مقایسه دقت پیش بینی سطح افشا با استفاده از الگوریتم‌های کلونی مورچه‌ها و تکامل تفاضلی در شرکتهای پذیرفته شده در بورس اوراق بهادر

 توجه ویژه به نیازهای اطاعاتی استفاده‌کنندگان صورت‌های مالی، یکی از رسالت‌های اصلی گزارشگری می‌باشد و در این راستا افشای مناسب و کامل اطلاعات نقش اساسی را دارد. هدف این تحقیق بررسی این موضوع است که آیا می‌توان کیفیت افشای شرکتی را بر اساس مدل‌های مبتنی بر یادگیری ماشین کشف کرد. در این تحقیق امتیازبندی سطح افشای ‌شرکت‌های بورس ایران توسط سازمان بورس و اوراق بهادار به عنوان نماینده سطح افشای شرکتی در نظر گرفته شده و برای پیش بینی از مدل الگوریتم‌های کلونی مورچگان و تکامل تفاضلی استفاده شده است. برای این منظور 171 شرکت عضو بورس اوراق بهادار تهران طی دوره زمانی 1389-1393 مورد مطالعه قرار گرفتند. در این تحقیق با استفاده از نرم افزار متلب اقدام به پیش بینی کیفیت افشای شرکتی شده است. نتایج برازش الگوریتم‌های کلونی مورچگان و تکامل تفاضلی نشان می‌دهد که این دو الگوریتم با دقت بالای 95 درصد توانایی پیش بینی مدیریت سود را دارند. در واقع نتایج مبین آن است که مدل کلونی مورچه‌ها‌ توانایی بیشتری (خطای 3. 316 درصد) در پیش بینی مدیریت سود نسبت به مدل تکامل تفاضلی (خطای 4. 139 درصد) دارد.