توسعه مدل پیش بینی دستکاری سود با روش ترکیبی شبکه عصبی و الگوریتم‌های کیهان‌شناسی

اقتصاد پولی مالی

دوره 28، بهار و تابستان - شماره پیاپی 21، شهریور 1400  

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/mfe.2021.71593.1099

نویسندگان

ناهید مالکی نیا ¹؛ رضا تهرانی²؛ اکبر عالم تبریز ³؛ میر فیض فلاح شمس ⁴

¹دانشجوی دکتری مدیریت صنعتی-مالی، دانشکده اقتصاد و مدیریت، دانشگاه آزاد اسلامی واحد علوم تحقیقات، تهران، ایران وهیات علمی

²تهراناستاد مدیریت مالی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران

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

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

چکیده

افزایش میزان تقلب در گزارشگری مالی در سال‌های اخیر باعث عدم اعتماد سرمایه‌گذاران به بازار‌های سرمایه شده است. به همین علت پیش بینی دقیق مدیریت سود یکی ازنیازهای اساسی برای تصمیم گیری استفاده کنندگان صورتهای مالی می باشد. این پژوهش با ارائه یک مدل توسعه‌یافته بر مبنای مدل بنیش با تأکید بر متغیر‌های نظام راهبری شرکتی مشتمل بر ساختارکمیته حسابرسی، بازرس قانونی و حسابرس مستقل، ساختار هیئت‌مدیره و ساختار مالکیت شرکتی سعی درافزایش دقت پیش بینی 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 08/59،49/63 و 5/57 درصد به 3/87،72/79 و 25/74 درصد افزایش پیداکرده است که حاکی ازبهبود قدرت پیش‌‌بینی مدل در کشف شرکت‌‌های دستکاری کننده سود می‌باشد. درمدل 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 تا 7/12 درصد کاهش‌یافته است.

کلیدواژه‌ها

شبکه عصبی پرسپترون چندلایه؛ الگوریتم‌های مبتنی براخترفیزیک؛ مدل بنیش؛ نظام راهبری شرکتی

مراجع