مقایسه دقت پیش بینی مدیریت سود با استفاده از الگوریتم‌های مورچگان و غذایابی باکتری

هدف این تحقیق بررسی این موضوع است که آیا می‌توان مدیریت سود را براساس مدل‌های مبتنی بر یادگیری ماشین کشف کرد. در این تحقیق برای پیش‌بینی مدیریت سود از مدل‌های مبتنی بر یادگیری ماشین (الگوریتم کلونی مورچه‌ها و غذایابی باکتری) استفاده شده است. برای این منظور 143 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1388 تا 1392 مورد مطالعه قرار گرفتند. در این تحقیق با استفاده از الگوریتم حرکات ذرات اقدام به شناسایی متغیر‌های معنادار با مدیریت سود شده و در نهایت بوسیله نرم‌افزار متلب اقدام به پیش بینی مدیریت سود شده است. نتایج برازش الگوریتم غذایابی باکتری و کلونی مورچه‌ها نشان می‌دهد که این دو الگوریتم با دقت بالای 98 درصد توانایی پیش‌بینی مدیریت سود را دارند. نتایج مبین آن است که مدل کلونی مورچه‌ها توانایی بیشتری (خطای 97/0درصد) در پیش‌بینی مدیریت سود نسبت به مدل غذایابی باکتری (خطای 19/1 درصد) دارد.