ارائه الگوی مقایسه ای: ارتقا کیفیت محیط اطلاعات مالی داخلی شرکت‌های دولتی و غیر دولتی براساس ویژگی‌های مدیریتی (مدل شبکه عصبی مصنوعی و روش رگرسیون)

موضوع و هدف مقاله: هدف پژوهش حاضر ارائه الگویی بهینه برای ارتقاء کیفیت محیط اطلاعات مالی داخلی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران براساس ویژگی‌های مدیریتی شرکتهای بامالکیت دولتی و غیردولتی به‌کمک تحلیل مقایسه‌ایی مدل شبکه‌عصبی‌مصنوعی با روش رگرسیون بود. روش شناسی پژوهش: این پژوهش از‌نظر هدف کاربردی و روش مورد استفاده آن، توصیفی از نوع علّی- پس رویدادی بود. برای آزمون فرضیه‌ها نمونه‌ای متشکل از 72 شرکت‌ دولتی و 38 شرکت غیردولتی از سال‌های 1400–1393 انتخاب شد. برای تجزیه‌و‌تحلیل اطلاعات از روش داده‌های پانل و برای آزمون فرضیه‌ اول از آزمون‌ مقایسه میانگین دو جامعه و برای پیش‌بینی ارتقاء کیفیت محیط اطلاعات مالی داخلی از روش رگرسیون خطی چندگانه و شبکه‌های عصبی پرسپترون چندلایه استفاده نمودیم.یافته‌ها: مقایسه این دو معیار نشان داد که علاوه بر تاثیر ویژگی‌های مدیریتی شرکت‌های با مالکیت دولتی و غیردولتی بر ارتقاء کیفیت محیط اطلاعات داخلی، به‌ترتیب در فرضیه 1-2 و 2-2 با میزان ضریب تبیین 0.67 و 0.75 نسبت به روش شبکه عصبی mlp با مقدار r2 0.47 و 0.50 دارای ارجحیت می باشد، اما در فرضیه سوم، تفاوت معنی‌داری بین روش mlp و رگرسیون در ضرایب تعیین مشاهده نگردید. نتایج نشان داد روش رگرسیون به دلیل بیشتر بودن تعداد مشاهدات نسبت به شبکه‌های عصبی در این تحقیق دارای دقّت‌بیشتری در برآورد و تبیین کیفیت محیط اطلاعات داخلی شرکت‌ها می‌باشد. استفاده از شبکه عصبی مصنوعی به عنوان روش جدید در پیش‌بینی و مدل‌سازی شرکت‌های فعال در بازارهای‌مالی و تحلیل مقایسه‌ایی آن با روش رایج رگرسیون، یکی از نوآوری این پژوهش است.

providing an optimal model for improving the quality of the internal information environment of stock exchange companies based on management features (comparative analysis of artificial neural network model with regression method)

subject and purpose of the article: the purpose of the current research was to present an optimal model for improving the quality of the internal information environment of companies accepted in the tehran stock exchange based on the management features of state-owned and private companies with the help of a comparative analysis of the artificial neural network model with the regression method.research method: this study is applied and the method used is descriptive ex post facto (causal). to test the research hypotheses, a sample of 72 public companies and 38 nongovernmental organizations was selected during the years 1388-1400. we used the panel data method to analyze the data and test the first hypothesis, used the mean comparison test of two societies and multiple linear regression and multilevel perceptron neural networks to predict the quality of the internal information environment.research findings: comparison of these two criteria showed that in addition to the effect of the management features of public and private companies on improving the quality of the internal information environment, in hypothesis 1-2 and hypothesis 2-2, with a coefficient of explanation of 0.67 and 0.75, respectively, compared to the mlp neural network method with a value of r2 0.47 and 0.50, it is preferred, but in the third hypothesis, there was no significant difference between the mlp and regression methods in the determination coefficients.conclusion, originality and its contribution to the knowledge: the results showed that the regression method is more accurate in estimating and explaining the quality of the internal information environment of companies due to the greater number of observations compared to neural networks in this research. one of the innovations of this research is the use of artificial neural networks as a new method in forecasting and modeling companies active in financial markets and its comparative analysis with the common regression method.