fa تشخیص مدیریت سود صنعت خودرو و ساخت قطعات با استفاده از ترکیب شبکه بیزین و درخت تصمیم C5.0 تخصصي Special پژوهشي Research <p dir="RTL"><span style="font-family:b nazanin;">سرمایه‌گذاران، تحلیل</span>‌<span style="font-family:b nazanin;">گران مالی و سایر ذینفعان به رقم سود گزارش شده در صورت‌های مالی، به ‌عنوان یکی از فاکتورهای مهم تصمیم‌گیری توجه ویژه‌ای دارند، از این‌ رو تشخیص مدیریت سود موجود در صورت‌های مالی از اهمیت خاصی برخوردار است. هدف اصلی این پژوهش بررسی اثربخشی، مدلی برای تشخیص سطح مدیریت سود با استفاده از ترکیب دو تکنیک داده‌کاوی شبکه بیزین و درخت تصمیم </span><span dir="LTR"><span style="font-size:11.0pt;">C5.0</span></span><span style="font-family:b nazanin;"> می‌باشد. برای این منظور از 24 متغیر تأثیرگذار بر مدیریت سود به‌عنوان متغیرهای مستقل و اقلام تعهدی اختیاری به عنوان متغیر وابسته و جایگزین مدیریت سود، استفاده شده است. به منظور محاسبه اقلام تعهدی اختیاری (مدیریت سود)، از روش توصیه شده توسط دیچو و همکاران (</span><span style="font-family:b nazanin;">۲۰۱۲</span><span style="font-family:b nazanin;">)، استفاده گردید. جامعه آماری پژوهش شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران، فعال در صنعت خودرو و ساخت قطعات، طی سال‌های 1388 الی 1393 می‌باشد. یافته‌های پژوهش حاکی از آن است که</span><span style="font-family:b nazanin;"> مدل</span><span style="font-family:b nazanin;"> ترکیبی شبکه بیزین با درخت تصمیم </span><span dir="LTR"><span style="font-size:11.0pt;">C5.0</span></span><span style="font-family:b nazanin;">، توانایی بالایی، برای تشخیص سطح مدیریت سود، در صنعت خودرو و ساخت قطعات دارد. بااهمیت‌ترین متغیر شناسایی شده توسط مدل ترکیبی، جهت تشخیص سطح مدیریت سود در صنعت خودرو و ساخت قطعات، متغیر آستانه عملکرد با نسبت اهمیت 100 درصد می‌باشد.</span><span style="font-family:b nazanin;"></span><br> &nbsp;</p> <p><strong><span dir="LTR">Abstract</span></strong><span dir="LTR">:</span><br> Investors, shareholders, financial analysts and other stakeholders pay special attention to the figure of profit reported in financial statements as one of the main factors in decision-making. Hence the recognition of earnings management in the financial statements is very important.&nbsp; The main objective of this research is to investigate the effectiveness a model to specify the earnings management level by combining two data-mining techniques including a Bayesian networks and a decision tree. To do so, 24 variables have been used as the independent variables affecting earnings management and discretionary accruals as the dependent variables replacing earnings management.In this study the recommended method by Dechow et al (2012) was used to measure the earnings management. The research&#39;s statistical population included listed companies on the Tehran stock exchange, active in automotive and parts manufacturing industry and device constructions during years 88-93. The research findings indicate that the hybrid model of Bayesian networks with the C5.0 decision tree has a high capability to characterize the level of the earnings management in the automotive and parts manufacturing industry. The most important known variable by the hybrid model to identify the level of the earnings management in the automotive and parts manufacturing industry is performance threshold variable with the significance ratio of 100%.</p> اقلام تعهدی, داده‌کاوی, درخت تصمیم C5.0, شبکه بیزین, مدیریت سود. Accruals‚ Bayesian networks‚ C5.0 decision tree‚ Data mining‚ Earnings management. 102 126 http://qfaj.mobarakeh.iau.ir/browse.php?a_code=A-10-961-1&slc_lang=fa&sid=1 Marziyeh Saeidmoghadam مرضیه سعیدمقدم msaeedmoghadam@yahoo.com 10031947532846006602 10031947532846006602 No Islamic Azad University Boroujerd گروه حسابداری، دانشگاه آزاد اسلامی، واحد بروجرد، بروجرد، ایران Darush Javid داریوش جاوید darush.javid@yahoo.com 10031947532846006603 10031947532846006603 Yes Islamic Azad University Boroujerd گروه حسابداری، دانشگاه آزاد اسلامی، واحد بروجرد، بروجرد، ایران Mahmoud Hematfar محمود همت فر dr.hematfar@yahoo.com 10031947532846006604 10031947532846006604 No Islamic Azad University Boroujerd گروه حسابداری، دانشگاه آزاد اسلامی، واحد بروجرد، بروجرد، ایران