پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,994,805 |
| تعداد دریافت فایل اصل مقاله | 89,665,471 |
پیشبینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران | ||
| بررسیهای حسابداری و حسابرسی | ||
| مقاله 3، دوره 19، شماره 2، مرداد 1391، صفحه 31-46 اصل مقاله (523.36 K) | ||
| شناسه دیجیتال (DOI): 10.22059/acctgrev.2012.29198 | ||
| نویسندگان | ||
| رضوان حجازی1؛ شاپور محمدی2؛ زهرا اصلانی3؛ مجید آقاجانی4 | ||
| 1دانشیار دانشکده علوم اجتماعی و اقتصادی دانشگاه الزهراء، (س)ایران | ||
| 2دانشیار دانشکده مدیریت دانشگاه تهران، ایران | ||
| 3کارشناس ارشد، رشته حسابداری، دانشگاه الزهرا (س)، تهران، ایران | ||
| 4کارشناس ارشد، رشته حسابداری، دانشگاه قم، ایران | ||
| چکیده | ||
| هدف اصلی تحقیق حاضر بررسی دقت پیشبینی مدیریت سود با استفاده از شبکههای عصبی و درخت تصمیمگیری و مقایسه آن با مدلهای خطی است. برای این منظور از یازده متغیر تأثیرگذار بر مدیریت سود بهعنوان متغیرهای مستقل و اقلام تعهدی اختیاری بهعنوان متغیر وابسته استفاده شده است. در این تحقیق تعداد 55 شرکت از سال 1385 تا سال 1388 به صورت فصلی مورد بررسی قرار گرفت. از روش رگرسیون پنلی جهت مدل خطی و از شبکه عصبی پیشخور تعمیم یافته و درخت تصمیم کارت جهت بررسی از طریق شبکه عصبی و درخت تصمیم استفاده شد. نتایج حاصل از این تحقیق نشان داد که روش شبکه عصبی و درخت تصمیم در پیشبینی مدیریت سود نسبت به روشهای خطی دقیق تر و دارای سطح خطای کمتری است. ضمناً مدیریت سود با متغیرهای اقلام تعهدی اختیاری و غیراختیاری دوره قبل و عملکرد شرکت ، اندازه، تداوم سود در هر دو روش دارای بیشترین ارتباط است. | ||
| کلیدواژه‌ها | ||
| درخت تصمیم.؛ شبکه عصبی؛ مدیریت سود | ||
| عنوان مقاله [English] | ||
| Earnings Management Prediction Using Neural Networks and Decision Tree in TSE | ||
| نویسندگان [English] | ||
| Rezvan Hejazi1؛ Shapoor Mohamadi2؛ zahra aslani3؛ Majid Aghajani4 | ||
| چکیده [English] | ||
| The main goal of this research is to accurately analyze the profit management using the neural networks and decision tree and comparing them with the linear models. For this purpose eleven variables effecting the earnings management as independent variables and discretionary accruals as a dependent variable have been used. In this research 55 companies from 2006 through 2009 were analyzed in a seasonal way. Regression Panel Method of linear model and Generalized Feed Forward network and CART were used through neural network and decision tree were used. The results of the research indicated that the neural network method and decision tree in the prediction of earnings management compared to the more precise linear methods and have a lower level of error. Meanwhile, earnings management with prior discretionary accruals and performance threshold and the firm performance, size, earnings persistence in both methods has the highest connection. | ||
| کلیدواژه‌ها [English] | ||
| Decision Tree., Earnings management, Neural Network | ||
|
آمار تعداد مشاهده مقاله: 8,438 تعداد دریافت فایل اصل مقاله: 6,352 |
||