تبيين الگوي اندازه گيري مديريت سود با استفاده از روش تركيبي هوشمند شبكه هاي عصبي و الگوريتم هاي فراابتكاري(ژنتيك و ازدحام ذرات)

شناخت مديريت سود براي استفاده كنندگان از اطلاعات حسابداري به دليل ارزيابي عملكرد، پيش­بيني سودآوري و تعيين ارزش واقعي شركت بسيار حائز اهميت است. هدف از اين تحقيق برآورد الگوي براي پيش­بيني مديريت سود با استفاده الگوي شبكه­هاي عصبي و سپس استفاده از الگوريتم­هاي فراابتكاري ژنتيك و ازدحام ذرات براي يافتن تركيبي بهتر از داده­هاي ورودي است به گونه­اي كه بتواند الگو اوليه را بهينه نمايد. براي اين منظور از 28 متغير تاثير گذار در قالب چهار گروه (مالي، مديريتي، شركتي و حسابرسي) در طي سال­هاي 1390 الي 1395 در شركت­هاي پذيرفته شده در بورس اوراق بهادار تهران استفاده گرديد. نتايج حاصل نشان مي­دهد كه كاربرد اين دو الگوريتم قدرت تبيين الگوهاي اوليه را افزايش داده است. همچنين ارزيابي عملكرد الگو­هاي شبكه عصبي حاكي از برتري اين الگو­ها در قياس با الگوي رگرسيون خطيLR) ( است. روش تركيبي شبكه­هاي عصبي الگوريتم­هاي ازدحام ذرات (APSO) و ژنتيك(AGA)  با شناسايي چهار متغير بهينه به ترتيب شامل دقت پيش­بيني، سهم مالكيت سهامداران عمده، اندازه شركت و نسبت كيفيت، مديريت سود را با دقت به ترتيب (59/95%)­و (75/94%) پيش­بيني كردند. بعلاوه روش­هاي تركيبي هوشمند فوق با بهبود ضريب همبستگي و معيار متوسط مربعات خطا نسبت به روش­هاي رگرسيون خطي (LR) و روش شبكه­هاي عصبي (ANN) در پيش­بيني نتايج گروه ويژگي­هاي مديريتي و شركتي كارآمدتر است.