فهرست نشریات علمی دسترسی آزاد ایران

مقالۀ حاضر قدرت توضیحی اطلاعات حسابداری مالی شامل فعالیت‌های عملیاتی، تأمین مالی و سرمایه‌گذاری را در پیش‌بینی تغییرات تولید ناخالص داخلی (رشد اقتصادی) اندازه‌گیری می‌کند. بدین منظور با تفکیک تولید ناخالص داخلی به چهار بخش اصلی اقتصاد (کشاورزی، خدمات، نفت و صنعت و معدن) سعی در ارائه رویکردی نوین در پیش‌بینی متغیرهای اقتصادی است. تعداد زیاد، ناشناخته بودن عوامل مؤثر و همچنین وجود روابط غیرخطی میان اطلاعات حسابداری و اقتصادی منجر به این شده است تا از ترکیبات متعدد الگوی‌های هوش مصنوعی شامل شبکه‌های عصبی، الگوریتم ژنتیک و الگوریتم پرواز پرندگان استفاده شود. نتایج برآورد الگوی‌های مذکور بازه زمانی ۱۳۸۵ الی ۱۳۹5 نشان می‌دهد که الگوی ترکیبی شبکۀ عصبی و الگوریتم پرواز پرندگان از دقت بیشتری در قیاس با الگوی ترکیبی شبکۀ عصبی و الگوریتم ژنتیک برخوردار است. همچنین نتایج بیانگر آن است که اثربخشی فعالیت‌های عملیاتی خصوصاً سودهای حسابداری در پیش‌بینی تولید ناخالص داخلی بیشتر از فعالیت‌های تأمین مالی و سرمایه‌گذاری است. علاوه بر این، نتایج دلالت بر آن دارد که از میان بخش‌های مختلف اقتصادی، ارتباط میان اطلاعات حسابداری و بخش صنعت و معدن قابل ملاحظه‌تر است. پیامد اصلی پژوهش حاضر ارتباط مؤثر میان اطلاعات حسابداری و اقتصادی است که باید در تصمیم‌گیری‌های مالی و اقتصادی لحاظ گردد.