بررسی آزمون دقت پیش‌بینی تولید ‌ناخالص ‌داخلی با تکیه بر اطلاعات مقایسه‌ای سود حسابداری تجمعی متورم و تورم‌زدایی‌شده

ظهور نظریۀ نوین «حسابداری کلان» با موج جدیدی از پژوهش‌های حسابداری طی دهۀ اخیر سعی در تبیین و به‌کارگیری اطلاعات حسابداری در پیش‌بینی‌های اقتصادی دارد. نظریۀ حسابداری کلان پیشنهاد می‌کند اقتصاددانان و پیش‌بینی‌کنندگان شاخص‌های کلان اقتصادی از اطلاعات تجمعی حسابداری در سطح اقتصاد کلان استفاده کنند؛ برای مثال، از سود حسابداری برای پیش‌بینی تولید ناخالص داخلی، از چسبندگی هزینه برای پیش‌بینی نرخ بیکاری، از نسبت ارزش دفتری به ارزش بازار برای پیش‌بینی نرخ تورم و از مدل قیمت‌گذاری دارایی‌های سرمایه‌ای برای رشد اقتصادی استفاده شود. بر اساس این، در پژوهش حاضر، با تکیه بر نظریۀ حسابداری کلان، آزمون دقت پیش‌بینی تولید ناخالص داخلی با تکیه بر اطلاعات مقایسه‌ای سود حسابداری تجمعی متورم و تورم‌زدایی‌شده بررسی شده است. جامعۀ آماری این پژوهش کلیۀ شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران است. گردآوری داده‌ها به‌صورت فصلی و مشاهدات شامل ‌40­ دوره زمانی (1387: 1‌ تا ‌1396: 4) است. روش انجام پژوهش، الگوی‌ سری زمانی چند‌متغیره و رگرسیون‌ غلتان است. همچنین، به‌منظور بررسی دقت پیش‌بینی از روش‌های میانگین قدرمطلق‌ خطا، میانگین‌ مجذور‌ خطا و معیار میانگین درصد‌ قدرمطلق ‌خطا استفاده شده است. نتایج حاصل از انجام این پژوهش نشان دادند سود‌ حسابداری‌ تجمعی و همچنین، سود‌ حسابداری ‌تورم‌زدایی‌شده، دقت‌ پیش‌بینی‌تولید ‌ناخالص ‌داخلی را طی دوره‌های آتی افزایش می‌دهد. از دیگر یافته‌های پژوهش، کارایی دقت ‌پیش‌بینی ‌سود ‌حسابداری ‌تجمعی ‌متورم نسبت به سود‌ حسابداری‌ تجمعی ‌تورم‌زدایی‌شده است؛ درنتیجه، پراکندگی رشد سود ‌حسابداری ‌تجمعی، خطای ارائۀ ‌مجدد پیش‌بینی تولید ‌ناخالص‌ داخلی را کاهش و با سرعت بالا ارائۀ ‌مجدد تولید ‌ناخالص ‌داخلی را کاهش می‌دهد. افزایش یک ‌واحد در انحراف معیار پراکندگی رشد سودهای فصلی حسابداری سه‌ماهۀ ‌قبل، ارائۀ مجدد ‌تولید ‌ناخالص داخلی اسمی را به میزان ‌9% ‌و تولید ‌ناخالص‌ حقیقی را به میزان ‌10%­ برای دوره‌های آتی پیش‌بینی می‌کند. همچنین، نتایج نشان دادند پیش‌بینی ‌تولید ‌ناخالص‌ داخلی با استفاده از سود تورم‌زدایی‌شده با ا‌7%‌ خطا و سود متورم با ‌10%‌ خطا مناسب‌ترین پیش‌بینی را برای تولید ‌ناخالص ‌داخلی دارد.

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

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 noninflated 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:Q12017: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 highspeed GDP. A oneunit 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.