بررسی قدرت توضیحی اطلاعات حسابداری با استفاده از الگوهای خطی و غیرخطی در پیش-بینی رشد اقتصادی
- سال انتشار: 1402
- محل انتشار: فصلنامه نظریه های اقتصاد مالی، دوره: 4، شماره: 1
- کد COI اختصاصی: JR_MTHEC-4-1_004
- زبان مقاله: فارسی
- تعداد مشاهده: 247
نویسندگان
P.hD in Accounting, Najaf Abad Branch, Islamic Azad University, Najaf Abad, Iran
P.hD in Accounting, Assistant Professor Department of Accounting, Najaf Abad Branch, Islamic Azad University, Najaf Abad, Iran
Department of Accounting, Najafabad Branch, Islamic Azad University, Najafabad, Iran.
چکیده
هدف از پژوهش حاضر بررسی قدرت توضیحی اطلاعات حسابداری مالی با استفاده از الگویهای خطی و غیرخطی در پیش بینی رشد اقتصادی است. پژوهش حاضر اقدام به مقایسه پیش بینی رشد اقتصادی با استفاده از رگرسیون دو مرحلهای فاما-مکبث در قالب الگوی خطی و شبکههای عصبی مبتنی بر الگوریتم ژنتیک و الگوریتم پرواز پرندگان در قالب الگوی غیرخطی نموده است. جامعه آماری این پژوهش شامل کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد. بازهزمانی انجام پژوهش سالهای ۱۳۸۴ تا ۱۳۹۷ است. روش اجرای پژوهش در الگوی خطی مبتنی بر داده های ترکیبی است که با تکنیک رگرسیون دو مرحله ای فاما-مکبث و رویکرد مجموع پنجره های زمانی غلتان و رگرسیون آریما، اقدام به پیش بینی نرخ رشداقتصادی می نماید. سپس در الگوی غیرخطی در قالب داده های آموزش و داده های آزمون در شبکه های عصبی مبتنی بر الگوریتم ژنتیک و الگوریتم پرواز پرندگان اقدام به مقایسه با الگوی خطی رگرسیون دو مرحله ای فاما-مکبث شده است. شواهد نشان داد که الگویهای خطی رگرسیون دو مرحلهای فاما-مکبث قدرت توضیح بالاتری در پیش بینی نرخ رشد اقتصادی نسبت به الگوهای غیرخطی شبکه های عصبی مبتنی بر الگوریتم ژنتیک و الگوریتم پرواز پرندگان دارد و دلیل مناسبی برای تایید اطلاعات حسابداری مالی در نظریه حسابداری کلان است. نتایج در تصریح مدل سه عاملی فاما و فرنچ به مدل چهار عاملی پیشنهادی پژوهش حاضر، فرصت کسب سرمایه گذاری آتی را به پیشنهاد تئوریQ افزایش داد. و ارتباط تنگانگی با اقتصاد آینده دارد. عامل مدیریت ، به صورت مثبت و عامل عملکرد به طور صورت منفی، اقتصاد آینده را پیش بینی میکند.کلیدواژه ها
Fama-Macbeth Two-Stage Regression, Neural Network, Genetic Algorithm, Bird Flight Algorithm, Eeconomic Growth., رگرسیون دو مرحله ای فاما-مکبث, شبکه عصبی, الگوریتم ژنتیک, الگوریتم پرواز پرندگان, رشد اقتصادی.اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.