مقایسه توان پیش بینی مدیریت سود با استفاده از روشهای شبکه عصبی GMDH و رگرسیون چند متغیره

در این تحقیق مدیریت سود با استفاده از شبکه عصبی GMDH و مبتنی بر 4 روش؛ TA سود و زیانی تعدیل شده، TA ترازنامه ای، مدل جونز تعدیل شده و TA سود و زیانی، الگوسازی و پیش بینی شده است. در این تحقیق از داده های 111شرکت پذیرفته شده در بورس اوراق بهادار تهران از سال 1831 الی 1831 به صورت سالانه مورد استفاده قرار گرفته است. نتایج نشان داد که متغیرهای؛ سود خالص پس از کسر مالیات، نسب p/b ، تغییرات درآمد، تغییرات حصه جاری بدهی هایبلندمدت ، وجوه نقد عملیاتی ، ناخالص دارایی های ثابت تقسیم بر دارایی های اول دوره دارای اثر مضاعف، و متغیر های وجوه نقد عملیاتی،سود خالص پس از کسر مالیات، نسبت های p/b ، p/E ، تغییرات وجوه نقد، ناخالص دارایی های ثابت تقسیم بر دارایی های اول دوره ، یک تقسیم بر دارایی های اول دوره، تغییرات حسابهای دریافتنی، تغییرات درآمد، تغییراتدرآمد به کسر حسابهای دریافتنی تقسیم بر دارایی های اول دوره جزء متغیرهای موثر و متغیر های وجوه نقد و تغییرات دارایی ها و خالص دارایی ثابت ، تغییرات حسابهای دریافتنی ، تغییرات درآمد به کسر حسابهای دریافتنی تقسیم بر دارایی اول دوره، و نسبت های p/b ، p/E متغیرهای حذف شده در هر 4 روش مورد بررسی بوده اند. بر این اساس سود خالص پساز کسر مالیات در اقلام تعهدی کل، به عنوان مهمترین متغیر و TA سود و زیانی، بهترین روش از نظر معیار ارزیابی خطا گردید. همچنین نتایج نشان دهنده برتری معنی دار شبکه عصبی در پیش بینی مدیریت سود نسبت به رگرسیون چند متغیره می باشد.

کلیدواژه ها:

مدیریت سود ، شبکه عصبی GMDH ، شرکت های پذیرفته شده در بورس اوراق بهادار ، اقلام تعهدی کل