پیش‌بینی‌های مدیریتی، ریسک ویژۀ شرکت و محیط اطلاعاتی ‏ ‏(شواهدی از شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران)‏

مقدمه ‏
فعالان بازار سرمایه به جریان مداوم اطلاعات برای ارزیابی ریسک و قضاوت دربارۀ چشم‌اندازهای آینده به‌منظور قیمت‌گذاری دقیق ‏سهام تکیه می‌کنند. با گذشت زمان به دلیـل گستردگی خطـرات و حـوادث نامطلوب متعدد در جهان که بخشی از آن از افزایش ‏فعالیت‌هـای اقتصـادی و مناسـبات اجتمـاعی و سیاسـی نشأت می‌گیرد، بی‌اطمینانی نسبت‌به آینده بیشتر شده است؛ بنابراین نیاز ‏روزافزون فعالان حوزۀ مالی، به‌منظـور کنتـرل و مدیریت، باعث انواع ریسک‌ها شده است. ازجمله ریسک ویژۀ شرکتی. ریسک ‏ناشی از عوامل داخلی شرکت بسته به شـرایط خـاص همان شرکت وجود دارد و بی‌ارتباط با شرکت‌های دیگر است.‏‎ ‎مدیریت ‏شرکت اغلب با ارائۀ اطلاعات از طریق کانال‌های مختلف مانند نهادهای نظارتی و افشای داوطلبانۀ آن، سعی در کاهش ریسک دارد ‏‏(‏‎2001‎‏, ‏Healy & Palepu‏). پیش‌بینی‌های مربوط به درآمد شرکت یکی از سازوکار‌های افشای داوطلبانۀ اطلاعات است که از طریق ‏آن مدیران می‌توانند اطلاعات اضافی و سیگنال‌هایی را دربارۀ عملکرد موردانتظار شرکت خود ارائه دهند که رایج‌ترین آن، ‏پیش‌بینی‌های مدیریت از درآمد شرکت برای هر سهم در دورۀ آتی است (‏‎ 2016‎‏,.‏Forester and et al‏). بر این اساس بهبود افشا و ‏کیفیت گزارشگری مالی، عدم تقارن اطلاعاتی را دربارۀ عملکرد شرکت و نوسان‌های قیمت سهام کاهش می‌دهد‎.‎‏ مشخص است که ‏افزایش کیفیت گزارشگری و افشای اطلاعات مالی با روند کاهشی در ریسک ویژۀ سهام رابطه دارد (‏‎2016‎‏,‏Kitagawa & Okuda‏)‏‎.‎‏ ‏علاوه بر گزارش‌دهی مالی، پیش‌بینی مدیریتی کانال مهمی برای افشای اطلاعات است. بنابراین سو‌گیری‌های مدیریتی در این موارد ‏می‌تواند بر ریسک ویژۀ شرکت اثرگذار باشد. برای این منظور انحرافات پیش‌بینی‌های مدیریتی می‌تواند معیار و عاملی برای بررسی ‏افشای اطلاعات صحیح از شرکت‌ها باشد (‏‎ 2016‎‏,‏Kitagawa & Okuda‏). در مطالعات مختلف به این موضوع به‌عنوان معیاری برای ‏سوگیری‌های مدیریتی توجه شده است (‏Abdel-Khalik, 2008; Ota, 2010; Rajgopal & Venkat achalam, 2011‎‏). این در حالی‌ ‏است که تطابق‌نداشتن پیش‌بینی مدیریت و نوسان‌های ناشی از آن در کمتر مطالعاتی بررسی شده است (‏‎ 2016‎‏,‏Kitagawa & ‎Okuda‏). با توجه به تأثیر افشای اطلاعات بر ریسک ویژه به‌عنوان موضوعی مهم در بازار سرمایۀ کشور که به دلیل سلیقه‌ای‌بودن و ‏دقت پایین در پیش‌بینی‌ها، باعث مشکلات تصمیم‌گیری برای سرمایه‌گذاران و اعتباردهندگان شده و زمینه‌ساز تخصیص نامناسب ‏منابع‎ ‎مالی در کشور است. در این مطالعه با در نظر گرفتن نوسان‌های پیش‌بینی‌های مدیریتی به‌عنوان معیاری مناسب برای افشای ‏اطلاعات، اثر این متغیر بر ریسک ویژۀ شرکت‌های پذیرفته در بورس اوراق بهادار بررسی شده است.‏
‎ ‎علاوه بر این موضوع، تعامل بین محیط اطلاعاتی و اطلاعات افشاشده نیز بررسی می‌شود. در مدل‌های تحلیلی در حسابداری ‏به‌طور معمول فرض می‌‌شود که اختلال‌های اطلاعاتی ‏ به‌وسیلۀ سیگنال‌ها‎ ‎کاهش پیدا می‌کند (‏‎ 2003‎‏,‏Christensen & Feltham‏). ‏یعنی در محیط اطلاعاتی ضعیف، به غیر از اطلاعات حسابداری، اطلاعات اندکی برای پیش‌بینی جریان نقدی آتی وجود داشته ‏است؛ بنابراین اطلاعات حسابداری با کیفیت بالا باعث کاهش اختلال‌های سرمایه‌گذار می‌شود. از سوی دیگر، در محیط اطلاعاتی ‏قوی سرمایه‌گذاران به‌آسانی می‌توانند به منابع اطلاعاتی دیگر دست پیدا کنند و عدم قطعیت خود را کاهش دهند. در این شرایط، ‏سرمایه‌گذاران به اطلاعات افشاشده توجه کمتری دارند (‏‎ 2016‎‏,‏Kitagawa & Okuda‏). بر همین اساس در این پژوهش بر موضوع ‏رابطۀ بین پیش‌بینی‌های مدیریت و ریسک شرکت تأکید و اثر محیط اطلاعاتی بر رابطۀ بین خطای پیش‌بینی مدیریت و ریسک ویژه ‏بررسی شده است که جزء ضرورت‌هاست.‏
این مطالعه با سه روش کمک‌کنندۀ سایر پژوهش‌هاست. نخست آنکه رابطۀ بین کیفیت اطلاعات افشاشده و ریسک شرکت ‏بررسی می‌شود. براساس مطالعات پیشین، راج گوپال و ونکاتاچالام ‏ (‏‎2011‎‏) بیان کردند که اطلاعات مناسب باعث کاهش ریسک ‏ویژۀ شرکت می‌شود و همان‌طور که دیچو و دیچف ‏ (‏‎2002‎‏) اعلام کردند، هرچه کیفیت اقلام تعهدی بالاتر باشد، ریسک ویژۀ ‏شرکت کمتر است. موسوی شیری، روشندل و خلعتبری ‎ ‎‏(‏‎2018‎‏) در پژوهش خود وجود رابطه‌ای معنادار را بین هر سه معیار کیفیت ‏اطلاعات با ریسک نقدشوندگی سهام بیان کردند. در پژوهش پیش‌رو، برای نخستین بار و به‌گونه‌ای متفاوت از سایر مطالعات پیشین، ‏به دقت پیش‌بینی‌های مدیریتی به‌عنوان معیاری برای کیفیت اطلاعات افشاشده توجه و رابطۀ بین خطای پیش‌بینی مدیریتی و ریسک ‏ویژه بررسی شده است. تفاوت دیدگاه این پژوهش با سایر مطالعات انجام‌شده در آن است که در مطالعۀ حاضر علی‌رغم ‏سوگیری‌های پیش‌بینی مدیریتی، بر دقت و صحت پیش‌بینی مدیریتی توجه شده است. زیرا دقت پیش‌بینی مدیریتی، علاوه بر تعمد ‏مدیران بر دستکاری اطلاعات، از طریق توانایی ‌نداشتن آنها در پیش‌بینی سود شرکت نیز کاهش می‌یابد. همچنین چگونگی تغییر ‏خطای پیش‌بینی مدیریتی براساس کیفیت محیط اطلاعاتی بررسی شده است. طبق یافته‌های بوتوسان ‏ (‏‎1997‎‏) در شرکت‌هایی با ‏محیط اطلاعاتی ضعیف، افشاگری بیشتر با هزینۀ سرمایه کمتر ارتباط دارد. آمان ‏ (‏‎2011‎‏) به تأثیر تعامل بین اعتبار پیش‌بینی و ‏پوشش رسانه‌ای عملکرد سود شرکت به‌عنوان معیاری از محیط اطلاعاتی شرکت پی ‌برد.‏‎ ‎رشیدی ‏ (‏‎2020‎‏) به نبود رابطۀ معنادار بین ‏ریسک محدودیت‌های مالی با توانایی مدیران در برقراری توازن بین محتوا و پراکندگی بازده شرکت پی برد. متغیرها و ‏تجزیه‌وتحلیل‌های صورت‌گرفته در این مطالعه، با تجزیه‌وتحلیل انجام‌شده در مطالعات پیشین متفاوت است. به عنوان مثال، در این ‏پژوهش از واریانس باقیماندۀ رگرسیون بازده سهام شرکت برای اندازه‌گیری خطای پیش‌بینی مدیریتی و از متغیر دامنۀ قیمت ‏پیشنهادی خریدوفروش سهام به‌عنوان یکی از شاخص‌های اندازه‌گیری محیط اطلاعاتی شرکت استفاده شده است. ‏
بررسی‌ها نشان از آن دارد که تاکنون مطالعه‌ای در ایران دربارۀ رابطۀ تعاملی بین پیش‌بینی مدیریت و تعامل آن با ریسک ویژۀ ‏شرکتی با در نظر گرفتن محیط اطلاعاتی صورت نگرفته است. زلقی و همکاران‏ ‏ (‏‎2004‎‏)، فروغی و نعل‌شکن ‏ (‏‎2010‎‏) و فدایی نژاد ‏و نیکو سخن ‏ (‏‎2018‎‏) ازجمله پژوهشگرانی بودند که اثر ریسک غیر سیستماتیک و اطلاعات نادرست شرکتی را براساس ‏پارامترهای متعدد بررسی کردند. اما بررسی اثرگذاری هم‌زمان سه عامل پیش‌بینی‌های مدیریتی، ریسک ویژه و محیط اطلاعاتی در ‏مطالعات داخلی گذشته به چشم نمی‌خورد. علاوه بر آن، پارامترهای اندازه‌گیری محیط اطلاعاتی نیز براساس داده‌های موجود در ‏ایران و پارامترهای شناسایی‌شده برای اندازه‌گیری این متغیر در پژوهش‌ فخاری و رضایی پیته نوعی ‏ (‏‎2017‎‏)، با تکیه بر ضریب ‏اهمیت و در دسترس بودن اطلاعات، بومی‌سازی شده است. بنابراین شناخت این پدیده و تصمیم‌گیری درست در رابطه با آن از ‏ویژگی‌های نوآورانۀ این پژوهش است که آن را متفاوت با دیگر پژوهش‌های هم‌راستا کرده است.‏
در بخش بعدی، مبانی نظری و مطالعات تجربی انجام‌شده در زمینۀ روابط بین ریسک خاص شرکت و کیفیت اطلاعات منتشره ‏از سوی شرکت‌ها بیان می‌شود. بخش سوم، شامل روش پژوهش و مدل نظری استفاده‌شده در این مقاله است. در بخش چهارم، ‏داده‌ها و نتایج تجربی ارائه و درنهایت جمع‌بندی، نتایج، پیشنهادها و محدودیت‌های پژوهش در بخش پنجم گزارش می‌شود.‏

مبانی نظری ‏
ریسک‌پذیری، نقش با‌اهمیتی در حفظ مزیت رقابتی شرکت‌ها دارد و آنها را به‌سوی رشد اقتصادی بالاتر سوق می‌دهد. ادبیات مالی ‏نشان می‌دهد بازده سهام شرکت‌ها تحت‌تأثیر ریسک ویژه است (‏Malekian & Shayestehmand, 2016‎‏). ریسک ویژه آن قسمت از ‏تغییرات در بازده اوراق بهادار است که ارتباطی با تغییرپذیری بازار نداشته است و به عواملی همچون ریسک تجاری، مالی و ‏نقدینگی بستگی دارد. براساس نظریۀ انتظارات عقلایی، قیمت سهام تجلی اطلاعات حال و انتظارات مربوط به آینده است و ‏اطلاعات جدید عامل اصلی‎ ‎تغییر‎ ‎قیمت‌‏‎ ‎محسوب‎ ‎می‌شود. طبق فرضیۀ‎ ‎بازار‎ ‎کارا‎ ‎نیز‎ ‎قیمت‎ ‎اوراق‎ ‎بهادار‎ ‎به‌سرعت نسبت‌به‎ ‎اطلاعات‎ ‎جدید‎ ‎تعدیل‎ ‎می‌شود (‏‎ 2018‎‏,‏Kffashpour yazdi and et al.‎‏). اما‎ ‎یک‎ ‎بازار می‌تواند‎ ‎نسبت‌به‎ ‎برخی‎ ‎اطلاعات‎ ‎کارآمد‎ ‎نباشد؛ به‎ ‎عبارت‎ ‎دیگر،‎ ‎در صورتی ‌که‎ ‎مدیران‎ ‎یا‎ ‎اعضای‎ ‎هیئت‌مدیرۀ شرکت‌ها‎ ‎از‎ ‎انتشار‎ ‎برخی‎ ‎از اطلاعات‎ ‎خودداری‎ ‎کنند،‎ ‎این‎ ‎اطلاعات‎ ‎در‎ ‎قیمت‌های ‏بازار‎ ‎منعکس‎ ‎نمی‌شود.‏‎ ‎با‎ ‎توجه‎ ‎به‎ ‎نظریۀ‎ ‎نمایندگی، مدیران‎ ‎به‌منظور‎ ‎حداکثرکردن‎ ‎منافع‎ ‎خود‎ ‎انگیزۀ زیادی‎ ‎برای‎ ‎دست‌کاری‎ ‎سود‎ ‎دارند؛ ‏بنابراین‎ ‎تمایل دارند‎ ‎وضعیت‎ ‎شرکت‎ ‎را‎ ‎بهتر‎ ‎از‎ ‎آنچه‎ ‎هست‎ ‎جلوه دهند‎ ‎و‎ ‎با‎ ‎توجه‎ ‎به‎ ‎اختیاراتشان‎ ‎در‎ ‎ارائۀ‎ ‎گزارش‌ها، فرصت‎ ‎اعمال‎ ‎این‎ ‎رویه‎ ‎را‎ ‎نیز‎ ‎دارند (‏‎ 2008‎‏,‏and et al.‎‏ ‏Ebrahimi Kordler‏).‏‎ ‎آنها با دست‌کاری سود، اثرات منفی را که باید به‌تدریج بر روند بازده ‏شرکت انباشته شود، پنهان می‌کنند که می‌تواند پس از مدتی یک‌باره افشا شود. این امر ریسک ویژۀ شرکت را افزایش می‌دهد (‏‎ ‎‎2008‎‏,.‏Haggard and et al‏). بنابراین یکی از مواردی که می‌تواند بر ریسک شرکت‌ها مؤثر باشد، کیفیت افشای اطلاعات از سوی ‏شرکت است‎.‎‏ طبق دیدگاه اقتصاد اطلاعات، افشای اطلاعات باعث کاهش عدم تقارن اطلاعاتی و افزایش هزینۀ سرمایه می‌شود (‏‎ ‎‎2008‎‏,‏Diamond & Verrecchia‏). بر این اساس افشای مناسب اطلاعات مالی ازجمله پیش‌بینی‌های به‌موقع و دقیق با پرکردن شکاف ‏عدم تقارن اطلاعاتی بین مدیران و سهامداران، مسئلۀ نمایندگی را تعدیل می‌کند و منجر به افزایش نقدشوندگی سهام، کاهش نوسان ‏بازار سهام و کاهش ریسک شرکت می‌شود (‏‎ 2009‎‏,‏Etemadi and et al.‎‏). نتایج بسیاری از پژوهش‌ها نشان‌دهندۀ آن است که ‏پیش‌بینی‌های مدیریت، منبع اطلاعاتی مهمی برای بازار سرمایه است (‏‎ 2011‎‏,‏Rajgopal & Venkat achalam‏) و منجر‎ ‎به‎ ‎نقدشوندگی‎ ‎بیشتر و‎ ‎کاهش‎ ‎عدم ‌تقارن ‌اطلاعاتی‎ ‎شرکت‎ ‎می‌شود‎.‎‏ به عنوان مثال، منتشری و فرید ‏ (‏‎2020‎‏)‏‎ ‎تأثیر انگیزۀ شهرت مدیران ‏را بر غنای اطلاعاتی قیمت سهام مطالعه کردند. یافته‌‌های پژوهش حاکی از آن است که بین انگیزۀ شهرت مدیران و غنای اطلاعاتی ‏قیمت سهام، ارتباط معنا‌دار و مثبتی وجود دارد و اندازۀ شرکت و اهرم مالی بر غنای اطلاعاتی قیمت سهام اثر مثبت و معناداری ‏ندارد. ایتنر و مایکلز ‏ (‏‎2017‎‏) با استفاده از ابزار پرسشنامه‏‎ ‎رابطۀ‎ ‎دقت‎ ‎پیش‌بینی‌های‎ ‎سود مدیریت‎ ‎و‎ ‎روش‌های‎ ‎پیش‌بینی‎ ‎ریسک‎ ‎مدیریت را بررسی کردند. نتایج‎ ‎به‌دست‌آمده نشان‌دهندۀ آن بود که‎ ‎هرچه‎ ‎مدیریت‎ ‎در تصمیم‌گیری‌های‎ ‎خود،‎ ‎از‎ ‎روش‌های‎ ‎پیچیده‌تر ‏سنجش‎ ‎ریسک‎ ‎استفاده‎ ‎کند،‎ ‎خطای پیش‌بینی‎ ‎سود‎ ‎مدیریت‎ ‎کم‌تر‎ ‎و‎ ‎محیط‎ ‎اطلاعاتی قوی‌تر‎ ‎است. در پژوهشی دیگر، اوموکنید و‎ ‎همکاران ‎ ‎‏(‏‎2017‎‏)‏‎ ‎با بررسی‎ ‎تأثیر‎ ‎عدم‎ ‎تقارن‎ ‎اطلاعاتی‎ ‎بر‎ ‎نوسان‌های‎ ‎بازده سهام‎ ‎در‎ ‎بورس نیجریه از سال‌های ‏‎2000‎‏ تا ‏‎2016‎‏ به این ‏نتیجه دست یافتند که‎ ‎عدم تقارن‎ ‎اطلاعاتی‎ ‎منجر‎ ‎به‎ ‎نوسان‌های‎ ‎بیشتری‎ ‎در‎ ‎بازده سهام‎ ‎می‌شود و تأثیر‎ ‎اخبار بد‎ ‎نسبت‌به‎ ‎اخبار خوب‎ ‎در‎ ‎این‎ ‎خصوص‎ ‎بیشتر‎ ‎است‎.‎‏ با توجه به نمونه‌های مطرح‌شده در گام اول، سنجش وجود یا نبود خطای مدیریت در ارائۀ اطلاعات ‏شرکت در بورس اوراق بهادار تهران امری ضروری است؛ بنابراین فرضیۀ ذیل به‌عنوان فرضیۀ اول ارزیابی شده است:‏
فرضیۀ 1. خطای پیش‌بینی‌ مدیریتی درخصوص درآمد شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران معنا‌دار است‎.‎
با وجود اهمیت ارائۀ پیش‌بینی‌های به‌موقع و صحیح شرکت از سوی مدیران،‎ ‎گاهی اوقات اطلاعات ارائه‌شده به‎ ‎دلایل‎ ‎مختلفی ‏ازجمله‎ ‎عدم‌ اطمینان‎ ‎درخصوص‎ ‎عملیات‎ ‎آتی، دشواری‌های برآورد، اشتباه‌های مرتبط با محافظه‌کاری و دست‌کاری مدیران خطا ‏دارند (‏‎ 2017‎‏,‏Zomorodian and et al.‎‏). به عبارتی با افزایش خطای پیش‌بینی مدیریت (خطا در پیش‌بینی سود خالص، سود ‏عملیاتی و فروش)، ریسک ویژۀ شرکت افزایش می‌یابد (‏‎ 2016‎‏,‏Kitagawa & Okuda‏). در دیگر پژوهش‌های صورت‌گرفته، تأثیر ‏ریسک ویژۀ شرکتی در ابعاد مختلف بررسی شده است. فدایی‌نژاد و ‏‎;‎نیکوسخن ‏ (‏‎2018‎‏) رابطۀ بین ریسک ویژه و بازده به‌صورت ‏ورقۀ بهادار به ورقه بهادار در بورس اوراق بهادار تهران را طی دورۀ زمانی 1380 تا 1394 بررسی کردند. شواهد حاکی از آن است ‏که به‌طور متوسط 27 درصد از سهام موردمطالعه، رابطۀ معنا‌داری بین ریسک ویژه و بازده داشتند. این در شرایطی است که ‏شرکت‌های با ارتباط منفی، سهم بسیار بیشتری نسبت‌به شرکت‌های با ارتباط مثبت در تغییرات نسبت کل اوراق بهادار با ارتباط ‏معنادار دارند (19 درصد). فروغی و نعل‌شکن ‏ (‏‎2010‎‏) تأثیر ریسک ویژه بر بازده سهام را بررسی کردند. در این پژوهش با توجه ‏به مدل قیمت‌گذاری دارایی‌های سرمایه‌‌ای، ریسک کلی دارایی به دو بخش بازار (ریسک سیستماتیک) و شرکتی (ریسک ویژه) ‏تقسیم شد. طبق این مدل، تنها ریسک سیستماتیک در قیمت‌گذاری سهام مؤثر است و ریسک غیر سیستماتیک با تنوع‌سازی از بین ‏می‌رود. لانگ، جیانگ و ژو‏ ‏ (‏‎2018‎‏) ریسک ویژۀ شرکت را طبق نظریۀ آنالیز مقدار حدی بررسی کردند. تجزیه‌و‌تحلیل سبد و ‏رگرسیون مقطعی حاکی از وجود رابطۀ منفی معنادار بین ریسک ویژه و بازده مورد‌انتظار در بورس اوراق بهادار چین پس از کنترل ‏سایر معیارهای ریسک ازجمله اندازه، نسبت ارزش دفتری به بازار، بتا، مومنتوم، نقدینگی و ... است. چویی ‏ (‏‎2019‎‏) در بررسی ‏رابطۀ بین نبود اطمینان اقتصادی و پیش‌بینی‌های درآمدی مدیریتی، رابطۀ بین کمیت و کیفیت، پیش‌بینی‌های مدیریتی ارائه‌شده را در ‏قبال تقاضای اطلاعات سرمایه‌گذاران در شرایط نبود اطمینان اقتصادی و نتایج حاصل از آن بررسی کرد. نتایج نشان‌دهندۀ آن است ‏که در شرایط نبود اطمینان اقتصادی، مدیران مجبور به ارائۀ پیش‌بینی‌های مدیریتی در فواصل زمانی کوتاه و با خطای عمدی کمتر ‏هستند. این اطلاعات باعث تغییرات قیمتی بسیار زیاد در بازار سهام می‌شود و ارزش بالایی دارد. در پژوهشی دیگر، هاشمی دهچی، ‏ایزدی نیا و امیری ‏ (‏‎2020‎‏) تأثیر قابلیت مقایسۀ صورت‌های مالی را بر نوسان‌های ویژۀ بازده سهام با تأکید بر کیفیت گزارشگری ‏مالی بررسی کردند. نتایج پژوهش نشان‌دهندۀ این موضوع است که قابلیت مقایسۀ صورت‌های مالی بر نوسان‌های ویژۀ بازده سهام اثر ‏منفی و معناداری دارد و زمانی که کیفیت گزارشگری مالی ضعیف است، تأثیر قابلیت مقایسۀ صورت‌های مالی بر نوسان‌های ویژۀ ‏بازده سهام قوی‌تر است. درنتیجۀ موارد مطرح‌شده، فرضیۀ دوم مورد بررسی پژوهش به شرح زیر است:‏
فرضیۀ 2. خطاهای پیش‌بینی مدیریتی همبستگی مثبتی با ریسک ویژه دارد‎.‎
اگر محیط اطلاعاتی غنی باشد، سرمایه‌گذاران به‌آسانی به سایر منابع اطلاعاتی دسترسی دارند و توجه کمتری به افشای اطلاعات ‏می‌کنند (‏‎ 2003‎‏,‏Christensen & Feltham‏). بنابراین در شرکت‌هایی که محیط اطلاعاتی قوی‌تر است، خطای پیش‌بینی مدیریت ‏همبستگی کمتری با ریسک ویژه دارد‎.‎
سازمان بورس و اوراق بهادار، با هدف بهبود محیط اطلاعاتی، اقدام به اصلاح دستورالعمل اجرایی افشای اطلاعات شرکت‌های ‏حاضر در بورس و فرابورس کرد که براساس آن، شرکت‌ها از تاریخ 09/10/1396 مجاز به ارائۀ پیش‌بینی اول دورۀ سه‌ماهه، ‏شش‌ماهه و نه‌ماهه نبودند و به‌جای آن باید گزارش تفسیری مدیریت را همراه با گزارش‌های سه‌ماهه، شش‌ماهه، نه‌ماهه و دوازده‌ماهه ‏منتشر می‌کردند. محیط اطلاعاتی شامل اطلاعات عمومی و محرمانه‌ای است که شرکت‌ها به‌صورت اجباری یا داوطلبانه در اختیار ‏بازار سرمایه قرار می‌دهند (‏‎ 2015‎‏,‏Aliahmadi & Fadai‏). به‎ ‎بیان‎ ‎دیگر‎ ‎با‎ ‎در نظر گرفتن‎ ‎جنبۀ‎ ‎اطلاعاتی پیش‌بینی‌های‎ ‎مدیریت،‎ ‎احتمال دارد در‎ ‎شرکت‌هایی با عدم ‌تقارن‎ ‎اطلاعاتی‎ ‎کم‎ ‎و‎ ‎محیط اطلاعاتی‎ ‎قوی،‎ ‎به‎ ‎دلیل‎ ‎وجود‎ ‎سایر‎ ‎منابع‎ ‎اطلاعاتی، سرمایه‌گذاران‎ ‎توجه‎ ‎کمتری‎ ‎به‎ ‎پیش‌بینی‌های افشاشده از سوی‎ ‎مدیریت‎ ‎داشته باشند. علاوه بر نتایج متعدد به‌‌دست‌آمده درخصوص نحوۀ اثرگذاری محیط ‏اطلاعاتی بر ریسک ویژۀ شرکت‌ها (ارائه‌شده در بخش‌های دیگر این پژوهش)، نتایج بررسی موسوی و همکاران ‏ (‏‎2015‎‏) ‏درخصوص نحوۀ مدیریت سود با استفاده از اقلام تعهدی اختیاری، تأیید‌کنندۀ این موضوع است. داده‌های پژوهش‎ ‎با استفاده از ‏نمونه‌ای شامل 82 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران برای دورۀ زمانی 1391-1387 به روش داده‌های ترکیبی و مدل ‏اثرات تصادفی تجزیه‌وتحلیل شد. نتایج پژوهش حاکی از آن است که مدیریت سود در شرکت‌های مورد‌‌مطالعه با عدم تقارن اطلاعاتی ‏ارتباط مثبت معناداری دارد و در محیطی با عدم اطمینان بالا، شدت ارتباط مدیریت سود و عدم تقارن اطلاعاتی کاهش ‏می‌یابد.کیتاگاوا و اکودا (‏‎2016‎‏) رابطۀ بین مدیریت پیش‌بینی، ریسک سیستماتیک و افشای اطلاعات را بررسی کردند. نتایج حاکی از ‏آن است که خطای پیش‌بینی مدیریتی رابطۀ مثبتی با ریسک ویژه دارد. بنابراین احتمال دارد در یک محیط اطلاعاتی خوب، میزان ‏رابطۀ مثبت خطای پیش‌بینی مدیریتی و ریسک ویژه کاهش یابد. پس فرضیۀ سوم پژوهش به شرح زیر است. فرضیۀ سوم، در دو ‏بخش فرعی بررسی شده است که در ادامه بیان می‌شود:‏
فرضیۀ 3. در شرکت‌هایی با محیط اطلاعاتی بهتر، خطاهای پیش‌بینی مدیریتی، همبستگی مثبت کمتری با ریسک ویژه دارد‎.‎
برای اندازه‌گیری کیفیت محیط اطلاعاتی شرکت، تعیین پارامترهای قابل اندازه‌گیری و در دسترس امری ضروری است. در این ‏پژوهش، دو متغیر اندازۀ شرکت (‏‎ 2016‎‏,‏Kitagawa & Okuda‏) و دامنۀ قیمت پیشنهادی خریدوفروش سهام (‏‎ 2017‎‏,‏Fakhari and ‎Rezaei Pitenoei‏) به‌عنوان معیارهای قابل اندازه‌گیری و در دسترس برای سنجش محیط اطلاعاتی شرکت معرفی شده است. ‏فرضیه‌های زیر به‌عنوان بخش‌های فرعی فرضیۀ سوم، به شرح زیر معرفی شده است:‏
فرضیۀ 3.1. در شرکت‌های بزرگ، خطاهای پیش‌بینی مدیریتی، همبستگی مثبت کمتری با نوسان‌های بازده ویژه دارد‎.‎
فرضیۀ 3.2. در صورتی ‌که دامنۀ قیمت پیشنهادی خریدوفروش سهام در شرکت بالاتر باشد، خطاهای پیش‌بینی مدیریتی، ‏همبستگی مثبت بیشتری با نوسان‌های بازده ویژه دارد.‏
‎ ‎با توجه به مباحث مطرح‌شده، هدف اصلی، تعیین رابطۀ بین پیش‌بینی‌های مدیریتی (به‌عنوان یک معیار از افشا اطلاعات) و ‏ریسک ویژۀ شرکت با در نظر گرفتن نحوۀ اثرگذاری محیط اطلاعاتی بر این رابطه است. در حال حاضر این موضوع می‌تواند در ‏بورس اوراق بهادار تهران به‌عنوان یک عامل در بررسی روند سرمایه‌گذاری بلندمدت و کوتاه‌مدت مؤثر باشد. ‏

روش پژوهش
این پژوهش مطالعه‌ای کاربردی است و داده‌های پژوهش براساس مدل تبیین‌شده و با استفاده از منابع در دسترس و قابل اتکا ‏همچون صورت‌های مالی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران و بانک اطلاعاتی ره‌آورد نوین گردآوری شده است. ‏برای تعیین روابط بین متغیرهای مستقل و وابسته از رگرسیون خطی چندگانه به شیوۀ داده‌های تابلویی استفاده شده است. بازۀ ‏زمانی پژوهش ده‌ساله (1388 لغایت 1397) و دورۀ زمانی اندازه‌گیری به‌صورت فصلی است. جامعۀ آماری، شرکت‌های پذیرفته‌شده ‏در بورس اوراق بهادار تهران است که شرایط زیر را دارند: در دورۀ زمانی پژوهش در بورس فعالیت داشته و فهرست آنها در لیست ‏تابلوی بورس درج شده باشد؛ سال مالی آنها منتهی به پایان اسفند‌ماه باشد و بین سال‌های پژوهش تغییر نکرده باشد؛ اطلاعات لازم ‏شرکت‌ها در پژوهش در دسترس بوده و سهام آنها وقفۀ معاملاتی بیش از یک ماه نداشته باشد. درنهایت، تعداد 160 شرکت که ‏تمامی این موارد دربارۀ آنها مصداق داشت، غربال شدند و پژوهش موردنظر با مجموع 6400 مشاهده انجام گرفت. مدل و متغیرهای ‏پژوهش‎ ‎نیز در ادامه معرفی ‌می‌شود.‏
به‌منظور اندازه‌گیری ریسک ویژه،‌ از مدل سه عاملی فاما و فرنچ ‏ (‏‎1993‎‏) برای اندازه‌گیری نوسان بازده ویژه ‏ استفاده شده ‏است. این معیار مشابه معیار مورد ‌‌استفاده به‌وسیلۀ راج گوپال و ونکاتاچالام ‏ (‏‎2011‎‏) است. به‌طور خاص بازده مازاد به‌عنوان ‏باقیماندۀ رگرسیون معادلۀ ۱ (‏ε_(i.m)‎‏) و به‌دنبال آن نوسان بازده ویژه ‏‎(RMSE)‎‏ با انحراف‌معیار بازده مازاد نمونه در ماه ‏m‏ تعریف ‏شده است (‏‎ 2016‎‏,‏Kitagawa & Okuda‏). ‏

رابطۀ 1)‏
    RET_(i.m)-R_(f.m)=‎α‎_i+‎β‎_(RMRF.i) (R_(M.m)-R_(f.m) )+‎β‎_(SMB.i) SMB_m+‎β‎_(HML.i) HML_m+ε_(i.m)‎‏ ‏
دیگر متغیرها عبارت است از ‏‎  RET_(i.m)‎که معادل بازده ماهانۀ سهام برای شرکت ‏i‏ در ماه ‏m‏ است.‏‎ R_(f.m)‎‏ نرخ بازده بدون ‏ریسک در ماه ‏m‏ (اندازه‌گیری براساس نرخ سود سپرده‌های بانکی یک‌ساله مربوط به هر سال) است. ‏‎ R_(M.m)-〖 R〗_(f.m)‎‏ ‏صرف ریسک بازار بوده است و براساس آن بازده بازار (‏‎〖(R〗_(M.m) ‎‏ از طریق اختلاف شاخص پایان و ابتدای ماه (محاسبۀ ‏شاخص کل بازار در ماه از طریق سایت ‏tsetmc‏) تقسیم‌بر شاخص ابتدای ماه محاسبه می‌شود. ‏SMB_m‏ عامل اندازۀ ماهانه شرکت ‏بوده و برابر با حاصل‌ضرب تعداد سهام شرکت در میانگین قیمت سهم در هر ماه است. ‏HML_m‏ عامل نسبت ارزش دفتری به ‏ارزش بازار سهم در ماه ‏m‏ است. با توجه به آنکه دورۀ زمانی موردنظر در تمامی مدل‌های پژوهش به‌صورت فصلی و خروجی متغیر ‏مربوط به نوسان‌های بازده ویژۀ (‏ε_(i.m)‎‏) ماهانه است، داده‌های فصلی مربوط به متغیر‎ RMSE، برای هر فصل برابر عددی ثابت ‏معادل میانگین سه‌ماهه برای آن فصل-دوره در نظر گرفته می‌شود.‏
در مرحلۀ دوم خطای پیش‌بینی مدیریتی اندازه‌گیری می‌شود. این پژوهش ارتباط بین صحت پیش‌بینی مدیریتی و ریسک ویژۀ ‏شرکت را بررسی می‌کند. بنابراین ابتدا متغیر خطاهای پیش‌بینی مدیریتی کل به‌صورت ترکیبی از خطای پیش‌بینی فروش ‏‎(MFE-‎‎〖SLS〗_t)‎، سود عملیاتی ‏‎(MFE-〖OI〗_t )‎‏ و سود خالص‎(MFE-〖NI〗_t ) ‎‏ محاسبه می‌شود. هریک از این خطاهای پیش‌بینی ‏به‌صورت اختلاف مقدار پیش‌بینی‌های اولیۀ مدیریتی برای سال ‏t‏ و مقدار واقعی آن برای سال ‏t‏ تقسیم‌بر کل دارایی در سال 1‏t-‎‏ ‏محاسبه می‌شود. خطاهای پیش‌بینی ذکرشده ممکن است به‌تنهایی در برگیرندۀ اطلاعات اندکی باشد؛ اما همبستگی زیادی با یکدیگر ‏دارند. برای موردتوجه قرار دادن اثرات مختلف خطاهای پیش‌بینی مدیریتی در یک معیار واحد، از روش آماری تحلیل مؤلفه‌های ‏اصلی (‏PCA‏)‏ ‏ سه متغیره استفاده و طبق آن مؤلفۀ عاملی مناسب، به‌عنوان معیار خطاهای پیش‌بینی مدیریت (‏MFE‏)‏ ‏ تعریف شده ‏است. روش ‏PCA‏ برای استخراج متغیرهای مهم (به شکل مؤلفه) از مجموعۀ بزرگی از متغیرهای موجود در یک مجموعه داده است ‏تا به ثبت اطلاعات بیشتر با تعداد کمتری از متغیرها کمک کند. لازم به توضیح است در این پژوهش از معیار ارزش مطلق خطای ‏پیش‌بینی مدیریتی (‏AMFE‏)‏ ‏ به‌عنوان عامل خطای مدیریتی استفاده می‌شود؛ زیرا پیش‌بینی‌های مدیریتی خوش‌بینانه و بدبینانه ‏می‌تواند به‌عنوان ریسک‌های خاص شرکت برای سرمایه‌گذاران تعریف شود (‏‎ 2016‎‏,‏Kitagawa & Okuda‏).‏
به‌منظور بررسی رابطۀ بین خطای پیش‌بینی مدیریتی و ریسک ویژه (فرضیۀ 2) ، معادلۀ (۲) به شرح زیر برآورد می‌شود:‏

رابطۀ 2)‏
RMSE_(i.t)=‎γ‎_0+‎γ‎_1 AMFE_(i.t-1)+‎γ‎_2 SIZE_(i.t-1)+‎γ‎_3 ROA_(i.t-1)+‎‎〖‎γ‎_4 GROWTH_(i.t-1)+‎γ‎〗_5 LOSS_(i.t-1)+‎γ‎_6 LEV_(i.t-1)+‎γ‎_7 AQ_(i.t-1)+‎‎〖‎γ‎_8 SMOOTH_(i.t-1)+‎γ‎_9 PRED_(i.t-1)+‎γ‎〗_10 CFOVOL_(i.t-1)+‎‏µ‏‎_i+λ_i+ε‏ ‏

که در آن ‏RMSE_(i.t)‎‏ متغیر وابسته است که به‌عنوان نوسان بازده ویژه مبتنی بر مدل سه عاملی فاما و فرنچ (‏‎1993‎‏) برای دورۀ ‏زمانی ‏t‏ تعریف شده و به‌‌وسیلۀ انحراف معیار بازده مازاد نمونه اندازه‌گیری می‌شود.‏AMFE_(i.t-1) ‎‏ ارزش مطلق خطای پیش‌بینی ‏مدیریتی است. در صورتی‌ که ضریب ‏AMFE‏ (‏‎1‎γ) مثبت باشد، هم‌راستا با فرضیۀ 2 است.‏
در این پژوهش متغیرهای مختلف اثرگذار بر نوسان بازده به‌صورت مقطعی کنترل شده است. بر این اساس از متغیر اندازۀ ‏شرکت (‏SIZE‏) استفاده می‌شود که از طریق حاصل‌ضرب تعداد سهام شرکت در میانگین قیمت سهم در هر دورۀ سه‌ماهه محاسبه ‏می‌شود. احتمال دارد اندازۀ شرکت رابطۀ منفی با نوسان ویژه داشته باشد؛ زیرا شرکت‌های کوچک‌تر نوسان بازده بالاتری دارند (‏‎ ‎‎2011‎‏,‏Rajgopal &Venkatachalam‏). در این مدل، سودآوری شرکت که رابطۀ منفی با نوسان‌های بازده ویژه دارد نیز کنترل ‏می‌شود (‏‎ 2006‎‏,‏Wei & Zhang‏). نسبت بازده دارایی (‏ROA‏) و متغیر ساختگی ‏ زیان (‏LOSS‏) متغیرهای کنترلی مورد استفاده در ‏این زمینه هستند. مقدار ‏ROA‏ برابر با نسبت سود خالص بر دارایی کل شرکت است که از صورت‌های مالی هر فصل استخراج شد. ‏مقدار ‏LOSS‏ برای شرکت‌های زیان‌ده عدد یک و برای سایر شرکت‌ها عدد صفر است. علاوه بر این، هرچه رشد بیشتر باشد، شرکت ‏نوسان بازده سهام بالاتری خواهد داشت (‏‎ 2011‎‏ ,‏Rajgopal &Venkatachalam‏). از این رو، از نسبت تغییرات فروش فصلی ‏شرکت ‏‎ (s_t-s_(t-1))/s_(t-1) ‎‏ جهت اندازه‌گیری متغیر (‏GROWTH‏) برای شرکت استفاده می‌‌‌‌‌‌‌‌‌‌شود. به دلیل اینکه شرکت‌های با ‏مشکلات مالی، نوسان بازده سهام بالاتری دارند (‏‎2011‎‏ ,.‏Campbell and et al‏ ‏‎ 2001;‎‏,‏Rajgopal & Venkatachalam‏)، ضروری ‏است به متغیر کنترلی مشکلات مالی توجه شود که به‌عنوان اهرم مالی (‏LEV‏)‏‎ ‎تعریف شده و برابر تقسیم بدهی کل بر دارایی کل ‏است و از صورت‌های مالی فصلی استخراج می‌شود. این احتمال وجود دارد که دقت پیش‌بینی مدیریتی و ریسک ویژه تحت‌تأثیر ‏برخی از عوامل زمینه‌ای مانند نوسان‌های اساسی عملکرد عملیاتی، گزارشگری مالی و کیفیت سود قرار گیرد. بنابراین به سه معیار ‏مربوط به کیفیت سود (شامل کیفیت اقلام تعهدی، همواربودن سود و قابلیت پیش‌بینی درآمد) و نوسان جریان نقدی نیز در کنار ‏سایر متغیرها توجه می‌شود. برای محاسبۀ کیفیت اقلام تعهدی ‏‎(AQ)‎‏ از مطالعۀ دیچو و دیچف ‏ (‏‎2002‎‏) استفاده شد. بر این اساس ‏اقلام تعهدی عبارت است از میزانی که اقلام تعهدی سرمایه در گردش با تحقق جریان‌های نقدی عملیاتی مرتبط است. این مدل ‏ﻣﺒﺘﻨﯽ ﺑﺮ ﺟﺮﯾﺎنﻫﺎی ﻧﻘﺪی ﮔﺬﺷﺘﻪ، ﺣﺎل و آﯾﻨﺪه است و به‌صورت زیر تعریف ﻣﯽ‌ﺷﻮد:‏

رابطۀ 3)‏
    ACC_it=‎α‎_0+‎α‎_1 CFO_(it-1)+‎α‎_2 CFO_it++‎α‎_3 CFO_(it+1)+ε_it

در ﻣﺪل ﺑﺎﻻ، ‏CFOit‏ ﺑﺮاﺑﺮ ﺑﺎ ﺟﺮﯾﺎن ﻧﻘﺪ ﻋﻤﻠﯿﺎﺗﯽ شرکت ‏i‏ در زمان ‏t‏ و ‏ACC_it‏ تغییر در اقلام تعهدی سرمایه در گردش شرکت ‏اﺳﺖ. ﺟﺮﯾﺎن وﺟﻮه ﻧﻘﺪ ﻋﻤﻠﯿﺎﺗﯽ ﺑﺎ ﺗﻮﺟﻪ ﺑﻪ اﺳﺘﺎﻧﺪاردﻫﺎی ﺣﺴﺎﺑﺪاری اﯾﺮان و تعدیل بخش عملیاتی با مواردی همچون ﭘﺮداﺧﺖ ‏ﻣﺎﻟﯿﺎت ﺑﺮ‎ ‎درآﻣﺪ، ﺑﺎزده ﺳﺮﻣﺎﯾﻪ‌ﮔﺬاریﻫﺎ، ﺳﻮد و ﺑﻬﺮۀ ﭘﺮداﺧﺘﯽ ﺑﺎﺑﺖ ﺗأﻣﯿﻦ ﻣﺎﻟﯽ و اﺿﺎﻓﻪ‌کردن ﺳﻮد ﺳﻬﺎم ﭘﺮداﺧﺘﯽ ﻣﺤﺎﺳﺒﻪ می‌شود. از ‏آنجا که معیارهای کیفیت سود مبتنی بر سود خالص هستند؛ بنابراین این متغیر به‌طور مستقیم از صورت جریان وجوه نقد ‏شرکت‌های نمونه تعیین می‌شود (‏‎ 2013‎‏,‏Aghaie and et al.‎‏). کلیۀ ﻣﺘﻐﯿﺮﻫﺎی ﻣﺬﮐﻮر از طریق ارزش دﻓﺘﺮی داراﯾﯽ‌ﻫﺎی اﺑﺘﺪای دوره ‏ﻫﻤﮕﻦ ﻣﯽ‌ﺷﻮد. درنهایت ‏ε_it‏ باقی‌ماندۀ مدل برای شرکت‎ i ‎در دورۀ ‏t‏ است که بالابودن انحراف معیار اقلام باقیمانده نشان‌دهندۀ ‏پایین‌بـودن کیفیـت اقـلام تعهدی است. همواربودن درآمد (‏SMOOTH‏) برابر است با نسبت انحراف معیار درآمد خالص شرکت ‏‏(اندازهگیری‌شده به‌وسیلۀ دارایی کل) به انحراف معیار جریان نقدی حاصل از عملیات شرکت (اندازه‌گیری شده به‌وسیلۀ دارایی ‏کل)‏‎.‎‏ علاوه بر این، قابلیت پیش‌بینی درآمد (‏PREDICT‏) معادل ریشۀ دوم خطای واریانس مدل خودرگرسیونی مرتبۀ اول (‏AR1‎‏) ‏درآمد فصلی است و معیار نوسان جریان نقدی (‏CFOVOL‏) به‌عنوان انحراف معیار جریان ‌نقدی از عملیات شرکت (اندازه‌گیری‌شده ‏به‌وسیلۀ دارایی کل) تعریف می‌شود و به متغیرهای ساختگی سال ‏‎(λ)‎‏ و صنعت (µ) برای کنترل اثرات سال و صنعت توجه می‌شود. ‏
به‌منظور آزمون فرضیۀ 3.1 و اثر اندازۀ شرکت بر رابطۀ بین دقت پیش‌بینی مدیریتی و ریسک ویژه، از معادلۀ (4) استفاده ‏می‌شود (‏‎2016‎‏ ,‏Kitagawa & Okuda‏).‏
رابطۀ 4)‏        RMSE_(i.t)=‎γ‎_0+‎γ‎_1 AMFE_(i.t-1)+‎γ‎_2 〖AMFE×SIZEq1〗_(i.t-1)+‎γ‎_3 ‎‎〖AMFE×SIZEq4〗_(i.t-1)+‎γ‎_4 〖SIZEq1〗_(i.t-1)+‎γ‎_5 〖SIZEq4〗_(i.t-1)+‎γ‎_6 ROA_(i.t-1) 〖+‎γ‎〗_7 GROWTH_(i.t-1)+‎γ‎_8 LOSS_(i.t-1)+‎γ‎_9 LEV_(i.t-1)++‎γ‎_10 INST_(i.t-1)+‎γ‎_11 AQ_(i.t-1)+‎γ‎_12 SMOOTH_(i.t-1)+‎γ‎_13 PRED_(i.t-1)+‎γ‎_14 CFOVOL_(i.t-1)+‎‏µ‏‎_i+λ_i+ε‏ ‏

که در آن ‏‎ SIZEq1‎متغیر شاخصی است که اگر سطح دارایی کل در چارک اول قرار داشته و چهارک اول شامل شرکت‌هایی با ‏کمترین دارایی کل در سال باشد، برابر با یک و در غیر این صورت برابر صفر است. ‏SIZEq4‎‏ متغیر شاخصی است که اگر سطح ‏دارایی کل در چهارک چهارم باشد و چهارک چهارم هر سال شرکت‌هایی با بیشترین دارایی کل را در بربگیرد، برابر با یک و در ‏غیر این صورت برابر صفر است. برای آزمون فرضیۀ 3.1 به ضریب تعاملی بین ‏AMFE‏ و متغیرهای ساختگی مبتنی بر چهارک ‏دارایی کل در معادلۀ (4) توجه می‌شود. اولین (چهارمین) چهارک اندازۀ شرکت، ‏SIZEq1‎‏ (‏SIZEq4‎‏) نشان‌دهندۀ محیط اطلاعاتی ‏ضعیف (خوب) است. پیش‌بینی می‌شود ضریب γ‎_2‎‏ مثبت و ضریب γ‎_3‎‏ منفی باشد که هم‌راستا با فرضیۀ 3.1 است (‏‎ ‎‎2016‎‏,‏Kitagawa & Okuda‏). علاوه بر این، پژوهش‌ها نشان از آن دارد که ساختار مالکیت بر نوسان ویژه اثرگذار است. برای مثال، ‏برکمن و یان ‏ (‏‎2009‎‏) نشان دادند که سهامداران عمده موجب افزایش نوسان‌های ویژه می‌‌شوند و دلیل آن مزایای اطلاعاتی ‏آنهاست. مالکیل و ژو (‏‎2003‎‏)‏ ‏ بیان کردند که مالکیت نهادی اثر مثبتی بر نوسان‌های آتی دارد. به همین منظور برای کنترل اثر ‏ساختار مالکیت، این مطالعه به متغیر مستقل مالکیت نهادی (‏INST‏) توجه کرده است که برابر با درصد مالکیت نهادی شرکت در ‏پایان سال مالی 1‏t-‎‏ است (‏‎2016‎‏ ,‏Kitagawa & Okuda‏). طبق تعاریف محققان،‌ مالکیت نهادی عبارت است از درصد سهام ‏نگهداری‌شده در شرکت‌های دولتی، بیمه، مؤسسات مالی، بانک‌ها و … (‏‎ 2001‎‏,‏Alavi Tabari and et al.‎‏). سایر متغیرها پیش از این ‏تعریف شده‌اند.‏
درنهایت برای آزمون بخش دوم فرضیۀ سوم متغیر دامنۀ قیمت پیشنهادی خریدوفروش سهام ‏‎(SPREAD)‎‏ در معادلۀ (6) ‏موردتوجه قرار می‌گیرد. ﻋـﺪم ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ، رﯾﺴـﮏ اﻧﺘﺨﺎب ﻣﻐﺎﯾﺮ ﺗـﺄﻣﯿﻦ‌ﮐﻨﻨـﺪﮔﺎن ﻧﻘـﺪﯾﻨﮕﯽ (بازارسازها) را اﻓـﺰاﯾﺶ ‏ﻣـﯽدﻫـﺪ. ﺑـﻪ ﻋﺒـﺎرت دﯾﮕـﺮ، ﺳﻄﻮح ﺑـﺎﻻﺗﺮ ﻋـﺪم ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ ﺑـﺎ داﻣﻨـۀ ﻗﯿﻤـﺖ ﭘﯿﺸـﻨﻬﺎدی ﺑـﺎﻻﺗﺮ ﻫﻤـﺮاه ﺧﻮاﻫـﺪ ﺑـﻮد. از ‏اﯾــﻦ رو، داﻣﻨــۀ ﻗﯿﻤــﺖ ﭘﯿﺸــﻨﻬﺎدی ﺧﺮﯾــﺪوﻓﺮوش ﺳــﻬﺎم ﺑﻪﻃﻮر ﮔﺴﺘﺮده در ﭘﮋوﻫﺶﻫﺎی ﭘﯿﺸﯿﻦ ﺑـﻪ‌ﻋﻨـﻮان ﻣﻌﯿـﺎر ﻣﻌﮑـﻮس ‏ﻣﺤـﯿﻂ اﻃﻼﻋـﺎﺗﯽ به کار گرفته می‌شود و هرچقدر این مقدار کوچک‌تر باشد، نشان‌دهندۀ محیط اطلاعاتی بهتر است. این متغیر از ‏طریق رابطۀ (5) محاسبه می‌شود.‏
رابطۀ 5)‏    SPREAD_it=1/D_it  ∑_1^(D_it)▒((ASK_i-BID_i))/(((ASK_i-BID_i))⁄2)‎

در اﯾﻦ راﺑﻄﻪ ‏SPREAD_it‏ داﻣﻨۀ ﻗﯿﻤﺖ ﭘﯿﺸﻨﻬﺎدی ﺧﺮﯾﺪوﻓﺮوش ﺳﻬﺎم ﺷﺮﮐﺖ ‏i‏ در دورۀ ‏t،‎ ASK_i‏ آﺧﺮﯾﻦ ﻗﯿﻤﺖ ﭘﯿﺸﻨﻬﺎدی ﻓﺮوش ‏روزاﻧۀ ﺳﻬﺎم ﺷﺮﮐﺖ ‏i،‎ BID_i‏ آﺧﺮﯾﻦ ﻗﯿﻤﺖ ﭘﯿﺸﻨﻬﺎدی ﺧﺮﯾﺪ روزاﻧۀ ﺳﻬﺎم ﺷﺮﮐﺖ ‏i‏ وD_it ‎‏ تعداد روزﻫﺎﯾﯽ از دورۀ ‏t‏ اﺳﺖ که آﺧﺮﯾﻦ ‏ﻗﯿﻤﺖ ﭘﯿﺸﻨﻬﺎدی ﺧﺮﯾﺪوﻓﺮوش روزاﻧﻪ ﺑﺮای ﺳﻬﺎم ﺷﺮﮐﺖ ‏i‏ در دﺳﺘﺮس ﺑﺎﺷﺪ. طبق مدل تعریف‌شده در معادلۀ (6)، پیش‌بینی می‌شود ‏ضریب ‏AMFE × SPREAD‏ مثبت باشد که هم‌راستا با فرضیۀ 3.2 است (‏Fakhari and Rezaei Pitenoei, 2017‎‏ ). ‏

رابطۀ 6)‏    RMSE_(i.t)=‎γ‎_0+‎γ‎_1 AMFE_(i.t-1)+‎γ‎_2 〖AMFE×SPREAD〗_(i.t-1)+‎γ‎_3 SPREAD_(i.t-1)+‎γ‎_4 SIZE_(i.t-1)+‎γ‎_5 ROA_(i.t-1) 〖+‎γ‎〗_6 GROWTH_(i.t-1)+‎γ‎_7 LOSS_(i.t-1)+‎γ‎_8 LEV_(i.t-1)+‎‎+‎γ‎_9 INST_(i.t-1)+‎γ‎_10 AQ_(i.t-1)+‎γ‎_11 SMOOTH_(i.t-1)+‎γ‎_12 PRED_(i.t-1)+‎γ‎_13 CFOVOL_(i.t-1)+‎‏µ‏‎_i+λ_i+ε‏ ‏

یافته‌ها
برای درک بهتر نتایج آزمون از آمار توصیفی استفاده شده است که بیانگر شمای کلی از وضعیت توزیع داده‌هاست و با استفاده از ‏نرم‌افزار ‏Eviews‏ تهیه شده است.‏

جدول (1) آمار توصیفی متغیرهای پژوهش
Table (1) Descriptive statistics of research variables
نام متغیر    نماد متغیر    میانگین    میانه    حداکثر    حداقل    انحراف معیار    چولگی    کشیدگی
ریسک غیر سیستماتیک    RMSE    ‏219/0‏    ‏112/0‏    ‏799/0‏    ‏000/0‏    ‏227/0‏    ‏073/1‏    ‏847/2‏
شکاف قیمتی    SPREAD    ‏663/2‏    ‏931/2‏    ‏840/9‏    ‏000/0‏    ‏678/1‏    ‏006/0‏‎-‎    ‏949/1‏
خطای پیش‌بینی مدیریتی    AMFE    ‏218/0‏    ‏146/0‏    ‏097/1‏    ‏10/1-‏    ‏303/0‏    ‏11/0-‏    ‏085/4‏
مالکان نهادی    INST    ‏713/0‏    ‏760/0‏    ‏970/0‏    ‏030/0‏    ‏208/0‏    ‏03/1-‏    ‏35/3‏
بازده دارایی    ROA    ‏069/0‏    ‏043/0‏    ‏333/1‏    ‏40/0-‏    ‏103/0‏    ‏830/1‏    ‏91/13‏
اندازه شرکت    SIZE    ‏70/27‏    ‏61/27‏    ‏01/34‏    ‏88/22‏    ‏622/1‏    ‏466/0‏    ‏53/3‏
اهرم مالی    LEV    ‏591/0‏    ‏618/0‏    ‏273/1‏    ‏012/0‏    ‏211/0‏    ‏144/0‏    ‏428/5‏
زیان‌ده‌بودن    LOSS    ‏134/0‏    ‏000/0‏    ‏000/1‏    ‏000/0‏    ‏341/0‏    ‏143/2‏    ‏595/5‏
تغییرات فروش    GROWTH    ‏052/0‏    ‏336/0‏    ‏954/0‏    ‏99/0-‏    ‏621/0‏    ‏44/0-‏    ‏573/1‏
هموار بودن درآمد    SMOOTH    ‏508/5‏    ‏163/3‏    ‏9/108‏    ‏000/0‏    ‏894/7‏    ‏286/5‏    ‏20/48‏
پیش‌بینی درآمد    PREDICT    ‏164/0‏    ‏061/0‏    ‏31/14‏    ‏53/7-‏    ‏525/0‏    ‏53/12‏    ‏8/238‏
انحراف معیار جریان نقد از عملیات ‏    CFOVOL    ‏110/0‏    ‏076/0‏    ‏438/4‏    ‏001/0‏    ‏164/0‏    ‏36/14‏    ‏330/2‏
کیفیت اقلام تعهدی    AQ    ‏214/0‏    ‏206/0‏    ‏734/0‏    ‏014/0‏    ‏117/0‏    ‏068/0‏    ‏63/9‏

جدول 1 نشان‌دهندۀ وضعیت توصیفی متغیرهای پژوهش است. در این جدول برای تمامی متغیرها، پارامترهای مرکزی و ‏پراکندگی به‌طور مجزا محاسبه شده است. تعداد مشاهده‌های این جدول برابر با 6400 است. طبق نتایج به‌دست‌آمده، میانگین و میانۀ ‏خطای پیش‌بینی مدیریتی شرکت‌های نمونه به‌ترتیب برابر با 218/0 و 146/0 است. بیشترین مقدار ریسک غیر سیستماتیک در بین ‏شرکت‌های نمونه برابر 799/0 و کمترین مقدار نزدیک به صفر است. میانگین شکاف قیمتی نمونۀ مورد بررسی برابر 663/2 است. ‏شکاف قیمتی بیشتر، نشان‌دهندۀ ﺳﻄﻮح ﺑـﺎﻻﺗﺮ ﻋـﺪم ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ در شرکت‌هاست. نزدیکی اعداد میانه و میانگین نشان‌دهندۀ ‏آن است که همۀ متغیرهای بررسی‌شده توزیع آماری مناسبی دارند. بین متغیرهای پژوهش، پیش‌بینی درآمد و تغییرات فروش ‏به‌ترتیب بیشترین و کمترین انحراف معیار را دارند.‏
پیش از برآورد مدل رگرسیونی، لازم است مانایی تمامی متغیرهای مورداستفاده امتحان شود. از آنجایی که در این پژوهش تعداد ‏سال‌های پژوهش ده‌ساله و ساختار داده‌ها به‌صورت تابلویی است، برای این موضوع از آزمون لوین-لین چو ‏ استفاده شده است. ‏طبق نتایج به‌دست‌آمده فرض صفر مبنی بر عدم مانایی رد شده و کلیۀ متغیرهای پژوهش ماناست. ‏

جدول (2) آزمون تحلیل مؤلفه‌های اصلی
Table ‎‏)‏‎2) principal component analysis test
شاخص ‏KMO    آماره آزمون بارتلت    سطح معناداری
‏725/0‏    ‏532/10592‏    ‏0000/0‏

با استفاده از روش آماری تحلیل مؤلفه‌های اصلی (‏PCA‏)‏ ، مؤلفۀ عاملی مناسب، به‌عنوان معیار خطاهای پیش‌بینی مدیریت ‏‏(‏MFE‏)‏ ‏ انتخاب شده است. شاخص ‏KMO‏ با مقداری بیش از 7/0 نشان‌دهندۀ کفایت نمونه برای این آزمون است. همان‌طور که ‏نتایج جدول (3) نشان می‌دهد، خطاهای پیش‌بینی درآمد عادی به‌عنوان مؤلفه‌‌ای که بیشترین همبستگی را با عامل اصلی دارد، ‏به‌عنوان مؤلفۀ عاملی مناسب است.‏
جدول‎ ‎‏(3) همبستگی عامل‌های پیش‌بینی با مؤلفه اصلی
Table‏) ‏‎3‎‏ (‏Correlation of forecasting ‎&‎ principal component
نام متغیر    میزان همبستگی
خطاهای پیش‌بینی فروش    ‏869/0‏
خطاهای پیش‌بینی درآمد عادی    ‏915/0‏
خطاهای پیش‌بینی درآمد خالص    ‏887/0‏

برای جلوگیری از رگرسیون کاذب، از روش ‏‎ GLSو ماتریس کواریانس سازگار برای مقاوم‌کردن رگرسیون در جلوگیری از ‏ناهمسانی واریانس استفاده شده است. با توجه به استفاده از رویکرد مقاوم‌سازی، آزمون تشخیص ناهمسانی واریانس انجام نشده ‏است. برای بررسی میزان هم‌خطی از آزمون شاخص تورم واریانس ‏ استفاده شده است. اگر مقدار این شاخص کمتر از 10 باشد، ‏هم‌خطی بین متغیرهای کنترلی و مستقل وجود ندارد و برعکس. طبق نتایج هیچ‌گونه هم‌خطی بین متغیرهای مستقل و کنترلی ‏پژوهش وجود ندارد. سایر فروض کلاسیک نیز مطابق با شرایط پژوهش بررسی شده است. جداول 4 تا 7 نتایج نهایی مدل ‏رگرسیونی پژوهش را نشان می‌دهد که به‌وسیلۀ نرم‌افزار ‏Eviews‏ به دست آمده است.‏
به‌منظور بررسی فرضیۀ اول پژوهش مبنی بر وجود خطای پیش‌بینی مدیریتی در درآمد شرکت‌های پذیرفته‌شده در بورس اوراق ‏بهادار تهران، از آزمون ‏t‏ استفاده شد. فرض صفر در این آزمون، نبود خطای پیش‌بینی مدیریتی در شرکت‌های پذیرفته‌شده در بورس ‏اوراق بهادار تهران تعریف شده است. در صورتی که سطح معناداری این آزمون کمتر از 01/0 باشد، فرض صفر رد شده و این ‏موضوع نشان‌دهندۀ وجود خطای پیش‌بینی مدیریتی در بورس اوراق بهادار تهران است.‏

جدول (4) آزمون ‏t‏ (فرضیۀ اول)‏
Table ‎‏)‏‎4‎‏ (‏T‏-‏test
میانگین خطای پیش‌بینی مدیریتی    خطای استاندارد    آماره ‏t    سطح معنی‌داری
‏221256/0‏    ‏003784/0‏    ‏46859/58‏    ‏000/0‏

جدول بالا نتایج به‌دست‌آمده را درخصوص فرضیۀ اول نمایش می‌دهد. با توجه به آنکه سطح معناداری آزمون کمتر از 01/0 ‏است، متغیر معناداری لازم را دارد. به عبارت دیگر، فرض صفر مبنی بر نبود خطای مدیریتی رد شده است؛ بنابراین خطای ‏پیش‌بینی مدیریتی درخصوص درآمد شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران معنا‌دار است. درنتیجه فرضیۀ اول ‏پژوهش تأیید می‌شود. ‏
در مرحلۀ بعد، معادلۀ رگرسیون مربوط به فرضیۀ دوم اندازه‌گیری ‌شده است. ضریب متغیر خطاهای پیش‌بینی مدیریتی ‏‏(‏AMFE‏)، تعیین‌کنندۀ رد یا پذیرش فرضیۀ دوم بوده و از طریق آمارۀ ‏F، معناداری آزمون بررسی شده است.‏

جدول (5) نتایج حاصل از برازش معادلۀ رگرسیون (مدل اول)‏
Table ‎‏)‏‎5‎‏ (‏Results of first model regression
RMSE_(i.t)= ‎γ‎_0+‎γ‎_1 AMFE_(i.t-1)+‎γ‎_2 SIZE_(i.t-1)+‎γ‎_3 ROA_(i.t-1)+‎γ‎_4 GROWTH_(i.t-1)+‎γ‎_5 LOSS_(i.t-1)‎‎+‎γ‎_6 LEV_(i.t-1)+‎γ‎_7 AQ_(i.t-1)+‎γ‎_8 SMOOTH_(i.t-1)+‎γ‎_9 PRED_(i.t-1)+‎γ‎_10 CFOVOL_(i.t-1)+‎‏µ‏‎_i+λ_i+ε
نام متغیر    ضریب متغیر    مقدار ضریب    خطای استاندارد    آمارۀ ‏t    سطح معنا‌داری
C    ɣ‏0‏    ‏012331/0‏    ‏073168/0‏    ‏168528/0‏    ‏8662/0‏
AMFE    ɣ‏1‏    ‏016395/0‏    ‏006797/0‏    ‏412167/2‏    ‏0159/0‏
ROA    ɣ‏2‏    ‏003275/0‏‎-‎    ‏020401/0‏    ‏160529/0‏    ‏03625/0‏
SIZE    ɣ‏3‏    ‏006786/0-‏    ‏002627/0‏    ‏583202/2-‏    ‏0098/0‏
LEV    ɣ‏4‏    ‏019071/0‏    ‏011326/0‏    ‏683782/1‏    ‏0923/0‏
LOSS    ɣ‏5‏    ‏011819/0‏    ‏004364/0‏    ‏708046/2‏    ‏0068/0‏
GROWTH    ɣ‏6‏    ‏63/8‏e-‎‏06‏    ‏56/1‏e-‎‏06‏    ‏530928/5‏    ‏0000/0‏
SMOOTH    ɣ‏7‏    ‏12/7‏e-‎‏05‏    ‏000216/0‏    ‏33031/0‏    ‏03414/0‏
PREDICT    ɣ‏8‏    ‏003436/0-‏    ‏004324/0‏    ‏7949/0-‏    ‏4269/0‏
CFOVOL    ɣ‏9‏    ‏006386/0-‏    ‏007869/0‏    ‏811563/0‏    ‏4171/0‏
AQ    ɣ‏10‏    ‏75/7‏e-‎‏05‏    ‏008557/0‏    ‏009062/0‏    ‏9928/0‏
ضریب تعیین    ‏57/0‏    آماره دوربین واتسون    ‏97/1‏
ضریب تعیین تعدیل‌شده    ‏56/0‏    سطح معناداری آماره ‏F    ‏0000/0‏

طبق نتایج جدول (5)، سطح معناداری خطاهای پیش‌بینی مدیریتی (‏ɣ1‎‏) کمتر از سطح معناداری 01/0 است. بنابراین فرض صفر‎ ‎مبنی بر عدم اثرگذاری در سطح خطای 01/0 رد شده است و این متغیر معنی‌داری لازم را دارد. به عبارت دیگر، خطاهای پیش‌بینی ‏مدیریتی بر ریسک ویژۀ شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران تأثیر معناداری دارد. با توجه به مقدار ضریب تأثیر ‏‏016/0=‏‎ ɣ1‎می‌توان نتیجه گرفت خطاهای پیش‌بینی مدیریتی، همبستگی مثبتی با ریسک ویژه دارد.‏
در فرضیۀ 3.1، اثر اندازۀ شرکت به‌عنوان معیار سنجش محیط اطلاعاتی بر میزان همبستگی رابطۀ بین خطاهای پیش‌بینی ‏مدیریتی و نوسان‌های بازده ویژه بررسی شده است. بنابراین در این مرحله، معادلۀ رگرسیونی مدل دوم برازش شده است. ضرایب ‏متغیرهای مربوط به اندازۀ شرکت (‏ɣ2‎‏) و (‏ɣ3‎‏)، تعیین‌کنندۀ رد یا پذیرش فرضیۀ 3.1 بوده و از طریق آمارۀ ‏F، معناداری آزمون ‏بررسی شده است.‏

جدول(6) نتایج حاصل از برازش معادلۀ رگرسیون (مدل دوم)‏
Table ‎‏)‏‎6‎‏ (‏Results of second model regression
‎〖RMSE〗_(i.t)=‎γ‎_0+‎γ‎_1 〖AMFE〗_(i.t-1)+‎γ‎_2 〖AMFE×SIZEq1〗_(i.t-1)+‎γ‎_3 〖AMFE×SIZEq4〗_(i.t-1)+‎γ‎_4 ‎‎〖SIZEq1〗_(i.t-1)+‎γ‎_‎‏5‏‎ 〖SIZEq4〗_(i.t-1)+‎γ‎_6 〖ROA〗_(i.t-1) 〖+‎γ‎〗_7 〖GROWTH〗_(i.t-1)+‎γ‎_8 〖LOSS〗_(i.t-1)+‎γ‎_9 ‎‎〖LEV〗_(i.t-1)++‎γ‎_10 〖INST〗_(i.t-1)+‎γ‎_11 〖AQ〗_(i.t-1)+‎γ‎_12 〖SMOOTH〗_(i.t-1)+‎γ‎_13 〖PRED〗_(i.t-1)+‎γ‎_14 ‎‎〖CFOVOL〗_(i.t-1)+‎‏µ‏‎_i+λ_i+ε
نام متغیر    ضریب متغیر    مقدار ضریب    خطای استاندارد    آمارۀ ‏t    سطح معنا‌داری
C    ɣ‏0‏    ‏364609/0‏    ‏053680/0‏    ‏792263/6‏    ‏0000/0‏
AMFE1‎    ɣ‏1‏    ‏321826/0‏    ‏029481/0‏    ‏91649/10‏    ‏0000/0‏
AMFE1*SIZEQ1‎    ɣ‏2‏    ‏112813/0‏    ‏029550/0‏    ‏817769/3‏    ‏0001/0‏
AMFE1*SIZEQ4‎    ɣ‏3‏    ‏218872/0-‏    ‏026134/0‏    ‏37486/8-‏    ‏0000/0‏
SIZEQ1‎    ɣ‏4‏    ‏016590/0‏    ‏011156/0‏    ‏487039/1‏    ‏1371/0‏
SIZEQ4‎    ɣ‏5‏    ‏014304/0‏    ‏006830/0‏    ‏094355/2‏    ‏0363/0‏
ROA    ɣ‏6‏    ‏055663/0-‏    ‏028095/0‏    ‏98124/1-‏    ‏0476/0‏
SIZE    ɣ‏7‏    ‏012054/0-‏    ‏002001/0‏    ‏0245/6-‏    ‏0000/0‏
LEV    ɣ‏8‏    ‏013689/0‏    ‏008691/0‏    ‏576/1-‏    ‏1150/0‏
LOSS    ɣ‏9‏    ‏020029/0‏    ‏005261/0‏    ‏806908/3‏    ‏0001/0‏
GROWTH    ɣ‏10‏    ‏56/4‏e-‎‏06‏    ‏14/2‏e-‎‏06‏    ‏122691/2‏    ‏0338/0‏
SMOOTH    ɣ‏11‏    ‏000590/0‏    ‏000240/0‏    ‏457067/2‏    ‏0140/0‏
PREDICT    ɣ‏12‏    ‏014241/0-‏    ‏005628/0‏    ‏53056/2‏    ‏0114/0‏
CFOVOL    ɣ‏13‏    ‏014513/0-‏    ‏009421/0‏    ‏5404/1-‏    ‏1235/0‏
AQ    ɣ‏14‏    ‏011944/0-‏    ‏008986/0‏    ‏3290/1-‏    ‏1838/0‏
INST    ɣ‏15‏    ‏069389/0‏    ‏005870/0‏    ‏82079/11‏    ‏0000/0‏
ضریب تعیین    ‏292/0‏    آمارۀ دوربین واتسون    ‏53/1‏
ضریب تعیین تعدیل شده    ‏291/0‏    سطح معناداری آماره ‏F    ‏0000/0‏

همان‌گونه که جدول (7) مشاهده می‌شود، سطح معناداری خطاهای پیش‌بینی مدیریتی× اندازۀ شرکت در چارک اول (‏ɣ2‎‏) و ‏خطاهای پیش‌بینی مدیریتی× اندازۀ شرکت در چارک چهارم (‏ɣ3‎‏) کمتر از سطح معناداری 01/0 است؛ بنابراین فرض صفر مبنی بر ‏عدم اثر‌گذاری رد شده است و این متغیرها معنی‌داری لازم را دارند. این موضوع به آن معنی است که اندازۀ شرکت بر رابطۀ ‏خطاهای پیش‌بینی مدیریتی و ریسک ویژه در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران اثر معناداری دارد. با توجه به ‏اینکه ضریب تأثیر محاسبه‌شده برای ضریب (‏ɣ2‎‏) و (‏ɣ3‎‏) برابر (11‏‎/‎‏0) و (21/0-) است، می‌توان نتیجه گرفت در شرکت‌های بزرگ، ‏خطاهای پیش‌بینی مدیریتی، همبستگی مثبت کمتری با نوسان‌های بازده ویژه دارد. به عبارت دیگر، در شرکت‌های با محیط اطلاعاتی ‏بهتر، خطاهای پیش‌بینی مدیریتی، همبستگی مثبت کمتری با ریسک ویژه دارد. ‏
درنهایت، اثر متغیر شکاف قیمتی بر میزان همبستگی رابطۀ بین خطاهای پیش‌بینی مدیریتی و نوسان‌های بازده ویژه، از طریق ‏برازش معادلۀ رگرسیونی مدل سوم بررسی شده است. در این معادله، ضریب (‏ɣ2‎‏) تعیین‌کنندۀ رد یا پذیرش فرضیۀ 3.2 بوده و ‏همانند مراحل قبل، از طریق آمارۀ ‏F، معناداری آزمون بررسی شده است.‏

جدول(7) نتایج حاصل از برازش معادلۀ رگرسیون (مدل سوم)‏
Table ‎‏)‏‎7‎‏ (‏Results of third model regression
‎〖RMSE〗_(i.t)=‎γ‎_0+‎γ‎_1 〖AMFE〗_(i.t-1)+‎γ‎_2 〖AMFE×SPREAD〗_(i.t-1)+‎γ‎_3 〖SPREAD〗_(i.t-1)+‎γ‎_4 〖SIZE〗_(i.t-1)‎‎+‎γ‎_5 〖ROA〗_(i.t-1) 〖+‎γ‎〗_6 〖GROWTH〗_(i.t-1)+‎γ‎_7 〖LOSS〗_(i.t-1)+‎γ‎_8 〖LEV〗_(i.t-1)++‎γ‎_9 〖INST〗_(i.t-1)‎‎+‎γ‎_10 〖AQ〗_(i.t-1)+‎γ‎_11 〖SMOOTH〗_(i.t-1)+‎γ‎_12 〖PRED〗_(i.t-1)+‎γ‎_13 〖CFOVOL〗_(i.t-1)+‎‏µ‏‎_i+λ_i+ε
نام متغیر    ضریب متغیر    مقدار ضریب    خطای استاندارد    آمارۀ ‏t    سطح معنا‌داری
C    ɣ‏0‏    ‏644655/0‏    ‏038666/0‏    ‏67253/16‏    ‏0000/0‏
AMFE1‎    ɣ‏1‏    ‏207853/0‏    ‏037983/0‏    ‏471657/5‏    ‏0000/0‏
AMFE1*SPREAD    ɣ‏2‏    ‏025570/0‏    ‏009342/0‏    ‏737086/2‏    ‏0062/0‏
SPREAD    ɣ‏3‏    ‏003987/0‏    ‏001727/0‏    ‏308463/2‏    ‏0210/0‏
ROA    ɣ‏4‏    ‏037681/0-‏    ‏028996/0‏    ‏299534/1-‏    ‏1938/0‏
SIZE    ɣ‏5‏    ‏022164/0-‏    ‏001452/0‏    ‏26076/15-‏    ‏0000/0‏
LEV    ɣ‏6‏    ‏017387/0‏    ‏009025/0‏    ‏926519/1-‏    ‏05441/0‏
LOSS    ɣ‏7‏    ‏020984/0‏    ‏005238/0‏    ‏972323/3‏    ‏0001/0‏
GROWTH    ɣ‏8‏    ‏18/3‏e-‎‏06‏    ‏08/3‏e-‎‏06‏    ‏033028/1‏    ‏3016/0‏
SMOOTH    ɣ‏9‏    ‏000167/0‏    ‏00219/0‏    ‏761840/0‏    ‏4462/0‏
PREDICT    ɣ‏10‏    ‏012393/0-‏    ‏005337/0‏    ‏323202/2‏    ‏0202/0‏
CFOVOL    ɣ‏11‏    ‏009736/0-‏    ‏009624/0‏    ‏011646/1-‏    ‏3117/0‏
AQ    ɣ‏12‏    ‏013558/0-‏    ‏008400/0‏    ‏613956/1-‏    ‏1066/0‏
INST    ɣ‏13‏    ‏080741/0‏    ‏006626/0‏    ‏18483/12‏    ‏0000/0‏
ضریب تعیین    ‏278/0‏    آمارۀ دوربین واتسون    ‏51/1‏
ضریب تعیین تعدیل‌شده    ‏277/0‏    سطح معناداری آماره ‏F    ‏0000/0‏

طبق نتایج سطح معناداری خطاهای پیش‌بینی مدیریتی × شکاف قیمتی (‏ɣ2‎‏) کمتر از سطح معناداری 01/0 است. بنابراین فرض ‏صفر‎ ‎مبنی بر عدم اثرگذاری متغیر شکاف قیمتی رد شده است و این متغیر معنا‌داری لازم را دارد. این موضوع یعنی شکاف قیمتی بر ‏رابطۀ بین خطاهای پیش‌بینی مدیریتی و ریسک ویژه در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران تأثیر معناداری دارد. با ‏توجه به اینکه ضریب تأثیر محاسبه‌شدۀ (‏ɣ2‎‏) برابر 025/0 است، می‌توان نتیجه گرفت در صورتی که دامنۀ قیمت پیشنهادی ‏خریدوفروش سهام در شرکت بالاتر باشد، خطاهای پیش‌بینی مدیریتی همبستگی مثبت بیشتری با نوسان‌های بازده ویژه دارد. به ‏عبارت دیگر، وجود عدم ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ بین مدیران داخلی یک شرکت و سرمایه‌گذاران و درنتیجۀ آن اختلاف بیشتر بین دامنۀ ‏قیمت پیشنهادی خریدوفروش سهام یک شرکت، رﯾﺴـﮏ اﻧﺘﺨﺎب ﻣﻐﺎﯾﺮ را افزایش ﻣـﯽدﻫـﺪ.‏
ضریب تعیین تعدیل‌شده در مدل‌های پژوهش برابر 56 /0، 29/0 و 27/0 است و نشان از آن دارد که 29، 56 و 27 درصد ‏تغییرات متغیر وابستۀ مدل توسط متغیرهای مستقل توضیح داده شده است. از سوی دیگر، تفاوت اندک بین ضریب تعیین تعدیل‌ ‏شده است و ضریب تعیین نشان‌دهندۀ آن است که متغیرهای مستقل اضافه‌شده به مدل به‌درستی انتخاب شده‌اند. اگر‌چه قسمتی از ‏متغیر وابسته توسط متغیرهای سمت راست مدل توضیح داده نشده، با در نظر گرفتن آمارۀ ‏F‏ فیشر و سطح اهمیت آن می‌شود گفت ‏که این مدل می‌تواند مدل مناسب متغیرهای مستقل و وابسته باشد.‏

نتایج و پیشنهادها
به‌عنوان جمع‌بندی مطالب مطرح‌شده، طبق فرضیۀ اول خطای پیش‌بینی‌های مدیریتی درخصوص درآمد شرکت‌های پذیرفته‌شده در ‏بورس اوراق بهادار تهران معنا‌دار است.‏‎ ‎پیش‌تر عنوان شد در این مطالعه تمرکز فقط بر سوگیری‌های پیش‌بینی مدیریتی نبوده و ‏منظور، دقت و صحت پیش‌بینی مدیریتی است. طبق نتایج، پیش‌بینی‌های مدیریتی در ایران دارای خطاست و برخی اوقات این ‏پیش‌بینی‌ها انحراف بسیار بالایی با درآمد‌های محقق‌شده دارند. همان‌طور که می‌دانیم سرمایه‌گذاران برای تصمیم‌گیری به اطلاعات ‏آینده‌نگر نیاز دارند تا بتوانند ریسک و بازده آتی شرکت‌ها را پیش‌بینی کنند؛ اما با توجه به شرایط بازار سرمایه در ایران به‌عنوان ‏بازاری با سطح کارایی ضعیف و دسترسی‌نداشتن سرمایه‌گذاران به اطلاعات نهانی شرکت‌ها، فعالان بازار فقط به اطلاعات ‏گذشته‌نگر و پیش‌بینی‌های مدیریتی در‌خصوص سود و فروش اتکا می‌کنند که به دلیل وجود خطا در این گزارش‌ها، تصمیمات آنها ‏بهینه نیست و همین امر موجب افزایش ریسک و کاهش ارزش شرکت‌‌ها می‌شود.. نتایج حاصل از فرضیۀ اول با پژوهش‌های صالح ‏نژاد و همکاران (‏‎2016‎‏)، ایتنر و مایکلز‏ ‏ (‏‎2017‎‏) و کیتاگاوا و اکودا (‏‎2016‎‏) هم‌راستا و سازگار است. براساس نتایج، خطاهای ‏پیش‌بینی مدیریتی،‎ ‎همبستگی مثبتی با ریسک ویژه دارد و فرضیۀ دوم مورد تأیید است. طبق مبانی نظری نیز افشای مناسب اطلاعات ‏مالی مانند پیش‌بینی‌های به‌موقع و دقیق، باعث کاهش ریسک و افزایش نقدشوندگی سهام شرکت می‌شود. در مقابل، ارائۀ اطلاعات ‏نادرست یا دیرهنگام از شرایط آتی یک شرکت، زمینۀ ایجاد انحراف‌های تصمیماتی و عملکردی سرمایه‌گذاران را فراهم می‌کند و ‏بدیهی است بعدها با وقوع شرایطی متفاوت از شرایط پیش‌بینی‌شده، سرمایه‌گذاران نیز به نتایج مطلوب، دلخواه و موردنظر خود ‏دست نخواهند یافت. بنابراین هرچه شفافیت اطلاعاتی شرکتی بالاتر باشد، درجۀ اطمینان بیشتر و ریسک سرمایه‌گذاری در آن ‏شرکت کمتر خواهد بود. نتایج حاصل از فرضیۀ دوم با پژوهش‌های راج گوپال و ونکاتاجالام ‏ (‏‎2011‎‏) و کیتاگاوا و اوکادا (‏‎2016‎‏) ‏همخوانی دارد. درنهایت، طبق نتایج حاصل از فرضیۀ سوم هرچه محیط اطلاعاتی قوی‌تر باشد، رابطۀ مستقیم بین خطای پیش‌بینی ‏مدیریت و ریسک ویژه کاهش پیدا خواهد کرد. عملیات‎ ‎شرکت‌ها‎ ‎در‎ ‎محیط‌های نامطمئن‌تر،‎ ‎منافع‎ ‎کمتری‎ ‎را‎ ‎از‎ ‎یک‎ ‎محیط‎ ‎اطلاعات‎ ‎داخلی‎ ‎با‎ ‎کیفیت‎ ‎بالا‎ ‎نصیب شرکت‌ها‎ ‎می‌کند.‏‎ ‎برای‎ ‎این شرکت‌ها، محیط اطلاعات داخلی باکیفیت می‌تواند به شناسایی فرصت‌های ‏رشد کمک کند و تردیدها را دربارۀ استراتژی‌های عملیاتی شرکت کاهش دهد. در این پژوهش دو عامل اندازۀ شرکت و اختلاف ‏داﻣﻨـۀ ﻗﯿﻤـﺖ ﭘﯿﺸـﻨﻬﺎدی (به‌عنوان ﻣﻌﯿـﺎر ﻣﻌﮑـﻮس برای سنجش کیفیت ﻣﺤـﯿﻂ اﻃﻼﻋـﺎﺗﯽ)، مبنای سنجش محیط اطلاعاتی شرکت‌ها ‏قرار گرفت. به‌طور معمول، شرکت‌های بزرگ‌تر، با سرمایۀ بیشتر، به‌همراه محیط اطلاعات داخلی کیفیت بیشتری دارند. علاوه بر ‏آن، وجود ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ بین مدیران داخلی یک شرکت و سرمایه‌گذاران، رﯾﺴـﮏ اﻧﺘﺨﺎب ﻣﻐﺎﯾﺮ را کاهش ﻣـﯽدﻫـﺪ. ﺑـﻪ ﻋﺒـﺎرت ‏دﯾﮕـﺮ، ﺳﻄﻮح ﺑـﺎﻻﺗﺮ ﺗﻘـﺎرن اﻃﻼﻋـﺎﺗﯽ ﺑـﺎ داﻣﻨـۀ ﻗﯿﻤـﺖ ﭘﯿﺸـﻨﻬﺎدی پایین‌تر ﻫﻤـﺮاه ﺧﻮاﻫـﺪ ﺑـﻮد. براساس نظریۀ علامت‌دهی نیز ‏شرکت‌ها برای گزارش عملکرد بهتر خود نسبت‌به رقبا، اقدام به افزایش افشای اطلاعات حسابداری می‌کنند که این امر موجب ‏تقویت محیط اطلاعات و درنتیجه کاهش ریسک شرکت می‌شود. این نتایج نیز منطبق بر پژوهش‌های گیتاگاوا و اوکادا (‏‎2016‎‏)، ‏روبین و وو ‏ (‏‎2015‎‏) و راچگوبال و نکتاچالام ‏ (‏‎2012‎‏) است. ‏
به‌عنوان پیشنهادهای ارائه‌شده متناسب با نتایج این پژوهش، به سرمایه‌گذاران پیشنهاد می‌شود هنگام تحلیل شرکت و بررسی ‏سودآوری آتی شرکت حتماً به کیفیت پیش‌بینی مدیران (براساس سوابق عملکردی آنان در این زمینه) دقت کنند. علاوه بر آن، تهیۀ ‏سناریوهای خوش‌بینانه و بدبینانه و آنالیز حساسیت به سرمایه‌گذاران در بهبود تصمیم‌گیری و سرمایه‌گذاری صحیح و مطمئن کمک ‏خواهد کرد. درنهایت توجه به شرایط محیطی و اطلاعاتی هر شرکت (نظیر میزان سرمایه، اختلاف دامنۀ قیمتی سهام شرکت و ...) ‏به‌عنوان عوامل مؤثر بر کیفیت اطلاعات منتشره توسط آن شرکت و درنتیجه ریسک ویژۀ مربوط به آن اهمیت ویژه‌ای دارد. به ‏پژوهشگران آتی پیشنهاد می‌شود با توجه به اینکه یکی از عوامل مؤثر بر پیش‌بینی‌های مدیریتی عوامل رفتاری مدیران همچون ‏خودشیفتگی و اعتمادبه‌نفس بیش از حد مدیران است، تمامی عوامل رفتاری کنار عامل‌های این پژوهش در نظر گرفته و تأثیر آن بر ‏محافظه‌کاری بررسی و با نتایج این پژوهش مقایسه شود. از دیگر پیشنهادها، انجام‌دادن این پژوهش با تفکیک شرکت به‌صورت ‏خانوادگی و غیر ‌خانوادگی است تا تأثیر نوع مالکیت بر رابطۀ خطای پیش‌بینی مدیریتی و ریسک ویژه بررسی شود. علاوه بر آن، ‏بررسی ایـن روابـط بـا تفکیک شرکت‌ها از نظر نوع صنعت یا در نظر گـرفتن سایر معیارهای محیط اطلاعاتی ازجمله پوشش خبری‎ ‎شــرکت‌هــا می‌تواند از پیشـنهادها بـرای‎ ‎پژوهش‌های آتی باشد. ‏
یکی از مهم‌ترین محدودیت‌های پژوهش نبود بانک منسجم اطلاعاتی در بورس اوراق بهادار است. اطلاعات موجود در پایگاه ‏دادۀ اطلاعاتی بورس بیشتر متمرکز بر صورت‌های مالی بوده است و اطلاعات دیگر باید به‌صورت اسناد ‌کاوی و جستجو در ‏یادداشت‌های صورت مالی انجام شود که این امر باعث زمان‌بر و هزینه‌‌بر شدن پژوهش می‌شود. از آنجایی ‌که پژوهش حاضر با ‏استفاده از داده‌های 160 شرکت بورسی بوده است و شامل همۀ شرکت‌های پذیرفته‌شده در بورس نیست؛ بنابراین در تسری نتایج ‏این پژوهش به کل جامعه احتیاط کرد.‏

منابع فارسی
ابراهیمی کردلر، علی.، محمدآبادی، مهدی. و حصارزاده، رضا (1387). بررسی رابطۀ تضاد منافع بین سهام‌داران و اعتباردهندگان با ‏توزیع سود سهام و محدودیت در تأمین مالی. فصلنامۀ بورس اوراق بهادار. 1(4)، 74-53. ‏https://www.magiran.com/paper/920062‎
آقایی، محمدعلی.، زلقی، حسن.، اعتمادی، حسین. و انواری رستمی، علی اصغر (1392). تأثیر تجدید ارائۀ صورت‌های مالی بر ‏کیفیت اقلام تعهدی. فصلنامۀ پژوهش‌های تجربی حسابداری. 3(7)، 148-119.‏‎ ‎https://www.sid.ir/fa/journal/ViewPaper.aspx?id=208459‎
اعتمادی، حسین.، حصارزاده، رضا.، محمدآبادی، مهدی. و بذرافشان، آمنه (1388). افشا و ارزش شرکت: شواهدی از بازار سرمایه ‏نوظهور ایران. مجلۀ حسابداری مدیریت. 5 (13)، 77-67. ‏https://jma.srbiau.ac.ir/article_3065.html‎
رشیدی، محسن (1399). نقش توانایی مدیران در تعدیل شرایط اعتباری و کاهش پراکندگی بازده سهام. نشریۀ مدیریت دارایی و ‏تأمین مالی. 8(3): ‏http://dx.doi.org/10.22108/amf.2020.119807.1480‎
زلقی، حسن.، بیات، مرتضی. و دانش عسگری، تهمینه. (1393). بررسی تأثیر پیش‌بینی سود از جانب مدیریت بر ریسک ‏غیرسیستماتیک. فصلنامۀ علمی پژوهشی راهبرد مدیریت مالی. 2(2)، 136-121.‏‎ https://dx.doi.org/10.22051/jfm.2015.986‎
زمردیان، غلامرضا.، کاشانی تبار، شهرزاد. و خاکساریان، فاطمه (1396). ارزیابی ارتباط بین حاکمیت شرکتی و مدیریت سود ‏شرکت‌های پذیرفته‌‌شده در بورس اوراق بهادار تهران. مطالعات اقتصاد، مدیریت مالی و حسابداری. 4(3)، 35-25.‏‎ ‎http://noo.rs/4zrbJ
صالح نژاد، حسن. و وقفی، حسام. (1395). تأثیر پیش‌بینی سود توسط مدیریت بر ریسک و ارزش شرکت. مجلۀ راهبرد مدیریت ‏مالی. 4(12)، 124-103. ‏‎ https://dx.doi.org/10.22051/jfm.2016.2377‎
علـوی طبـری، سید حسین. و ربـاطمیلـی، مژگان (1391). مسئلۀ نمایندگی و قیمت‌گذاری خدمات حسابرسی مستقل آزمونی مبتنی ‏بر فرضیۀ جریان‌های نقدی آزاد: بررسی‌های حسابداری و حسابرسی. 19(2)، 122-97.‏‎ ‎https://dx.doi.org/10.22059/acctgrev.2012.29201‎
علی احمدی، سعید. و فدایی زهرا (1394). ارزیابی نقش محیط اطلاعاتی و رشد شرکت در قیمت‌گذاری اقلام تعهدی در ‏شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران. فصلنامه پژوهش‌های حسابداری مالی. 7(3)، 104-91.‏‎ ‎https://far.ui.ac.ir/article_17051.html
فخاری، حسین. و رضائی پیته نوئی، یاسر (1396). ارائۀ مدلی برای سنجش محیط اطلاعاتی شرکت. فصلنامۀ حسابداری مالی. ‏‏9(33)، 147-121. ‏URL: http://qfaj.ir/article-1-1052-fa.html
نیکوسخن، معین. و فدایی نژاد، محمد اسماعیل (1397). بررسی اهمیت ریسک غیرسیستماتیک هر ورقه بهادار: نگاهی دیگر به ‏ریسک غیرسیستماتیک و بازده. فصلنامه علمی راهبرد مدیریت مالی. 1(6)، 1-24.‏‎ ‎https://dx.doi.org/10.22051/jfm.2018.12991.1212‎
فروغی، داریوش. و نعلشکن، اکبر (1389). تأثیر ریسک ویژه بر بازده سهام. فصلنامۀ حسابداری و مدیریت مالی. 3، 233-215.‏‎ ‎https://www.noormags.ir/view/fa/articlepage/871878‎
کفاش‌پور یزدی، مهسا.، تفتیان، اکرم. و معین‌الدین، محمود (1398). بررسی اثر محیط اطلاعاتی بر رابطۀ بین خطای پیش‌بینی ‏مدیریت و ریسک غیرسیستماتیک در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران. نشریۀ علمی حسابداری مدیریت. ‏‏12(41)، 169-151. ‏https://jma.srbiau.ac.ir/article_14161.html‎
ملکیان، اسفندیار. وشایسته‌مند، حمیدرضا (1394). تبیین تأثیر سازوکارهای مدیریتی راهبری شرکتی بر ریسک‌پذیری شرکت‌های ‏پذیرفته‌شده در بورس اوراق بهادار تهران. فصلنامۀ حسابداری مالی. 7 (28)، 105-126.‏‎ URL: http://qfaj.ir/article-1-523-‎fa.html
منتشری، مجید. و فرید، داریوش (1399). بررسی الگوی جریان اطلاعاتی قیمت سهام مبتنی بر نقش انگیزۀ شهرت مدیران؛ ‏شواهدی از شرکت‌‌های پذیرفته‌شده در بورس اوراق بهادار تهران.نشریۀ مدیریت دارایی و تأمین مالی. 8 (1)، 136-123.‏‎ ‎https://dx.doi.org/10.22108/amf.2020.118068.1444‎
موسوی، خلیل.، میثم احمدی.، ماژین. و عبدالعلی پور، آرش (1394). بررسی تأثیر عدم اطمینان محیطی بر رابطه بین مدیریت سود ‏و عدم تقارن اطلاعاتی. کنفرانس ملی رویکردهای نوین در علوم مدیریت، اقتصاد و حسابداری. مازندران. مؤسسۀ علمی تحقیقاتی ‏کومه علم‌آوران دانش. ‏https://civilica.com/doc/370646/‎
موسوی شیری، محمود.، روشندل، معصومه. و خلعت‌بری، حسن (1397). بررسی اثر کیفیت اطلاعات بر ریسک نقدشوندگی سهام و ‏ریسک بازار. نشریۀ مدیریت دارایی و تأمین مالی. 6(2)، 34-15. ‏https://dx.doi.org/10.22108/amf.2017.21171‎
هاشمی دهچی، مجید.، ایزدی نیا، ناصر. و امیری، هادی (1399). تأثیر قابلیت مقایسه صورت‌های مالی بر نوسان‌های ویژۀ بازده سهام ‏با تأکید بر کیفیت گزارشگری مالی.‏‎ ‎مدیریت دارایی و تأمین مالی. ‏https://dx.doi.org/10.22108/amf.2020.123782.1554‎

References
Abdel-Khalik, A. R. (2008). The association between idiosyncratic risk and private information acquisition. CAAA 2008 ‎Annual Conference Paper‏.‏‎ DOI: https://dx.doi.org/10.2139/ssrn.1084072‎
Aghaie, M.‎‏ ‏A., Zalaghi, H‏.‏‎, Etemadi, H., & Anvari, R. A. (2013). Financial statement restatements impacts on accrual ‎quality. Journal of Empirical Research in Accounting‏.‏‎ 3(7)‎‏:‏‎ 119-148. (In Persian)‎
Alavi, T. S., & Robatmili, M. (2001). Agency problems and audit fees further tests of the free cash flow hypothesis: ‎Accounting and Auditing Review. 19(2)‎‏:‏‎97-122. (In Persian)‎
Aliahmadi, S., & Fadai, Z. (2015). Assessing the role of information environment and firm growth on the pricing of ‎accruals in companies listed in Tehran Stock Exchange (TSE). Quarterly Financial Accounting‏ ‏Researches. 7(3): ‎‎91-104. (In Persian)‎
Aman, H. (2011). Firm-specific volatility of stock returns, the credibility of management forecasts, and media ‎coverage: Evidence from Japanese firms. Japan and the World Economy. 23(1): 28–39. DOI: ‎https://doi.org/10.1016/j.japwor.2010.06.009 ‎
Botosan, C. A. (1997). Disclosure level and the cost of capital. The Accounting Review. 72(3). 21–40. ‎https://www.jstor.org/stable/248475‎
Brockman, P., & Yan, X. S. (2009). Block ownership and firm-specific information. Journal of Banking & Finance‏.‏‎ ‎‎33(2): 308–316‎‏.‏‎ DOI: https://doi.org/10.1016/j.jbankfin.2008.08.011‎
Campbell, J. Y., Lettau, M., Malkiel, B. G., & Xu, Y. (2001). Have individual stocks become more volatile‎‏:‏‎ An empirical ‎exploration of idiosyncratic risk. The Journal of Finance. 56(1): 1–43. DOI: https://doi.org/10.1111/0022-‎‎1082.00318‎
Christensen, P. O., & Feltham, G. A. (2003). Economics of Accounting: New‏ ‏York. Volume 1- Information in Market. ‎Springer Science+Business Media. DOI: https://doi.org/10.1007/978-1-4615-1133-5‎
Choy, S. Y. (2019). Economic Uncertainty and Management Earnings Forecast. Master Thesis, Seul National ‎University, URI: https://hdl.handle.net/10371/150551‎
Dechow, P. (2002)‎‏.‏‎ Accounting earnings and cash flows as 43 measure firm performance: the role of accounting ‎accruals. Journal of Accounting & Economics.17: 3-42. DOI: https://doi.org/10.1016/0165-4101(94)90016-7‎
Diamond, D., & Verrecchia, R. (1991)‎‏.‏‎ Disclosure, liquidity and the cost of equity capital. The Journal of Finance‏.‏‎ 46 ‎‎(4): 1325-1359‎‏.‏‎ DOI: https://doi.org/10.1111/j.1540-6261.1991.tb04620.x‎
Ebrahimi, K, A., Mohammad, A. M., & Hesarzadeh, R. (2008). Investigation of the relationship between shareholders ‎&‎ creditor‏ ‏conflict over dividend policy and financing constraints. Journal of Securities Exchange. 1(4): 53-74. (In ‎Persian)‎
Etemadi, H., Hesarzadeh, R., Mohammad, A. M., & Bazrafshan, A. (2009). Disclosure and firm falue: Evidence from ‎Iran's emergence stock market. Journal of Management Accounting. 5(13): 67-77. (In Persian)‎
Fama, E. & French, K. (1993). Common risk factors in the return on stocks and bonds. Journal of Financial ‎Economics, 33, 3-56.‎
Fakhari, H., & Rezaei, P. Y. (2017). Explaining a model for measuring the corporate information environment. Journal ‎of Financial Accounting. 9(33): 121-147. (In Persian)‎
Foerster, J‏.‏‎, Farquhar,‎‏ ‏G‏.‏‎, Nardelli, N., & Whiteson, S. (2016). Counterfactual multi-agent policy gradients. Roceedings ‎of the AAAI Conference on Artificial Intelligence. 32(1)‎‏.‏‎ https://ojs.aaai.org/index.php/AAAI/article/view/11794‎
Forughi, D., & Nalshekan, A. (2010). The effect of nonsystematic risk on stock returns. Financial Management and ‎Accounting. 3: 215-233 (In Persian)‎
Haggard, K. S., Martin, X., & Pereira, R. (2008). Does voluntary disclosure improve stock price informativeness? ‎Journal of Financial Management. 37: 747-768‎‏.‏‎ DOI: https://doi.org/10.1111/j.1755-053X.2008.00033.x‎
Hashemi, D. M., Izadinia, N., & amiri, H. (2020). The effect of financial statement comparability on idiosyncratic ‎return volatility by emphasis on the financial reporting quality. Journal of Asset Management and Financing, 9(3), ‎‎1-18. (In Persian) ‎
Healy, P.M., & K.G. Palepu (2001). Information asymmetry, corporate disclosure, and the capital markets: A review of ‎the empirical disclosure literature. Journal of Accounting & Economics. 31: 405-440‎‏.‏‎ DOI: ‎https://doi.org/10.1016/S0165-4101(01)00018-0‎
Ittner, C. D., & Michels, J. (2017). Risk-based forecasting and planning and management earnings forecasts. Review of ‎Accounting Studies. 22(3); 1005-1047. DOI: https://doi.org/10.1007/s11142-017-9396-0‎
Long, H., Jiang, Y., & Zhu, Y. (2018). Idiosyncratic tail risk and expected stock returns: Evidence from the Chinese ‎stock markets. Finance Research Letters. 24. 129-136. DOI: https://doi.org/10.1016/j.frl.2017.07.009‎
Kaffashpour, Y. M., Taftiyan, A., & Moeinaddin, M. (2018). Investigating the effect of information environment on ‎the relationship between management forecast error and idiosyncratic risk in companies accepted in Tehran stock ‎exchange. Journal of Manangement Accounting. 12(41); 151-169. (in persian)‎
Kitagawa, N., & Okuda, S. (2016). Management forecasts, idiosyncratic risk, and the information environment: The ‎International Journal of Accounting. DOI: http://dx.doi.org/10.1016/ j.intacc.2016. 10.002‎
Li, B., Rajgopal, S., & Venkatachalam, M. (2012). R2 and idiosyncratic risk are not interchangeable. The Accounting ‎Review. 89(6). 2261-2295. DOI: https://doi.org/10.2308/accr-50826‎
Malekian. E., & Shayestehmand H. R. (2016). The effect of managerial mechanisms of corporate governance on risk ‎taking: Evidence from Tehran Stock Exchange. Quarterly Financial Accounting Journal. 7 (28):105-126. (In ‎Persian)‎
Malkiel, B. G., & Xu, Y. (2003). Idiosyncratic risk and security returns. University of Texas at Dallas‎‏.‏‎ Available at: ‎https://ssrn.com/abstract=255303 or http://dx.doi.org/10.2139/ssrn.255303‎
Montashery, M., & Farid, D. (2020). A Study on stock price informativeness model based on the role of managers’ ‎reputation motivation (Evidence from the companies listed‏ ‏in Tehran Stock Exchange). Journal of Asset ‎Management and Financing. 8(1): 123-136. (In Persian)‎
Moosavi, K., Ahmadi, M., & Abdolalipour, M. (2014). Investigating the effect of environmental uncertainty on the ‎relationship between earnings management and information asymmetry. National Conference on New Approaches ‎in Management, Economics and Accounting (In Persian) ‎
Mousavi, S. M., Roshandel, M., & Khalatbari, H. (2018).‎‏ ‏Investigation of the effect of information quality on stock ‎liquidity risk and market risk‏.‏‎ Journal of Asset Management and Financing. 6(2): 15-34. (In Persian)‎
Nikusokhan, M., & Fadaei, N. M. E. (2018). The investigation of the importance of individual securities idiosyncratic ‎risk: Another look at idiosyncratic risk and expected returns. Journal Of Financial Management Strategy. 6(1): 1-‎‎24. (In Persian)‎
Omokehinde, O. S., Abata, M. D., Somoye, R. O. C., & Migiro, S. O. (2017). Asymmetric information and volatility of ‎stock returns in Nigeria. Journal of Economics and Behavioral Studies. 9(3): 220-231. DOI: ‎https://doi.org/10.22610/jebs.v9i3(J).1761‎
Ota, K. (2010). Analysts, awareness of systematic bias in management earnings forecasts: Empirical evidence from ‎Japan. Working Paper. Musashi University‏.‏‎ DOI: https://dx.doi.org/10.2139/ssrn.952696‎
Rajgopal, S., & Venkatachalam, M. (2011). Financial reporting quality and idiosyncratic return volatility. Journal of ‎Accounting and Economics. 51(1–2): 1–20‎‏.‏‎ DOI: https://doi.org/10. 1016/ j.jacceco.2010.06.001‎
Rashidi, M. (2020)‎‏. ‏The role of managers' ability to modify credit conditions and reduce share returns spread‏.‏‎ Journal ‎of Asset Management and Financing. 8(3): 123-139. (In Persian)‎
Robin, A., & Wu, Q. (2015). Firm growth and the pricing of discretionary accruals. Review of Quantitative Finance and ‎Accounting‏.‏‎ 45(3): 561-590. DOI: https://dx.doi.org/10.2139/ssrn.2019623‎
Salehnejad, H., & Vaghfi, H. (2016). The effect of predicting profit by management on risk and firm value. Journal of ‎Financial Management Strategy. 4(12): 103-124. (In Persian)‎
Wei, S. X., & Zhang, C. (2006). Why did individual stocks become more volatile? Journal of Business. 79: 259–292‎‏.‏‎ ‎DOI: https://doi.org/10.1086/497411‎
Zalaghi, H., Bayat, M., & Daneshasgari, T. (2004). The impact of management earning forecast on non-systematic ‎risk. Journal of Financial Management Strategy. 2(2): 121-136. (In Persian)‎
Zomorodian, G., Kashanitabar, S., & Khaksarian, F. (2017). Evaluation of the relationship between corporate ‎governance standards and real earnings management in listed companies in Tehran Stock Exchange. Studies of ‎Economy, Financial Management and Accounting. 4(3): 25-35. (In Persian)‎
‎ ‎