تعدیل مدل پیش بینی دستکاری سود با تاکید بر متغیر های محیطی و روش ترکیبی شبکه عصبی مصنوعی و الگوریتم های فرا ابتکاری
سود یکی از عوامل مهم در رشد و توسعه اقتصادی بوده و دستکاری سود هم یکی از چالشهای اساسی کارایی بازار می باشد که محققین اغلب برای پیش بینی دستکاری سود از داده های حسابداری استفاده می کنند درحالیکه داده های غیر حسابداری هم نقش بسزایی در پیش بینی دستکاری سود دارند.این پژوهش به توسعه مدل بنیش با متغیرهای غیر حسابداری شامل عدم تقارن اطلاعاتی و رقابت در بازار محصول پرداخته است. داده های 184شرکت پذیرفته شده دربورس تهران طی سالهای 1386-1396 جمع آوری و دقت پیش بینی مدل های پژوهش درکشف وشناسایی شرکتهای دستکاری کننده سود با دو الگوریتم بهینه سازی حرکت تجمعی ذرات و رقابت استعماری درترکیب شبکه عصبی مورد مقایسه قرارگرفت. یافته های پژوهش نشان می دهد دقت پیش بینی مدل پیشنهادی با الگوریتم رقابت استعماری وحرکت تجمعی ذرات به ترتیب از 55/57 به 86/63 درصد واز 71/55 به 84/59 درصد افزایش یافته است. باتوسعه مدل سطح زیرمنحنی راک افزایش یافته وکاهش خطای پیش بینی در الگوریتم رقابت استعماری 31/6 درصد ودرالگوریتم حرکت تجمعی ذرات 13/4 درصد می باشد ولی همچنان نتیجه آزمون ضعیف می باشد. در واقع میزان دقت پیش بینی مدل با الگوریتم رقابت استعماری درمقایسه با الگوریتم حرکت تجمعی ذرات بهبودیافته است.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.