چکیده:
هدف این پژوهش سنجش اقلام تعهدی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، از طریق گزارشهای کیفی و ناساختاریافته، با استفاده از تکنیکهای متنکاوی است. جامعه آماری پژوهش، شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و نمونه مورد مطالعه شامل 205 شرکت در بازه زمانی هفتساله 1390 تا 1396 است. تکنیک آماری مورداستفاده جهت آزمون فرضیهها، رگرسیون چندمتغیره از نوع دادههای ترکیبی با استفاده از نرمافزار آماری استتا است. اندازهگیری اقلام تعهدی متنی از طریق گزارش هیات مدیره به مجمع شرکت با استفاده از دو تکنیک رگرسیون بردار پشتیبان و روش مبتنی بر لغتنامه در نرمافزار پایتون انجام گرفت. یافتههای پژوهش نشان داد که 6/19درصد از تغییرات اقلام تعهدی واقعی(اقلام تعهدی سطح شرکت) توسط اقلام تعهدی متنی قابل تبیین است. همچنین اقلام تعهدی لغتنامهای(برآورد شده بر اساس فرهنگ واژگان) قادر به تبیین 3/15درصد از تغییرات اقلام تعهدی واقعی هستند؛ درنتیجه اقلام تعهدی متنی دارای قدرت تفسیری بیشتری نسبت به اقلام تعهدی لغتنامهای جهت توصیف اقلام تعهدی واقعی در شرکت است. درصورتیکه در یک مدل، اقلام تعهدی متنی و لغتنامهای همزمان بهکار گرفته شوند، قادر به تبیین 53درصد از تغییرات اقلام تعهدی واقعی هستند.
The purpose of this study is to measure and estimate accruals of listed companies in Tehran Stock Exchange through qualitative and unstructured reports using text mining techniques. The study sample included 205 companies in the period 2011-2017. The statistical technique used to test the hypotheses is multivariate regression of the panel data type using stata software Textual accruals were measured by the board of directors' report to the corporation using two support vector regression and dictionary-based methods in Python software.The findings showed that 19.6% of firm-level accruals changes (actual accruals) can be explained by textual accruals. The results also indicate that dictionary accruals (estimated on the basis of dictionary) are able to explain15/3% of the changes are actual accruals, thus textual accruals have more interpretative power than dictionary accruals to explain and describe actual accruals in listed companies in Tehran Stock Exchange. Textual and vocabulary accruals can be used to explain 53% of actual accrual variations if they are used simultaneously in a model to describe actual accruals.