کشف مدیریت سود با استفاده از شبکه های عصبی

مطالعات متعددی به بررسی مدیریت سود در شرایط مختلف پرداخته اند. در اغلب این مطالعات فرض بر آن است که سود از طریق اقلام تعهدی حسابداری، مدیریت می شود. از این رو مدل هایی جهت مدیریت سود بر مبنای اقلام تعهدی بسط و توسعه داده شده است. با این حال در تعدادی از مطالعات انجام شده، توانایی این مدل ها برای کشف مدیریت سود زیر سوال رفته است. یکی از تبیین های مطرح شده در خصوص عملکرد ضعیف مدل های موجود، استفاده از رویکرد خطی برای مدل سازی اقلام تعهدی است و این در حالی است که بخشی از مطالعات موجود از وجود رابطه غیرخطی خبر می دهند. یکی از بدیل های مطرح شده برای رفع مشکل غیرخطی، استفاده از شبکه های عصبی متفاوت است. هدف این تحقیق بررسی این موضوع است که آیا می توان مدیریت سود را بر اساس مدل های ریاضی منتخب کشف کرد و همچنین آیا مدل های مبتنی بر شبکه عصبی در کشف مدیریت سود بهتر از مدل های خطی عمل می کنند یا خیر. در این مطالعه از شبکه های عصبی چندلایه پیشرو و شعاع مبنا استفاده شده است. نتایج تحقیق حاکی از این است که علی رغم برتری نسبی شبکه های عصبی و عملکرد ضعیف رگرسیون خطی، انتخاب قطعی یکی از دو مدل امکان پذیر نبوده و این امر به توانایی مدل سازی و نوع توپولوژی انتخاب شده دارد.