تبیین حسابداری کلان با تاکید بر اهمیت داده‌های حسابداری در الگو‌سازی تورم

هدف:هدف پژوهش حاضر، تاکید بر اهمیت داده‌های حسابداری در الگو‌سازی نرخ تورم و با استفاده از اطلاعات میان‌دوره‌ای 90 شرکت (1980 سالشرکت) پذیرفته‌شده در بورس اوراق بهادار تهران و در بین سال‌های 1385 تا 1395 است. روش:با توجه به ویژگی‌های پیچیده و غیرخطی تورم در پژوهش حاضر بر قدرت پیش‌بینی الگو‌های مختلف هوش مصنوعی شامل شبکه عصبی، الگوریتم ژنتیک و پرواز پرندگان تکیه شده است. به‌منظور دانش‌افزایی در حوزه حسابداری کلان، تعدادی از متغیرهای حسابداری انتخاب و توان توضیحی آنها در پیش‌بینی دو شاخص اندازه‌گیری نرخ تورم (شاخص بهای تولیدکننده و شاخص بهای مصرف‌کننده) آزمون شده است. یافته‌ها:نتایج بیانگر آن است که الگوی ترکیبی شبکه عصبی، الگوریتم ژنتیک و الگوریتم تجمع پرندگان در پیش‌بینی نرخ تورم بهتر از سایر الگو‌ها عمل می‌کند. نتایج الگو‌سازی با استفاده از متغیرهای حسابداری نیز بیانگر آن است که خطای پیش‌بینی شاخص بهای تولیدکننده، کمتر از شاخص بهای مصرف‌کننده است. نتیجه‌گیری: در کل، پیامد اصلی پژوهش، تایید اهمیت اطلاعات حسابداری در سطح کلان اقتصادی است که باید در تصمیم گیری های کلان مورد استفاده قرار گیرد.

Macroaccounting Explanation with Emphasis on the Importance of Accounting Data in Inflation Modeling

Objective: The aim of this study was to explain the importance of accounting data information in forecasting inflation rates, using a sample of 90 large companies listed in the Tehran stock exchange during 13851395 (1980 yearcompany). Method: Given the complex and nonlinear properties of inflation in this study, we relied on the predictive power of various artificial intelligence models including neural networks, genetic algorithms and particle swarm optimization. To have contribution to macroaccounting knowledge, a number of accounting variables were selected and their explanatory power was tested in forecasting two inflation rates of producer price index and consumer price index. Results: The findings indicated that the hybrid model of artificial neural networks, genetic algorithms and particle swarm optimization (HANGAPSO) are more accurate in predicting the inflation rates than other models. The model results, using accounting variables, also showed that the forecast error of producer price index is lower than the forecast error of consumer price index. Conclusion: In sum, the results of this study verify the importance of accounting information at macroeconomic level, and that this information should be used in macrolevel decisionmaking.