پیش بینی مدیریت سود با بکارگیری شبکه های عصبی پرسپترون چند لایه دارای دو لایه پنهان در صنعت خودرو و ساخت قطعات
- سال انتشار: 1394
- محل انتشار: چهارمین کنفرانس ملی مدیریت و حسابداری
- کد COI اختصاصی: ACCFIN04_034
- زبان مقاله: فارسی
- تعداد مشاهده: 1055
نویسندگان
استادیار گروه حسابداری، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان
کارشناسی ارشد حسابداری، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان
کارشناسی ارشد حسابداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی
چکیده
افزایش تعداد موارد بحران مالی در شرکتهای سهامی عام در سالهای اخیر، توجه بسیاری از سرمایه گذاران واعتباردهندگان را به پیش بینی این موارد از طریق اطلاعات ارایه شده در صورتهای مالی شرکتها، جهت جلوگیری از زیانهای ناشی از آن جلب کرده است. اما پیش بینی این بحران های مالی بخصوص در مواردیکه مدیریت سود نیز دخیل استبسیار دشوار می باشد.بسیاری از مطالعات مدیریت سود تنها بر شناسایی عواملی که می تواند بر مدیریت سود اثرگذار باشد و بررسی وابستگیمدیریت سود با این عوامل و نه استفاده از این عوامل در پیش بینی مدیریت سود پرداخته است. در پژوهش حاضر، از 12عامل موثر در مدیریت سود که توسط مطالعات صورت گرفته ی پیشین شناسایی شده، برای سنجش توانایی شبکه هایعصبی در پیش بینی مدیریت سود و سطوح مختلف آن استفاده گردیده است. به منظور پیش بینی، شبکه های عصبیپرسپترون چند لایه دارای دو لایه پنهان مورد استفاده قرار گرفته است. همچنین، داده های مورد نیاز، از صورتهای مالیشرکت های پذیرفته شده در بورس اوراق بهادار تهران در صنعت خودرو و ساخت قطعات استخراج گردیده است.یافته های پژوهش بیانگر آن است که شبکه های عصبی بکار رفته، توانایی بالایی در پیش بینی مدیریت سود و سطوحمختلف آن در صنعت خودرو و ساخت قطعات را دارد.کلیدواژه ها
مدیریت سود، شبکه عصبی، پرسپترون چند لایه، اقلام تعهدیمقالات مرتبط جدید
- نقش روان شناسی مثبت گرا در افزایش تاب آوری عاطفی: رویکردی نو در سلامت روان
- فلسفه اجرایی ارزشیابی کیفی توصیفی
- الگوریتم نوین رشد: همگرایی هوش مصنوعی، حقوق و استراتژی های مالی در بازاریابی
- کاربرد هوش مصنوعی (AI) در بهینه سازی فرآیندهای حسابرسی و کشف تقلب در نظام بانکی ایران
- اولویت بندی مولفه های موثر بر ارزیابی عملکرد مدیریت زنجیره تامین مالی (مطالعه موردی: صنایع پارس خودرو)
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.