تعداد نشریات | 55 |
تعداد شمارهها | 1,780 |
تعداد مقالات | 14,130 |
تعداد مشاهده مقاله | 29,819,282 |
تعداد دریافت فایل اصل مقاله | 18,752,039 |
مدل کیفیت اقلام تعهدی با رویکرد الگوریتم مدیریت گروهی داده ها | ||
مطالعات تجربی حسابداری مالی | ||
مقاله 1، دوره 19، شماره 75، مهر 1401، صفحه 1-40 اصل مقاله (630.17 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22054/qjma.2021.58242.2219 | ||
نویسندگان | ||
علی ثقفی1؛ قاسم بولو![]() ![]() | ||
1استاد گروه حسابداری دانشگاه علامه طباطبائی | ||
2دانشیار گروه حسابداری، دانشگاه علامه طباطبائی، تهران، ایران | ||
3دانشجوی دکتری رشته حسابداری، دانشگاه علامه طباطبائی، تهران، ایران | ||
چکیده | ||
مطالعه و توسعه معیارهای سنجش کیفیت سود و به طور ویژه کیفیت اقلام تعهدی یکی از موضوعات کلیدی در طی حدود سه دهه اخیر بوده است. ادبیات موضوعی حاکی از این است که معیارهای مبتنی بر رگرسیون خطی، عمدتا دارای خطای بالا بوده و لذا در سالهای اخیر، پژوهشهایی جهت اعمال الگوریتمهای یادگیری ماشین صورت گرفته است. با این حال، بنیانگذاری این الگوریتمها بر رویکرد جعبه سیاه، توسعه پذیری و همچنین درجه کاربردی بودن این مدلها را با محدودیت مواجه مینماید. لذا در این پژوهش از الگوریتم مدیریت گروهی دادهها که یک نوع مدلسازی جعبه سفید تلقی میشود جهت پیشبینی اقلام تعهدی استفاده شده است. نتایج به دست آمده با استفاده از دادههای ۱۶۴ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سالهای ۱۳۸۵ تا ۱۳۹۷ و متغیرهای «تغییر در درآمد»، «داراییهای ثابت مشهود»، «جریانهای نقدی عملیاتی دوره جاری»، «جریانهای نقدی عملیاتی دوره گذشته» و «جریانهای نقدی عملیاتی دوره آتی»، حاکی از بهبود سطح خطای این مدلها نسبت به مدلهای خطی میباشد. با توجه به برتری مدلهای خروجی تحقیق حاضر از نظر خطای پیشبینی نسبت به مدلهای رایج، یافتههای این پژوهش میتواند توسط نهادهای نظارتی، تحلیلگران و حسابرسان در شناسایی موارد احتمالی تحریف اطلاعات مالی شرکتها مورد استفاده قرار گیرد. | ||
کلیدواژهها | ||
مدیریت گروهی داده ها؛ کیفیت سود؛ شبکههای عصبی؛ اقلام تعهدی | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 401 تعداد دریافت فایل اصل مقاله: 121 |