- انواری رستمی، علیاصغر؛ آذر، عادل و نوروزی، محمد. (۱۳۹۲). الگوسازی و پیشبینی EPS شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران با رویکرد شبکه عصبی GMDH. بررسیهای حسابداری و حسابرسی. ۲۰ (۱). صص ۱۸-۱.
- حجازی، رضوان؛ محمدی، شاپور؛ اصلانی، زهرا و آقاجانی، مجید. (۱۳۹۱). «پیشبینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران». بررسیهای حسابداری و حسابرسی. ۱۹ (۲). صص ۴۶-۳۱.
- عباسزاده، محمدرضا؛ رجبعلیزاده، جواد و قناد، مصطفی. (۱۳۹۸). ارتباطات سیاسی، معاملات با اشخاص وابسته و مدیریت سود در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران. فصلنامه مطالعات تجربی حسابداری مالی. ۱۶ (۶۳). صص ۱۵۵-۱۲۹.
- قادری، اقبال؛ امینی، پیمان؛ نوروش، ایرج و محمدی، عطا. (۱۳۹۷). «تبیین الگوی اندازهگیری مدیریت سود با استفاده از روش ترکیبی هوشمند شبکههای عصبی و الگوریتمهای فراابتکاری (ژنتیک و ازدحام ذرات). مجله مهندسی مالی و مدیریت اوراق بهادار. ۳۶. صص ۱۲۷-۹۹.
- کاشانیپور، محمد؛ کرمی، غلامرضا و مرادی جزء، محسن. (۱۳۹۸). مدلی برای رتبهبندی سنجههای کیفیت سود در ایران. فصلنامه مطالعات تجربی حسابداری مالی. ۱۶ (۶۲). صص ۱۵۰-۱۲۷.
- کردستانی، غلامرضا؛ معصومی، جواد و بقایی، وحید. (۱۳۹۲). پیشبینی مدیریت سود با استفاده از شبکه عصبی مصنوعی. مجله پیشرفتهای حسابداری دانشگاه شیراز. ۵ (۶۴). صص ۱۹۰-۱۶۹.
- مشایخی، بیتا؛ بیرامی، هانیه؛ بیرامی، هانی و اخلاقی، ساراسادات. (۱۳۹۱). «کشف مدیریت سود با استفاده از شبکههای عصبی». مجله مهندسی مالی و مدیریت اوراق بهادار. ۱۱. صص ۷۹-۶۳.
- Abdou, H. A., Ellelly, N. N., Elamer, A. A., Hussainey, K., & Yazdifar, H. (2020). Corporate governance and earnings management nexus: Evidence from the UK and Egypt using neural networks. International Journal of Finance & Economics, ijfe.2120. https://doi.org/10.1002/ijfe.2120
- Al-Dmour, A. H., & Al-Dmour, R. H. (2018). Applying Multiple Linear Regression and Neural Network to Predict Business Performance Using the Reliability of Accounting Information System. International Journal of Corporate Finance and Accounting, 5(2), 12–26. https://doi.org/10.4018/IJCFA.2018070102
- BALL, R., & SHIVAKUMAR, L. (2006). The Role of Accruals in Asymmetrically Timely Gain and Loss Recognition. Journal of Accounting Research, 44(2), 207–242. https://doi.org/10.1111/j.1475-679X.2006.00198.x
- Calderon, T. G., & Cheh, J. J. (2002). A roadmap for future neural networks research in auditing and risk assessment. International Journal of Accounting Information Systems. https://doi.org/10.1016/S1467-0895(02)00068-4
- Dag, O., Karabulut, E., & Alpar, R. (2019). GMDH2: Binary Classification via GMDH-Type Neural Network Algorithms—R Package and Web-Based Tool. International Journal of Computational Intelligence Systems, 12(2), 649. https://doi.org/10.2991/ijcis.d.190618.001
- Dameri, R. P., Garelli, R., & Resta, M. (2020). Neural Networks in Accounting: Clustering Firm Performance Using Financial Reporting Data. Journal of Information Systems, 34(2), 149–166. https://doi.org/10.2308/isys-18-002
- Dechow, P. M., & Dichev, I. D. (2002). Quality Earnings : The The Accruals Accrual Estimation Errors. The Accounting Review, 77(2002), 35–59.
- Dechow, P. M., & Skinner, D. J. (2000). Earnings management: Reconciling the views of accounting academics, practitioners, and regulators. Accounting Horizons, 14(2), 235-250. https://doi.org/10.2308/acch.2000.14.2.235
- Dechow, P. M., Sloan, R. G., & Sweeney, A. P. (1995). Detecting Earnings Management Author(s): Detecting Earnings Management. The Accounting Review, 70(2), 193-225.
- DeFond, M. L. (2010). Earnings quality research: Advances, challenges and future research. Journal of Accounting and Economics, 50(2–3), 402–409. https://doi.org/10.1016/j.jacceco.2010.10.004
- DeTienne, K. B., DeTienne, D. H., & Joshi, S. A. (2003). Neural Networks as Statistical Tools for Business Researchers. Organizational Research Methods, 6(2), 236-265. https://doi.org/10.1177/1094428103251907
- Dong, G. (2019). Exploiting the Power of Group Differences: Using Patterns to Solve Data Analysis Problems. Synthesis Lectures on Data Mining and Knowledge Discovery, 11(1), 1–146. https://doi.org/10.2200/S00897ED1V01Y201901DMK016
- Duan, Y., Yeh, C.-H., & Dowe, D. L. (2018). Accounting Results Modelling with Neural Networks: The Case of an International Oil and Gas Company. International Conference on Neural Information Processing 2018, 275–285. https://doi.org/10.1007/978-3-030-04179-3_24
- Farlow, S. J. (1981). The GMDH Algorithm of Ivakhnenko. The American Statistician, 35(4), 210–215. https://doi.org/10.1080/00031305.1981.10479358
- Francis, J., LaFond, R., Olsson, P., & Schipper, K. (2005). The market pricing of accruals quality. Journal of Accounting and Economics, 39(2), 295–327. https://doi.org/10.1016/j.jacceco.2004.06.003
- Guo, J., Huang, W., Mao, Q., Wang, X., Wang, X., & Song, T. (2018). Modified GMDH networks for oilfield production prediction. Geosystem Engineering, 21(4), 217–225. https://doi.org/10.1080 /12269328.2017.1398110
- Hassan, M. N., Sulaiman, M. N., Ibrahim, N. A., & Lukman, I. (2010). Group Method of Data Handling (GMDH) for Economic Evaluation of Air Pollution. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.1557193
- Healy, P. M. (1985). The effect of bonus schemes on accounting decisions. Journal of Accounting and Economics, 7(1–3), 85–107. https://econpapers.repec.org/RePEc:eee:jaecon:v:7:y:1985:i:1-3:p:85-107
- Höglund, H. (2010). Detecting Earnings Management Using Neural Networks. Hanken School of Economics.
- Höglund, H. (2012). Detecting earnings management with neural networks. Expert Systems with Applications, 39(10), 9564–9570. https://doi.org/10.1016/j.eswa.2012.02.096
- Jones, J. J. (1991). Earnings Management During Import Relief Investigations. Journal of Accounting Research, 29(2), 193. https://doi.org/10.2307/2491047
- Kothari, S. P., Leone, A. J., & Wasley, C. E. (2005). Performance matched discretionary accrual measures. Journal of Accounting and Economics, 39(1), 163-197. https://doi.org/10.1016/j.jacceco.2004.11.002
- Loyola-Gonzalez, O. (2019). Black-Box vs. White-Box: Understanding Their Advantages and Weaknesses From a Practical Point of View. IEEE Access, 7, 154096–154113. https://doi.org/10.1109/ACCESS.2019.2949286
- McNichols, M. F. (2002). Discussion of the quality of accruals and earnings: The role of accrual estimation errors. Accounting Review, 77(1), 61-69. https://doi.org/10.2308/accr.2002.77.s-1.61
- Nazemi, B., & Rafiean, M. (2020). Forecasting house prices in Iran using GMDH. International Journal of Housing Markets and Analysis, 14(3), 555-568. https://doi.org/10.1108/IJHMA-05-2020-0067
- Parfet, W. U. (2000). Accounting Subjectivity and Earnings Management: A Preparer Perspective. Accounting Horizons, 14(4), 481–488. https://doi.org/10.2308/acch.2000.14.4.481
- Rudin, C. (2019). Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead. Nature Machine Intelligence, 1(5), 206–215. https://doi.org/10.1038/s42256-019-0048-x
- Sloan, R. G. (1996). Do stock prices fully reflect information in accruals and cash flows about future earnings? Accounting Review, 71(3), 289–315.
- Teoh, S. H., Welch, I., & Wong, T. J. (1998). Earnings management and the underperformance of seasoned equity offerings. Journal of Financial Economics, 50(1), 63–99. https://doi.org/10.1016/s0304-405x(98)00032-4
|
