر نادرست می‌گردد. دوما، این روش چنین امکانی را برای متغیرها ایجاد می‌کند تا ساختار وقفه مختلف را آشکار کند. در نهایت، این روش محدود نیست زیرا بدون در نظر گرفتن ترکیب متغیرهای ثابت یا غیرثابت، دارای کاربرد است.
روش ARDL متشکل از دو مرحله است (پرساران و پرساران، 1997) . در ابتدا، حضور ارتباط بلند‌مدت بین متغیرها در سیستم آزمون می‌گردد. برای انجام این کار، فرضیه صفر غیر هم ‌انباشتگی یا ارتباط غیربلند‌مدت، در برابر گزینه هم ‌انباشتگی از طریق سرشماری-Fآزمون می‌گردد. توزیع مجانبی سرشماری-F به صورت غیراستاندارد است، و ارزش بحرانی سرشماری-F توسط پساران و پساران (1997) و پساران و همکارانش (2001) نشان داده شده است. محققان دو مجموعه از ارزش بحرانی را نشان می‌دهند که یک مجموعه با این فرض محاصبه می‌گردد که تمام متغیرها در مدل ARDL برابر با I (1) و مجموعه دیگر با فرض اینکه این متغیرها برابر با I (0) است، محاسبه می‌گردد.
در مورد هر یک از این موارد کاربردی، هر دو مجموعه، دسته‌هایی را ایجاد می‌کند که تمام طبقه ‌بندی‌های احتمالی متغیرها در I(0) یا I (1) را تحت پوشش قرار می‌دهد، یا شامل بخشی از موارد انباشت شده است. اگر سرشماری-F محاسبه شده بزرگتر از کران بالای مربوط به ارزش بحرانی باشد، به این ترتیب، فرضیه صفر غیرهم ‌انباشتگی رد می‌گردد. از طرف دیگر، اگر این مقدار کمتر از کران‌های پایین مورد ‌نظر باشد، فرضیه صفر را نمی‌توان رد کرد. همچنین اگر مقدار F محاسبه شده بین کران‌های بالا و پایین باشد، نتیجه آزمون غیرقاطع خواهد بود. در فرایند محاسبه سرشماری-F به منظور تست وجود رابطه هم‌انباشتگی، طول وقفه p و q برابر است. اما زمانی که مدل ARDL بعد از مشاهده هم ‌انباشتگی برآورد شود، طول وقفه، با استفاده از معیار اطلاعاتی مناسب انتخاب می‌گردد، که می‌تواند منجر به p و q غیرهمسان گردد.
فرض کنید که متغیرها غیرثابت باشند، در مرحله بعدی به آزمون روابط هم ‌انباشتگی می‌پردازیم. جدول 2 به گزارش آمارهای آزمون مبتنی بر سرشماری آزمون F، کران‌ها در پنل A می‌پردازد. پنل B در جدول 1 گزارشی از آزمون‌های تشخیص مدل‌مان را نشان می‌دهد. نتایج ارائه شده در پنل B، آمارهای تجربی مربوط به آزمون LM بروش گادفری در مورد خود همبستگی مرتبه 1 و آزمون جعبه پیرس مرتبه 2 را نشان می‌دهد. آزمون ریست رامسی برای شکل عملیاتی صحیح رابطه بالا نیز نشان داده شده است. بر طبق به آزمون ریست، مدل‌ها بصورت دقیق مشخص می‌گردند، و آزمون نرمالیته جارکو برا (IB) ، نرمالیته پسماند را نشان می‌دهد.در روش مشابه، هیچ مدرکی از ناهمگن بودن واریانس بر طبق به آزمون HET کرونکر و باست و آزمون آرچ اِنگل وجود ندارد. بنابراین، عملکرد مدل از فرض‌های رگرسیون کلاسیک منحرف نشده، و نشان می‌دهد که آن‌ها به طور دقیقی مشخص شده و می‌تواند برای آزمون هم‌انباشتگی در میان متغیرها مورد استفاده قرار گیرد. علاوه بر این، برای اطمینان از اینکه نتایج وابسته به تکنیک‌های مورد استفاده نباشند، به بررسی مقطعی پژوهش‌مان از طریق اجرای آزمون هم انباشتگی شین برای طول وقفه مختلف پرداخته به صورتی‌که فرضیه صفر به صورت هم‌انباشته است. این فرضیه صفر، متفاوت از مورد آزمون کراناست، به صورتی‌که فرضیه صفر به صورت غیرهم‌انباشته است.
فرضیه صفر رابطه غیرهم‌انباشته، در میان متغیرها به صورت زیر تدوین می‌گردد: به صورتی که j= p, q, m, n است و می‌تواند به ترتیب به صورت F (LCPS |LMC, LR, LM) (مدل 1)، F (LMC |LCPS, LR, LM) (مدل 2)، F (LR |LCPS, LMC, LM) (مدل 3) و F (LM |LCPS, LMC, LR) (مدل 4) نشان داده می‌شود. تمام این موارد بر مبنای آزمون F، براساس اهمیت مشترک متغیرهای وقفه دار هستند. در این شرایط، نتیجه‌گیری ما براساس هم ‌انباشتگی در میان متغیرها، بدون در نظر گرفتن این شرایط است که آیا متغیرها ثابت هستند یا خیر، و اینکه آیا آمار آزمون مورد نظر، فراتر از دسته بحرانی فوقانی است یا خیر.

مبتدی (مناسب برای درک مفهوم کلی مطلب) 

در سال 2007 KPMG یک نظرسنجی از 18 بانک بزرگ اتحادیه اروپا انجام داد که در مطابقت با IFRS گزارش‌نویسی می‌کردند و نتیجه گرفت که اندازه اظهارات سالانه تحت IFRS به‌صورت معناداری در مقایسه با اندازه اظهارات تحت اصول حسابداری ملی افزایش‌یافته است. نتیجه مهم مطالعه انجام‌شده در نظر گرفتن مقررات جمعی در برابر فردی بوده که درنتیجه تست‌هاي نقدینگی بر وام‌ها به‌دست‌آمده بود. در اینجا تفاوت معناداری بین بانک‌ها به‌عنوان درصدی از مقررات جمعی از 3% تا 87.8% شناسایی شد.
دان و همکاران (2008) پیاده‌سازی IFRS را در بریتانیا، ایرلند و ایتالیا مطالعه کردند و چندین موضوع را درباره آموزش کارکنان کشف کردند. به خاطر اینکه استانداردهای ویژه بسیار فنی و نیازمند مهارت‌های خاصی بودند، مؤسسات مالی غالباً با مشاوران خارجی قرارداد بسته تا از دانش تخصصی و مهارت آن‌ها بهره ببرند. یکی از موضوعات اصلی پذیرفتن سیستم‌های اطلاعاتی با تمرکز بر فرآیندهای جدید و مدل‌های طراحی و پیاده‌سازی بود.
درباره تأثیر پیاده‌سازی IFRS بر نظام بانکی رومانی، KPMG چندین مطالعه در سال‌های 2010 و 2011 انجام داد. این مطالعات بر شناسایی تفاوت‌های بین الزامات مقررات حسابداری ملی و IFRS متمرکز بودند و تأثیر آن را بر درآمد و ارزش ویژه بانک اندازه‌گیری کردند. گرکو (2011) چالش‌های پیاده‌سازی IFRS را برای بخش بانکی از دیدگاه مدیریت و حسابرسان در ارتباط با چالش‌های سیستم IT و آموزش کارکنان و تأکید بر اهمیت قضاوت‌های حرفه‌ای تحلیل کرد، درحالی‌که یوناسکو و همکاران (2011) نظرات مدیرعاملان شرکت‌های فهرست شده رومانی درباره الزامات IFRS را بررسی کرد. بونئا و همکاران (2011) دیدگاه متخصصان حسابداری را در رومانی درباره پتانسیل پیاده‌سازی IFRS برای SMEها بررسی کرد و دريافت که بيش از نيمي از پاسخ‌دهندگان بر این باورند که مقررات کنونی سطح قابل قبولی از ساده‌سازی را برای SME ها فراهم نمی‌کند و به همین علت سیستم گزارش‌نویسی ساده‌تری برای این نهادها موردنیاز است.
3. روش تحقیق
به‌منظور دستیابی به هدف این مطالعه، نمونه پنج مؤسسه مالی از نظام بانکی رومانی انتخاب شدند. ضابطه گزینش اندازه بانک‌ها به لحاظ دارایی و موجودیت داده‌های مالی بود. اظهارات مالی RAS گزارش‌نویسی مطابق با IFRS به‌منظور مشخص کردن تفاوت‌های موجود در میزان دارایی‌ها و بدهی‌ها مقایسه شدند.
با مشخص کردن نتایج، این مقاله هدف‌ دارد تا علت یافته‌های مرتبط با ارقام مالی شده تحت RAS و IFRS را توصیف کند. حوزه تمایل اصلی انجام مقررات با نظر گرفتن سنجش نقدینگی موجود و شناسایی رویدادهای تقویت‌کننده است.
این مقاله به ارزش اوراق قرضه، ارزش ویژه و نتایج گزارش‌شده تحت هر دو الزام گزارش‌نویسی و استفاده از روش نرخ بهره مؤثر، مالیات معوقه و کمیسیون ها نگاهی خواهد داشت.
یکی از الزامات مهم IFRS تشخیص اولیه و ارزشیابی مجدد دارایی‌ها باارزش منصفانه است. مسائلی به لحاظ نوسان شدید دارایی‌ها ممکن است به وجود آمده و نگرانی‌هایی به لحاظ جنبه‌های احتیاطی ایجاد کند.

4. نتايج
IFRS نیازمند اقدامات ویژه برای مقررات است. به‌منظور تشخیص مقررات شرایط ضروری باید برآورده شوند. اثبات هدف باید از رویدادهای تشدیدکننده حاصل شود. این رویداد باید به تأثیری منفی بر ارزش جریانات نقدینگی مدنظر آینده (یک دارایی یا مجموعه دارایی‌ها) منجر شود.
بنا بر IFRS یک مؤسسه مالی می‌تواند مقررات ویژه یا جمعی را برقرار کند. مقررات جمعی برای دارایی‌هایی که به‌صورت فردی معنادار در نظر گرفته نمی‌شوند (اما ممکن است بر مزایای مدنظر تولیدشده توسط دیگر دارایی‌ها تأثیرگذار باشند) یا مجموعه دارایی‌ها با نمایه ریسک مشابهی باشند برقرار می‌شود، درحالی‌که مقررات ویژه برای دارایی‌هایی که به لحاظ فردی حائز اهمیت در نظر گرفته می‌شوند که برای آن‌ها اثبات کاهش بها شناسایی‌شده است برقرار می‌شوند.
اجزای اصلی در به‌کارگیری این مدل شامل موارد زیر می‌شوند:
• شناسایی دارایی‌ها یا مجموعه دارایی‌هایی که متأثر از رویدادهای تشدیدکننده هستند؛
• به کار بردن تست نقدینگی با مقایسه ارزش حسابداری با ارزش قابل بازیابی آن؛
• شناسایی رویدادهای تشییع‌کننده (داده‌های قابل‌مشاهده‌ای که نشان می‌دهند دلایلی وجود دارد تا انتظار داشته باشیم جریانات نقدینگی مرتبط با یک دارایی یا مجموعه دارایی‌ها کاهش خواهند یافت).
مطابق با مقررات NBR شماره 3/2009، مقررات ویژه برای ریسک اعتباری با به کاربردن ضوابط زیر برقرار می‌شوند:
• عملکرد مالی (مقررات با کاهش عملکرد مالی برقرارشده و از این دیدگاه می‌توان استدلال شود که این مدل برای رویدادهای تشدیدکننده، در این مورد دشواری‌های مالی، در نظر گرفته نمی‌شود)؛
• خدمات وام؛
• ایجاد روندهای قضاوتی (که در آن وام به‌صورت زیان دسته‌بندی‌شده و ارزش مقررات 100% ارزشی است که توسط یک ضمانت پوشش داده نشده است).