مقايسه دقت پيش بيني سطح افشا با استفاده از الگوريتم‌هاي كلوني مورچه‌ها و تكامل تفاضلي در شركت هاي پذيرفته شده در بورس اوراق بهادر

توجه ويژه به نيازهاي اطاعاتي استفاده‌كنندگان صورت‌هاي مالي، يكي از رسالت‌هاي اصلي گزارشگري مي‌باشد و در اين راستا افشاي مناسب و كامل اطلاعات نقش اساسي را دارد. هدف اين تحقيق بررسي اين موضوع است كه آيا مي‌توان كيفيت افشاي شركتي را بر اساس مدل‌هاي مبتني بر يادگيري ماشين كشف كرد. در اين تحقيق امتيازبندي سطح افشاي ‌شركت‌هاي بورس ايران توسط سازمان بورس و اوراق بهادار به عنوان نماينده سطح افشاي شركتي در نظر گرفته شده و براي پيش بيني از مدل الگوريتم‌هاي كلوني مورچگان و تكامل تفاضلي استفاده شده است. براي اين منظور 171 شركت عضو بورس اوراق بهادار تهران طي دوره زماني 1389-1393 مورد مطالعه قرار گرفتند. در اين تحقيق با استفاده از نرم افزار متلب اقدام به پيش بيني كيفيت افشاي شركتي شده است. نتايج برازش الگوريتم‌هاي كلوني مورچگان و تكامل تفاضلي نشان مي‌دهد كه اين دو الگوريتم با دقت بالاي 95 درصد توانايي پيش بيني مديريت سود را دارند. در واقع نتايج مبين آن است كه مدل كلوني مورچه‌ها‌ توانايي بيشتري (خطاي 3. 316 درصد) در پيش بيني مديريت سود نسبت به مدل تكامل تفاضلي (خطاي 4. 139 درصد) دارد.