در حقیقت حسابداری مالی سنتی قادر به محاسبه ارزش واقعی شرکتها نمیباشد و تنها به اندازه گیری ترازنامه مالی و دارایی های ملموس اکتفا می کند. سرمایه فکری یک مدل جدید کاملی را برای مشاهده ارزش واقعی سازمانها فراهم می آورد و با استفاده از آن می توان ارزش آتی شرکتها را نیز محاسبه کرد. در این تحقیق، ابتدا بر اساس روشی کاربردی، ارزش سرمایه فکری شرکتهای سرمایه گذاری برای دوره زمانی 6 ساله از 1380 تا 1385 محاسبه، سپس در مرحله بعد، ارتباط بین ارزش سرمایه فکری و بازده مالی شرکتهای سرمایهگذاری فعال در بورس اوراق بهادار تهران مورد ارزیابی قرار گرفته است. در تحقیق حاضر، روش آماری استفاده شده به منظور تجزیه و تحلیل داده ها، روش حداقل مربعات تعمیمیافته (GLS) می باشد. یافته ها حاکی از رابطه معنادار مثبت بین سرمایه فکری و بازده مالی؛ سرمایه فکری و بازده مالی آتی؛ نرخ رشد سرمایه فکری و نرخ رشد بازده مالی آتی شرکتهای سرمایهگذاری در بورس اوراق بهادار تهران، میباشد.با توجه به این نتایج، میتوان بهرهگیری شرکتها، سهامداران، سرمایهگذاران و سایر گروههای ذینفع در استفاده از این مدل را برای کسب بازده مالی بالاتر در آینده، پیشنهاد کرد.
هدف اصلی شرکت ها به حداکثر رساندن ثروت سهامداران است. یکی از عوامل مؤثر بر این امر، ساختار سرمایه می باشد. پژوهش حاضر، پس از بررسی همبستگی ساختار سرمایه و سودآوری 300 شرکت پذیرفته شده در 12 صنعت و حصول اطمینان از وجود رابطه معنی دار بین این دو متغیر، به تعیین ساختار بهینه سرمایه در سطح کل شرکت ها و همچنین در صنایع مختلف پرداخته است. نتایج همبستگی حاکی از آن است که رابطه ساختار سرمایه و سودآوری به تعریف متغیر سودآوری بستگی دارد. به دلیل وجود رابطه معنی دار بین ساختار سرمایه و نرخ بازده دارایی ها در سطح کل شرکت ها و همچنین صنایع مختلف، از این متغیر به عنوان معیار سودآوری و عامل تعیین کننده ساختار بهینه سرمایه در الگوریتم ژنتیک استفاده شده است. به منظور مدل سازی داده های ورودی (ساختار سرمایه) و خروجی (نرخ بازده دارایی ها) از رگرسیون بردارهای پشتیبان و به منظور تعیین ساختار بهینه سرمایه از الگوریتم ژنتیک استفاده شد. نتایج الگوریتم ژنتیک حاکی از آن است که بیشترین سودآوری در ازای استفاده کمتر از اهرم مالی (بدهی) حاصل شده است. این یافته با نتایج همبستگی، مبنی بر وجود رابطه منفی بین ساختار سرمایه و نرخ بازده دارایی ها مطابقت دارد.
تحقیق حاضر به مقایسه انواع تحلیل های رگرسیونی شامل رگرسیون سری زمانی، رگرسیون مقطعی، رگرسیون میانگین و رگرسیون تجمعی برای داده های حسابداری می پردازد. مقایسه تحلیل های رگرسیونی با استفاده از داده های حسابداری محدود و به کمک ضریب تعیین، آزمونF و آزمون t انجام شده است. نتایج تحقیق نشان می دهد که رگرسیون سری زمانی جهت مطالعات موردی، رگرسیون مقطعی جهت مطالعات سالیانه و رگرسیون تجمعی جهت مطالعات کلی و فراگیر مناسب است. البته رگرسیون تجمعی با توجه به فراهم آوردن امکان دستیابی به نتایج کلی تر و به دور از سوگیری، در تحقیقات حسابداری بیشتری مورد استفاده قرار گرفته است. رگرسیون میانگین نیز به دلیل تمرکز بر داده های مرکزی، در تحقیقات حسابداری کاربرد اندکی داشته است.
این مقاله به بررسی امکان توصیف بهتر هم تغییری بازده بازار و بازده سهام شرکت های فعال در بورس های ایران و هفت کشور دنیا و پرداختن به مدل قیمت گذاری دارایی سرمایه ای با استفاده از رویکرد تبدیل موجک پرداخته است. در این راستا داده های مربوط به شاخصهای بورس های اوراق بهادار تهران، سئول، هنگ کنگ، بوینس آیرس، مکزیکوسیتی، وین، لندن، نیویورک، نزدک، و شاخص های بین الملل نیویورک، شاخص S&P100 و شاخص S&P500 و مولفه های آنها استخراج شده و جزییات آنها توسط سطوح مختلف موجک های هار، دابشیز، سیملت و کوایفلتز استخراج گردیده و بتاها و معناداری بتاها استخراج گردید نتایج نشان می دهد که بتاهای استخراج شده با استفاده از موجک نسبت به حالت به طور معناداری بیشتر است از طرفی کارایی کابرد توابع مختلف تبدیل موجک یکسان است. ولی سطوح بالاتر که مبین زمان مقیاس های طولانی تر هستند معنادارتر و کارآتر می باشند. کارایی کاربرد زمان مقیاس های مختلف برای شاخص های مختلف یکسان نیست و بازارهای مختلف در زمان مقیاسهای متفاوتی بهتری کارایی را ارایه می دهند.