بررسی عوامل موثر بر به هنگامی گزارشگری مالی با استفاده از تکنیک های شبکه های عصبی مصنوعی و درخت تصمیم

Authors

مهدی مرادی

مجتبی سلیمانی مارشک

مصطفی باقری

abstract

به هنگامی از ویژگی های اطلاعات مفید در تصمیم گیری است که توجه روزافزون نهادهای نظارتی را به خود جلب کرده است. این پژوهش به بررسی عوامل مرتبط با به هنگامی گزارش گری مالی سالانه در شرکت های بورس اوراق بهادار تهران می پردازد. اثر نسبت های مالکیت سهامداران عمده، سهامداران نهادی، هیئت مدیره، مدیر عامل و هلدینگ ها، تعداد سهامداران عمده، نسبت اعضای غیرمؤظف، تمایز مدیر عامل و رئیس هیئت مدیره، موسسه حسابرسی، تغییر حسابرس مستقل، اندازه شرکت، قدمت شرکت، بازده ارزش ویژه، خبر خوب، گزارش مالی تلفیقی، وجود سیستم بهای مورد تأیید حسابرس، اظهارنظر مقبول حسابرس مستقل و صنعت در خلال سال های 1387 تا 1389 بر به هنگامی گزارشگری مالی سالانه مورد مطالعه قرار گرفته است. جهت آموزش و آزمون مدل از دو تکنیک شبکه های عصبی مصنوعی و درخت تصمیم استفاده شده است. نتایج حاصله نشان می دهد به ترتیب متغیرهای نسبت مالکیت سهامداران نهادی، تعداد سهامداران عمده، صنعت، حسابرس بزرگ، اظهارنظر مقبول، نسبت اعضای غیرموظف هیئت مدیره، گزارش تلفیقی و بازده ارزش ویژه بیشترین اثر را بر به هنگامی دارند. بعلاوه، میانگین دقت تکنیک شبکه عصبی مصنوعی بالاتر از درخت تصمیم است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بررسی عوامل موثر بر به هنگامی گزارشگری مالی با استفاده از تکنیک‌های شبکه‌های عصبی مصنوعی و درخت تصمیم

به هنگامی از ویژگی‌های اطلاعات مفید در تصمیم گیری است که توجه روزافزون نهادهای نظارتی را به خود جلب کرده است. این پژوهش به بررسی عوامل مرتبط با به هنگامی گزارش گری مالی سالانه در شرکت‌های بورس اوراق بهادار تهران می‌پردازد. اثر نسبت‌های مالکیت سهامداران عمده، سهامداران نهادی، هیئت مدیره، مدیر عامل و هلدینگ‌ها، تعداد سهامداران عمده، نسبت اعضای غیرمؤظف، تمایز مدیر عامل و رئیس هیئت مدیره، موسسه حسا...

full text

مقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure

کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...

full text

پیش یابی ارتفاع موج شاخص در خلیج فارس با استفاده از شبکه های عصبی مصنوعی و مقایسه آن با درخت های تصمیم رگرسیونی

Prediction of wave height is of great importance in marine and coastal engineering. In this study, the performances of artificial neural networks (feed forward with back propagation algorithm) for online significant wave heights prediction, in Persian Gulf, were investigated. The data set used in this study comprises wave and wind data gathered from shallow water location in Persian Gulf. Curre...

full text

تاثیر عوامل موثر بر بازیابی فروشویی ستونی کانسنگ اکسیدی مس با استفاده از شبکه عصبی مصنوعی

پیش بینی عملکرد متالورژیکی پارامتر کلیدی در هر فرآیند فرآوری است. بهینه‌سازی، کنترل و ارزیابی فرآیندها اغلب مستلزم یک مدل دقیق، مناسب و همه جانبه از فرآیند می‌باشد. ارائه چنین مدلی نیاز به شناسایی کلیه پارمترهای موثر در فرآیند و تاثیر همزمان این عوامل بر خروجی فرآیند دارد. استفاده از روش‌های مختلف فروشویی برای فرآوری کانسنگ‌ها، بستگی به پارامترهای مختلفی از جمله عیار فلزات با ارزش موجود در کانس...

full text

پیش بینی درماندگی مالی شرکتها با استفاده از شبکه های عصبی مصنوعی

درماندگی مالی،ورشکستگی، هزینه های زیادی به همراه دارد که به اقتصاد یک کشور صدمه وارد می کند. یکی از راه هایی که می تواند به جلوگیری از درماندگی مالی کمک شایان توجهی کند، پیش بینی درماندثی مالی الست. در این پژوهش، با استفاده از شبکه های عصبی مصنوعی (ANN)، به پیش بینی درماندگی مالی شرکت های تولیدی پرداخته شده است. مرور جامعی از مدل های پیش بینی درماندگی مالی، شبکه های عصبی مصنوعی نیز ارایه شده ...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهش های تجربی حسابداری

Publisher: دانشگاه الزهرا

ISSN 22518509

volume 5

issue 1 2015

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023