مدل سازی و پیش بینی شاخص های اقتصادی با استفاده از سودهای کل حسابداری و پیش بینی شده توسط مدیران

سودهای حسابداری به دلیل جامعیت آن به اصطلاح آینه تمام قد از عملکرد شرکت محسوب می شوند. علاوه بر این یکی از مهم ترین رویکردهای پژوهش های حوزه افشای اختیاری این است که پیش بینی های مدیریت به دلیل دسترسی مدیران به برخی اطلاعات محرمانه، شاخص به موقعی در راستای ارزیابی وضعیت فعلی و آتی اقتصادی باشد، لذا در پژوهش حاضر به بررسی این نکته پرداخته شده است که آیا سودهای کل حسابداری (سود خالص و سود ناخالص) در کنار برخی از اطلاعات افشا شده توسط مدیران نظیر پیش بینی سود می تواند به عنوان شاخص پیش بینی کننده متغیرهای اقتصادی (نرخ تورم و نرخ بیکاری) باشند یا خیر. در همین راستا تعداد 88 شرکت پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1385 تا 1395 به عنوان نمونه آماری پژوهش انتخاب شده است. همچنین در راستای پاسخگوئی به سوال پژوهش، سه مدل مبتنی بر شبکه های عصبی، الگوریتم ژنتیک و الگوریتم تجمع ذرات طراحی و نتایج آنها مقایسه شده است.  نتایج بیانگر آن است که استفاده از الگوریتم تجمع ذرات و ژنتیک در آموزش شبکه عصبی موثر است. همچنین نتایج مبین آن است که سودهای کل حسابداری شاخص موثری در پیش بینی متغیرهای اقتصادی محسوب می شوند. این یافته نشانگر اهمیت اطلاعات حسابداری در سطح کلان اقتصادی است

کلیدواژه ها:

نرخ بیکاری ، نرخ تورم ، مدل های هوش مصنوعی