اکتای یمرعلی

رشد کمی موسسات حسابرسی و افزایش رقابت بین آنها به همراه لغو ممنوعیت تبلیغات در سال های اخیر در سایر کشورها عواملی هستند که باعث رشد بازاریابی و تکنیک های آن در موسسات حسابرسی شده اند. پژوهش حاضر در زمره پژوهش های کاربردی – اکتشافی است.که درآن نخست با استفاده از مصاحبه نیمه ساختار یافته با بهره گیری از روش نمونه گیری هدفمند از 26 خبره حسابرسی، به شناسایی تکنیک های بازاریابی موسسات حسابرسی اقدام شده و در گام دوم با استفاده از روش فازی طی دو مرحله از طریق نظرخواهی از 10 خبره حسابرسی، تکنیک های نهایی بازاریابی تعیین گردید. و در نهایت با استفاده از روش سوآرا به رتبه بندی و وزن دهی تکنیک ها پرداخته شد. جامعه مورد مطالعه پژوهش حاضر را شرکاء، مدیران عامل، افراد با سابقه عضویت در شورای عالی جامعه حسابداران رسمی ایران و نیز افراد با سابقه عضویت در هیئت مدیره جامعه حسابداران رسمی ایران تشکیل داده است. نتایج پژوهش نشان داد که تکنیک هایی از قبیل مستندسازی صوری، نازل کردن کیفیت گزارش های حسابرسی، ارائه خدمات مشاوره ای رایگان از بالاترین اولویت و تربیت سُفرای خوب در اولویت آخر قرار دارد. این یافته ها نشان می دهد که بطور کلی اکثر روش های مورد استفاده موسسات حسابرسی مبتنی برالزامات آیین رفتار حرفه ای نمی باشد که این موضوع می تواند در بلندمدت آسیب-های جبران ناپذیری را بر اعتبار حرفه بر جایی گذارد. این یافته ها می تواند برای سیاست گذاران حسابرسی از جهت تدوین اصول وآیین نامه و شیوه نامه های مجازروش های حسابرسی مفید باشد.

تئوریها و مدلهای ارائهشده جهت پیشبینی بازده غیرعادی بیانگر این امر است که میان پژوهشگران اتفاقنظر مطلقی وجود ندارد. یکی از روشهای بسیار مناسب درزمینهٔ پیشبینی متغییرهای مالی ازجمله قیمت سهام، بازده سهام، سقوط بازار سهام و... بهکارگیری رویکرد شبکه عصبی است. در این پژوهش برای پیشبینی بازده غیرعادی سهام از دو رویکرد شبکه عصبی مصنوعی و شبکه عصبی فازی استفاده گردید تا از این طریق دقت پیشبینی بازده غیرعادی توسط این ابزارها موردبررسی قرار گیرد. متغیرهای ورودی جهت پیشبینی بازده غیرعادی شامل خطای پیشبینی سود، درجه اهرم مالی، نرخ بازده سرمایهگذاری، شفافیت سود حسابداری، محافظهکاری حسابداری، ارزش برند شرکت و اعتمادبهنفس بیشازحد مدیریت بودهاند. بدین منظور 452 شرکت- سال به روش غربالگری برای دوره پنج ساله(1395-1390) در شرکتهای فعال در بورس اوراق بهادار تهران مورد بررسی قرار گرفت. نتایج بیانگر این امر بود که قدرت پیشبینی کنندگی شبکه عصبی مصنوعی از شبکه عصبی فازی برای پیشبینی بازده غیرعادی سهام بیشتر بوده آن را با  درصد خطای کمتری انجام میدهد.