مدل كيفيت اقلام تعهدي با رويكرد الگوريتم مديريت گروهي داده ها

مطالعه و توسعه معيارهاي سنجش كيفيت سود و به طور ويژه كيفيت اقلام تعهدي يكي از موضوعات كليدي در طي حدود سه دهه اخير بوده است. ادبيات موضوعي حاكي از اين است كه معيارهاي مبتني بر رگرسيون خطي، عمدتا داراي خطاي بالا بوده و لذا در سال هاي اخير، پژوهش هايي جهت اعمال الگوريتم‌هاي يادگيري ماشين صورت گرفته است. با اين حال، بنيان‌گذاري اين الگوريتم‌ها بر رويكرد جعبه سياه، توسعه پذيري و همچنين درجه كاربردي بودن اين مدل ها را با محدوديت مواجه مي‌نمايد. لذا در اين پژوهش از الگوريتم مديريت گروهي داده‌ها كه يك نوع مدل سازي جعبه سفيد تلقي مي‌شود جهت پيش‌بيني اقلام تعهدي استفاده شده است. نتايج به دست آمده با استفاده از داده‌هاي ۱۶۴ شركت پذيرفته شده در بورس اوراق بهادار تهران طي سال هاي ۱۳۸۵ تا ۱۳۹۷ و متغيرهاي «تغيير در درآمد»، «دارايي هاي ثابت مشهود»، «جريان هاي نقدي عملياتي دوره جاري»، «جريان هاي نقدي عملياتي دوره گذشته» و «جريان هاي نقدي عملياتي دوره آتي»، حاكي از بهبود سطح خطاي اين مدل ها نسبت به مدل هاي خطي مي‌باشد. با توجه به برتري مدل‌هاي خروجي تحقيق حاضر از نظر خطاي پيش‌بيني نسبت به مدل هاي رايج، يافته‌هاي اين پژوهش مي‌تواند توسط نهادهاي نظارتي، تحليلگران و حسابرسان در شناسايي موارد احتمالي تحريف اطلاعات مالي شركتها مورد استفاده قرار گيرد.