دانلود ترجمه مقاله بازده بازار و میزان قیمت سهام در تخمین درآمد آینده شرکت

در جهانی با نوسانات بازار که اطلاعات هزینه بر است و هزینه مبادله وجود دارد، بازارها نمی توانند از نظر اطلاعاتی کارا باشند. گراسمن و استیگلیتز (1980) بیان نمودند که اگر بازارها به طور کامل کارا باشند، جمع آوری اطلاعات سودآور نیست و در نتیجه هیچ کسی معامله نخواهد کرد. بنابراین، باید فرصت های سود کافی وجود داشته باشد، یعنی ناکارایی، تا تحلیل اوراق بهادار را اغوا کند و سرمایه گذاران را به جمع آوری اطلاعات و هزینه های معامله برانگیزاند. پیشنهاد نهایی این است که EMH باید یک مورد محدود کننده در نظر گرفته شود: قیمت ها اطلاعات را منعکس می کنند به این دلیل، هزینه های کسب اطلاعات و هزینه های معاملات بیشتر از منافع معامله نیست. همسو با این جملات و تحت تاثیر ادبیات تجربی که EMH را به چالش می کشاند، کمپبل و همکاران(1997) مفهوم کارایی نسبی را بیان نمودند. بجای داشتن دیدگاه همه یا هیچ، که آیا بازار ها کارا هستند یا خیر، آنها اهمیت اندازه گیری معیار کارایی با پیش بینی سود را دست کم گرفتند. تحقیقات اخیر نشان می دهد که کارایی بازار در بازارهای سهام و مناطق جغرافیایی مختلف متفاوت است(ین و لی، 2008). ایتو و سوگیاما (2009) و گیو و فینرتی (2002) کارایی بازاری که به مرور زمان تغییر می کند را با شرایط مالی حاکم بر میزان کارایی نشان دادند. راچ، سابرامانیام و وان دیجک (2017) دریافتند که رفتار متغیر با زمان کارایی بازار ناشی از یک مولفه نظامند است. تغییرات در قیمت ها ممکن است ناشی از ورود اطلاعات پیش بینی نشده و معامله اخلال باشد. عدم وجود الگوهای نظامند یا وابستگی ها در توزیع بازده سهام تضمین نمی کند که قیمت سهام به طور دقیق ارزش درونی شرکت را دنبال می کند. گریفین و همکاران(2010) از یک سناریو افراطی استفاده می کنند که در آن قیمت ها هرگز اطلاعات جدید درباره اصول بنیادین را تلفیق نمی کند و معامله اخلال از ساختار همبستگی نظامند برخوردار نیست، تا آن استدلال را نشان دهند. قیمت سهام از گردش کاملا تصادفی تبعیت می کند، اما قیمت گذاری اطلاعی درباره ارزش واقعی آن شرکت در آن زمینه نمی دهد. این مطالعه بررسی می کند که آیا ظرفیت قیمت های سهام برای نشان دادن سودآوری آتی شرکت ( پیش بینی آینده) با میزان کارایی بازار ارتقا می یابد که از طریق شاخص های رایج اندازه گیری می شوند. از آنجا که کارایی بازار یک متغیر مکنون است که شامل ابعاد مختلف است و توسط شاخص های تجربی مختلف نشان داده می شود، پاسخ هایی به سوالات اصلی پژوهش که در اینجا بررسی می شوند به طور تجربی تعیین می شوند. علاوه بر این، محیط اطلاعات –که مقدار، دسترسی پذیری و هزینه اطلاعات مناسب درباره اصول بنیادین شرکت را تحت تاثیر قرار می دهد و غلبه معامله اختلال بر این ارزیابی تاثیر می گذارد. ابتدا تحلیل خود را بر رابطه امتیاز مجموع کارایی بازار و ظرفیت قیمت های سهام متمرکز می کنیم تا سودآوری آتی شرکت را پیگیری کنیم و در مرحله دوم، با استفاده از شاخص های منحصربفرد بجای امتیاز مجموع، تحلیل مشابهی انجام می دهیم.

In a world with market frictions, where information is costly and transaction costs exist, markets cannot be fully informationally efficient. Grossman and Stiglitz (1980) noted that if markets were fully efficient, information gathering would not be profitable, and consequently, no one would trade. Thus, there must be “sufficient” profit opportunities, i.e., inefficiencies, to induce security analysis and reward investors’ information-gathering and trading costs. The bottom line is that the EMH should be regarded as a limiting case: prices mirror the information for which information acquisition costs and transaction costs do not exceed the benefits of trading. Along those lines and motivated by the empirical literature challenging the EMH, Campbell et al. (1997) set forth the concept of relative efficiency. In lieu of taking the all-ornothing view as to whether markets are efficient, they underscore the importance of measuring the degree of efficiency or return predictability. Recent research suggests that market efficiency varies across stocks and geographies and over time (Yen & Lee, 2008). Ito and Sugiyama (2009) and Gu and Finnerty (2002) document time-varying market efficiency, with financial conditions governing the degree of efficiency. R€osch, Subrahmanyam, and Van Dijk (2017) find that the time-varying behavior of market efficiency is driven by a systematic component. Changes in prices may stem from the arrival of unexpected information and from noise trading. The inexistence of systematic patterns or dependencies in the distribution of stock returns does not ensure that stock prices are accurately tracking the firm's intrinsic value. Griffin et al. (2010) use an extreme scenario, in which prices never assimilate new information about fundamentals and noise trading has no underlying systematic correlation structure, to illustrate that reasoning. The stock price may follow a perfect random walk, but the pricing is completely uninformative about the intrinsic value of the firm in that setting. This study asks whether the capacity of stock prices to track a firm's future profitability (“bring the future forward”) is boosted by the degree of market efficiency measured through the lens of popular proxies. As market efficiency is a latent variable that encompasses multiple dimensions and is captured by various empirical proxies, the answers to the main research questions addressed herein are best determined empirically. Furthermore, the information environment e which weighs on the amount, availability and cost of relevant information about firm fundamentals, and the predominance of noise trading are likely to influence the assessment. We first center our analysis on the association of an aggregate score of market efficiency with the capacity of stock prices to track a firm's future profitability, and in the second stage we redo the same analysis using individual proxies in lieu of the aggregate score.