پیش بینی محافظهکاری شرطی با استفاده از عدم تقارن اطلاعاتی با رویکرد رگرسیون حداقل مربعات، شبکه های عصبیمصنوعی و شبکه های عصبی مصنوعی بهینه سازی شده با الگوریتم ژنتیک

هدف از این تحقیق پیش بینی محافظه کاری حسابداری با استفاده از عدم تقارن اطلاعاتی با رویکرد رگرسیون حداقل مربعات، شبکه های عصبیمصنوعی و الگوریتم ژنتیک است. متغیر مستقل در این تحقیق عدم تقارن اطلاعاتی و متغیر وابسته محافظه کاری حسابداری میباشد. بدین منظور متغیرهای مذکور برای 120 شرکت بورسی و به مدت ۷ سال 1386- 1392 جمع آوری گردید . خروجیهای حاصل از تخمین شبکه های عصبی مصنوعی بهینه سازی شده با الگوریتم ژنتیک و نتایج حاصل از تخمین با استفاده از این روش، برابر با معیارهای ارزیابی(فرمول در متن اصلی مقاله) میباشد . این خروجیها بیانگر بهینه ترین شبکه ی طراحی شده برای پیش بینی میباشند و نیز شبکه عصبی بهینه سازی شده مزبور دارای کمترین خطا نسبت به شبکههای دیگر میباشد. لذا، میتوان عنوان کرد که روش شبکههای عصبی مصنوعی بهینه سازی شده با استفاده ازالگوریتم ژنتیک دارای کمترین خطا و انحراف نسبت به دیگر روشها میباشند.

کلیدواژه ها:

محافظه کاری حسابداری ، شبکه های عصبی مصنوعی ، الگوریتم ژنتیک ، عدم تقارن اطلاعاتی