fa بررسی دقت شبکه های عصبی مصنوعی و الگوریتم بهینه سازی کلونی مورچگان در پیش بینی مدیریت سود تخصصي Special پژوهشي Research شناخت کیفیت سود برای استفاده&shy;کنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیش&shy;بینی سودآوری و تعیین ارزش واقعی شرکت&shy;ها بسیار حائز اهمیت است. هدف از این پژوهش بررسی دقت پیش<span dir="LTR">&lrm;</span>بینی مدیریت سود با استفاده از شبکه<span dir="LTR">&lrm;</span>های عصبی <span dir="LTR">(ANN)</span> و الگوریتم کلونی مورچگان <span dir="LTR">(</span><span dir="LTR">ACO)</span> و مقایسه آن با مدل<span dir="LTR">&lrm;</span> خطی <span dir="LTR">(</span><span dir="LTR">LR)</span> است. برای این منظور از 28 متغیر تاثیرگذار بر مدیریت سود در قالب چهار گروه (مالی، مدیریتی، شرکتی و حسابرسی) در طی سال&shy;های 1390 الی 1395 در 124 شرکت پذیرفته شده بورس اوراق بهادار تهران استفاده گردید. نتایج کلی حاصل از این پژوهش نشان داد که روش شبکه&shy;ی عصبی مصنوعی و الگوریتم کلونی مورچگان در پیش&shy;بینی مدیریت سود نسبت به روش خطی دقیق&shy;تر و دارای سطح خطای کمتری است. همچنین دقت ترکیب الگوریتم کلونی مورچگان با شبکه&shy;ی عصبی <span dir="LTR">(A-ANN)</span> حاکی از برتری این الگو در قیاس با الگوی شبکه عصبی مصنوعی است. نتایج ترکیب شبکه&shy;ی عصبی مصنوعی الگوریتم کلونی مورچگان با ضریب همبستگی (878/0) نشان داد این الگو با شش متغیر دقت پیش&shy;بینی، سهم مالکیت سهامداران عمده، سودآوری، نوسانات سود، سن شرکت و اندازه شرکت &nbsp;توانایی پیش&shy;بینی مدیریت سود را با دقت 97 درصد دارد.<br> &nbsp; Undrestanding the quality of profits for users of accounting information is very important because of performance appraisal, profitability forecasting, and the determination of corporate value. The purpose of this study is to examine the accuracy of forecasting earnings management using Artificial Neural Networks (ANN) and cluster Ant Colony Optimization (ACO) algorithms and compare it with linear models (LR). For this purpose, 28 variabels that affect the management of earnings in four groups (Financial, Managerial, Corporate and Auditing) have been accepted in 124 companies during the years 2010 to 2016 and were used Tehran Stock Exchange. The overall results of this study shows that artificial neural network and ant colony optimization algorithm in predicting profit management is more accurate than linear method with less error rate. Also, the accuracy of artificial neural network composition and ant colony algorithm(A-ANN), suggests the superiority of this pattern compared to artificial neural network method. The results of the combination of artificial neural network- ant colony optimization algorithm with correlation coefficient (0/878) shows that this model has the ability to predict management with 97 percent accurancy with six predictive variables, accurancy of forecasting, sharehlding of maior shareholders, profitability, fluctuations in profit, company&rsquo;s age and size.<br> <br> <br> &nbsp; مدیریت سود,شبکه های عصبی مصنوعی, الگوریتم کلونی مورچگان Earnings Management, Artificaial Neural Network, Ant Colony Optimization. 82 110 http://qfaj.mobarakeh.iau.ir/browse.php?a_code=A-10-245-6&slc_lang=fa&sid=1 Eghbal Ghaderi اقبال قادری qaderieqbal@gmail.com 10031947532846007313 10031947532846007313 No Student Pyman Amini پیمان امینی P.Amini@uok.ac.ir 10031947532846007314 10031947532846007314 Yes Academic staff Ataullah Mohammadi Mlqrny عطاالله محمدی inorvash@ut.ac.ir 10031947532846007315 10031947532846007315 No Academic staff Iraj norvash ابرج نوروش ata.mm@iausdj.ac.ir 10031947532846007316 10031947532846007316 No