ناهید مالکی نیا؛ رضا تهرانی؛ اکبر عالم تبریز؛ میر فیض فلاح شمس
چکیده
چکیدهافزایش میزان تقلب در گزارشگری مالی در سالهای اخیر باعث عدم اعتماد سرمایه‌گذاران به بازار‌های سرمایه شده است. به همین علت پیشبینی دقیق مدیریت سود یکی از نیازهای اساسی برای تصمیم‌گیری استفاده‌کنندگان صورت‌های مالی است. این پژوهش با ارائه یک مدل توسعه‌یافته بر مبنای مدل بنیش با تأکید بر متغیرهای نظام راهبری شرکتی مشتمل ...
بیشتر
چکیدهافزایش میزان تقلب در گزارشگری مالی در سالهای اخیر باعث عدم اعتماد سرمایه‌گذاران به بازار‌های سرمایه شده است. به همین علت پیشبینی دقیق مدیریت سود یکی از نیازهای اساسی برای تصمیم‌گیری استفاده‌کنندگان صورت‌های مالی است. این پژوهش با ارائه یک مدل توسعه‌یافته بر مبنای مدل بنیش با تأکید بر متغیرهای نظام راهبری شرکتی مشتمل بر ساختار کمیته حسابرسی، بازرس قانونی و حسابرس مستقل، ساختار هیئت‌مدیره و ساختار مالکیت شرکتی سعی درافزایش دقت پیشبینی مدیریت سود دارد. دادههای 81 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران طی سالهای 1397-1391 با روش ترکیبی شبکه عصبی پرسپترون چندلایه و الگوریتم‌های کیهان‌شناسی سیاه‌چاله، مه‌بانگ – مه‌رمب و ازدحام ذرات کهکشانی مورد تحلیل قرارگرفته است. دقت پیشبینی مدل با روش ترکیبی شبکه عصبی مصنوعی و الگوریتم‌های کیهان‌شناسی ازدحام ذرات کهکشانی، مه‌بانگ – مه‌رمب و سیاه‌چاله به ترتیب از 59/08 ، 63/49 و 57/5 درصد به 87/3، 79/72 و 74/25 درصد افزایش پیداکرده است که حاکی از بهبود قدرت پیشبینی مدل در کشف شرکتهای دستکاری کننده سود است. در مدل پیشنهادی سطح زیر منحنی مربوط به دو الگوریتم سیاه‌چاله ومه‌بانگ-مه‌رمب، توسط الگوریتم ازدحام ذرات کهکشانی احاطه‌شده است ونشان دهنده این است که خطای شبکه عصبی پرسپترون چندلایه ترکیبی با الگوریتم ازدحام ذرات کهکشانی به 12/7 درصد کاهش‌یافته است.
حسین عسگری آلوج؛ محمد رضا نیکبخت؛ غلامرضا کرمی؛ منصور مومنی
چکیده
چکیده
سود یکی از عوامل مهم در رشد و توسعه اقتصادی بوده و دستکاری سود هم یکی از چالشهای اساسی کارایی بازار است که محققین اغلب برای پیشبینی دستکاری سود از دادههای حسابداری استفاده میکنند؛ درحالی‌که دادههای غیرحسابداری هم نقش بسزایی در پیشبینی دستکاری سود دارند. این پژوهش به توسعه مدل بنیش با متغیرهای غیرحسابداری ...
بیشتر
چکیده
سود یکی از عوامل مهم در رشد و توسعه اقتصادی بوده و دستکاری سود هم یکی از چالشهای اساسی کارایی بازار است که محققین اغلب برای پیشبینی دستکاری سود از دادههای حسابداری استفاده میکنند؛ درحالی‌که دادههای غیرحسابداری هم نقش بسزایی در پیشبینی دستکاری سود دارند. این پژوهش به توسعه مدل بنیش با متغیرهای غیرحسابداری شامل عدم تقارن اطلاعاتی و رقابت در بازار محصول پرداخته است. دادههای 184شرکت پذیرفته شده در بورس تهران طی سالهای 1386-1396 جمعآوری و دقت پیشبینی مدلهای پژوهش در کشف و شناسایی شرکتهای دستکاری کننده سود با دو الگوریتم بهینهسازی حرکت تجمعی ذرات و رقابت استعماری در ترکیب شبکه عصبی مورد مقایسه قرار گرفت. یافتههای پژوهش نشان میدهد دقت پیشبینی مدل پیشنهادی با الگوریتم رقابت استعماری و حرکت تجمعی ذرات به ترتیب از 55/57 به 86/63 درصد و از 71/55 به 84/59 درصد افزایش یافته است. با توسعه مدل سطح زیرمنحنی راک افزایش یافته و کاهش خطای پیشبینی در الگوریتم رقابت استعماری 31/6 درصد و در الگوریتم حرکت تجمعی ذرات 13/4 درصد است ولی همچنان نتیجه آزمون ضعیف می‌باشد. درواقع میزان دقت پیشبینی مدل با الگوریتم رقابت استعماری در مقایسه با الگوریتم حرکت تجمعی ذرات بهبود یافته است.
