ارائه الگوی اثر درجه شباهت گروهی و کیفیت اطلاعات حسابداری و کیفیت گزارشگری مالی بر ارزشگذاری عرضه عمومی اولیه سهام با استفاده از الگوریتم شبکههای عصبی مصنوعی
نویسندگان
1 دانشیار گروه حسابداری، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.
2 دانشجوی دکتری گروه حسابداری، واحد بین المللی کیش، دانشگاه آزاد اسلامی، کیش ، ایران.
3 دانشیار، گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
doi
10.22103/jak.2023.20377.3790چکیده
هدف: اطلاعات حسابداری و گزارشگری مالی شرکتهای مشابه، نقش مهمی در قیمتگذاری عرضههای عمومی اولیه دارد. هدف این پژوهش ارائه الگوی اثر درجه شباهت گروهی و کیفیت اطلاعات حسابداری و کیفیت گزارشگری مالی بر ارزشگذاری عرضه عمومی اولیه سهام با استفاده از الگوریتم شبکههای عصبی مصنوعی است. روش: این تحقیق از نظر هدف کاربردی است و با استفاده از دادههای 92 شرکت پذیرفته شده در بازار سرمایه در بازه زمانی سالهای 90 تا 98، با بهره از روش رگرسیون چندگانه به روش دادههای ترکیبی و در ادامه استفاده از الگوریتمهای شبکه عصبی مصنوعی به آزمون فرضیه ها میپردازد. یافتهها: ارزشگذاری سهام در عرضههای عمومی اولیه، از لحاظ درجه شباهت شرکتهای همگروه و کیفیت اطلاعات حسابداری شرکت متفاوت است و تشابه کیفیت اطلاعات حسابداری، اثر شرکتهای همگروه را بر ارزشگذاری عرضه عمومی اولیه تعدیل میکند؛ اما ارزشگذاری سهام مبتنی بر شرکتهای همگروه و کیفیت اطلاعات حسابداری، با قیمتگذاری اشتباه در عرضههای عمومی اولیه در ارتباط نیست. همچنین الگوریتم کرم شبتاب توان بالاتری جهت پیشبینی ارزشگذاری عرضه عمومی اولیه سهام دارد. نتیجهگیری: اطلاعات یک عرضه اولیه، محدود به اطلاعات حسابداری خود نیست و اطلاعات حسابداری و کیفیت گزارشگری شرکتهای همگروه، حاوی اطلاعاتی در مورد قیمتگذاری عرضههای اولیه است.