تاثير كيفيت سود بر پيش بيني ورشكستگي با استفاده از شبكه عصبي مصنوعي

The Effect of Earnings Quality on PredictingBankruptcy by Using Artificial Neural Networks

پيش بيني تداوم فعاليت عملياتي واحدهاي اقتصادي در دوره هاي آتي، يكي از عناصر مهم در تصميم گيري براي سرمايه گذاران بوده و در اين ميان انتخاب متغيرهاي پيش بيني كننده همواره به عنوان يكي از مسايل چالش برانگيز در ادبيات پيش بيني ورشكستگي مطرح بوده است كه در راس آن ها همواره سود حسابداري و متغيرهاي سودآوري قرار داشته است. بنابراين كيفيت سود حسابداري از معيارهاي با اهميت در تصميم گيري هاي سرمايه گذاري در پيش بيني ورشكستگي محسوب مي گردد. اين پژوهش سعي بر آن دارد تا با مقايسه توان پيش بيني متغيرهاي سودآوري شركت هايي با سود باكيفيت و شركت هايي با سود بي كيفيت، اثر كيفيت سود بر كارايي متغيرهاي سودآوري در پيش بيني ورشكستگي را مورد بررسي قرار دهد. در نمونه اي كه از بين شركت هاي حاضر در بورس اوراق بهادار تهران انتخاب گرديد، ابتدا بر اساس آزمون كولموگوروف- اسميرنوف به بررسي نرمال بودن توزيع پرداخته شده، در ادامه ميزان دقت و خطاي نوع اول و دوم مدل شبكه عصبي براي دو گروه شرك تهاي با كيفيت سود بالا و پايين بررسي شده و سپس از آزمون t به منظور مقايسه ميانگين دو نمونه در سطح اطمينان 95% استفاده گرديد. يافته ها نشان مي دهد كه دقت پيش بيني شبكه عصبي مصنوعي براي شركت هاي با سود با كيفيت بهطور معني داري بيشتر از شركت هاي با سود بي كيفيت مي باشد.