پیش‌بینی رتبه بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی

از آنجایی که سهامداران، سرمایه گذاران، اعتباردهندگان و سایر استفاده کنندگان از صورت های مالی برای مقاصد تصمیم گیری از اطلاعات درونی شرکت آگاهی کافی ندارند و همواره به دنبال کسب اطلاعاتی برای ارزیابی عملکرد و ریسک سنجی شرکت های مورد نظر خود می باشند تا بتوانند در آنها سرمایهگذاری کنند، لذا کیفیت اطلاعات حسابداری که شرکت ها افشا می نمایند جهت تصمیم گیری آن ها  دارای اهمیت می باشد. این پژوهش پیش بینی رتبه بندی کیفیت اطلاعات با رویکرد تحلیل عاملی و هوش مصنوعی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران را مورد بررسی قرار می دهد. متغیر مستقل استفاده شده در این پژوهش، معیار‌های نظام راهبری می باشد و متغیر وابسته، معیار‌های کیفیت اطلاعات حسابداری است که بر اساس روش تحلیل عاملی تمام معیار‌ها بصورت یک متغیر واحد تبدیل شده است. پژوهش حاضر جز تحقیقات تجربی حسابداری بوده و جهت آزمون فرضیه‌های پژوهش از روش هوش مصنوعی استفاده شده است. نتایج پژوهش حاکی از آن است که طبق روش متغیر گزینی هوش مصنوعی آنالیز همسایگی از بین متغیر‌های نظام راهبری درصد مالکان نهادی، نقش دوگانه مدیرعامل، دوره تصدی مدیرعامل، مالکیت مدیریت و مالکیت دولتی بالاترین همبستگی را با رتبه کیفیت اطلاعات دارند. سایر نتایج تحقیق حاکی از این است که روش هوش مصنوعی خطی و غیر خطی توانایی بالایی در پیش بینی رتبه کیفیت اطلاعات حسابداری شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران را دارند.

Predicting Information Quality Ranking with Factor Analysis and Artificial Intelligence Approach

AbstractThis study examines the ranking of information quality ranking with the approach of factor analysis and artificial intelligence in companies listed on the Tehran Stock Exchange. The independent variable used in this research is the criteria of the management system and the dependent variable of this research is the criteria of accounting information quality, which based on factor analysis method, all criteria have been converted into a single variable. The present study is part of experimental accounting research and artificial intelligence method has been used to test the research hypotheses. The results indicate that according to the variable selection method of neighborhood analysis, among the variables of the management system, the percentage of institutional owners &,& dual role of CEO &,& CEO tenure &,& management ownership &,& government ownership &have the highest correlation with rank Other results of Jackie’s research are that the linear and nonlinear artificial intelligence method pls has a high ability to predict the quality rating of accounting information of companies listed on the Tehran Stock Exchange.