سود یکی از عوامل مهم در رشد و توسعه اقتصادی بوده و دستکاری سود هم یکی از چالش های اساسی کارایی بازار است که محققین اغلب برای پیش بینی دستکاری سود از داده های حسابداری استفاده می کنند؛ درحالی که داده های غیر حسابداری هم نقش بسزایی در پیش بینی دستکاری سود دارند. این پژوهش به توسعه مدل بنیش با متغیرهای غیر حسابداری شامل عدم تقارن اطلاعاتی و رقابت در بازار محصول پرداخته است. داده های 184شرکت پذیرفته شده در بورس تهران طی سال های 1386-1396 جمع آوری و دقت پیش بینی مدل های پژوهش در کشف و شناسایی شرکت های دستکاری کننده سود با دو الگوریتم بهینه سازی حرکت تجمعی ذرات و رقابت استعماری در ترکیب شبکه عصبی مورد مقایسه قرار گرفت. یافته های پژوهش نشان می دهد دقت پیش بینی مدل پیشنهادی با الگوریتم رقابت استعماری و حرکت تجمعی ذرات به ترتیب از 55/57 به 86/63 درصد و از 71/55 به 84/59 درصد افزایش یافته است. با توسعه مدل سطح زیرمنحنی راک افزایش یافته و کاهش خطای پیش بینی در الگوریتم رقابت استعماری 31/6 درصد و در الگوریتم حرکت تجمعی ذرات 13/4 درصد است ولی همچنان نتیجه آزمون ضعیف می باشد. درواقع میزان دقت پیش بینی مدل با الگوریتم رقابت استعماری در مقایسه با الگوریتم حرکت تجمعی ذرات بهبود یافته است.
