مقايسۀ دقت الگوريتم‌هاي تخمينگر بردار پشتيبان، تخمينگر حداقل درجه و شبكه عصبي فازي در كشف مديريت سود

Capability of Models Support Vector Regression, Least Angle Regression and Adaptive Neural Fuzzy Inference System for Earnings Management

مطالعات زیادی در خصوص عوامل موثر بر مدیریت سود و میزان همبستگی بین آنها صورت گرفته است، اما بكارگیری عوامل موثر در جهت پیش‌بینی مدیریت سود كمتر مدنظر بوده است. در این تحقیق، توانایی پیش‌بینی الگوریتم‌های تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبكه عصبی فازی در كشف مدیریت سود بررسی شده است. جامعۀ آماری این تحقیق شركت‌های پذیرفته‌شده در بورس اوراق بهادار تهران طی سال‌های 1385 الی 1391 است. نتایج بررسی فرضیه‌ها حاكی از آن است كه الگوریتم تخمینگر بردار پشتیبان و تخمینگر حداقل درجه و شبكه عصبی فازی به ترتیب بیشترین دقت را در پیش‌بینی مدیریت سود را دارند. 

Many studies have been made on the factors affecting earnings management and the level of correlation among them. But the factors affecting prediction of earnings management is less considered. This study examines capability of models Support Vector Regression (SVR) , Least Angel Regression (LARS) and Adaptive Neural Fuzzy Network (ANFIS) for earnings management. The sample includes firms listed in Tehran Stock Exchange from 2006 to 2012. The findings show that Support Vector Regression (SVR) , Least Angel Regression (LARS) and Adaptive Neural Fuzzy Inference System (ANFIS) have the most capability in earnings management respectively.