بررسی دقت الگوریتم های خطی- تکاملی BBO و ICDE و الگوریتم های غیرخطی SVR و CART در پیش بینی مدیریت سود
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 204
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FAR-9-1_005
تاریخ نمایه سازی: 26 اردیبهشت 1400
چکیده مقاله:
ابهامات محیطی ناشی از مدل های نوین کسب وکار سبب تشدید پیچیدگی در تصمیم گیری شده است. در چنین شرایطی دیگر نمیتوان دادهها را با ابزارهای سنتی تحلیل نمود چرا که بسیاری از متغیرهای تاثیرگذار ناشناخته بوده و روابط آن ها نیز غیرخطی و پیچیده است. بنابراین در این پژوهش به بررسی دقت الگوریتمهای هوش مصنوعی در پیش بینی مدیریت سود پرداخته شده است. برای پیش بینی مدیریت سود از مدل تعدیل شده جونز استفاده گردیده و الگوریتمهای خطی-تکاملی بهینه سازی مبتنی بر جغرافیای زیستی (BBO) و تکامل تفاضلی بهبودیافته (ICDE) و الگوریتمهای غیرخطی رگرسیون بردار پشتیبان (SVR) و درخت رگرسیون و طبقه بندی (CART) نیز برای بررسی قدرت پیش بینی مورد مقایسه قرار گرفته اند. جامعه آماری پژوهش، شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران بوده و تعداد ۸۹ شرکت طی دوره زمانی ۱۳۸۶ تا ۱۳۹۳ موردبررسیقرارگرفته است. نتایج پژوهش بیانگر آن است که به طورکلی الگوریتمهای غیرخطی از دقت بیشتری نسبت به الگوریتمهای خطی برخوردار بوده و الگوریتم رگرسیون بردار پشتیبان، مدیریت سود را بهتر از سایر الگوریتم ها پیشبینی می کند. همچنین الگوریتمهای خطی در پیشبینی مدیریت سود نتایج تقریبا مشابهی را از خود نشان دادند
کلیدواژه ها:
پیش بینی مدیریت سود ، الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی ، الگوریتم تکامل تفاضلی بهبودیافته ، الگوریتم رگرسیون بردار پشتیبان ، الگوریتم درخت رگرسیون و طبقه بندی
نویسندگان
بهزاد کاردان
استادیار حسابداری، دانشگاه فردوسی، مشهد
مهدی صالحی
دانشیار حسابداری، دانشگاه فردوسی، مشهد
بیتا قره خانی
کارشناسی ارشد حسابداری، دانشگاه فردوسی مشهد
مرتضی منصوری
کارشناسی ارشد حسابداری، دانشگاه فردوسی، مشهد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :