بررسی دقت الگوریتم‌های خطی- تکاملی BBO و ICDE و الگوریتم‌های غیرخطی SVR و CART در پیش‌بینی مدیریت سود

ابهامات محیطی ناشی از مدل‌های نوین کسب‌وکار سبب تشدید پیچیدگی در تصمیم‌گیری شده است. در چنین شرایطی دیگر نمی­توان داده­ها را با ابزارهای سنتی تحلیل نمود چرا که بسیاری از متغیرهای تأثیرگذار ناشناخته بوده و روابط آن‌ها نیز غیرخطی و پیچیده است. بنابراین در این پژوهش به بررسی دقت الگوریتم­های هوش مصنوعی در پیش‌بینی مدیریت سود پرداخته‌شده است. برای پیش‌بینی مدیریت سود از مدل تعدیل‌شده جونز استفاده گردیده و الگوریتم­های خطی-تکاملی بهینه‌سازی مبتنی بر جغرافیای زیستی (BBO) و تکامل تفاضلی بهبودیافته (ICDE) و الگوریتم­های غیرخطی رگرسیون بردار پشتیبان (SVR) و درخت رگرسیون و طبقه‌بندی (CART) نیز برای بررسی قدرت پیش‌بینی مورد مقایسه قرار گرفته‌اند. جامعه آماری پژوهش، شرکت­های تولیدی پذیرفته‌شده در بورس اوراق بهادار تهران بوده و تعداد 89 شرکت طی دوره زمانی 1386 تا 1393 موردبررسیقرارگرفته است. نتایج پژوهش بیان­گر آن است که به‌طورکلی الگوریتم­های غیرخطی از دقت بیشتری نسبت به الگوریتم­های خطی برخوردار بوده و الگوریتم رگرسیون بردار پشتیبان، مدیریت سود را بهتر از سایر الگوریتم‌ها پیش­بینی می‌کند. همچنین الگوریتم­های خطی در پیش­بینی مدیریت سود نتایج تقریباً مشابهی را از خود نشان دادند