|
بررسی دقت شبکه های عصبی مصنوعی و الگوریتم بهینه سازی کلونی مورچگان در پیش بینی مدیریت سود
|
اقبال قادری   ، پیمان امینی* 1، عطاالله محمدی ، ابرج نوروش |
|
|
|
چکیده: (3042 مشاهده) |
شناخت کیفیت سود برای استفادهکنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیشبینی سودآوری و تعیین ارزش واقعی شرکتها بسیار حائز اهمیت است. هدف از این پژوهش بررسی دقت پیشبینی مدیریت سود با استفاده از شبکههای عصبی (ANN) و الگوریتم کلونی مورچگان (ACO) و مقایسه آن با مدل خطی (LR) است. برای این منظور از 28 متغیر تاثیرگذار بر مدیریت سود در قالب چهار گروه (مالی، مدیریتی، شرکتی و حسابرسی) در طی سالهای 1390 الی 1395 در 124 شرکت پذیرفته شده بورس اوراق بهادار تهران استفاده گردید. نتایج کلی حاصل از این پژوهش نشان داد که روش شبکهی عصبی مصنوعی و الگوریتم کلونی مورچگان در پیشبینی مدیریت سود نسبت به روش خطی دقیقتر و دارای سطح خطای کمتری است. همچنین دقت ترکیب الگوریتم کلونی مورچگان با شبکهی عصبی (A-ANN) حاکی از برتری این الگو در قیاس با الگوی شبکه عصبی مصنوعی است. نتایج ترکیب شبکهی عصبی مصنوعی الگوریتم کلونی مورچگان با ضریب همبستگی (878/0) نشان داد این الگو با شش متغیر دقت پیشبینی، سهم مالکیت سهامداران عمده، سودآوری، نوسانات سود، سن شرکت و اندازه شرکت توانایی پیشبینی مدیریت سود را با دقت 97 درصد دارد.
|
|
| واژه‌های کلیدی: مدیریت سود، شبکه های عصبی مصنوعی، الگوریتم کلونی مورچگان |
|
|
متن کامل [PDF 1143 kb]
(2238 دریافت)
|
|
نوع مطالعه: پژوهشي |
موضوع مقاله:
تخصصي
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
