زهرا پورزمانی - استادیار، حسابداری، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران

سود آوری به عنوان مبنایی برای ارزیابی کارایی مدیران شرکتها مورد استفاده قرار می گیرد. همچنین بخشی از تصمیم گیری به پیش بینی توانایی سودآوری آینده شرکتها مربوط می شود. امروزه تجزیه و تحلیل نسبت های مالی یک تکنیک قوی و ابزاری مناسب برای استفاده کنندگان در جهت شناخت و ارزیابی عملکرد گذشته، حال و پیش بینی وضعیت آینده شرکت هاست. یکی از مشکلاتی که در استفاده از نسبتهای مالی برای ارزیابی وضعیت مالی شرکت ها وجود دارد، این است که هر مجموعه نسبت های مالی یک بعد از عملکرد شرکتها را اندازه گیری می کند. برای از میان برداشتن این مشکل می توان از روشهای تصمیم گیری چند معیاره از جمله تحلیل پوششی داده ها، شبکه های عصبی مصنوعی، منطق فازی و ... استفاده نمود. هدف این تحقیق بررسی قدرت پیش بینی سودآوری آینده شرکتها با استفاده از مدل های الگوریتم ژنتیک خطی و الگوریتم ژنتیک غیرخطی است جهت بالا بردن توان تصمیم گیری استفاده کنندگان صورتهای مالی در پیش بینی سودآوری آینده شرکتها می باشد. . سپس با توجه به نتایج بدست آمده، الگوها با یکدیگر مقایسه و بهترین الگو استخراج شده است. بر اساس اطلاعات و آمارهای در دسترس شرکت های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره 1391-1371، از 23 نسبت مالی برتر ، به عنوان متغیر مستقل استفاده شد. نتایج آزمون نشان می دهد دقت پیش بینی الگوریتم ژنتیک غیرخطی (90.04 درصد) بیشتر از الگوریتم ژنتیک خطی (87.14 درصد) است.

پیش بینی سودآوری, الگوریتم ژنتیک غیر خطی, شبکه عصبی, الگوریتم ژنتیک خطی