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 شبکه عصبی مصنوعی و تجزیه و تحلیل رگرسیون خطی چندگانه و بررسی توان محرک های مدیریت سود در پیش بینی آن می باشد. در این تحقیق، شرکت های جامعه آماری پس از انتخاب به روش حذفی 107 شرکت برای دوره زمانی 88-1380 می باشد که با استفاده از مدل رگرسیون خطی چندگانه و همچنین شبکه عصبی مصنوعی و درخت تصمیم، داده های شرکت که به صورت سال- شرکت بودند مورد آزمون قرار گرفت. نتایج این مطالعه نشان می دهد که توان پیش بینی مدل غیرخطی شبکه عصبی مصنوعی نسبت به مدل رگرسیون خطی چندگانه در پیش بینی مدیریت سود بیشتر می باشد و مجموع محرک های اثرگذار بر مدیریت سود توان پیش بینی مدیریت سود با درصد خطای پایین را دارند که از میان این محرک ها، عملکرد واحد تجاری دارای بیشترین قابلیت توضیح و پیش بینی مدیریت سود است. واژگان کلیدی: مدیریت سود، شبکه عصبی مصنوعی، درخت تصمیم