بررسی دقت شبکه های عصبی مصنوعی و الگوریتم بهینه سازی کلونی مورچگان در پیش بینی مدیریت سود

شناخت کیفیت سود برای استفاده کنندگان از اطلاعات حسابداری به دلیل ارزیابی عملکرد، پیش بینی سودآوری و تعیین ارزش واقعی شرکت ها بسیار حائز اهمیت است. هدف از این پژوهش بررسی دقت پیش بینی مدیریت سود با استفاده از شبکه های عصبی (ann) و الگوریتم کلونی مورچگان (aco) و مقایسه آن با مدل خطی (lr) است. برای این منظور از 28 متغیر تاثیرگذار بر مدیریت سود در قالب چهار گروه (مالی، مدیریتی، شرکتی و حسابرسی) در طی سال های 1390 الی 1395 در 124 شرکت پذیرفته شده بورس اوراق بهادار تهران استفاده گردید. نتایج کلی حاصل از این پژوهش نشان داد که روش شبکه ی عصبی مصنوعی و الگوریتم کلونی مورچگان در پیش بینی مدیریت سود نسبت به روش خطی دقیق تر و دارای سطح خطای کمتری است. همچنین دقت ترکیب الگوریتم کلونی مورچگان با شبکه ی عصبی (aann) حاکی از برتری این الگو در قیاس با الگوی شبکه عصبی مصنوعی است. نتایج ترکیب شبکه ی عصبی مصنوعی الگوریتم کلونی مورچگان با ضریب همبستگی (0.878) نشان داد این الگو با شش متغیر دقت پیش بینی، سهم مالکیت سهامداران عمده، سودآوری، نوسانات سود، سن شرکت و اندازه شرکت توانایی پیش بینی مدیریت سود را با دقت 97 درصد دارد.