بررسی دقت الگوریتم های خطی- تکاملی BBO و ICDE و الگوریتم های غیرخطی SVR و CART در پیش بینی مدیریت سود
عنوان مقاله: بررسی دقت الگوریتم های خطی- تکاملی BBO و ICDE و الگوریتم های غیرخطی SVR و CART در پیش بینی مدیریت سود
شناسه ملی مقاله: JR_FAR-9-1_005
منتشر شده در در سال 1396
شناسه ملی مقاله: JR_FAR-9-1_005
منتشر شده در در سال 1396
مشخصات نویسندگان مقاله:
بهزاد کاردان - استادیار حسابداری، دانشگاه فردوسی، مشهد
مهدی صالحی - دانشیار حسابداری، دانشگاه فردوسی، مشهد
بیتا قره خانی - کارشناسی ارشد حسابداری، دانشگاه فردوسی مشهد
مرتضی منصوری - کارشناسی ارشد حسابداری، دانشگاه فردوسی، مشهد
خلاصه مقاله:
بهزاد کاردان - استادیار حسابداری، دانشگاه فردوسی، مشهد
مهدی صالحی - دانشیار حسابداری، دانشگاه فردوسی، مشهد
بیتا قره خانی - کارشناسی ارشد حسابداری، دانشگاه فردوسی مشهد
مرتضی منصوری - کارشناسی ارشد حسابداری، دانشگاه فردوسی، مشهد
ابهامات محیطی ناشی از مدل های نوین کسب وکار سبب تشدید پیچیدگی در تصمیم گیری شده است. در چنین شرایطی دیگر نمیتوان دادهها را با ابزارهای سنتی تحلیل نمود چرا که بسیاری از متغیرهای تاثیرگذار ناشناخته بوده و روابط آن ها نیز غیرخطی و پیچیده است. بنابراین در این پژوهش به بررسی دقت الگوریتمهای هوش مصنوعی در پیش بینی مدیریت سود پرداخته شده است. برای پیش بینی مدیریت سود از مدل تعدیل شده جونز استفاده گردیده و الگوریتمهای خطی-تکاملی بهینه سازی مبتنی بر جغرافیای زیستی (BBO) و تکامل تفاضلی بهبودیافته (ICDE) و الگوریتمهای غیرخطی رگرسیون بردار پشتیبان (SVR) و درخت رگرسیون و طبقه بندی (CART) نیز برای بررسی قدرت پیش بینی مورد مقایسه قرار گرفته اند. جامعه آماری پژوهش، شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران بوده و تعداد ۸۹ شرکت طی دوره زمانی ۱۳۸۶ تا ۱۳۹۳ موردبررسیقرارگرفته است. نتایج پژوهش بیانگر آن است که به طورکلی الگوریتمهای غیرخطی از دقت بیشتری نسبت به الگوریتمهای خطی برخوردار بوده و الگوریتم رگرسیون بردار پشتیبان، مدیریت سود را بهتر از سایر الگوریتم ها پیشبینی می کند. همچنین الگوریتمهای خطی در پیشبینی مدیریت سود نتایج تقریبا مشابهی را از خود نشان دادند
کلمات کلیدی: پیش بینی مدیریت سود, الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی, الگوریتم تکامل تفاضلی بهبودیافته, الگوریتم رگرسیون بردار پشتیبان, الگوریتم درخت رگرسیون و طبقه بندی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1211737/