Determinants of shareholder payout policies of non-financial corporations in Greece during 2011-2022: a machine learning approach

Abstract

Η συγκεκριμένη μελέτη διερευνά τους παράγοντες που επηρεάζουν τις πολιτικές διανομής κεφαλαίου στους μετόχους σε ανώνυμες εταιρείες στην Ελλάδα, εξαιρουμένων των τραπεζών και άλλων χρηματοπιστωτικών ιδρυμάτων κατά την περίοδο 2011-2022, η οποία περιλαμβάνει την ελληνική κρίση χρέους, την επακόλουθη οικονομική ανάκαμψη και την πανδημία COVID-19. Εκτός από τις πληρωμές μερισμάτων, εξετάζουμε επίσης τις επαναγορές μετοχών από εταιρείες εισηγμένες στο Χρηματιστήριο Αθηνών και τις μειώσεις της λογιστικής αξίας του μετοχικού κεφαλαίου μέσω διανομών μετρητών για τις μη εισηγμένες εταιρείες. Για την επίτευξη αυτού του στόχου, συλλέχθηκαν και αναλύθηκαν οικονομικά δεδομένα με διεξοδική ανασκόπηση των οικονομικών καταστάσεων και χρησιμοποιήθηκε μια προσέγγιση μηχανικής μάθησης για να εντοπιστούν προσεγγιστικά σημαντικοί παράγοντες και γνώσεις που σχετίζονται με τις στρατηγικές διανομής. Τα αποτελέσματα της ανάλυσης δείχνουν ότι ορισμένα χρηματοοικονομικά μεγέθη, όπως η μεταβλητότητα των κερδών, η .απόδοση ταμειακών ροών, η συνολική κερδοφορία και η επενδυτική δραστηριότητα, επηρεάζουν σημαντικά τις πολιτικές πληρωμών των επιχειρήσεων. Συμπερασματικά, αυτή η έρευνα συμβάλλει στην κατανόηση της δυναμικής των αποφάσεων διανομής κεφαλαίου στο πλαίσιο των εξελισσόμενων οικονομικών περιβαλλόντων και συνθηκών χρηματοπιστωτικής αγοράς, ρίχνοντας φως στην προσαρμοστικότητα των στρατηγικών των επιχειρήσεων ως απάντηση σε δύσκολες οικονομικές συνθήκες.

This study explores the factors influencing capital distribution policies in limited liability companies in Greece, excluding banks and other financial institutions during the period 2011-2022, which includes the Greek debt crisis, subsequent economic recovery, and the COVID-19 pandemic. In addition to dividend payouts, we also consider share repurchases by listed firms on Athens Stock Exchange and reductions of share capital book value through cash distributions for non-listed firms. To achieve this goal, financial data was collected and analyzed by thoroughly reviewing financial statements from an accounting perspective, and a machine learning approach was employed to uncover significant factors and insights related to distribution strategies. The results of the analysis indicate that certain financial metrics, such as earnings volatility, cash flow performance, overall profitability, and investment activity, significantly influence firms’ payout policies. In conclusion, this research contributes to our understanding of the dynamics of capital distribution decisions in the context of evolving economic environments and financial market conditions, shedding light on the adaptability of firms’ strategies in response to challenging economic circumstances.