پیش بینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در صنایع کشاورزی و نساجی شرکت های پذیرفته شده در بورس اوراق بهادار تهران

Authors

مهدی صالحی

لاله فرخی پیله رود

abstract

امروزه روش های کمی، به یکی ازمهمترین ابزارهای پیش بینی برای اخذ تصمیمات و سرمایه گذاری های کلان دربازارها تبدیل شده اند. دقت پیش بینی، یکی ازمهم ترین فاکتورهای انتخاب روش پیش بینی است. هدف اصلی این تحقیق بررسی دقت پیش بینی مدیریت سود با استفاده ازشبکه های عصبی و درخت تصمیم گیری و مقایسه آن بامدل های خطی است. برای این منظورنه متغیر تأثیرگذار برمدیریت سود به عنوان متغیرهای مستقل واقلام تعهدی اختیاری، به عنوان متغیر وابسته مورد استفاده قرار گرفته است. در این تحقیق دو صنعت کشاورزی و نساجی ازسال 1385 تا سال1390مورد بررسی قرارگرفت. ازروش رگرسیون کمترین مربعات جهت مدل خطی واز شبکه عصبی پیشخور و درخت تصمیم گیریcart جهت بررسی ازطریق تکنیک های داده کاوی استفاده شد. نتایج حاصل ازاین تحقیق نشان دادکه روش شبکه عصبی و درخت تصمیم گیری درپیش بینی مدیریت سود نسبت به روش های خطی دقیق ترودارای سطح خطای کمتری است. در رابطه با ارتباط بین متغیرهای وابسته با متغیر مستقل نیز می توان گفت، مدیریت سود با متغیرهای اقلام تعهدی اختیاری دوره قبل(dai)، اقلام تعهدی غیراختیاری دوره قبل یا آستانه عملکرد(thod) وحساسیت در پرداخت بابت عملکرد (pps)درروش های رگرسیون، شبکه عصبی، درختcart دارای بیشترین ارتباط است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‎بینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در شرکت‎های پذیرفته شده در بورس اوراق بهادار تهران

هدف اصلی تحقیق حاضر بررسی دقت پیش‎بینی مدیریت سود با استفاده از شبکه‎های عصبی و درخت تصمیم‎گیری و مقایسه آن با مدل‎های خطی است. برای این منظور از یازده متغیر تأثیرگذار بر مدیریت سود به‎عنوان متغیرهای مستقل و اقلام تعهدی اختیاری به‎عنوان متغیر وابسته استفاده شده است. در این تحقیق تعداد 55 شرکت از سال 1385 تا سال 1388 به صورت فصلی مورد بررسی قرار گرفت. از روش رگرسیون پنلی جهت مدل خطی و از شبکه عص...

full text

پیش‎بینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در شرکت‎های پذیرفته شده در بورس اوراق بهادار تهران

هدف اصلی تحقیق حاضر بررسی دقت پیش‎بینی مدیریت سود با استفاده از شبکه‎های عصبی و درخت تصمیم‎گیری و مقایسه آن با مدل‎های خطی است. برای این منظور از یازده متغیر تأثیرگذار بر مدیریت سود به‎عنوان متغیرهای مستقل و اقلام تعهدی اختیاری به‎عنوان متغیر وابسته استفاده شده است. در این تحقیق تعداد 55 شرکت از سال 1385 تا سال 1388 به صورت فصلی مورد بررسی قرار گرفت. از روش رگرسیون پنلی جهت مدل خطی و از شبکه عص...

full text

پیش بینی ورشکستگی شرکت های پذیرفته شده در سازمان بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی

آگاهی از وضعیت مالی شرکت های بازار سرمایه همیشه یکی از دغدغه های سهامداران و تحلیلگران اقتصادی است؛ از این رو تحلیل گران و محقیق بازار های مالی همیشه به دنبال روش هایی برای پیش بینی شرایط آتی شرکت های حاضر در بازار سرمایه بودند. تحقیق پیش رو نیز به دنبال ایجاد مدلی برای پیش بینی ورشکستگی شرکت های حاضر در بازار بورس و اوراق بهادار با استفاده از شبکه عصبی مصنوعی است. در این تحقیق از نسبت های مالی...

full text

پیش بینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم

بسیاری از موارد بحران‌های مالی مربوط به شرکت‌های سهامی عام بوده که درحال افزایش است. بسیاری از سرمایه گذاران و اعتباردهندگان در مورد پیش بینی بحران مالی به خصوص زمانی که مدیریت سود رخ می‌دهد مشکلاتی دارند. تحقیقات اخیر به شناسایی عوامل و فاکتورهای مرتبط با مدیریت سود می‌پردازد. بنابراین از طریق آن قادر به تعیین ارتباط میان این عوامل و دستکاری سود هستند. به منظور کاهش ریسک بحران‌های مالی ناشی از...

full text

پیش بینی مدیریت سود با استفاده از شبکه های عصبی مصنوعی و درخت تصمیم برای شرکت های پذیرفته شده در بورس اوراق بهادار تهران

پیش بینی مدیریت سود یکی از مهمترین مسائلی است که به سرمایه گذاران و سایر استفاده کنندگان در ارزیابی صحیح وضعیت مالی و عملکرد مالی کمک می نماید که با توجه به مطرح شدن بحران های مالی در سطح جهان روز به روز از اهمیت بیشتری برای تهیه و ارائه اطلاعات مفید برخوردار گردیده است. در این تحقیق، محقق بر آن است تا مدلی بهینه برای پیش بینی مدیریت سود ارائه نماید. هدف اصلی این تحقیق مقایسه توان پیش بینی شبک...

My Resources

Save resource for easier access later


Journal title:
journal of agricultural economics

Publisher: انجمن اقتصاد کشاورزی ایران

ISSN 2008-5524

volume 8

issue 4 2015

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023