پیش بینی سود حسابداری با استفاده از شبکه عصبی مصنوعی پرسپتون چند لایه (MLP) در مقایسه با شبکه عصبی مصنوعی توابع پایه شعاعی (RBF)
- سال انتشار: 1391
- محل انتشار: اولین همایش ملی راهکارهای ارتقاء مباحث مدیریت ، حسابداری و مهندسی صنایع در سازمانها
- کد COI اختصاصی: IMIIMAIEO01_134
- زبان مقاله: فارسی
- تعداد مشاهده: 2084
نویسندگان
عضو هیئت علمی دانشگاه آزاد اسلامی واحد صفاشهر
چکیده
این پژوهش روشی قابل اعتماد برای پیش بینی سود با استفاده از هوش مصنوعی پیشنهاد می دهد. اکثر مطالعات انجام شده در این حوزه از پژوهش بر روی مدل های آماری و اقتصاد سنجی بوده است که ممکن است در هنگام برخورد با داده های مالی غیر خطی با مشکلات روبرو شوند. اگر چه در حال حاضر ثابت شده است که هوش مصنوعی در بسیاری از برنامه های کاربردی کسب و کار موفق بوده است، پژوهش های کمی در خصوص یکپارچه سازی تجزیه و تحلیل صورتهای مالی با استفاده از تکنیک های آن انجام شده است. در این مطالعه از تکنیک پرسپتون چندلایه (MLP) و توابع پایه شعاعی (RBF) بهره گیری شده است. بدین منظر هشت ویژگی از ویزگی های صورت سود و زیان شرکت های پذیرفته شده در بورس اوراق بهادار تهران از سال 1385 تا 1389 مورد بررسی قرار گرفته است. نتایج به دست آمده نشان می دهد که روش MLP و RBF به ترتیب بیانگر حدود 80 درصد و 82% کارایی هستند.کلیدواژه ها
پیش بیتی سود، پرسپتون چندلایه، توابع پایه شعاعیمقالات مرتبط جدید
- تاثیر مدیریت سود و ارزش شرکت با در نظر گرفتن نقش گزارشگری مسئولیت اجتماعی و مالکیت دولتی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران
- حکمرانی شرکتی در شرکت های دولتی و ضرورت اصلاحات نهادی؛ چالش ها و فرصت ها
- نقش و کاربرد هوش مصنوعی در آینده حسابداری
- تاثیر سیاست های پولی بر تورم در اقتصادهای در حال توسعه
- تاثیر راهبردهای بازرسی هوشمند مجازی بر عملکرد سازمان ها
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.