توسعه مدل پیشبینی دستکاری سود با روش ترکیبی شبکه عصبی و الگوریتم های کیهان شناسی
نویسندگان
1 دانشجوی دکتری مدیریت صنعتی گرایش مالی، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
2 استاد،گروه مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
3 دانشیار،گروه مدیریت مالی، دانشکده مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.
4 استاد،گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی تهران، تهران، ایران.
doi
10.22067/mfe.2021.71593.1099چکیده
چکیدهافزایش میزان تقلب در گزارشگری مالی در سالهای اخیر باعث عدم اعتماد سرمایهگذاران به بازارهای سرمایه شده است. به همین علت پیشبینی دقیق مدیریت سود یکی از نیازهای اساسی برای تصمیمگیری استفادهکنندگان صورتهای مالی است. این پژوهش با ارائه یک مدل توسعهیافته بر مبنای مدل بنیش با تأکید بر متغیرهای نظام راهبری شرکتی مشتمل بر ساختار کمیته حسابرسی، بازرس قانونی و حسابرس مستقل، ساختار هیئتمدیره و ساختار مالکیت شرکتی سعی درافزایش دقت پیشبینی مدیریت سود دارد. دادههای 81 شرکت پذیرفتهشده در بورس اوراق بهادار تهران طی سالهای 1397-1391 با روش ترکیبی شبکه عصبی پرسپترون چندلایه و الگوریتمهای کیهانشناسی سیاهچاله، مهبانگ – مهرمب و ازدحام ذرات کهکشانی مورد تحلیل قرارگرفته است. دقت پیشبینی مدل با روش ترکیبی شبکه عصبی مصنوعی و الگوریتمهای کیهانشناسی ازدحام ذرات کهکشانی، مهبانگ – مهرمب و سیاهچاله به ترتیب از 59/08 ، 63/49 و 57/5 درصد به 87/3، 79/72 و 74/25 درصد افزایش پیداکرده است که حاکی از بهبود قدرت پیشبینی مدل در کشف شرکتهای دستکاری کننده سود است. در مدل پیشنهادی سطح زیر منحنی مربوط به دو الگوریتم سیاهچاله ومهبانگ-مهرمب، توسط الگوریتم ازدحام ذرات کهکشانی احاطهشده است ونشان دهنده این است که خطای شبکه عصبی پرسپترون چندلایه ترکیبی با الگوریتم ازدحام ذرات کهکشانی به 12/7 درصد کاهشیافته است.
