چکیده:
رویکردهای فراکاوشی عمدتاً بر اساس نظم و قواعد موجود در ارگانیسمهای طبیعی الهام گرفتهاند. این رویکردها امروزه کاربرد بسیاری در شاخههای مختلف پیدا کرده است. با توجه به اهمیت پیشبینی، شناخت روشها در پیشبینی مدیریت سود میتواند اطلاعات مفیدی را برای ذینفعان فراهم آورد. تنوع عوامل بدست آمده ناشی از نتایج الگوهای خطی برای سنجش مدیریت سود موجب شده است سرمایهگذارن نسبت به کیفیت سود گزارش شده تردید نمایند. بنابراین هدف از این پژوهش ارائه الگوی بهینهتر برای پیشبینی مدیریت سود است. در مرحله نخست با استفاده از الگوی شبکههای عصبی الگوی اولیه خطی را بهینه نموده، سپس از الگوریتمهای ازدحام ذرات و رقابت استعماری برای بهینهتر نمودن الگو استفاده گردید. از این رویافتههای تجربی مربوط به بررسی 620 مشاهده (سال – شرکت) پذیرفته شده در بورس اورق بهادر تهران در بازه زمانی 1390 الی 1395 حاکی از سودمندی و تاثیر مثبت در روشهای ترکیبی بر عملکرد پیشبینی مدیریت سود و همچنین وجود تفاوت معنادر بین میزان سودمندی روشهای خطی و غیرخطی است. به عبارتی در صورت استفاده از الگوریتمها در پیشبینی مدیریت سود دقت پیشبینی با حذف متغیرهای ناکارآمد افزایش مییابد. افزون بر این یافته های پژوهش حاکی از عملکرد بهتر و مناسب الگوریتم رقابت استعماری نسبت به سایر الگوها در کارآمدی متغیرهای گروه مدیریتی با دقت (8/95%) است.
Metaheuristic approaches are inspired mainly by the order and rules of natural organisms. Today, these approaches have been widely used in various branches. According to the importance of forecasting, understanding the methods in earnings management predicting can provide useful information for the beneficiaries. The variety of obtained factors due to the results of linear patterns for measuring earnings management has caused investors to hesitate the reported earnings quality. Therefore, the porpose of this research is to provide a better templet for earnings management predicting. In the first step, using the pattern of neural networks, the linear model was optimized, then Particle Swarm Optimization and Imperialist Competitive Algorithm were used to optimize the pattern. The empirical overviews of 620 observations (year-company) accepted in the Tehran Stock Exchange during the years 2010 to 2015 indicate usefulaness and positive impact of combined methods on the performance of earnings management prediction, there is also a difference in meaning between the usefulness of linear and nonlinear methods. In other words, using predictive algorithms in predicting earnings management, the prediction accuracy increases with the elimination of inefficient variables. In addition, the findings of the research indicate a better and suitable performance of Imperialist Competitive Algorithm than other patterns in the efficiency of the management variables with accuracy (95/8%).
خلاصه ماشینی:
از اين رويافته هاي تجربي مربوط به بررســي ٦٢٠ مشــاهده (ســال – شرکت ) پذيرفته شده در بورس اورق بهادر تهران در بازه زماني ١٣٩٠ الي ١٣٩٥ حاکي از سودمندي و تأثير مثبت در روش هاي ترکيبي بر عملکرد پيش بيني مديريت سود و همچنين وجود تفاوت معنادر بين ميزان سـودمندي روش -هاي خطي و غيرخطي اسـت .
نگاره (١): معرفي شبکه عصبي مصنوعي والگوريتم فراکاوشي )PSO,ICA( (به تصویر صفحه مراجعه شود) پيشينه پژوهش اغلب پژوهش هاي اوليه در زمينه پيش بيني مديريت سود با استفاده از روش رگرسيون انجام شــده اســت .
در مرحله آخررابطه (٣) اقلام تعهدي اختياري(DAC( به شرح زير محاسبه ميشود: (به تصویر صفحه مراجعه شود) متغيرهاي پيش بين (مستقل ) با بررسـي ادبيات کيفيت گزارشـگري مالي بالاخص بعد کيفيت سـود، تعداد ٢٨ شـاخص با اهميت مرتبط با مديريت سود شامل متغيرهاي کمي و کيفي در چهار گروه معياري هاي مالي ، مديريتي ، شرکتي ، حسابرسي با استفاده از الگوي طبقه بندي نيکو مرام و بادآور نهندي (١٣٨٨)، کوهن (٢٠٠٤) وکوينگلينگ (٢٠١٦) انتخاب شـــدند.
(به تصویر صفحه مراجعه شود) بنابراين نتايج فرضيه هاي اصلي پژوهش در زير ارائه شده است : فرضــيه اول : اين فرضــيه بيان مينمايد که آيا تفاوت معناداري بين دقت الگو خطي (LR( و شبکه عصبي(ANN-VIII( وجود دارد يا خير؟ طبق نگاره (١٤) با استفاده از آزمون t زوجي خطاي الگوي شبکه ع صبي مصنوعي با الگوي خطي مقايســـه گرديد.