تاثیر کیفیت سود بر پیش‌بینی ورشکستگی با استفاده از شبکه عصبی مصنوعی

Abstract

پیش‌بینی تداوم فعالیت عملیاتی واحدهای اقتصادی در دوره‌های آتی، یکی از عناصر مهم در تصمیم‌گیری برای سرمایه‌گذاران بوده و در این میان انتخاب متغیرهای پیش‌بینی کننده همواره به‌عنوان یکی از مسائل چالش برانگیز در ادبیات پیش‌بینی ورشکستگی مطرح بوده است که در راس آن‌ها همواره سود حسابداری و متغیرهای سود‌آوری قرار داشته است. بنابراین کیفیت سود حسابداری از معیارهای با اهمیت در تصمیم‌گیری‌های سرمایه‌گذاری در پیش‌بینی ورشکستگی محسوب می‌گردد. این پژوهش سعی بر آن دارد تا با مقایسه توان پیش‌بینی متغیرهای سودآوری شرکت‌هایی با سود باکیفیت و شرکت‌هایی با سود بی کیفیت، اثر کیفیت سود بر کارائی متغیرهای سودآوری در پیش‌بینی ورشکستگی را مورد بررسی قرار دهد. در نمونه‌ای که از بین شرکت‌های حاضر در بورس اوراق بهادار تهران انتخاب گردید، ابتدا بر اساس آزمون کولموگوروف-اسمیرنوف به بررسی نرمال بودن توزیع پرداخته شده، در ادامه میزان دقت و خطای نوع اول و دوم مدل شبکه عصبی برای دو گروه شرکت‌های با کیفیت سود بالا و پایین بررسی شده و سپس از آزمون t به منظور مقایسه میانگین دو نمونه در سطح اطمینان 95% استفاده گردید. یافته‌ها نشان می‌دهد که دقت پیش‌بینی شبکه عصبی مصنوعی برای شرکت‌های با سود با کیفیت به‌طور معنی داری بیشتر از شرکت‌های با سود بی کیفیت می‌باشد.