کشف مدیریت سود با استفاده از شبکه‌های عصبی

Abstract

مطالعات متعددی به بررسی مدیریت سود در شرایط مختلف پرداخته‌اند. در اغلب این مطالعات فرض بر آن است که سود از طریق اقلام تعهدی حسابداری، مدیریت می‌شود. از این رو مدل‌هایی جهت مدیریت سود بر مبنای اقلام تعهدی بسط و توسعه داده شده است. با این حال در تعدادی از مطالعات انجام شده، توانایی این مدل‌ها برای کشف مدیریت سود زیر سوال رفته است. یکی از تبیین‌های مطرح شده در خصوص عملکرد ضعیف مدل‌های موجود، استفاده از رویکرد خطی برای مدل‌سازی اقلام تعهدی است و این در حالی است که بخشی از مطالعات موجود از وجود رابطه غیرخطی خبر می‌دهند. یکی از بدیل‌های مطرح شده برای رفع مشکل غیرخطی، استفاده از شبکه‌های عصبی متفاوت است. هدف این تحقیق بررسی این موضوع است که آیا می‌توان مدیریت سود را بر اساس مدل‌های ریاضی منتخب کشف کرد و همچنین آیا مدل‌های مبتنی بر شبکه عصبی در کشف مدیریت سود بهتر از مدل‌های خطی عمل می‌کنند یا خیر. در این مطالعه از شبکه‌های عصبی چندلایه پیشرو و شعاع مبنا استفاده شده است. نتایج تحقیق حاکی از این است که علی‌رغم برتری نسبی شبکه‌های عصبی و عملکرد ضعیف رگرسیون خطی، انتخاب قطعی یکی از دو مدل امکان‌پذیر نبوده و این امر به توانایی مدل‌سازی و نوع توپولوژی انتخاب شده دارد.