<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>حسابداری، امور مالی و هوش محاسباتی</JournalTitle>
      <Issn>3092-7366</Issn>
      <Volume>3</Volume>
      <Issue>بهار 1404</Issue>
      <PubDate PubStatus="epublish">
        <Year>1404</Year>
        <Month>03</Month>
        <Day>20</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Identification of Stock Return Components Using Novel Composite Variables in the Tehran Stock Exchange</ArticleTitle>
    <VernacularTitle>شناسایی مولفه‌های بازده سهام شرکت‌ها با استفاده از متغیر‌های ترکیبی نوین در بورس اوراق بهادار تهران</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>20</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>سیدمحمدمهدی </FirstName>
        <LastName>افشین</LastName>
        <Affiliation>گروه حسابداری و مالی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>امیر</FirstName>
        <LastName>محمدزاده</LastName>
        <Affiliation>گروه حسابداری و مالی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>فرزین </FirstName>
        <LastName>رضایی</LastName>
        <Affiliation>گروه حسابداری و مالی، واحد قزوین ، دانشگاه آزاد اسلامی، قزوین ، ایران.</Affiliation>
      </Author>
      <Author>
        <FirstName>ابراهیم </FirstName>
        <LastName>عباسی </LastName>
        <Affiliation>گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1403</Year>
        <Month>11</Month>
        <Day>01</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;The aim of this study is to identify the components of corporate stock returns using novel composite variables in the Tehran Stock Exchange. Employing a systematic review and meta-synthesis approach, the researcher analyzed the findings and outcomes of previous scholars. Through the application of the seven-step method proposed by Sandelowski and Barroso, the influential factors were identified. Out of 553 articles, 51 were selected based on the CASP method, and the validity of the analysis was confirmed with a Kappa coefficient of 0.747. In this context, the Kappa index was used to assess reliability and quality control, and the value indicated an excellent level of agreement for the identified indicators. The analysis of the collected data using MAXQDA software led to the identification of 48 initial concepts based on 12 indicators across 4 dimensions. To identify the components of stock returns using novel composite variables in the Tehran Stock Exchange, the meta-synthesis technique was applied. The identified dimensions include financial and economic factors, behavioral and emotional factors, technological and data-driven factors, and institutional and regulatory factors. The findings of this study indicate that stock returns are influenced by a network of diverse factors that interact in complex ways. Attention to these factors and the adoption of appropriate strategies in investment management, economic policymaking, and the development of technological and regulatory infrastructures can enhance market efficiency and increase investor returns. Therefore, innovative and comprehensive analytical approaches are deemed essential for a better understanding of the mechanisms influencing the stock market.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف این تحقیق شناسایی مولفه‌های بازده سهام شرکت‌ها با استفاده از متغیر‌های ترکیبی نوین در بورس اوراق بهادار تهران است. محقق با به‌کارگیری رویکرد مرور نظام‌مند و فراترکیب، به تحلیل نتایج و یافته‌های محققین قبلی دست‌زده و با انجام گام‌های 7 گانه روش ساندلوسکی و باروسو، به شناسایی عوامل مؤثر پرداخته است. از بین 553 مقاله، 51 مقاله بر اساس روش CASP انتخاب شد و همچنین روایی تحلیل با مقدار ضریب کاپا 747/0 تائید گردید. در این زمینه به‌منظور سنجش پایایی و کنترل کیفیت، از شاخص کاپا استفاده گردید که مقدار آن برای شاخص‌های شناسایی‌شده در سطح توافق عالی شناسایی شد. نتایج حاصل از تحلیل داده‌های گرداوری شده در نرم‌افزار MAXQDA منتج به شناسایی 48 مفهوم اولیه براساس 12 شاخص در 4 بعد شد. به منظور شناسایی مولفه­های بازده سهام شرکت‌ها با استفاده از متغیر‌های ترکیبی نوین در بورس اوراق بهادار تهران از تکنیک فراترکیب استفاده شد. ابعاد شناسایی شده عبارتند از عوامل مالی و اقتصادی، عوامل رفتاری و احساسی، عوامل فناورانه و داده محور و عوامل نهادی و نظارتی. نتایج این پژوهش نشان می‌دهد که بازده سهام شرکت‌ها تحت تأثیر شبکه‌ای از عوامل متنوع قرار دارد که تعامل پیچیده‌ای با یکدیگر دارند. توجه به این عوامل و به‌کارگیری استراتژی‌های مناسب در مدیریت سرمایه‌گذاری، سیاست‌گذاری‌های اقتصادی و توسعه زیرساخت‌های فناورانه و نظارتی می‌تواند به بهبود کارایی بازار و افزایش بازدهی سرمایه‌گذاران منجر شود. بنابراین، رویکردهای تحلیلی نوین و جامع برای درک بهتر سازوکارهای تأثیرگذار بر بازار سهام ضروری به نظر می‌رسد.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Stock returns</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">composite variables</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">stock exchange</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">بازده سهام</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">متغیرهای ترکیبی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">بورس اوراق بهادار</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://jafci.com/index.php/jafci/article/download/126/76</ArchiveCopySource>
  </Article>
</ArticleSet>
