توسعه مدل بنیش با ترکیب شبکه های عصبی مصنوعی و الگوریتم بهینه سازی حرکت تجمعی ذرات برای پیش بینی دستکاری سود
Publish place: Accounting and Auditing Review، Vol: 26، Issue: 4
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 220
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ACCTG-26-4_007
تاریخ نمایه سازی: 23 بهمن 1400
Abstract:
هدف: به باور بنیش (۱۹۹۹)، دستکاری سود زمانی رخ می دهد که مدیریت، اصول پذیرفته شده عمومی حسابداری را به منظور سودآور نشان دادن عملکرد مالی شرکت نقض می کند. در این پژوهش، مدل بنیش با تاکید بر متغیرهای خارج از داده های حسابداری، شامل عدم تقارن اطلاعاتی و بازار رقابت محصول، توسعه یافته است. روش: برای دستیابی به هدف پژوهش، داده های لازم برای ۱۸۴شرکت پذیرفته شده در بورس اوراق بهادار تهران، طی سال های ۱۳۸۶ تا ۱۳۹۶ جمع آوری شدند. ضرایب مدل ها، به روش شبکه عصبی آموزش یافته با الگوریتم PSO برآورد شده اند. برای فراهم آوردن قابلیت مقایسه نیز، ۱۰ اجرا با ۳۰۰ تکرار در هر اجرا انجام گرفت و پس از هم گرایی، اجراها متوقف شدند. یافته ها: توسعه مدل بنیش، خطای آموزش شبکه عصبی با الگوریتم حرکت تجمعی ذرات را از مقدار ۰۸۰۷/۰ به ۰۷۷۷/۰ کاهش داد. همچنین، سطح زیرمنحنی راک در مدل بنیش، به ازای بهترین نقطه برش (۵۰۲۱/۰) و بهترین دقت (۲۶/۶۰درصد) ۵۵۳۸/۰ بود و این سطح در مدل توسعه یافته بنیش به ازای بهترین نقطه برش (۵۳۰۴/۰) و بهترین دقت (۴۲/۶۷درصد) به ۶۳۳۵ /۰ افزایش یافت. نتیجه گیری: نتایج حاکی از تصادفی بودن مدل بنیش و ناتوانی در تفکیک دو گروه شرکت های دستکاری کننده سود و غیردستکاری کننده سود است. همچنین، نتایج افزایش قدرت مدل توسعه یافته بنیش در قیاس با مدل اصلی را نشان می دهد؛ اما نتیجه آزمون ضعیف است و نشان می دهد که مدل توسعه یافته بنیش نیز در تفکیک دو گروه شرکت های دستکاری کننده سود و غیردستکاری کننده سود، کمابیش یک مدل تصادفی است.
Keywords:
Authors
حسین عسگری آلوج
دانشجوی دکتری، گروه حسابداری، پردیس بین المللی ارس دانشگاه تهران، جلفا، ایران.
محمدرضا نیک بخت
دانشیار، گروه حسابداری، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
غلامرضا کرمی کرمی
دانشیار، گروه حسابداری، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
منصور مومنی
استاد، گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :