Μεταπτυχιακές Εργασίες
Μόνιμο URI για αυτήν τη συλλογήhttps://pyxida.aueb.gr/handle/123456789/35
Περιήγηση
Πλοήγηση Μεταπτυχιακές Εργασίες ανά Συγγραφέα "Angelakis, Alkiviadis"
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z
Α Β Γ Δ Ε Ζ Η Θ Ι Κ Λ Μ Ν Ξ Ο Π Ρ Σ Τ Υ Φ Χ Ψ Ω
Τώρα δείχνει 1 - 1 από 1
- Αποτελέσματα ανά σελίδα
- Επιλογές ταξινόμησης
Τεκμήριο An empirical investigation of the alternative specifications of the accounting valuation model(05-02-2021) Αγγελάκης, Αλκιβιάδης; Angelakis, Alkiviadis; Athens University of Economics and Business, Department of Accounting and Finance; Papadaki, Afroditi; Tzovas, Christos; Xevas, DimosthenisΣκοπός της παρούσας εργασίας ήταν να μελετήσει διαφορετικές εξειδικεύσεις του λογιστικού μοντέλου αποτίμησης, ελέγχοντας την αποτελεσματικότητά τους. Για την επίτευξη του ερευνητικού σκοπού της εργασίας, ακολουθήθηκε η προσέγγιση των Shen and Stark (2013) σε ένα δείγμα 288 εισηγμένων εταιρειών της Γαλλίας και της Γερμανίας. Η περίοδος υπό μελέτη ήταν η 2002-2018. Στόχος ήταν να επικυρωθούν τα αποτελέσματα των Shen and Stark (2013) σχετικά με την επεξηγηματική δύναμη μοντέλων που συνδέουν την αγοραία αξία μιας οικονομικής οντότητας με μια σειρά λογιστικών μεγεθών που λειτουργούν ως επεξηγηματικές μεταβλητές, όπως επίσης και την προβλεπτική ικανότητα των εν λόγω μοντέλων ή το πώς μπορούν να προβλέψουν την αγοραία αξία του επόμενου έτους χρησιμοποιώντας όλα τα ιστορικά δεδομένα. Συγκρίθηκαν ένα βασικό έναντι ενός εκτεταμένου μοντέλου, ενώ χρησιμοποιήθηκαν τρείς διαφορετικοί αποπληθωριστές (deflators). Το σφάλμα αποτίμησης μετρήθηκε με το μέτρο PVE ενώ η ακρίβεια αποτίμησης με τα μέτρα APVE, SPVE. Τα αποτελέσματα έδειξαν ότι σχετικά με την επεξηγηματική ικανότητα, καλύτερο είναι το μοντέλο αποπληθωρισμένο με το πλήθος των μετοχών. Γενικότερα το εκτεταμένο μοντέλο έχει καλύτερη επεξηγηματική ικανότητα, εκτός από την περίπτωση που ως αποπληθωριστής είναι η λογιστική αξία της οντότητας. Σχετικά με την προβλεπτική ικανότητα της, σε όρους σφάλματος αποτίμησης αλλά και ακρίβειας καλύτερο ήταν το εκτεταμένο μοντέλο με αποπληθωριστή την λογιστική αξία. Ακολούθως, διαχωρίζοντας το δείγμα των οντοτήτων σε αυτές με σχετικά μεγάλο ποσοστό άυλων στοιχείων στο ενεργητικό και σε αυτές που έχουν μικρότερο, βελτιώνεται η προβλεπτική ικανότητα των μοντέλων. Η μελέτη επαληθεύει αρκετά από τα αποτελέσματα των Shen and Stark (2013), δεδομένου ότι χρησιμοποιήθηκαν και τα ίδια μοντέλα, αν και εφαρμόστηκαν σε διαφορετικό δείγμα εταιρειών.