پیش بینی مدیریت سود با استفاده از شبکه های عصبی پرسپترون در بورس اوراق بهادارتهران

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 721

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICMEI01_365

تاریخ نمایه سازی: 14 آذر 1394

چکیده مقاله:

افزایش تعداد موارد بحران مالی در شرکتهای سهامی عام در سالهای اخیر، توجه بسیاری از سرمایه گذاران و اعتباردهندگان را به پیش بینی این موارد از طریق اطلاعات ارایه شده در صورتهای مالی شرکتها، جهت جلوگیری از زیان های ناشی از آن جلب کرده است. اما پیش بینی این بحران های مالی بخصوص در مواردیکه مدیریت سود نیز دخیل است بسیار دشوار می باشد. بسیاری از مطالعات مدیریت سود تنها بر شناسایی عواملی که می تواند بر مدیریت سود اثرگذار باشد و بررسی وابستگی مدیریت سود با این عوامل و نه استفاده از این عوامل در پیش بینی مدیریت سود پرداخته است. در پژوهش حاضر، از عامل موثر در مدیریت سود که توسط مطالعات صورت گرفته ی پیشین شناسایی شده، برای سنجش توانایی شبکههای عصبی در پیش بینی مدیریت سود و سطوح مختلف آن استفاده گردیده است. به منظور پیش بینی، شبکه های عصبی پرسپترون چند لایه دارای دو لایه پنهان مورد استفاده قرار گرفته و به مقایسه آن با شبکه های عصبی پرسپترون چند لایه دارای یک لایه پنهان پرداخته شده است. همچنین، داده های مورد نیاز، از صورتهای مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران استخراج گردیده است. یافته های پژوهش بیانگر آن است که شبکه های عصبی بکار رفته، توانایی بالایی در پیش بینی مدیریت سود و سطوح مختلف آنرا دارد. همچنین نتایج بیانگر توان بیشتر مدل شبکه های عصبی پرسپترون چند لایه دارای دو لایه پنهان در مقایسه با یک لایه پنهان در پیش بینی مدیریت سود می باشد.

نویسندگان

مهدی عربصالحی

ستادیار گروه حسابداری، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان

سیاوش محمودی

کارشناسی ارشد حسابداری, دانشکده علوم اداری و اقتصاد, دانشگاه اصفهان

علی محمودی

کارشناسی ارشد حسابداری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی

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 :
  • پورحیدری، امید و زینب اعظمی (1389)، شناسایی نوع اظهارنظر حسابرسان ...
  • راعی، رضا (1385)، انتخاب سبد سرمایه ریسکی با استفاده از ...
  • سجادی، حسین و حمیدرضا حبیبی (1387) _ عوامل مثر بر ... [مقاله ژورنالی]
  • سینایی، حسنعلی، مرتضوی، سعیداله _ یاسر تیموری اصل (1384)، پیش ...
  • Etheridge HL, Sriram RS, Hsu HYK.(20 _ 0), "A Comparison ...
  • Haykin, S. (1999). Neural Networks: A Comprehensive Foundation (2nd ed.). ...
  • Healy, P., & Wahlen, J. (1999). A Review of the ...
  • Hoglund, H. (2010). Detecting Earnings Management Using Neural Networks. Hanken ...
  • Koh, H. C., and Low, C. K. (2004). "Going Concern ...
  • Koskivaara, E.(20 04)."Artificial Neural Networks in Analytical Review Procedures?. Managerial ...
  • Kumar, K. and S. Bhattacharya. (20 06)."Artificial Neural Network vs. ...
  • Lee, J.-Z., Hsu, S.-W., & Chen, J.-F. (2003). The Relationship ...
  • Tsi, Chih-Fong, Chiou, Yen-Jiun.(20 09). Earnings Management Prediction: A Pilot ...
  • Vellido, A., Lisboa, P. J. G., & Vaughan, J. (1999). ...
  • Wang Q.(20 07)."Artificial Neural Network as Cost Engineering Methods in ...
  • نمایش کامل مراجع