پیش‌بینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در صنایع کشاورزی و نساجی شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران

امروزه روش‌های کمی، به یکی از مهم‌ترین ابزار پیش‌بینی برای تصمیم‌گیری‌ها و سرمایه‌گذاری‌های کلان دربازارها تبدیل شده‌اند. دقت پیش‌بینی، یکی از مهم‌ترین عامل‌های انتخاب روش پیش‌بینی است. هدف اصلی این تحقیق بررسی دقت پیش‌بینی مدیریت سود با استفاده از شبکه‌های عصبی و درخت تصمیم‌گیری و مقایسه آن با مدل‌های خطی است. برای این منظور نه متغیر تاثیرگذار بر مدیریت سود به عنوان متغیرهای مستقل و اقلام تعهدی اختیاری، به عنوان متغیر وابسته مورد استفاده قرار گرفته است. در این تحقیق دو صنعت کشاورزی و نساجی ازسال 1385 تا سال 1390 مورد بررسی قرار گرفت. ازروش رگرسیون کمترین مربعات برای مدل خطی و از شبکه عصبی پیشخور و درخت تصمیم‌گیری cart برای بررسی از طریق ‌روش‌های داده کاوی استفاده شد. نتایج به‌دست آمده نشان داد که روش شبکه عصبی و درخت تصمیم‌گیری در پیش‌بینی مدیریت سود نسبت به روش‌های خطی دقیق‌تر و دارای سطح خطای کمتری است. در رابطه با ارتباط بین متغیرهای وابسته با متغیر مستقل نیز می‌توان گفت، مدیریت سود با متغیرهای اقلام تعهدی اختیاری دوره قبل (dai)، اقلام تعهدی غیراختیاری دوره قبل یا آستانه عملکرد(thod) و حساسیت در پرداخت بابت عملکرد (pps) در روش‌های رگرسیون، شبکه عصبی، درخت کارت دارای بیشترین ارتباط است. با توجه نتایج تحقیق که گویای وجود مدیریت سود می‌باشد به استفاده‌کنندگان صورت‌های مالی پیشنهاد می‌شود که راهکارهایی را برای نظارت بیشتر در تصمیم‌های مدیریت به‌کار گیرند و نظارت و کنترل بیشتری بر اقدام‌های مدیریت به منظور محدود کردن فرصت‌طلبی آنان برای مدیریت سود داشته باشند.