عنوان مقاله :
به‌كارگيري پديده تونلينگ جهت افزايش توانايي پيش‌بيني مديريت سود در مدل بنيش بر مبناي تكنيك شبكه‌هاي عصبي مصنوعي و الگوريتم بهينه‌سازي حركت تجمعي ذرات
عنوان به زبان ديگر :
Presenting the developed model of Benish by using tunneling phenomena based on artificial neural network technique and particle swarm optimization algorithm to identifying profit manipulating companies
پديد آورندگان :
آزادي، فرهاد دانشگاه آزاد اسلامي واحد كرمانشاه - گروه حسابداري، كرمانشاه، ايران , قنبري، مهرداد دانشگاه آزاد اسلامي واحد كرمانشاه - گروه حسابداري، كرمانشاه، ايران , جمشيدي نويد، بابك دانشگاه آزاد اسلامي واحد كرمانشاه - گروه حسابداري، كرمانشاه، ايران , مسعودي، جواد دانشگاه آزاد اسلامي واحد كرمانشاه - گروه حسابداري، كرمانشاه، ايران
كليدواژه :
ارزش ذاتي , رابطه تنزيل سودهاي نقد , رابطه تنزيل جريانات نقد آزاد سهام , رابطه سود باقي‌مانده , رابطه رشد سودهاي غيرعادي
چكيده فارسي :
هدف از انجام اين پژوهش بهينه‌سازي مدل پيش‌بيني مديريت سود بنيش با پديده تونلينگ و الگوريتم بهينه‌سازي حركت تجمعي ذرات است. جامعه آماري پژوهش شركت‌هاي پذيرفته‌شده در بورس اوراق بهادار تهران و تعداد شركت موردمطالعه، شامل 196 شركت پذيرفته‌شده طي سال‌هاي 1393 تا 1398 است. روش پژوهش توصيفي- پيمايشي و ازنظر ارتباط بين متغيرها علي- همبستگي است و ازنظر هدف كاربردي و ازلحاظ رخداد، پس‌رويدادي است. به‌منظور تجزيه و تحليل داده‌ها از روش رگرسيوني و شبكه عصبي مصنوعي و الگوريتم بهينه‌سازي حركت تجمعي ذرات استفاده‌شده است. نتايج حاصل از تحليل مدل نشان داد كه كليه نسبت‌هاي مالي بر پيش‌بيني مديريت سود بنيش تأثير معنادار داشته و بيشترين تأثير در پيش‌بيني مديريت سود بنيش را شاخص پديده تونلينگ INE و كمترين تأثير را شاخص اهرم مالي داشته است. نتايج حاصل از برآورد شبكه‌هاي عصبي طراحي‌شده نشان مي‌دهد كه استفاده از الگوريتم بهينه‌سازي تجمعي ذرات جهت پيش‌بيني مديريت سود براي شركت‌هاي پذيرفته‌شده در بورس اوراق بهادار تهران، از عملكرد قابل قبولي برخوردار است.
چكيده لاتين :
The purpose of this study is to optimize the Bayesian profit management model with tunneling phenomenon and cumulative particle motion optimization algorithm. The statistical population of the study included companies listed in the Tehran Stock Exchange and the number of companies under study, including 196 companies listed during the years 2015 to 2020. The research method is descriptive-correlational and in terms of causal-correlational variables and in terms of purpose and event, it is post-event. In order to analyze the data, regression and artificial neural network and cumulative particle motion optimization algorithm were used. The results of the model analysis showed that all financial ratios had a significant effect on the earnings management prediction of insight and the greatest impact on the prediction of earnings management was on the INE tunneling phenomenon and the least on financial leverage. The results of the estimation of the designed neural networks show that the use of cumulative particle optimization algorithm to predict the Profit management for companies listed in Tehran Stock Exchange is acceptable.
عنوان نشريه :
چشم انداز مديريت مالي
