تعداد نشریات | 25 |
تعداد شمارهها | 932 |
تعداد مقالات | 7,652 |
تعداد مشاهده مقاله | 12,492,209 |
تعداد دریافت فایل اصل مقاله | 8,884,460 |
مقایسۀ دقت الگوریتمهای تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در کشف مدیریت سود | ||
پژوهش های تجربی حسابداری | ||
مقاله 5، دوره 6، شماره 4 - شماره پیاپی 22، اسفند 1395، صفحه 95-116 اصل مقاله (6.22 M) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22051/jera.2017.2632 | ||
نویسندگان | ||
قاسم آرسته1؛ فرزانه نصیرزاده* 2 | ||
1کارشناسی ارشد حسابداری دانشگاه فردوسی مشهد | ||
2دانشیار گروه حسابداری دانشگاه فردوسی مشهد | ||
چکیده | ||
مطالعات زیادی در خصوص عوامل موثر بر مدیریت سود و میزان همبستگی بین آنها صورت گرفته است، اما بکارگیری عوامل موثر در جهت پیشبینی مدیریت سود کمتر مدنظر بوده است. در این تحقیق، توانایی پیشبینی الگوریتمهای تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در کشف مدیریت سود بررسی شده است. جامعۀ آماری این تحقیق شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران طی سالهای 1385 الی 1391 است. نتایج بررسی فرضیهها حاکی از آن است که الگوریتم تخمینگر بردار پشتیبان و تخمینگر حداقل درجه و شبکه عصبی فازی به ترتیب بیشترین دقت را در پیشبینی مدیریت سود را دارند. | ||
کلیدواژهها | ||
مدیریت سود؛ تخمینگر بردار پشتیبان؛ تخمینگر حداقل درجه؛ شبکه عصبی فازی | ||
عنوان مقاله [English] | ||
Capability of Models Support Vector Regression, Least Angle Regression and Adaptive Neural Fuzzy Inference System for Earnings Management | ||
نویسندگان [English] | ||
ghasem arasteh1؛ Farzaneh Nassirzadeh2 | ||
چکیده [English] | ||
Many studies have been made on the factors affecting earnings management and the level of correlation among them. But the factors affecting prediction of earnings management is less considered. This study examines capability of models Support Vector Regression (SVR) , Least Angel Regression (LARS) and Adaptive Neural Fuzzy Network (ANFIS) for earnings management. The sample includes firms listed in Tehran Stock Exchange from 2006 to 2012. The findings show that Support Vector Regression (SVR) , Least Angel Regression (LARS) and Adaptive Neural Fuzzy Inference System (ANFIS) have the most capability in earnings management respectively. | ||
کلیدواژهها [English] | ||
earnings management, Support vector Regression (SVR), Least Angel Regression (LARS), Fuzzy neural network (ANFIS) | ||
مراجع | ||
ابراهیمی، کردلر، علی و سیدی، سید عزیز. (1387). نقش حسابرسان مستقل در کاهش اقلام تعهدی اختیاری. بررسیهای حسابداری و حسابرسی. (54). اصلانی، زهرا؛ حجازی، رضوان؛ محمدی، شاپور؛ آقاجانی، مجید. (1391). پیشبینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. بررسی های حسابداری و حسابرسی، شماره 2، ص ص 46-31. حجازی، رضوان؛ محمدی، شاپور؛ اصلنی، زهرا؛ آقاجانی، مجید. (1391). پیشبینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. بررسی های حسابداری و حسابرسی، (19). 46-31. راعی، رضا و سعید فلاحپور. (1387). کاربرد ماشین بردار پشتیبان در پیشبینی درماندگی مالی شرکتها با استفاده از نسبتهای مالی. بررسیهای حسابداری و حسابرسی. (52): 17-34. سجادی، سید حسین، منصور زادهنژاد و علیرضا جعفری. (1388). ویژگی های غیرمالی موثر بر کیفیت گزارشگری مالی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. بررسی های حسابداری و حسابرسی، (57): 68-51 شیردل، جواد. (1388). مقایسه مدیریت سود در شرکتهای حسابرسی شده توسط سازمان حسابرسی و سایر اعضای جامعهی حسابداران رسمی ایران. پایان نامه کارشناسی ارشد، دانشگاه آزاد اسلامی واحد نیشابور. کردستانی، غلامرضا؛ معصومی، جواد؛ بقایی، وحید. (1392). پیشبینی سطح مدیریت سود با استفاده از شبکههای عصبی مصنوعی. مجلهیپیشرفتهایحسابداریدانشگاهشیراز، (5)، 190-169. مشایخی، بیتا؛ بیرامی، هانیه؛ بیرامی، هانی؛ اخلاقی، ساراسادات. (1391). کشف مدیریت سود با استفاده از شبکههای عصبی. مجلۀ مهندسیمالیومدیریتاوراقبهادار، شمارهیازدهم. مشایخی، بیتا؛ گنجی، حمیدرضا. (1393). تأثیر کیفیت سود بر پیشبینی ورشکستگی با استفاده از شبکۀ عصبی مصنوعی. پژوهشهای حسابداری مالی و حسابرسی، (22)، 173-147. مشایخی، بیتا، ساسان مهرانی، کاوه مهرانی و غلامرضا کرمی. (1384). نقش اقلام تعهدی اختیاری در مدیریت سود شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. بررسیهای حسابداری و حسابرسی، (42). مهرانی، کاوه و زهره عارف منش. (1387). بررسی هموارسازی سود در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. بررسیهای حسابداری و حسابرسی، دوره 15، (51): 56-37. نصیرزاده، فرزانه و زهرا نیک روش. (1392). ارزیابی توانایی مدلهای داده کاوی در پیشبینی قیمت سهام. یازدهمین همایش ملی حسابداری، دانشگاه فردوسی. نوروش، ایرج، محمدرضا نیکبخت و سحر سپاهی. (1384). بررسی مدیریت سود در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. مجله علوم اجتماعی و انسانی. دانشگاه شیراز، (43). Barth, M. E. Elliott, J. A. & Finn, M. W. (1999). Market rewards associated with patterns of increasing earning. Journal of Accounting Research (autumn) , 387-413. Becker. C. L. Defond, J. Jiarrbalvo, k. R. & Subramanian. (1998). The Effect of audit quality on earning management. Contemporary Accounting Research, 15 (1) , 1-24. Chen, Mu-Yen. (2013). A hybrid ANFIS model for business failure prediction utilizing particle swarm optimization and subtractive clustering. Information Sciences. Volume 220, Pages 180–195. Demski, J. & Sappington. D. E. M. (1990) , Fully revealing income measurement. The Accounting Review (April). Pp. 363 – 383. Efron,B. Hastie,T. Johnstone,I. & Tibshirani,R. (2004). Least Angle Regresion. The Annals of Statistics, 32 (2) , 407–499. Francis, J. R. , Maydew, E. L. , & Spark, H. C. (1999). The role of Big 6 auditors in the credible reporting of accruals. Auditing: A Journal of Practice and Theory, 18, 17-34. Frankel, r. m. Johnson, M. F. & Nelson, k. k. (2002). The relation between auditors fees for non audit services and earnings management. Accounting Review 77 (Supplement) , 71-105. Gunasekaran, M, Ramaswami, K. S and Karthik, S. (2013). Integration of SRA, ANFIS and CAPM for stock portfolio management. CSI Transactions on ICT. Volume 1, Issue 4, pp 291-300. Jones, S. & Sharma, R. (2001). The Impact of Free Cash Flow, Financial Leverage and Accounting Regulation on Earnings Management in Australia Old and New Economics. Journal of Managerial Finance, 27, 18-39. Lee, B. B. & Choi, B. (2002). Company size, auditor type, and earnings management. Journal of Forenic Accounting, (3) , 27-50. Lee, J. Z. Hsu, s. w. & Chen, J. F. (2003). The relationship between non-audit services and abnormal accruals. The International Journal of Accounting Studies, 37 , 1-30. Lin, K. Z. (2006). The impact of tax holidays on earnings management: An empinical study of corporate reporting behavior in a developing-economy framework. The International Journal of Accounting, 41 (2) , 163-175. Ming-Chi Lee, (2009). Using support vector machine with a hybrid feature selection method to thestock trend prediction, Department of Computer Science and Information Engineering, National Pingtung Institute of Commerce, No. 51 Minsheng E. Rd. , Pingtung 900, Taiwan, ROC. Nagy, A. L. (2005). Mandatory audit firm turnover. Financial reporting quality, and bargaining power. The case of Arthur Andersen, Accounting Horizons, Accounting Horizons (June) , 51-68. Nakamori, Wei, H,. Wang, Y. (2005) , Forecasting stock market movement direction with support vector machines, Computer & Operations movement direction with support vector machines, Computer & Operations. Shih, K. H. , Cheng, C. C. , & Wang, Y. H. (2011) , Warning for Manufacturing Industry Using Logestic Regression and Neural Network. Romanian Journal of Economics Forecasting, 54-71. Tsai, chin – fong & yen-jiun chiou. (2009). Earning management prediction: A pilot study of combining neural networks and decision trees. Expert systems, with applications, (36) ,7183-7191. Tucker, J. W. & Zarowin, P. A. (2006). Does Income Smoothing Improve Earnings Informativeness? The Accounting Review, 81 (1) ,251-270. Vapnik, V. (1995). The Nature of Statistical Learning Theory. Springer- Verlag, New York, 1995 ISBN 0-387-94559-8. Young, C. S. & wu, S. J. (2003). CEO pay-performance sensitivity, performance threshold and discretionary accounting choices –an empirical study. The International Journal of Accounting Studies, 36, 55-87. Yu, Q. Du, B. & Sun, Q. (2006). Earning management at rights issues thresholds – evidence from China. Journal of Banking Finance, 30 (12) , 3453-3468 | ||
آمار تعداد مشاهده مقاله: 2,047 تعداد دریافت فایل اصل مقاله: 2,428 |