جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه imperialist competitive algorithm در نشریات گروه علوم انسانی
imperialist competitive algorithm
در نشریات گروه حسابداری
تکرار جستجوی کلیدواژه imperialist competitive algorithm در مقالات مجلات علمی
-
رویکردهای فراکاوشی عمدتا بر اساس نظم و قواعد موجود در ارگانیسم های طبیعی الهام گرفته اند. این رویکرد ها امروزه کاربرد بسیاری در شاخه های مختلف پیدا کرده است. با توجه به اهمیت پیش بینی، شناخت روش ها در پیش بینی مدیریت سود می تواند اطلاعات مفیدی را برای ذینفعان فراهم آورد. تنوع عوامل بدست آمده ناشی از نتایج الگوهای خطی برای سنجش مدیریت سود موجب شده است سرمایه گذارن نسبت به کیفیت سود گزارش شده تردید نمایند. بنابراین هدف از این پژوهش ارایه الگوی بهینه تر برای پیش بینی مدیریت سود است. در مرحله نخست با استفاده از الگوی شبکه های عصبی الگوی اولیه خطی را بهینه نموده، سپس از الگوریتم های ازدحام ذرات و رقابت استعماری برای بهینه تر نمودن الگو استفاده گردید. از این رویافته های تجربی مربوط به بررسی 620 مشاهده (سال - شرکت) پذیرفته شده در بورس اورق بهادر تهران در بازه زمانی 1390 الی 1395 حاکی از سودمندی و تاثیر مثبت در روش های ترکیبی بر عملکرد پیش بینی مدیریت سود و همچنین وجود تفاوت معنادر بین میزان سودمندی روش های خطی و غیر خطی است. به عبارتی در صورت استفاده از الگوریتم ها در پیش بینی مدیریت سود دقت پیش بینی با حذف متغیر های ناکارآمد افزایش می یابد. افزون بر این یافته های پژوهش حاکی از عملکرد بهتر و مناسب الگوریتم رقابت استعماری نسبت به سایر الگوها در کارآمدی متغیر های گروه مدیریتی با دقت (8/95%) است.کلید واژگان: الگوریتم ازدحام ذرات، الگوریتم رقابت استعماری، شبکه های عصبی، مدیریت سودMetaheuristic approaches are inspired mainly by the order and rules of natural organisms. Today, these approaches have been widely used in various branches. According to the importance of forecasting, understanding the methods in earnings management predicting can provide useful information for the beneficiaries. The variety of obtained factors due to the results of linear patterns for measuring earnings management has caused investors to hesitate the reported earnings quality. Therefore, the porpose of this research is to provide a better templet for earnings management predicting. In the first step, using the pattern of neural networks, the linear model was optimized, then Particle Swarm Optimization and Imperialist Competitive Algorithm were used to optimize the pattern. The empirical overviews of 620 observations (year-company) accepted in the Tehran Stock Exchange during the years 2010 to 2015 indicate usefulaness and positive impact of combined methods on the performance of earnings management prediction, there is also a difference in meaning between the usefulness of linear and nonlinear methods. In other words, using predictive algorithms in predicting earnings management, the prediction accuracy increases with the elimination of inefficient variables. In addition, the findings of the research indicate a better and suitable performance of Imperialist Competitive Algorithm than other patterns in the efficiency of the management variables with accuracy (95/8%).Keywords: Artificial Neural Network, earnings management, Imperialist Competitive Algorithm, Particle Swarm Optimization
-
International Journal of Finance and Managerial Accounting, Volume:2 Issue: 7, Autumn 2017, PP 71 -83Bankruptcy prediction is a major issue in classification of companies. Since bankruptcy is extremely costly, investors, owners, managers, creditors, and government agencies are interested in evaluating the financial status of companies. This study tried to predict bankruptcy among companies registered in Tehran Stock Exchange (Iran) by designing imperialist competitive algorithm and genetic algorithm models. It then compared the accuracy of the two models in financial conditions of Iran and sought the best model to predict company bankruptcy one, two, and three years before its incidence. Also uses a model to surveying the financial position and also the subject of continuing operations about them to improve the quality of decision taken by shareholders and stakeholders. The study sample consisted of 38 bankrupt and 38 non-bankrupts companies during 2007-2016. The final variables used in both algorithms were five financial ratios. The results showed that the imperialist competitive algorithm had better accuracy than the genetic algorithm in bankruptcy prediction at the mentioned intervals.Keywords: Bankruptcy prediction, financial ratios, Genetic Algorithm, imperialist competitive algorithm, Tehran Stock Exchange
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.