تبیین حسابداری کلان با تأکید بر اهمیت دادههای حسابداری در الگوسازی تورم
نویسندگان
1 دکترای گروه حسابداری، دانشگاه شهید بهشتی، تهران، ایران.
2 کارشناس ارشد گروه حسابداری، دانشگاه شهید بهشتی، تهران، ایران.
3 دانشجوی دکترای گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.
doi
10.22103/jak.2019.13753.2946چکیده
هدف:هدف پژوهش حاضر، تأکید بر اهمیت دادههای حسابداری در الگوسازی نرخ تورم و با استفاده از اطلاعات میاندورهای 90 شرکت (1980 سال-شرکت) پذیرفتهشده در بورس اوراق بهادار تهران و در بین سالهای 1385 تا 1395 است. روش:با توجه به ویژگیهای پیچیده و غیرخطی تورم در پژوهش حاضر بر قدرت پیشبینی الگوهای مختلف هوش مصنوعی شامل شبکه عصبی، الگوریتم ژنتیک و پرواز پرندگان تکیه شده است. بهمنظور دانشافزایی در حوزه حسابداری کلان، تعدادی از متغیرهای حسابداری انتخاب و توان توضیحی آنها در پیشبینی دو شاخص اندازهگیری نرخ تورم (شاخص بهای تولیدکننده و شاخص بهای مصرفکننده) آزمون شده است. یافتهها:نتایج بیانگر آن است که الگوی ترکیبی شبکة عصبی، الگوریتم ژنتیک و الگوریتم تجمع پرندگان در پیشبینی نرخ تورم بهتر از سایر الگوها عمل میکند. نتایج الگوسازی با استفاده از متغیرهای حسابداری نیز بیانگر آن است که خطای پیشبینی شاخص بهای تولیدکننده، کمتر از شاخص بهای مصرفکننده است. نتیجهگیری: در کل، پیامد اصلی پژوهش، تأیید اهمیت اطلاعات حسابداری در سطح کلان اقتصادی است که باید در تصمیم گیری های کلان مورد استفاده قرار گیرد.
