بررسی دقت شبکه های عصبی مصنوعی و الگوریتم بهینه سازی کلونی مورچگان در پیش بینی مدیریت سود
محل انتشار: فصلنامه حسابداری مالی، دوره: 10، شماره: 39
سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 259
فایل این مقاله در 29 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_QFAJ-10-39_004
تاریخ نمایه سازی: 13 آذر 1400
چکیده مقاله:
شناخت کیفیت سود برای استفادهکنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیشبینی سودآوری و تعیین ارزش واقعی شرکتها بسیار حائز اهمیت است. هدف از این پژوهش بررسی دقت پیشبینی مدیریت سود با استفاده از شبکههای عصبی (ANN) و الگوریتم کلونی مورچگان (ACO) و مقایسه آن با مدل خطی (LR) است. برای این منظور از ۲۸ متغیر تاثیرگذار بر مدیریت سود در قالب چهار گروه (مالی، مدیریتی، شرکتی و حسابرسی) در طی سالهای ۱۳۹۰ الی ۱۳۹۵ در ۱۲۴ شرکت پذیرفته شده بورس اوراق بهادار تهران استفاده گردید. نتایج کلی حاصل از این پژوهش نشان داد که روش شبکهی عصبی مصنوعی و الگوریتم کلونی مورچگان در پیشبینی مدیریت سود نسبت به روش خطی دقیقتر و دارای سطح خطای کمتری است. همچنین دقت ترکیب الگوریتم کلونی مورچگان با شبکهی عصبی (A-ANN) حاکی از برتری این الگو در قیاس با الگوی شبکه عصبی مصنوعی است. نتایج ترکیب شبکهی عصبی مصنوعی الگوریتم کلونی مورچگان با ضریب همبستگی (۸۷۸/۰) نشان داد این الگو با شش متغیر دقت پیشبینی، سهم مالکیت سهامداران عمده، سودآوری، نوسانات سود، سن شرکت و اندازه شرکت توانایی پیشبینی مدیریت سود را با دقت ۹۷ درصد دارد.
کلیدواژه ها:
Earnings Management ، Artificaial Neural Network ، Ant Colony Optimization. ، مدیریت سود ، شبکه های عصبی مصنوعی ، الگوریتم کلونی مورچگان
نویسندگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :