نام پژوهشگر: قاسم آرسته

کشف مدیریت سود با استفاده از مدل های تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی
thesis وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده علوم اداری و اقتصاد 1393
  قاسم آرسته   فرزانه نصیرزاده

مطالعات نشان می دهند که مدیران از طریق انتخاب سیاست های خاص حسابداری، تغییر در برآوردهای حسابداری و مدیریت اقلام تعهدی، سودهای گزارش شده را تعدیل می کنند. حسابرسان وظیفه دارند که بر مطلوبیت صورت های مالی در چارچوب استانداردهای حسابداری صحه بگذارند، در حالی که استانداردهای حسابداری نیز در بعضی از موارد دست مدیران را برای انتخاب روش حسابداری باز می گذارد. در واقع مشکل از جایی ناشی می شود که مدیریت سود در بعضی مواقع باعث گمراه شدن صورت های مالی می شود، در حالی که صورت های مالی از نظر قرار گرفتن در چارچوب استانداردهای حسابداری مشکلی نداشته و حسابرسان از این نظر نمی توانند بر صورت های مالی اشکالی بگیرند. پس با توجه به این موضوع که سود یکی از مهم ترین عوامل در تصمیم گیری هاست آگاهی استفاده کنندگان از قابل اتکا بودن سود می تواند آنها را در اتخاذ تصمیمات بهتر یاری دهد. در تحقیفات پیشین، عمدتا از روش ها و تکنیک های آماری برای ارتباط سنجی متغیرهای مختلف با مدیریت سود استفاده شده است. در تحقیق حاضر، هدف بررسی ارتباط متغیرها و کشف مدیریت سود با استفاده از روش شبکه عصبی فازی، تخمینگر بردار پشتیبان و تخمینگر حداقل درجه و همچنین مقایسه سه روش مذکور می باشد. به منظور بررسی مسئله مطرح شده، سه فرضیه تدوین و جهت آزمون آنها، نمونه ای از بین شرکت های پذیرفته شده در بورس اوراق بهادار تهران انتخاب شد. اقلام تعهدی اختیاری با استفاده از مدل تعدیل شده جونز محاسبه و به عنوان متغیر وابسته در نظر گرفته شد، سپس متغیرهای اثرگذار بر مدیریت سود به عنوان متغیر مستقل در ایجاد ساختار شبکه عصبی فازی، تخمینگر بردار پشتیبان و تخمینگر حداقل درجه استفاده شد. از اطلاعات مالی سال های 1385-1391 به این منظور استفاده شد. نتایج حاصل از آزمون فرضیه های تحقیق نشان می دهد که الگوریتم تخمینگر بردار پشتیبان و تخمینگر حداقل درجه و شبکه عصبی فازی به ترتیب بیشترین توانایی پیش بینی مدیریت سود را دارند.