تعيين ارزش دارايي‌هاي نامشهود با استفاده از شبكه عصبي مصنوعي

Valuation of Intangible Assets by Using of Artificial Neural Network

درك عوامل موثر بر ارزش شركت برای سرمایه‌گذاران و اعتباردهندگان پیش از اتخاذ تصمیمات سرمایه‌گذاری یا اعطای تسهیلات، امری حیاتی است. از آن‌جایی كه اقتصاد دانش‌محور در حال تكامل یافتن است، روش ایجاد ارزش شركتی از شیوه سنتی مبتنی بر دارایی‌های فیزیكی به دانش نامشهود منتقل شده است. از این‌رو در آینده نه چندان دور، ارزش‌گذاری دارایی‌های نامشهود به موضوع مهمی در اقتصاد مبدل خواهد شد. این مطالعه بر آن است تا با استفاده از مدل‌ مبتنی بر شبكه عصبی مصنوعی به شناسایی عوامل موثر در تعیین ارزش دارایی‌های نامشهود در شركت‌های پذیرفته شده در بورس اوراق بهادار تهران بپردازد. هدف اصلی از مدل كردن عوامل موثر بر ارزش دارایی‌های نامشهود با استفاده از شبكه‌های عصبی، بررسی میزان تأثیر پانزده متغیر ورودی (شامل تعداد اعضای هیات مدیره، استقلال هیات مدیره، اندازه شركت، اهرم، دارایی‌های ثابت، رشد فروش، سودآوری، پرداخت سود، سن شركت، تعداد كاركنان، متنوع‌سازی، ساختار مدیریت، صادرات، مخارج تحقیق و توسعه و هزینه‌های بازاریابی و تبلیغات) بر متغیر ارزش شركت می‌باشد. یافته‌های حاصل از پژوهش حاكی از اهمیت ویژگی‌های خاص شركتی در وهله نخست، حاكمیت شركتی در رتبه دوم، ساختار مالكیت در رتبه سوم و سرمایه نامشهود در رتبه چهارم در تعیین ارزش دارایی‌های نامشهود است.

 It is very important for investors and creditors to understand the critical factors affecting a firm’s value before making decisions about investments and loans. Since the knowledge- based economy has evolved, the method for creating firm value has transferred from traditional physical assets to intangible knowledge. Therefore, valuation of intangible assets will become a widespread topic of interest in the future of the economy. This paper is aimed, using the artificial neural networks, to identify the critical factors affecting intangible assets value in firms listed in Tehran Stock Exchange. The results show the importance of firm’s attributes, corporate governance, ownership structure and intangible capital in determining the value of intangible assets, respectively.