بررسي آزمون دقت پيش‌بيني توليد ‌ناخالص ‌داخلي با تكيه بر اطلاعات مقايسه‌اي سود حسابداري تجمعي متورم و تورم‌زدايي‌شده

Investigating the Gross Domestic Product Forecast Accuracy Test, Based on Comparative Information of Inflated and Non-Inflated Accounting Erning Aggregate

ظهور نظريۀ نوين «حسابداري كلان» با موج جديدي از پژوهش‌هاي حسابداري طي دهۀ اخير سعي در تبيين و به‌كارگيري اطلاعات حسابداري در پيش‌بيني‌هاي اقتصادي دارد. نظريۀ حسابداري كلان پيشنهاد مي‌كند اقتصاددانان و پيش‌بيني‌كنندگان شاخص‌هاي كلان اقتصادي از اطلاعات تجمعي حسابداري در سطح اقتصاد كلان استفاده كنند؛ براي مثال، از سود حسابداري براي پيش‌بيني توليد ناخالص داخلي، از چسبندگي هزينه براي پيش‌بيني نرخ بيكاري، از نسبت ارزش دفتري به ارزش بازار براي پيش‌بيني نرخ تورم و از مدل قيمت‌گذاري دارايي‌هاي سرمايه‌اي براي رشد اقتصادي استفاده شود. بر اساس اين، در پژوهش حاضر، با تكيه بر نظريۀ حسابداري كلان، آزمون دقت پيش‌بيني توليد ناخالص داخلي با تكيه بر اطلاعات مقايسه‌اي سود حسابداري تجمعي متورم و تورم‌زدايي‌شده بررسي شده است. جامعۀ آماري اين پژوهش كليۀ شركت‌هاي پذيرفته‌شده در بورس اوراق بهادار تهران است. گردآوري داده‌ها به‌صورت فصلي و مشاهدات شامل ‌40­ دوره زماني (1387: 1‌ تا ‌1396: 4) است. روش انجام پژوهش، الگوي‌ سري زماني چند‌متغيره و رگرسيون‌ غلتان است. همچنين، به‌منظور بررسي دقت پيش‌بيني از روش‌هاي ميانگين قدرمطلق‌ خطا، ميانگين‌ مجذور‌ خطا و معيار ميانگين درصد‌ قدرمطلق ‌خطا استفاده شده است. نتايج حاصل از انجام اين پژوهش نشان دادند سود‌ حسابداري‌ تجمعي و همچنين، سود‌ حسابداري ‌تورم‌زدايي‌شده، دقت‌ پيش‌بيني‌توليد ‌ناخالص ‌داخلي را طي دوره‌هاي آتي افزايش مي‌دهد. از ديگر يافته‌هاي پژوهش، كارايي دقت ‌پيش‌بيني ‌سود ‌حسابداري ‌تجمعي ‌متورم نسبت به سود‌ حسابداري‌ تجمعي ‌تورم‌زدايي‌شده است؛ درنتيجه، پراكندگي رشد سود ‌حسابداري ‌تجمعي، خطاي ارائۀ ‌مجدد پيش‌بيني توليد ‌ناخالص‌ داخلي را كاهش و با سرعت بالا ارائۀ ‌مجدد توليد ‌ناخالص ‌داخلي را كاهش مي‌دهد. افزايش يك ‌واحد در انحراف معيار پراكندگي رشد سودهاي فصلي حسابداري سه‌ماهۀ ‌قبل، ارائۀ مجدد ‌توليد ‌ناخالص داخلي اسمي را به ميزان ‌9% ‌و توليد ‌ناخالص‌ حقيقي را به ميزان ‌10%­ براي دوره‌هاي آتي پيش‌بيني مي‌كند. همچنين، نتايج نشان دادند پيش‌بيني ‌توليد ‌ناخالص‌ داخلي با استفاده از سود تورم‌زدايي‌شده با ا‌7%‌ خطا و سود متورم با ‌10%‌ خطا مناسب‌ترين پيش‌بيني را براي توليد ‌ناخالص ‌داخلي دارد.

The emergence of a new theory of "Macroaccounting" with a new wave of accounting research over the last decade tries to explain and apply accounting information in economic forecasts. The Macroeconomic theory suggests that economists and macroeconomic forecasters use accounting aggregate information at the macroeconomic level. For example, from accounting earnings to forecast GDP, from cost stickiness to forecast unemployment, from the ratio of book value to market value to predict inflation, and from the pricing model of capital assets Used for economic growth. The present study investigates the accuracy of GDP forecasting based on the comparative information of inflated and non-inflated accounting earnings aggregate. The statistical population of this research includes all companies listed in Tehran Stock Exchange. Macro accounting emphasizes economists' view of seasonal accounting for financial accounting. So the data are collected seasonally and observations are 40 times (2007:Q1-2017:Q4). The method is multivariable time series model with rolling regression. Also, for estimating the prediction accuracy, the methods of mean error magnitude, mean squared error and mean error percentage criterion are used. Evidence show that accounting earnings aggregate as well as depreciated accounting earnings increase the accuracy of GDP forecasts over future periods. Another finding of the study is the efficiency of predicting the accuracy of accounting earnings aggregate relative to accounting earnings depreciation. As a result, the spread of aggregate accounting erning growth reduces the forecasting error of GDP and reduces the high-speed GDP. A one-unit increase in the standard deviation of the quarterly growth of quarterly accounting earnings forecasts 0.94 GDP for future periods. The results also showed that GDP forecasts using depreciated Ernings with 7% error and inflated ernings with 10% error are the most appropriate forecasts for GDP.