بررسي تاثير حاكميت شركتي و محافظه‌كاري بر توان پيش‌بيني مدل‌هاي ورشكستگي مبتني بر شبكه‌هاي عصبي

The Impact of Corporate Governance and Conservatism on the Predicting Ability of Bankruptcy Models based on Artificial Neural Network

در عمده‌ پژوهش‌های صورت‌گرفته در حوزه پیش‌بینی عملكرد مالی شركت‌ها و به طور خاص، ورشكستگی، تنها به پیش‌بینی و یا مقایسه توان پیش‌بینی مدل‌ها پرداخته شده و در انجام این پیش‌بینی‌ها از نسبت‌های مالی و اندازه شركت استفاده شده است. اما هدف اصلی از انجام پژوهش حاضر، بررسی میزان تاثیر‌گذاری سازوكارهای حاكمیت شركتی و محافظه‌كاری در جهت كمك به توانایی پیش‌بینی افشای مالی شركت‌ها و باتبع آن عملكرد مالی آن‌ها می‌باشد. جامعه آماری پژوهش حاضر را شركت‌های تولیدی پذیرفته شده در بورس اوراق بهادار تهران تشكیل می‌دهند كه با اعمال محدودیت‌های لازم 90 شركت (45 شركت با عملكرد ضعیف و 45 شركت با عملكرد قوی) مورد آزمون قرار گرفت. از شبكه‌های عصبی برای ایجاد تفاوت میان شركت‌های ضعیف و قوی و پیش‌بینی، بهره گرفته شده است. نتایج پژوهش حاكی از آن است كه اضافه‌نمودن متغیرهای حاكمیت شركتی و محافظه‌كاری، تأثیری در ارتقای صحت پیش‌بینی عملكرد مالی در مدل‌های مبتنی بر شبكه‌های عصبی ندارند.

Most of the researches conducted in the area of predicting financial performance of the companies and particularly bankruptcy have anticipated and/or compared merely the predictive ability of the models, for which financial ratios and company size have been used. However, this study aims mainly to investigate the effectiveness level of corporate governance and conservatism mechanisms in order to contribute to the predictive power of financial disclosure and accordingly, financial performance of the companies. The statistical population of the research includes 90 firms listed in Tehran Stock Exchange (45 ones with poor performance and 45 ones with strong performance). Artificial Neural Network has been used to establish the difference between poor and strong companies. The results of the study indicate that variables including corporate governance and conservatism don’t have significant effect on prediction accuracy of the financial performance based on neural network