توسعه مدل پیش‌بینی دستکاری سود با روش ترکیبی شبکه عصبی و الگوریتم های کیهان شناسی

اقتصاد پولی مالی

مقاله 3، دوره 28، بهار و تابستان 1400 - شماره پیاپی 21، شهریور 1400، صفحه 57-86   

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/mfe.2021.71593.1099

نویسندگان

ناهید مالکی نیا¹؛ رضا تهرانی^{* 2}؛ اکبر عالم تبریز³؛ میر فیض فلاح شمس⁴

¹دانشجوی دکتری مدیریت صنعتی گرایش مالی، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

²استاد،گروه مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.

³استاد،گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی تهران، تهران، ایران.

⁴دانشیار،گروه مدیریت مالی، دانشکده مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.

چکیده

چکیده
افزایش 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.

کلیدواژه‌ها

شبکه عصبی پرسپترون چندلایه؛ الگوریتم های کیهان شناسی؛ مدل بنیش؛ نظام راهبری شرکتی

سایر فایل های مرتبط با مقاله

Extended abstract 21.pdf

مراجع

References

Abbaszade, M.; Hesarzade, R.; Jabbari Noghabi, M., & Arefi Asl, S. (2015). A Meta-analysis of corporate governance and earnings management. Accounting and Auditing Review, 22(1), 59-84.(in Persian)

Ahmadpour, A.; Tavakolnia, E., & Masoomi, T. (2015). Investigating the moderating effect of auditor industry specialization on the relationship between board governance and accruals based earnings management: Empirical evidence from companies listed in Tehran.  Journal of Management Accounting and Auditing Knowledge, 4,93-106.(in Persian)

Ansari, A.; Khorshidi  A., & Shirzad, A. (2014). The investigation effect of accruals-based earnings management and real earnings management on stock liquidity and firm value.  Journal of Management Accounting and Auditing Knowledge, 3,41-54.(in Persian)

Asgari Alouj, H.; Nikbakht, M.; Karami, G., & Momeni, M. (2020). Development of the Beneish model by combining artificial neural network and particle swarm optimization algorithm for earnings management prediction.  Accounting and Auditing Review, 26(4), 615-638.(in Persian)

Asghar, A. ; Sajjad, S. ; Shahzad, A.  ,& Matemilola, B. T.  (2020), "Role of discretionary earning management in corporate governance-value and corporate governance-risk relationships",  Corporate Governance, 20(4), 561-581.

Bani Mahd, B. ; Moradzadeh Fard, M ,& Morvarid Araqi, Fatemeh (2014). Positive change of earnings per share and share price: functional fixation hypothesis. Management Accounting, 7(1), 67-77.(in Persian)

Beneish, M. D. (1999). The detection of earnings manipulation.  Financial Analysts Journal,  55(5), 24-36.

Bilan, Y. ,& Jurickova, V. (2021). Detection of earnings management by different models. in SHS Web of Conferences , 92, EDP Sciences.

Bouchekara, H. R. (2013). Optimal design of electromagnetic devices using a black-hole-based optimization technique.  IEEE transactions on magnetics,  49(12), 5709-5714.

Britannica, E. (2010). Encyclopædia Britannica ultimate reference suite.  Chicago: Encyclopædia Britannica.

Erol, O. K., & Eksin, I. (2006). A new optimization method: big bang–big crunch.  Advances in Engineering Software,  37(2), 106-111.

Ghorbani, B.; Hosseini Ghoncheh, S. J ,& Mohammadilr, Z. (2018). The Impact of disclosure of non-Financial strategic information on profit management. Financial Accounting and Auditing Research, 9(35), 23-40.(in Persian)

Hatamlou, A. (2013). Black hole: A new heuristic optimization approach for data clustering.  Information Sciences,  222,175-184.

Javady Nia, A. (2020). The impact of managerial ability on the relationship between political connections and representation agency costs in companies listed in Tehran Stock Exchange.  Journal of Accounting and Management Vision, 3(21), 144-163.(in Persian)

Kao, L.; Chen, A. ,& Lu, C. S. (2018). Ex ante and ex post overvalued equities: The roles of corporate governance and product market competition.  Asia Pacific Management Review, 23(3), 209-221.

Kaveh, A., & Bakhshpoori, T. (2019). Big bang-big crunch algorithm. In metaheuristics: Outlines, MATLAB Codes and Examples , 31-40,Springer, Cham.

Khodabande, A. ,& Rezaie, F. (2019). Managing the impact of information on corporate financial reporting. Journal of New Research Approaches in Management and Accounting, 2(8), 1-14.(in Persian)

Kordestani, G. ,& Tatli, R. (2016). The prediction of earnings manipulation: development of a model.  Accounting and Auditing Review, 23(1), 73-96.(in Persian)

Kukreja, G.; Gupta, S. M.; Sarea, A. M.  ,& Kumaraswamy, S.  (2020), Beneish M-score and Altman Z-score as a catalyst for corporate fraud detection,  Journal of Investment Compliance, 21(4), 231-241.

Moghaddam, A. ,& Ghadrdan, E. (2019). Investigating the factors affecting unmanaged profit by management.  Accounting and Auditing Studies, 8(31), 59-74.(in Persian)

Muthiah-Nakarajan, V., & Noel, M. M. (2016). Galactic swarm optimization: A new global optimization metaheuristic inspired by galactic motion.  Applied Soft Computing,  38,771-787.

Nakhaei, H., & Ahmadpour, J. (2020). The effect of the structure of the board of directors and the corporate governance on the performance and unconditional standards of performance of Iranian companies.  Journal of Accounting and Management Vision, 3(22), 82-101.(in Persian)

Pour-Ali, M R.,& Kouchaki Tajani, M. (2020). Comparing the accuracy of companies' profit manipulation prediction using colonial competition algorithm and genetic algorithm. The First International Conference on New Challenges and Solutions in Industrial Engineering, Management and Accounting. (in Persian)

Qaemi, F.; Moradi, Z. ,& Alavi, G. H. (2021). The effect of audit committee characteristics on internal controls and earnings management. Financial Accounting and Auditing Research, 46, 259 - 280.(in Persian)

Rahimian, N., & hajiheydari, R. (2019). Fraudulent financial statement detection using: Adjusted-M-score-Beneish models and financial ratios. . Empirical Research in Accounting, 9(1), 47-70.(in Persian)

Razali, W. A. A. W. M., & Arshad, R. (2014). Disclosure of corporate governance structure and the likelihood of fraudulent financial reporting.  Procedia-Social and Behavioral Sciences,  145, 243-253.

Repousis, S. (2016). Using Beneish model to detect corporate financial statement fraud in Greece.  Journal of Financial Crime, 23(4), 1063-1073.

Salehi-Kordabadi, S., & Zad-Dousti, F. (2020). The relationship between corporate governance, earnings management and financial performance in companies listed on the Tehran Stock Exchange.  Journal of Accounting and Management Vision, 3(26), 92-109.(in Persian)

Serrano-Cinca, C.; Gutiérrez-Nieto, B., & Bernate-Valbuena, M. (2019). The use of accounting anomalies indicators to predict business failure.  European Management Journal,  37(3), 353-375.

Shakouri, M. M.; Taherabadi, A.; Ghanbari, M., & Jamshidinavid, B. (2021). Explaining the Beneish model and providing a comprehensive model of fraudulent financial reporting (FFR).  International Journal of Nonlinear Analysis and Applications,  12,39-48.(in Persian)

Sheari Anaghiz, S.; Rahimian, N. A.; Salehi Ghadyani, J., & Khorasani, A. (2017). Investigating and applying the accuracy of the results obtained from "Beneish" and "Modified Beneish" models based on Iran's economic environment in detecting and exposing fraudulent financial reporting.  Financial Management Perspective, 7(18), 105-124.(in Persian)

Suryanto, T., & Grima, S. (2018). The Corporate decision in Indonesia: a result of corporate governance requirements, earning management and audit reports. In Governance and Regulations’ Contemporary Issues. Emerald Publishing Limited, 183-206.

Tazikeh Lamski, A., & Saeedi, P. (2020). Investigate how cheating triangles are formed by managers to make more profit from stakeholders. Economic Studies, Financial Management and Accounting, 5(1), 189-200.(in Persian)

Valizadeh Larijani, A.; Rahmani, A., & Sadeh, S. (2018). Internal control report disclosure, agency cost and earnings management internal control report disclosure, agency cost and earnings management.  Journal of Management Accounting and Auditing Knowledge, 7(25), 29-40.(in Persian)

Watts, R., & Zimmerman, J. (1990). Positive accounting theory. Prentice Hall Eaglewood Cliffts.

Wyrobek, J. (2020). Application of machine learning models and artificial intelligence to analyze annual financial statements to identify companies with unfair corporate culture.  Procedia Computer Science,  176, 3037-3046.