مقایسه دقت پیش بینی سطح افشا با استفاده از الگوریتم های کلونی مورچه ها و تکامل تفاضلی در شرکتهای پذیرفته شده در بورس اوراق بهادر
- سال انتشار: 1397
- محل انتشار: فصلنامه پژوهش های تجربی حسابداری، دوره: 7، شماره: 4
- کد COI اختصاصی: JR_JEMRA-7-4_008
- زبان مقاله: فارسی
- تعداد مشاهده: 480
نویسندگان
عضو هیئت علمی گروه حسابداری ، دانشگاه آزاد اسلامی واحد تهران جنوب، تهران ، ایران
معاون توسعه مدیریت و منابع
چکیده
توجه ویژه به نیازهای اطاعاتی استفاده کنندگان صورت های مالی، یکی از رسالت های اصلی گزارشگری می باشد و در این راستا افشای مناسب و کامل اطلاعات نقش اساسی را دارد. هدف این تحقیق بررسی این موضوع است که آیا می توان کیفیت افشای شرکتی را بر اساس مدل های مبتنی بر یادگیری ماشین کشف کرد. در این تحقیق امتیازبندی سطح افشای شرکت های بورس ایران توسط سازمان بورس و اوراق بهادار به عنوان نماینده سطح افشای شرکتی در نظر گرفته شده و برای پیش بینی از مدل الگوریتم های کلونی مورچگان و تکامل تفاضلی استفاده شده است. برای این منظور 171 شرکت عضو بورس اوراق بهادار تهران طی دوره زمانی 1389-1393 مورد مطالعه قرار گرفتند. در این تحقیق با استفاده از نرم افزار متلب اقدام به پیش بینی کیفیت افشای شرکتی شده است. نتایج برازش الگوریتم های کلونی مورچگان و تکامل تفاضلی نشان می دهد که این دو الگوریتم با دقت بالای 95 درصد توانایی پیش بینی مدیریت سود را دارند. در واقع نتایج مبین آن است که مدل کلونی مورچه ها توانایی بیشتری (خطای 3. 316 درصد) در پیش بینی مدیریت سود نسبت به مدل تکامل تفاضلی (خطای 4. 139 درصد) دارد.کلیدواژه ها
پیش بینی, سطح افشا, الگوریتم کلونی مورچه ها , الگوریتم تکامل تفاضلیاطلاعات 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.