مقایسه دقت مدل های پیش بینی بحران مالی و تاثیر آن بر ابزارهای مدیریت سود
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 175
فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ACCTG-24-2_002
تاریخ نمایه سازی: 23 بهمن 1400
چکیده مقاله:
هدف اصلی این پژوهش بررسی دقت مدل های پیش بینی بحران مالی و رویکردهای مدیریت سود است. بدین منظور پس از مقایسه مدل های پیش بینی بحران مالی و انتخاب مدل برتر، به تجزیه و تحلیل ارتباط آن با ابزارهای مدیریت سود پرداخته شد. برای پیش بینی بحران مالی، مدل های یادگیری ماشین و مدل های آماری ۳۱۲ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های ۱۳۸۵ تا ۱۳۹۴ با یکدیگر مقایسه شدند و به کمک آزمون مقایسه میانگین، مشخص شد که از نظر پیش بینی بحران مالی، مدل های یادگیری ماشین نسبت به مدل های آماری دقت بیشتری دارند. سپس رابطه بهترین مدل پیش بینی بحران مالی بهدست آمده از مرحله قبل و ابزارهای مدیریت سود با استفاده از رگرسیون چندگانه خطی بررسی شد و مشخص گردید که بحران مالی پیش بینی شده با مدیریت سود جریان های نقدی عملیاتی، رابطه معکوس و معنادار دارد و با مدیریت سود هزینه های تولیدی و مدیریت سود اقلام تعهدی، رابطه مستقیم و معناداری برقرار میکند.
کلیدواژه ها:
بحران مالی پیش بینی شده ، مدل های آماری ، مدل های یادگیری ماشین ، مدیریت سود اقلام تعهدی ، مدیریت سود فعالیت های واقعی
نویسندگان
علی آشتاب
دانشجوی دکتری حسابداری، دانشکده علوم اجتماعی، دانشگاه بی نالمللی امام خمینی (ره)، قزوین، ایران
حمید حقیقت
دانشیار گروه حسابداری، دانشکده علوم اجتماعی، دانشگاه بی نالمللی امام خمینی (ره)، قزوین، ایران
غلامرضا کردستانی
دانشیار گروه حسابداری، دانشکده علوم اجتماعی، دانشگاه بی نالمللی امام خمینی (ره)، قزوین، ایران
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 :