پیش بینی مدیریت سود با بکارگیری ترکیب مدل شبکه های عصبی مصنوعی و درختهای تصمیم

تعداد موارد بحران های مالی مربوط به شرکت های سهامی عام اخیرا افزایش یافته است، اما سرمایه گذاران و اعتباردهندگان به سختی قادر به پیش بینی بحران های مالی هستند، بویژه در مواردی که مدیریت سود نیز دخیل باشد. مدیریت سود، دستکاری کردن سود برای رسیدن به اهداف مدیریت با بکارگیری روش ها و فرآیندهای مطمئن می باشد. در ادبیات مدیریت سود، بسیاری از مطالعات مرتبط با مدیریت سود تنها بر شناسایی برخی عوامل مرتبطی که می تواند بطور حائز اهمیتی بر مدیریت سود اثرگذار باشد تمرکز دارد. بنابراین، ما تنها می توانیم وابستگی بین این عوامل و مدیریت سود را بسنجیم. به همین دلیل، این عوامل بطور مستقیم برای پیش بینی میزان و سطح مدیریت سود (یعنی مدیریت سود کاهنده و افزاینده) بکار برده نمی شوند. به منظور کاهش ریسک بحران مالی مشتق شده از مدیریت سود و کمک به سهامداران جهت حذف ابتلاء به یک زیان بزرگ در بازار سهام، ما مدل شبکه های عصبی مصنوعی را برای پیش بینی میزان و سطح مدیریت سود گسترش داده ایم. با توجه به داده های جمع آوری شده از شرکت های نمونه در سازمان بورس اوراق بهادار تهران طی سال های 1383 لغایت 1388 و 11 عامل اثرگذار بر مدیریت سود طبق مطالعات انجام شده در ادبیات تحقیق بعنوان ورودی های شبکه و اقلام تعهدی اختیاری محاسبه شده از طریق مدل تعدیل شده جونز بعنوان خروجی های شبکه عصبی، مدل ارائه شده یک نرخ 100 درصدی را از پیش بینی مدیریت سود افزاینده افراطی و یک نرخ 97 درصدی از پیش بینی مدیریت سود نزدیک به صفر را تامین می نماید.