بهکارگیری پدیده تونلینگ جهت افزایش توانایی پیشبینی مدیریت سود در مدل بنیش بر مبنای تکنیک شبکههای عصبی مصنوعی و الگوریتم بهینهسازی حرکت تجمعی ذرات
نویسندگان
1 استادیار گروه حسابداری، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
2 استادیار گروه حسابداری، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
3 دانشجوی دکتری حسابداری، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران.
4 استادیار، گروه حسابداری، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران
doi
10.52547/jfmp.11.33.139چکیده
هدف از انجام این پژوهش بهینهسازی مدل پیشبینی مدیریت سود بنیش با پدیده تونلینگ و الگوریتم بهینهسازی حرکت تجمعی ذرات است. جامعه آماری پژوهش شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران و تعداد شرکت موردمطالعه، شامل 196 شرکت پذیرفتهشده طی سالهای 1393 تا 1398 است. روش پژوهش توصیفی- پیمایشی و ازنظر ارتباط بین متغیرها علی- همبستگی است و ازنظر هدف کاربردی و ازلحاظ رخداد، پسرویدادی است. بهمنظور تجزیه و تحلیل دادهها از روش رگرسیونی و شبکه عصبی مصنوعی و الگوریتم بهینهسازی حرکت تجمعی ذرات استفادهشده است. نتایج حاصل از تحلیل مدل نشان داد که کلیه نسبتهای مالی بر پیشبینی مدیریت سود بنیش تأثیر معنادار داشته و بیشترین تأثیر در پیشبینی مدیریت سود بنیش را شاخص پدیده تونلینگ INE و کمترین تأثیر را شاخص اهرم مالی داشته است. نتایج حاصل از برآورد شبکههای عصبی طراحیشده نشان میدهد که استفاده از الگوریتم بهینهسازی تجمعی ذرات جهت پیشبینی مدیریت سود برای شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران، از عملکرد قابل قبولی برخوردار است.