فهرست نشریات علمی دسترسی آزاد ایران

شناخت مدیریت سود برای استفاده‌کنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیش‌بینی سودآوری و تعیین ارزش واقعی شرکت بسیار حائز اهمیت است. هدف از این پژوهش ارائه مدلی جهت تشخیص مدیریت سود اقلام تعهدی و مدیریت سود واقعی از طریق ارزیابی عملکرد با استفاده از روش‌های یادگیری ماشین از جمله درخت تصمیم، ماشین بردار پشتیبان، k- نزدیک‌ترین همسایه، یادگیری عمیق و ترکیب آنها با روش انتخاب ویژگی ریلیف و تحلیل مؤلفه‌های اصلی است. برای دستیابی به این هدف، تعداد 180 شرکت پذیرفته‌شده در بورس تهران به‌عنوان نمونه آماری برای سال‎های 1389 تا 1400 انتخاب گردید. همچنین برای آزمون فرضیه‌ها از معیارهای میانگین صحت پیش‌بینی، خطاهای نوع اول و دوم استفاده گردید یافته‌های پژوهش بیانگر آن است عملکرد روش‌های پیش‌بینی مدیریت سود اقلام تعهدی بر اساس الگوی انتخاب ویژگی مبتنی بر ریلیف نسبت به الگوی‌ انتخاب ویژگی مبتنی بر تحلیل مؤلفه‌های اصلی از توانای بهتری برخوردار است. این نتیجه در کلیه روش‌های‌ پیش‌بینی مورد تایید قرار گرفت. اما نتایج برتری الگوی انتخاب ویژگی مبتنی بر ریلیف نسبت به الگوی‌ انتخاب ویژگی مبتنی بر تحلیل مؤلفه‌های اصلی را در پیش‌بینی مدیریت سود واقعی نشان نداد. همچنین، یافته‌ها نشان دادند مدیریت سود اقلام تعهدی را می‌توان بادقت بالاتری نسبت به مدیریت سود واقعی پیش‌بینی کرد. نتایج پژوهش می‌تواند موردتوجه سرمایه‌گذاران، اعتباردهندگان، تحلیلگران مالی و حسابرسان قرار گیرد. استفاده از ترکیب روش‌های یادگیری ماشین، می‌تواند به شناسایی فعالیت‌های بالقوه مدیریت سود کمک کند.