financial accounting

fa رویکرد چندمرحله‌ای یادگیری ماشین در پیش‌بینی درماندگی مالی: نقش مسئولیت‌پذیری اجتماعی و حاکمیت شرکتی با تأکید بر کمیته حسابرسی A Multi-Stage Machine Learning Approach to Financial Distress Prediction: The Role of Corporate Social Responsibility and Corporate Governance with Emphasis on the Audit Committee تخصصي Special كاربردي Applicable پیش‌بینی به‌موقع درماندگی مالی ابزار حیاتی برای کاهش عدم قطعیت، بهبود تصمیم‌گیری راهبردی و افزایش اعتماد سرمایه‌گذاران شرکت به شمار می‌رود. پژوهش حاضر با هدف استفاده از یک رویکرد چند مرحلهای یادگیری ماشین برای پیش‌بینی درماندگی مالی و بررسی نقش شاخص‌های مسئولیت‌پذیری اجتماعی، حاکمیت شرکتی با تأکید بر کمیته حسابرسی طراحی شد. از منظر روششناسی هدف این پژوهش کاربردی و از نظر ماهیت، توصیفی-همبستگی است. جامعه آماری شامل کلیه شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران در بازه زمانی ۱۳۹۵ تا ۱۴۰۳ بوده و ۱۱۲ شرکت به‌عنوان نمونه با روش نمونه‌گیری حذف سیستماتیک انتخاب شدند. تحلیل اهمیت متغیرها با استفاده از الگوریتم جنگل تصادفی نشان داد که بعد ساختار مالکیت از شاخص حاکمیت شرکتی بیشترین اهمیت و بعد ترکیب اعضا از شاخص کمیته حسابرسی کمترین اهمیت را در پیش‌بینی درماندگی مالی داشت. چهار الگوریتم ریج، لاسو، لاسوی تطبیق یافته و شبکه الاستیک برای آزمون فرضیهها به کار گرفته شد که الگوریتم لاسوی تطبیق یافته با کمترین میانگین مربعات خطا و ریشه میانگین مربعات خطا، بیشترین دقت را در پیشبینی درماندگی مالی داشت. نتایج نشان داد که هر سه شاخص مسئولیت‌پذیری اجتماعی، حاکمیت شرکتی و کمیته حسابرسی دارای ارتباط پیش‌بینانه منفی با درماندگی مالی هستند. همچنین حاکمیت شرکتی در مقایسه با مسئولیت‌پذیری اجتماعی و کمیته حسابرسی سهم پیش‌بینانه منفی بیشتری در مدل منتخب داشته است. یافته‌ها بر اهمیت ادغام شاخص‌های مدیریتی و نظارتی با مدل‌های پیشرفته یادگیری ماشین برای تقویت ثبات مالی سازمان‌ها تأکید دارد.   Timely prediction of financial distress plays a critical role in reducing uncertainty, enhancing strategic decision-making, and improving investor confidence. The present study was designed to use a multi-stage machine learning approach to predict financial distress while examining the predictive roles of corporate social responsibility and corporate governance indicators, with particular emphasis on the audit committee. The study is applied in terms of objective and adopts a descriptive-correlational research design. The research sample consists of 112 firms listed on the Tehran Stock Exchange during 2016–2024, selected through a systematic elimination procedure. The results of the Random Forest algorithm reveal that ownership structure represents the most influential corporate governance dimension, whereas audit committee composition has the lowest predictive importance. Furthermore, among the Ridge, Lasso, Adaptive Lasso, and Elastic Net algorithms, Adaptive Lasso demonstrates the highest predictive accuracy. The findings indicated that all three indicators—corporate social responsibility, corporate governance, and audit committee—had a negative predictive association with financial distress. Furthermore, corporate governance demonstrated a greater negative predictive contribution to the selected model compared with corporate social responsibility and the audit committee.These results emphasize the importance of integrating managerial and monitoring indicators with advanced machine learning approaches to enhance financial distress prediction.   درماندگی مالی, مسئولیت‌پذیری اجتماعی, حاکمیت شرکتی, کمیته حسابرسی, یادگیری ماشین. Financial Distress, Corporate Social Responsibility, Corporate Governance Mechanisms, Audit Committee, Machine Learning. 68 82 http://qfaj.mobarakeh.iau.ir/browse.php?a_code=A-10-2007-2&slc_lang=fa&sid=1 Parisa Alidoosti پریسا علیدوستی P.alidoosti@iau.ac.ir 100319475328460015834 100319475328460015834 No Department of Accounting, Isf.C., Islamic Azad University, Isfahan, Iran. گروه حسابداری، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران. Mohsen Dastgir محسن دستگیر dastmw@yahoo.com 100319475328460015835 100319475328460015835 Yes Department of Accounting, Isf.C., Islamic Azad University, Isfahan, Iran. گروه حسابداری، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران. Afsaneh Soroushyar افسانه سروش یار a.soroushyar@iau.ac.ir 100319475328460015836 100319475328460015836 No Department of Accounting, Isf.C., Islamic Azad University, Isfahan, Iran. گروه حسابداری، واحد اصفهان (خوراسگان)، دانشگاه آزاد اسلامی، اصفهان، ایران.