چکیده:
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.
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’s age and size.
خلاصه ماشینی:
بررسي دقت شبکه هاي عصبي مصنوعي و الگوريتم بهينه سازي کلوني مورچگان در پيش بيني مديريت سود اقبال قادري پيمان اميني عطاالله محمدي ملقرني ايرج نوروش تاريخ دريافت : ١٣٩٦/١١/٠٥ تاريخ پذيرش : ١٣٩٧/٠٩/١٤ چکيده شناخت کيفيت سود براي استفاده کنندگان از اطلاعات حسابداري به دليل ارزيابي عملکرد، پيش بيني سودآوري و تعيين ارزش واقعي شرکت ها بسيار حائز اهميت است .
لذا مسئله اصلي پژوهش ارائه الگو بهتر براي پيش بيني مديريت سود با استفاده از رويکرد داده کاوي با بکارگيري الگوي هوشمند ترکيبي، شبکه عصبي مصنوعي و بهينه سازي آن بر اساس الگوريتم فرا ابتکاري کلوني مورچگان است .
1 Tsai and Chiou 2 Matsumoto 3 Frankel, Johnson and Nelson 4 Cohen 5 Sukeecheep, Yarram and Al Farooq 6 Salau and CheAhmad 7 Najari, Hazarati, Rezaie and Habibzadeh Baygi 8 Chen, Chi and Wang عمده تمرکز پژوهش هاي حوزه الگوهاي نوين بيشتر مبتني بر شبکه ي عصبي مصنوعي بوده است .