پیشبینی مدیریت سود در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با بکارگیری سیستم یادگیری ماشینی بر پایه ماشین بردار پشتیبان
Publish place: International Conference on Modern Research`s in Management, Economics and Accounting
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 808
This Paper With 19 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:
MRMEA01_441
تاریخ نمایه سازی: 30 بهمن 1394
Abstract:
در تحقیق حاضر به پیش بینی مدل مدیریت سود با استفاده از سیستمهای یادگیری ماشینی بر پایه ماشین بردار پشتیبان با بهکارگیری شاخصهای مدل علائم هشدار بین سالهای 0939 0931 میپردازد. ارزیابی انجام شده در این تحقیق بر پایه بررسی توانمندی مدل از نظر رویارویی با دو نوع خطای شناخته شده در استنتاج آماری موسوم به خطاهای آلفا و بتا میباشد. برای این کار سه نمونه الف و ب و پ به ترتیب به منظور آزمون خطای نوع اول و دوم با استفاده از نمونه شبیهسازی شده مدیریت سود و نمونه پ برای آزمون روایی خارجی نتایج تحقیق، مورد تجزیه وتحلیل قرار گرفت. هدف اصلی تحقیق حاضر، ارائه مدلیبرای پیشبینی مدیریت سود با بگارگیری ماشین بردار پشتیبان است. جامعهی آماری مورد بررسی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد. نتایج تحقیق نشان داد از بین مدلهای مختلف ماشین بردار پشتیبان تابعی شعاعی با پارامتر 1.0 به عنوان بهترین مدل انتخاب گردید
Keywords:
Authors
نجمه روزبخش
هیات علمی گروه حسابداری، دانشگاه آزاد اسلامی مرکز کردکوی، کردکوی، گلستان
معصومه نجاری
کارشناسی ارشدحسابداری، دانشگاه فردوسی مشهد، مشهد،خراسان رضوی
منصور گرکز
استادیار گروه حسابداری، دانشگاه آزاد اسلامی واحد علی آباد کتول، علی آباد کتول، گلستان
پریسا رضائی پژند
کارشناسی ارشدحسابداری، دانشگاه آزاد اسلامی واحد نیشابور، نیشابور،خراسان رضوی
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 :