بررسی قدرت توضیحی اطلاعات حسابداری با استفاده از الگوهای خطی و غیرخطی در پیش-بینی رشد اقتصادی
Publish place: Theories of Financial Economics، Vol: 4، Issue: 1
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 157
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_MTHEC-4-1_004
تاریخ نمایه سازی: 28 مرداد 1402
Abstract:
هدف از پژوهش حاضر بررسی قدرت توضیحی اطلاعات حسابداری مالی با استفاده از الگویهای خطی و غیرخطی در پیش بینی رشد اقتصادی است. پژوهش حاضر اقدام به مقایسه پیش بینی رشد اقتصادی با استفاده از رگرسیون دو مرحلهای فاما-مکبث در قالب الگوی خطی و شبکههای عصبی مبتنی بر الگوریتم ژنتیک و الگوریتم پرواز پرندگان در قالب الگوی غیرخطی نموده است. جامعه آماری این پژوهش شامل کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. بازهزمانی انجام پژوهش سالهای ۱۳۸۴ تا ۱۳۹۷ است. روش اجرای پژوهش در الگوی خطی مبتنی بر داده های ترکیبی است که با تکنیک رگرسیون دو مرحله ای فاما-مکبث و رویکرد مجموع پنجره های زمانی غلتان و رگرسیون آریما، اقدام به پیش بینی نرخ رشداقتصادی می نماید. سپس در الگوی غیرخطی در قالب داده های آموزش و داده های آزمون در شبکه های عصبی مبتنی بر الگوریتم ژنتیک و الگوریتم پرواز پرندگان اقدام به مقایسه با الگوی خطی رگرسیون دو مرحله ای فاما-مکبث شده است. شواهد نشان داد که الگویهای خطی رگرسیون دو مرحلهای فاما-مکبث قدرت توضیح بالاتری در پیش بینی نرخ رشد اقتصادی نسبت به الگوهای غیرخطی شبکه های عصبی مبتنی بر الگوریتم ژنتیک و الگوریتم پرواز پرندگان دارد و دلیل مناسبی برای تایید اطلاعات حسابداری مالی در نظریه حسابداری کلان است. نتایج در تصریح مدل سه عاملی فاما و فرنچ به مدل چهار عاملی پیشنهادی پژوهش حاضر، فرصت کسب سرمایه گذاری آتی را به پیشنهاد تئوریQ افزایش داد. و ارتباط تنگانگی با اقتصاد آینده دارد. عامل مدیریت ، به صورت مثبت و عامل عملکرد به طور صورت منفی، اقتصاد آینده را پیش بینی میکند.
Keywords:
Fama-Macbeth Two-Stage Regression , Neural Network , Genetic Algorithm , Bird Flight Algorithm , Eeconomic Growth. , رگرسیون دو مرحله ای فاما-مکبث , شبکه عصبی , الگوریتم ژنتیک , الگوریتم پرواز پرندگان , رشد اقتصادی.
Authors
وحید بخردی نسب
P.hD in Accounting, Najaf Abad Branch, Islamic Azad University, Najaf Abad, Iran
احسان کمالی
P.hD in Accounting, Assistant Professor Department of Accounting, Najaf Abad Branch, Islamic Azad University, Najaf Abad, Iran
خدیجه ابراهیمی کهریزسنگی
Department of Accounting, Najafabad Branch, Islamic Azad University, Najafabad, Iran.
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 :