کاربرد الگوریتم ژنتیک در تعیین ساختار بهینه سرمایه شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران

نویسندگان

دانشگاه شیراز

چکیده

هدف اصلی شرکت‌ها به حداکثر رساندن ثروت سهامداران است. یکی از عوامل مؤثر بر این امر، ساختار سرمایه می‌باشد. پژوهش حاضر، پس از بررسی همبستگی ساختار سرمایه و سودآوری 300 شرکت پذیرفته‌شده در 12 صنعت و حصول اطمینان از وجود رابطه معنی‌دار بین این دو متغیر، به تعیین ساختار بهینه سرمایه در سطح کل شرکت‌ها 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. به‌دلیل وجود رابطه معنی‌دار بین ساختار سرمایه و نرخ بازده دارایی‌ها در سطح کل شرکت‌ها و همچنین صنایع مختلف، از این متغیر به‌عنوان معیار سودآوری و عامل تعیین‌کننده ساختار بهینه سرمایه در الگوریتم ژنتیک استفاده شده است. به‌منظور مدل‌سازی داده‌های ورودی (ساختار سرمایه) و خروجی (نرخ بازده دارایی‌ها) از رگرسیون بردارهای پشتیبان و به‌منظور 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 دارایی‌ها مطابقت دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Genetic Algorithms in Determining Optimal Capital Structure of Firms Accepted in Tehran Stock Exchange

نویسندگان [English]

  • Mohammad Hossein Setayesh
  • Mostafa Kazemnejad
  • Mohammad Javad Shafiee
چکیده [English]

Capital structure or a mixture of debts and equity constitutes an effective factor on shareholder wealth maximization, as the main goal of the firms. This research reviews the correlation between capital structure and profitability of 300 accepted firms in 12 industries and verifies confidence and significance of relationship between these two variables, determining the optimal capital structure in total levels of firms and various industries. The correlation results indicate that the relationship between capital structure and profitability depends on definition of profitability variable. Due to the significance of relationship between capital structure and return on assets (ROA) in total levels of firms and various industries, this variable has been used as a criterion of profitability and determining factor of optimal capital structure in genetic algorithms. For modeling input (capital structure) and output (ROA) data, support vector (SV) regression is used, and for optimization of capital structure, genetic algorithms are applied. The results obtained by genetic algorithms application, indicate that the maximum of profitability is achieved in lieu of using less financial leverage (debt). The finding agrees with correlation results indicating a negative relationship between capital structure and ROA.

کلیدواژه‌ها [English]

  • Capital structure
  • Genetic Algorithms
  • optimization
  • Profitability