(توانايي مديريت و پيامدهاي آن بر ارزش آفريني شركت ها با به كارگيري شبكه هاي عصبي (رويكرد مقايسه اي در صنايع شيميايي و مواد غذايي)

(Management Ability and its Consequences on Firms Value Creation by Employing Neural Networks (A Comparative Approach to Chemical & Food Industries

هدف اين تحقيق بررسي پيامدهاي توانايي مديريت شركت­ ها بر ارزش­ آفريني در صنايع شيميايي و مواد غذايي در دوره زماني 1390-1394 با بكارگيري شبكه­ هاي عصبي مصنوعي است. ابتدا با اجراي مدل DEA با يك الگوي بومي شده، كارايي نسبي براي هر شركت­ مشخص شده و با برآورد يك مدل رگرسيوني، شاخص توانايي مديريت هر شركت­ نيز تعيين شده است. سپس ارزش ­آفريني شركت ­ها از متوسط حاصل عواملي مانند بازده صاحبان سهام، نسبت Q توبين، بازده سرمايه­ گذاري­ ها و خلق ثروت براي سهامداران اندازه­ گيري شد. مدل شبكه عصبي بكار گرفته شده در اين تحقيق، پرسپترون چندلايه اي با الگوي آموزش پس انتشار خطا بوده است. براي ارزيابي كارايي نسبي از نرم افزار بهينه­ سازي GAMS، جهت سنجش شاخص توانايي مديريت از E-Views و براي آموزش و ارزيابي مدل شبكه عصبي از نرم­ افزار MATLAB بهره گرفته شده است. نتايج نشان مي ­دهد كه مدل شبكه عصبي مصنوعي در صنعت مواد غذايي بهتر از صنعت شيميايي، ارزش­ آفريني شركت­ ها را از روي شاخص توانايي مديريت و ديگر متغيرهاي ورودي برآورد مي­ كند. از ديگر نتايج تحقيق اينكه، امتياز توانايي مديريت در هر دو صنعت برابر بوده اما متوسط امتياز ارزش­ آفريني شركت­ ها در صنعت مواد غذايي بيشتر از صنعت شيميايي بوده است.

The purpose of this study is to investigate the effect of management ability on the value creation in the chemical and food industry in 2012-2016 by using artificial neural network. Initially, with the implementation of the DEA model with a native model, the relative efficiency is determined for each company and by estimating a regression model, the management ability to each company is also determined. Then the value creation of the companies is measured by the average of the factors such as return on equity, Q Tobin ratio, return on investment, and wealth creation for shareholders. The neural network model used in this study is a multilayer perceptron with back propagation error training pattern. To evaluate the relative efficiency is used the GAMS optimization software and to measure the management ability used the EViews and MATLAB software is used to train and test the neural networks model. The results show that the artificial neural network model in the food industry is better than the chemical industry. This model estimates the companies' value creation through the management ability and other input variables. Other research results, the management ability score in both industries is equal, but the average value creation of the companies in the food industry is higher than the chemical industry.