مقایسه دقت پیش بینی مدیریت سود با استفاده از الگوریتم های مورچگان و غذایابی باکتری

هدف این تحقیق بررسی این موضوع است که آیا می توان مدیریت سود را براساس مدل های مبتنی بر یادگیری ماشین کشف کرد. در این تحقیق برای پیش بینی مدیریت سود از مدل های مبتنی بر یادگیری ماشین (الگوریتم کلونی مورچه ها و غذایابی باکتری) استفاده شده است. برای این منظور 143 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1388 تا 1392 مورد مطالعه قرار گرفتند. در این تحقیق با استفاده از الگوریتم حرکات ذرات اقدام به شناسایی متغیر های معنادار با مدیریت سود شده و در نهایت بوسیله نرم افزار متلب اقدام به پیش بینی مدیریت سود شده است. نتایج برازش الگوریتم غذایابی باکتری و کلونی مورچه ها نشان می دهد که این دو الگوریتم با دقت بالای 98 درصد توانایی پیش بینی مدیریت سود را دارند. نتایج مبین آن است که مدل کلونی مورچه ها توانایی بیشتری (خطای 97/0درصد) در پیش بینی مدیریت سود نسبت به مدل غذایابی باکتری (خطای 19/1 درصد) دارد.