تاثیر کیفیت سود بر پیش‌بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی

Authors

  • بیتا مشایخی دانشیار گروه حسابداری،دانشکده مدیریت،دانشگاه تهران
  • حمیدرضا گنجی دانشجوی دکتری حسابداری،دانشکده مدیریت،دانشگاه تهران
Abstract:

پیش‌بینی تداوم فعالیت عملیاتی واحدهای اقتصادی در دوره‌های آتی، یکی از عناصر مهم در تصمیم‌گیری برای سرمایه‌گذاران بوده و در این میان انتخاب متغیرهای پیش‌بینی کننده همواره به‌عنوان یکی از مسائل چالش برانگیز در ادبیات پیش‌بینی ورشکستگی مطرح بوده است که در راس آن‌ها همواره سود حسابداری و متغیرهای سود‌آوری قرار داشته است. بنابراین کیفیت سود حسابداری از معیارهای با اهمیت در تصمیم‌گیری‌های سرمایه‌گذاری در پیش‌بینی ورشکستگی محسوب می‌گردد. این پژوهش سعی بر آن دارد تا با مقایسه توان پیش‌بینی متغیرهای سودآوری شرکت‌هایی با سود باکیفیت و شرکت‌هایی با سود بی کیفیت، اثر کیفیت سود بر کارائی متغیرهای سودآوری در پیش‌بینی ورشکستگی را مورد بررسی قرار دهد. در نمونه‌ای که از بین شرکت‌های حاضر در بورس اوراق بهادار تهران انتخاب گردید، ابتدا بر اساس آزمون کولموگوروف-اسمیرنوف به بررسی نرمال بودن توزیع پرداخته شده، در ادامه میزان دقت و خطای نوع اول و دوم مدل شبکه عصبی برای دو گروه شرکت‌های با کیفیت سود بالا و پایین بررسی شده و سپس از آزمون t به منظور مقایسه میانگین دو نمونه در سطح اطمینان 95% استفاده گردید. یافته‌ها نشان می‌دهد که دقت پیش‌بینی شبکه عصبی مصنوعی برای شرکت‌های با سود با کیفیت به‌طور معنی داری بیشتر از شرکت‌های با سود بی کیفیت می‌باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تاثیر کیفیت سود بر پیش بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی

پیش بینی تداوم فعالیت عملیاتی واحدهای اقتصادی در دوره های آتی، یکی از عناصر مهم در تصمیم گیری برای سرمایه گذاران بوده و در این میان انتخاب متغیرهای پیش بینی کننده همواره به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی ورشکستگی مطرح بوده است که در راس آن ها همواره سود حسابداری و متغیرهای سود آوری قرار داشته است. بنابراین کیفیت سود حسابداری از معیارهای با اهمیت در تصمیم گیری های سرمایه گذار...

full text

پیشبینی آماری پهنه بندی خطر زلزله احتمالی با استفاده شبکه های عصبی مصنوعی

پیش‌بینی محل وقوع زلزله‌های آتی همراه با تعیین درصد احتمال رخداد، می‌تواند در کاهش خطرات ناشی از زلزله بسیار سودمند باشد. تعیین محل‌های پیش‌بینی شده، سبب افزایش توجه به طراحی، به‌سازی لرزه­ای و ارزیابی قابلیت اعتمادپذیری سازه‌های موجود در این مکان‌ها می‌شود. در پیش‌بینی زمان وقوع زلزله فرضیه‌ها و نظریه‌های گسترده‌ای مطرح است. هنوز شیوه‌ای دقیق برای پیش‌بینی زمان رخداد زلزله‌های آتی مورد تأیید ق...

full text

پیش بینی سطح مدیریت سود با استفاده از شبکه های عصبی مصنوعی...

اکثر تحقیقات انجام شده در حوزه مدیریت سود به بررسی انگیزه ها و عوامل موثر بر سطح مدیریت سود پرداخته اند، ولی از این متغیرها به طور مستقیم برای پیش بینی سطح مدیریت سود استفاده نشده است. در نتیجه تنها همبستگی بین مدیریت سود و این متغیرها بررسی شده است. از این رو، طراحی یک مدل برای پیش بینی سطح مدیریت سود به منظور کاهش ریسک بحران های مالی ناشی از مدیریت سود و کمک به سرمایه گذاران، اعتبار دهندگان و...

full text

تاثیر عوامل موثر بر بازیابی فروشویی ستونی کانسنگ اکسیدی مس با استفاده از شبکه عصبی مصنوعی

پیش بینی عملکرد متالورژیکی پارامتر کلیدی در هر فرآیند فرآوری است. بهینه‌سازی، کنترل و ارزیابی فرآیندها اغلب مستلزم یک مدل دقیق، مناسب و همه جانبه از فرآیند می‌باشد. ارائه چنین مدلی نیاز به شناسایی کلیه پارمترهای موثر در فرآیند و تاثیر همزمان این عوامل بر خروجی فرآیند دارد. استفاده از روش‌های مختلف فروشویی برای فرآوری کانسنگ‌ها، بستگی به پارامترهای مختلفی از جمله عیار فلزات با ارزش موجود در کانس...

full text

پیش‌بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی و مقایسه آن با مدل تحلیل ممیز چندگانه آلتمن

   با توجه به نگرانی های منطقی سرمایه گذاران از بازگشت اصل و سود سرمایه‌شان و پیامدها و هزینه‌هایی که وقوع ورشکستگی برای شرکت‌ها و اقتصاد کشور و سایر افراد و نهادها می‌تواند ایجاد نماید. در صورتی‌که بتوان از طریق مدلی احتمال وقوع ورشکستگی شرکت‌ها را پیش‌بینی نمود و پس از آن با علت‌یابی و استفاده از روش‌های حل مسئله به اصلاح امور شرکت‌ها پرداخت می توان از به هدر رفتن ثروت در قالب سرمایه‌های فیزی...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 6  issue 22

pages  147- 173

publication date 2014-08-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023