2024 : 7 : 8
Peyman Amini

Peyman Amini

Academic rank: Assistant Professor
ORCID:
Education: PhD.
ScopusId: 456421
HIndex:
Faculty: Faculty of Humanities and Social Sciences
Address: Kurdistan - University of Kurdistan- Faculty of Literature and Social Sciences- Department of Accounting
Phone:

Research

Title
ارائه مدل کیفیت گزارشگری مالی با استفاده از داده‌کاوی الگوریتم های فراابتکاری (مطالعه موردی بورس اوراق بهادر تهران)
Type
Thesis
Keywords
مدیریت سود، شبکه‌های عصبی، الگوریتم ژنتیک، الگوریتم ازدحام ذرات، الگوریتم رقابت استعماری، الگوریتم کلونی مورچگان
Year
2018
Researchers eqbal gaderi(Student)، Peyman Amini(PrimaryAdvisor)، Iraj Noravesh(Advisor)، Ataata Mouhamadi Melgherni(Advisor)

Abstract

رویکردهای فراکاوشی عمدتاً بر اساس نظم و قواعد موجود در ارگانیسم‌های طبیعی الهام گرفته‌اند. این رویکرد‌ها امروزه کاربرد بسیاری در شاخه‌های مختلف پیدا کرده است. با توجه به اهمیت پیش‌بینی، شناخت روش‌ها در پیش‌بینی مدیریت سود می‌تواند اطلاعات مفیدی را برای ذینفعان فراهم آورد. تنوع عوامل بدست آمده ناشی از نتایج الگوهای خطی برای سنجش مدیریت سود موجب شده است سرمایه‌گذارن نسبت به کیفیت سود گزارش شده تردید نمایند. بنابراین هدف از این پژوهش ارائه الگوی بهینه‌تر برای پیش‌بینی مدیریت سود است. در مرحله نخست با استفاده از الگوی شبکه‌های عصبی الگوی اولیه خطی را بهینه نموده، سپس از الگوریتم‌های فراابتکاری ژنتیک، ازدحام ذرات و رقابت استعماری و کلونی مورچگان برای بهینه‌تر نمودن الگو استفاده گردید. از این رویافته‌های تجربی مربوط به بررسی 620 مشاهده (سال – شرکت) پذیرفته شده در بورس اورق بهادر تهران در بازه زمانی 1390 الی 1395 حاکی از سودمندی و تاثیر مثبت در روش‌های ترکیبی بر عملکرد پیش‌بینی مدیریت سود و همچنین وجود تفاوت معنادر بین میزان سودمندی روش‌های خطی و غیر‌خطی است. به عبارتی در صورت استفاده از الگوریتم‌ها در پیش‌بینی مدیریت سود دقت پیش‌بینی با حذف متغیر‌های ناکارآمد افزایش می‌یابد. افزون بر این یافته های پژوهش حاکی از عملکرد بهتر و مناسب الگوریتم کلونی مورچگان نسبت به سایر الگوها در کارآمدی متغیر‌های گروه مدیریتی با دقت (97%) است.