ارائه الگوی اثر درجه شباهت گروهی و کیفیت اطلاعات حسابداری و کیفیت گزارشگری مالی بر ارزش گذاری عرضه عمومی اولیه سهام با استفاده از الگوریتم شبکه های عصبی مصنوعی
محل انتشار: فصلنامه دانش حسابداری، دوره: 14، شماره: 4
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 33
فایل این مقاله در 30 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JAKK-14-4_003
تاریخ نمایه سازی: 7 اسفند 1402
چکیده مقاله:
هدف: اطلاعات حسابداری و گزارشگری مالی شرکت های مشابه، نقش مهمی در قیمت گذاری عرضه های عمومی اولیه دارد. هدف این پژوهش ارائه الگوی اثر درجه شباهت گروهی و کیفیت اطلاعات حسابداری و کیفیت گزارشگری مالی بر ارزش گذاری عرضه عمومی اولیه سهام با استفاده از الگوریتم شبکه های عصبی مصنوعی است. روش: این تحقیق از نظر هدف کاربردی است و با استفاده از داده های ۹۲ شرکت پذیرفته شده در بازار سرمایه در بازه زمانی سالهای ۹۰ تا ۹۸، با بهره از روش رگرسیون چندگانه به روش داده های ترکیبی و در ادامه استفاده از الگوریتم های شبکه عصبی مصنوعی به آزمون فرضیه ها می پردازد. یافته ها: ارزش گذاری سهام در عرضه های عمومی اولیه، از لحاظ درجه شباهت شرکت های هم گروه و کیفیت اطلاعات حسابداری شرکت متفاوت است و تشابه کیفیت اطلاعات حسابداری، اثر شرکت های هم گروه را بر ارزش گذاری عرضه عمومی اولیه تعدیل می کند؛ اما ارزش گذاری سهام مبتنی بر شرکت های هم گروه و کیفیت اطلاعات حسابداری، با قیمت گذاری اشتباه در عرضه های عمومی اولیه در ارتباط نیست. همچنین الگوریتم کرم شب تاب توان بالاتری جهت پیش بینی ارزش گذاری عرضه عمومی اولیه سهام دارد. نتیجه گیری: اطلاعات یک عرضه اولیه، محدود به اطلاعات حسابداری خود نیست و اطلاعات حسابداری و کیفیت گزارشگری شرکت های هم گروه، حاوی اطلاعاتی در مورد قیمت گذاری عرضه های اولیه است.
کلیدواژه ها:
نویسندگان
محمدرضا هوشیار
دانشجوی دکتری گروه حسابداری، واحد بین المللی کیش، دانشگاه آزاد اسلامی، کیش ، ایران.
رویا دارابی
دانشیار گروه حسابداری، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران.
میرفیض فلاح
دانشیار گروه حسابداری، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :