فهرست نشریات علمی دسترسی آزاد ایران

هدف: برای کاهش تضاد منافع بین مدیران و سهام‌داران، بر تسهیم منافع تمرکز می‌شود. پاداش به مدیران، یکی از راه‌های کاهش این تضاد است و به‌عنوان ابزاری برای هم‌سو کردن دیدگاه‌ها و عملکرد آنان در جهت افزایش ثروت سهام‌داران استفاده می‌شود. پاداش نقدی به مدیران باید بر عملکرد آنان مبتنی باشد تا هم‌سویی عملکرد مدیران با منافع سهام‌داران را تضمین کند. در طراحی بسته دستمزد مدیرعامل در شرکت‌ها، نقش سرمایه‌گذاران نهادی مطرح است. نظریۀ نمایندگی به مشکلاتی اشاره می‌کند که در زمان تفویض ادارۀ شرکت به مدیران توسط مالکان به وجود می‌آید. برای کاهش تضاد نمایندگی، پاداش به مدیران با ارزش ایجاد شده برای سهام‌داران باید مرتبط باشد. یکی از روش‌های اصلی اندازه‌گیری عملکرد مدیر، گزارش‌های حسابداری است که به‌عنوان ابزاری برای اندازه‌گیری و ارزیابی عملکرد و انگیزش مدیر نقش دارد. با توجه به نکات ذکر شده، هدف این پژوهش ارائه الگوی پیش‌بینی حساسیت جبران خدمات مدیرعامل با استفاده الگوریتم‌های فراابتکاری (ژنتیک و ازدحام ذرات) است. روش: جامعه آماری این پژوهش را کلیه شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران، در دوره زمانی ۱۳۹۰ تا ۱۴۰۰ تشکیل می‌‏‌‏‌دهد. در این پژوهش به‌منظور انتخاب نمونه، از روش حذف سیستماتیک استفاده و ۱۱۰ شرکت انتخاب شد. براساس دسته‌بندی پژوهش‌ها برحسب هدف، پژوهش حاضر از نوع کاربردی است. به‌علاوه، از نوع تحقیقات شبه‌تجربی است و در حوزه تحقیقات توصیفی (غیرآزمایشی ـ پیمایشی) قرار می‌گیرد. روش‌های گردآوری داده‌های پژوهش مطالعۀ اسناد و مدارک، کاوش اینترنتی و مطالعۀ کتابخانه‌ای بسته به نیاز بوده است. در این پژوهش ۱۲ پارامتر تأثیرگذار، بر حساسیت جبران خدمات مدیرعامل، به‌عنوان ورودی مدل داده‌کاوی انتخاب شده است که عبارت‌اند از: مالکیت نهادی، مالکیت خانوادگی، قابلیت مقایسه صورت‌های مالی، مدیریت سود، محافظه‌کاری شرطی، تطابق درآمد و هزینه، ارزش افزوده بازار، اکتساب شرکتی، قراردادهای بدهی و رفتار هزینه با سه نوع (تغییرات بازده دارایی، تغییرات درآمد فروش و تغییرات هزینه‌های عملیاتی). همچنین پارامتر حساسیت جبران خدمات مدیرعامل نیز به‌عنوان خروجی مدل داده‌کاوی انتخاب شد. بدین منظور، سه مدل داده‌کاوی به تفکیک پارامتر رفتار هزینه ایجاد شد. افزون بر این، به‌منظور مقایسه، از سه مدل رگرسیون خطی استفاده شد. یافته‌ها: نتایج از برتری مدل شبکۀ عصبی عمیق، از لحاظ میزان ضریب تعیین و شاخص MSE حکایت می‌کند. این برتری برای هر سه مدل داده‌کاوی، نسبت به سه مدل رگرسیون خطی صادق است. در بین مدل‌های داده‌کاوی، مدل سوم با پارامتر رفتار هزینه: تغییرات هزینه‌های عملیاتی، بهترین نتایج را کسب کرده است. در سطح بعدی، مدل دوم با پارامتر رفتار هزینه: تغییرات درآمد فروش، بهترین نتایج را کسب کرده است. در نهایت مدل داده‌کاوی اول با پارامتر رفتار هزینه: تغییرات بازده دارایی، ضعیف‌ترین نتایج را کسب کرده است. نتیجه‌گیری: استفاده از شبکه‌های عصبی عمیق با بهینه‌سازی الگوریتم‌های فراابتکاری، می‌تواند مدل‌های پیش‌بینی مبتنی بر داده‌های واقعی را ایجاد کند و از آن‌ها می‌توان برای تصمیم‌گیری‌های مدیریتی و بهبود فرایندهای جبران خدمات در سازمان‌ها استفاده کرد. این روش‌ها با بهره‌گیری از داده‌های موجود و الگوریتم‌های هوش مصنوعی، عملکرد مدیرعاملان را بهبود و کیفیت خدمات ارائه شده توسط سازمان‌ها را ارتقا می‌دهد. از طرف دیگر، این پژوهش می‌تواند به سرمایه‌گذاران و تصمیم‌گیران اقتصادی کمک کند تا با دقت بسیار زیاد، به تحلیل و پیش‌بینی حساسیت جبران خدمات مدیرعامل با استفاده شبکه‌های عصبی عمیق و الگوریتم‌های فراابتکاری بپردازند.