مقایسه الگوهای RW و PWدر پیش بینی سود برای شرکتهای کوچک و متوسط

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 59

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JBME-3-2_004

تاریخ نمایه سازی: 19 شهریور 1402

چکیده مقاله:

این مقاله با هدف مقایسه الگوهای RW و PW در پیش بینی سود برای شرکتهای کوچک و متوسط به اجرا درآمده است. روش تحقیق از نظر هدف کاربردی است و از نظر منطق اجرا و ماهیت داده ها یک تحقیق استقرایی و کمی می باشد. به منظور گردآوری داده ها از صورت های مالی در بازه زمانی ۱۳۹۰ الی ۱۴۰۰ استفاده شده است. جهت انتخاب نمونه آماری مناسب، از روش نمونه­­گیری حذفی سیستماتیک استفاده شده است. در این روش ابتدا شرکت هایی که جز شرکت های کوچک و متوسط هستند را مشخص کرده که برای این کار تعداد کارکنان و ارزش اسمی سرمایه را مد نظر قرار داده و شرایطی جهت انتخاب نمونه تعریف می­شود و نمودهای فاقد شرایط مذکور از نمونه حذف می­گردند. این شرایط با توجه به مدل آزمون فرضیات و متغیرهای تحقیق تعیین می­شود. همچنین در این مقاله جهت استخراج الگوی پیشنهادی از رویکرد تحلیل مولفه های اصلی و برای برازش مدل به مشاهدات، از الگوی پانل و نرم افزار ایویوز استفاده شده است. با توجه به نتایج به دست آمده از تحلیل های ارائه شده در این تحقیق می توان دریافت که الگوی جدید ارائه شده جهت پیش بینی سود کارآیی بیشتری نسبت به پیش بینی سود الگوهای RW و PW دارد و این موضوع توانایی الگوهای رگرسیونی پیش بینی سود در حوزه های مالی و سودآوری استراتژی پیش بینی سود برای شرکت های کوچک و متوسط را نیز تایید می کند.

کلیدواژه ها:

پیش بینی سود ، شرکت های کوچک و متوسط ، الگوی RW ، الگوی PW

نویسندگان

آرش الهی شیروان

دانشجوی دکتری گروه حسابداری، واحد زاهدان، دانشگاه آزاد اسلامی، زاهدان، ایران

هادی سعیدی

استادیارگروه حسابداری، واحد شیروان، دانشگاه آزاد اسلامی، شیروان، ایران

قاسم الهی شیروان

استادیارگروه حسابداری، واحد شیروان، دانشگاه آزاد اسلامی، شیروان، ایران

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 :
  • Akono, H., Karim, K., & Nwaeze, E. (۲۰۱۹). Analyst rounding ...
  • Akono, H., Karim, K., & Nwaeze, E. (۲۰۱۹). Analyst rounding ...
  • Ansari, Z, Hijazi, R, Zaret K, Yaqoub, & Khani Masumabadi,Z. ...
  • Ayodele, A., A., Aderemi O., A., Charles, K., (۲۰۱۴). Comparison ...
  • Azevedo V, Hoegner C. (۲۰۲۰);Enhancing Stock Market Anomalies with Machine ...
  • Baba Yara F. (۲۰۲۰); Machine Learning and Return Predictability across ...
  • Baher, M., M. Drake, J. Myers and L. Myers. (۲۰۱۸). ...
  • Gerakos, J. and R. Gramacy. (۲۰۱۳). “Regression-based Earnings Forecasts.” Working ...
  • Han Y, He A, Rapach D, Zhou G. (۲۰۲۰); Firm ...
  • Harris, R. D., & Wang, P. (۲۰۱۹). Model-based earnings forecasts ...
  • Higashikata,K. Earning quality and earning. (۲۰۲۰). forecasts based on a ...
  • Hirst, D. E., Koonce, L., & Miller, J. (۲۰۱۳). The ...
  • Hou K, Xue C, Zhang L. (۲۰۲۰); Replicating anomalies. Rev ...
  • Hou, K., M. van Dijk, and Y. Zhang. (۲۰۱۲). “The ...
  • Hunt, D., Atkin, D. and Krishnan, A. (۲۰۱۹), “The influence ...
  • Karolyi GA, Van Nieuwerburgh S. (۲۰۲۰); New methods for the ...
  • Lee, C. M. and So, E. C. (۲۰۱۷). “Uncovering expected ...
  • Li, K. and P. Mohanram. ۲۰۱۴. “Evaluating cross-sectional forecasting models ...
  • Maciejowska, K., Nitka, W. & Weron, T. (۲۰۱۹). Day-ahead vs. ...
  • Mallikarjuna. M.R & Prabhakara, R. (۲۰۲۳). Evaluation of forecasting methods ...
  • Melkian, E, Ghorbani, M, & Naboyan, S. M. (۲۰۲۳). Liquidity ...
  • Moradi, H, Khatami Firozabadi, M.A, & Feizi, K. (۲۰۱۹). Providing ...
  • Safi.D, Daud, T, Kamil, & Elahi, N. (۲۰۲۰). Uncertainty of ...
  • Staffini, A., (۲۰۲۲). Stock Price Forecasting by a Deep Convolutional ...
  • نمایش کامل مراجع