تعیین طول دوره زمانی بهینه در مدل های پیش بینی سود

با توجه به اهمیت پیش بینی در دنیای امروز و نیز اهمیت سود به عنوان یکی از مهم ترین متغیرهای حسابداری، سودمندی پیش بینی سود و یافتن مدلی مناسب که بتوان توسط آن سود را با خطای کم تری پیش بینی نمود آشکار است. در این میان محققان در تلاش به منظور یافتن مدلی مناسب برای پیش بینی سود، مدل های سری زمانی و گام تصادفی را اغلب به کار گرفته اند. هدف این تحقیق مقایسه ی مدل های گام تصادفی و سری زمانی (اتورگرسیو) در پیش بینی سود عملیاتی شرکت های پذیرفته شده در بورس اوراق بهادار تهران، و محاسبه ی طول دوره ی زمانی بهینه برای استفاده در مدل سری زمانی سود، می باشد. تحقیق حاضر با آزمودن مقادیر قدرمطلق درصد خطاهای پیش بینی مدل های گام تصادفی و سری زمانی اتورگرسیو به بررسی تفاوت خطای این مدل ها در پیش بینی سود پرداخته است و تکیه ویژه ای بر تشخیص دوره زمانی بهینه، برای به کارگیری در سری زمانی سود با استفاده از آماره ی آکائیک (aic) دارد. داده های مورد نیاز شامل 828 سال- شرکت، از صورت های مالی سال های 1372 تا 1389 (46 شرکت پذیرفته شده در بورس اوراق بهادار تهران) استخراج گردیده است. نتایج این تحقیق نشان می دهد در پیش بینی سود، هنگام استفاده از مدل های ساده که متغیرهای توضیحی در آن ها به کار نمی روند، مدل گام تصادفی به طور عمده و معنی دار، و در مدل های دارای متغیرهای پیش گو، به طور جزئی، پیش بینی را با خطای کمتری نسبت به مدل سری زمانی اتورگرسیو انجام می دهد. نتایج همچنین حاکی از آن است که در مدل سری زمانی، استفاده از وقفه های بالاتر باعث بهبود مدل ها نخواهد شد و در بین وقفه های 1 تا 6 مورد بررسی، وقفه 1 برای مدل های ساده و وقفه 2 برای مدل های دارای متغیرهای پیش گو، بهینه می باشد.