توسعه مدلی برای پیش بینی دستکاری سود؛ رتبه بندی بهینه سازی فرا کاوشی مبتنی برشبکه های عصبی مصنوعی

  • سال انتشار: 1402
  • محل انتشار: هشتمین همایش ملی پژوهش های نوین در علوم انسانی، اقتصاد و حسابداری ایران
  • کد COI اختصاصی: MPCONF08_129
  • زبان مقاله: فارسی
  • تعداد مشاهده: 88
دانلود فایل این مقاله

نویسندگان

ناهید مالکی نیا

استادیار، گروه حسابداری، واحد بیله سوار، دانشگاه آزاد اسلامی، بیله سوار، ایران

حسین عسگری آلوج

استادیار، گروه حسابداری، واحد بیله سوار، دانشگاه آزاد اسلامی، بیله سوار، ایران

شهرام صبری

استادیار، گروه حقوق، واحد بیله سوار، دانشگاه آزاد اسلامی، بیله سوار، ایران

چکیده

بخشی از گزارش ها به دلایل مختلف به صورت واقعی ارائه نمی شود و این موضوع سبب کاهش سودمندی گزارش ها شده و به همین علت پیش بینی و کشف مدیریت سود به عنوان یکی از مسائل مهم در حسابداری و مالی بوده است. دراین پژوهش یک مدل توسعه یافته بر مبنای مدل بنیش (۱۹۹۹) با تاکید بر متغیرهای نظام راهبری شرکتی طراحی و ارائه شده است. داده های ۸۱ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های ۱۴۰۱-۱۳۹۵ با روشترکیبی شبکه عصبی پرسپترون چندلایه و الگوریتم های فرا ابتکاری مبتنی برجمعیت مورد تحلیل قرارگرفته است.یافته های حاصل از آزمون دقت پیش بینی مدل های پژوهش با روش ترکیبی شبکه و الگوریتم های فرا ابتکاریمدرن شامل چرخه آب رقابت استعماری, بهینه سازی مبتنی بر جغرافیای زیستی، ا زدحام ذرات کهکشانی، مه بانگ -مه رمب و بهینه سازی مبتنی بر سیاه چاله نشان می دهد که بهترین دقت پیش بینی مربوط به مه- بانگ مه رمببارتبه ۶ ام در مدل بنیش (۶۳/۴۹ درصد) و چرخه آب با رتبه اول در مدل پیشنهادی (‎۹۲/۰۶) درصد) برآورد گردیدهاست. همچنین یافته های حاصل از تحلیل منحنی راک نشان می دهد که الگوریتم چرخه آب در مدل پیشنهادیسطح زیر منحنی مربوط به سایرالگوریتم ها را احاطه کرده است. بنابراین قدرت پیش بینی کننددگی مدل در کشف شرکت های دست کاری کننده سود بهبود یافته و ترکیب شبکه عصبی پرسپترون چندلایه با الگوریتم چرخه آب خطای پیش بینی را تا ۷/۹۴ درصد کاهش داده است.

کلیدواژه ها

شبکه عصبی پرسپترون چندلایه، الگوریتم های فرا ابتکاری مدرن، مدل بنیش، نظام راهبری شرکتی

مقالات مرتبط جدید

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.