توسعه مدل پیش بینی دستکاری سود با روش ترکیبی شبکه عصبی و الگوریتم های کیهان شناسی

افزایش میزان تقلب در گزارشگری مالی در سال های اخیر باعث عدم اعتماد سرمایه گذاران به بازار های سرمایه شده است. به همین علت پیش بینی دقیق مدیریت سود یکی ازنیازهای اساسی برای تصمیم گیری استفاده کنندگان صورتهای مالی می باشد. این پژوهش با ارائه یک مدل توسعه یافته بر مبنای مدل بنیش با تاکید بر متغیر های نظام راهبری شرکتی مشتمل بر ساختارکمیته حسابرسی، بازرس قانونی و حسابرس مستقل، ساختار هیئت مدیره و ساختار مالکیت شرکتی سعی درافزایش دقت پیش بینی مدیریت سود دارد. داده های ۸۱ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های ۱۳۹۷-۱۳۹۱ با روش ترکیبی شبکه عصبی پرسپترون چندلایه و الگوریتم های کیهان شناسی سیاه چاله، مه بانگ – مه رمب و ازدحام ذرات کهکشانی مورد تحلیل قرارگرفته است. دقت پیش بینی مدل با روش ترکیبی شبکه عصبی مصنوعی و الگوریتم های کیهان شناسی ازدحام ذرات کهکشانی، مه بانگ – مه رمب و سیاه چاله به ترتیب از ۰۸/۵۹،۴۹/۶۳ و ۵/۵۷ درصد به ۳/۸۷،۷۲/۷۹ و ۲۵/۷۴ درصد افزایش پیداکرده است که حاکی ازبهبود قدرت پیش بینی مدل در کشف شرکت های دستکاری کننده سود می باشد. درمدل پیشنهادی سطح زیر منحنی مربوط به دو الگوریتم سیاه چاله ومه بانگ-مه رمب، توسط الگوریتم ازدحام ذرات کهکشانی احاطه شده است ونشان دهنده این است که خطای شبکه عصبی پرسپترون چند لایه ترکیبی با الگوریتم ازدحام ذرات کهکشانی تا ۷/۱۲ درصد کاهش یافته است.

کلیدواژه ها:

شبکه عصبی پرسپترون چندلایه ، الگوریتم های مبتنی براخترفیزیک ، مدل بنیش ، نظام راهبری شرکتی