تحليل توانايي مديريت با تاكيد برنقش شاخص هاي حسابداري و حاكميت شركتي (روش هوش مصنوعي)

هدف از اين تحقيق تحليل توانايي مديريت با استفاده از الگوريتم هوش مصنوعي و با تأكيد بر شاخص‌هاي حسابداري و حاكميت شركتي مي‌باشد. در اين راستا، براي اندازه‌گيري توانايي مديريت از شاخصِ دمرجان استفاده شده است. متغير‌هاي مستقل اوليه در اين پژوهش شامل متغير‌هاي حاكميت شركتي و متغير‌هاي حسابداري (معيار‌هاي عملكرد و ريسك) مي‌باشد. يافته‌هاي تجربي مربوط به بررسي 178 شركت پذيرفته‌شده در بورس اوراق بهادار تهران در بازه‌ي زماني 1390 تا 1396، نشان مي‌دهد كه متغير‌هاي ريسك سيستماتيك، تغيير مدير عامل، تمركز مالكيت، تخصص مالي اعضاي كميته‌ي حسابرسي و بازده سهام نسبت به ساير متغير‌ها قدرت بالاتري در تبيين توانايي مديريت با استفاده از روش انتخاب متغير لارس دارند. در تحليل اين نتايج مي‌توان بيان كرد مسائل اقتصادي، سياسي و حاكميت شركتي بيشتر مي‌تواند توانايي مدير را نسبت به معيار‌هاي عملكرد تحت تاثير قرار دهد. علاوه بر اين از نتايج ديگر پژوهش مي‌توان به اين موضوع اشاره كرد كه در مباحث حسابداري جهت تبيين و پيش‌بيني متغيرهاي مالي پيوسته مانند توانايي مديريت، مي‌توان از الگوريتم‌هاي هوش مصنوعي خطي و غيرخطي استفاده نمود.

The purpose of this research is to analyze management ability using artificial intelligence algorithm using accounting and corporate governance indexes. In this regard, to measure the management ability of the Demerjian index is used. Initial independent variables in this study include variables of corporate governance and accounting variables (performance and risk metrics). The empirical findings of the review of 178 companies admitted to Tehran Stock Exchange between 2011 and 2017 show that the systemic risk variables, managerial change, ownership concentration, financial expertise of audit committee members, and stock returns are higher than other variables. In explaining management ability using the Lars method, in analyzing these results, it can be argued that more economic, political and regulatory issues can affect the manager's ability to perform performance measures. In addition, other results of the research can be noted that in accounting discussions, linear and non-linear algorithms can be used to explain and predict continuous financial variables, such as management ability.