ناهید مالکی نیا

پیش بینی دقیق مدیریت سود بمنظورکشف وشناسایی دستکاری صورت های مالی، همواره یکی از اساسی ترین چالش های پیش روی کاربران گزارش های مالی بوده است. بکارگیری مدل بنیش می تواند یکی از مدل های مناسب برای مدلسازی در زمینه پیش بینی مدیریت سود باشد. به همین منظور در این پژوهش مدل بنیش (1999) با ترکیب متغیر های نظام راهبری شرکتی مشتمل بر ویژگی های ساختار کمیته حسابرسی و حسابرس مستقل، هیات مدیره و مالکیت شرکتی توسعه یافته است. داده های 81 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1397-1391 با روش ترکیبی شبکه عصبی پرسپترون چند لایه و الگوریتم های بهینه سازی مبتنی برجغرافیای زیستی، رقابت استعماری و چرخه آب مورد تحلیل قرار گرفته است. دقت پیش بینی مدل با روش ترکیبی شبکه و الگوریتم های چرخه آب، رقابت استعماری و بهینه سازی مبتنی بر جغرافیای زیستی به ترتیب از 59/08 ،59/96 و 59/79 درصد به 92/06 ، 89/24 و 79/72 درصد افزایش پیدا کرده است. نتایج حاکی از بهبود دقت مدل پیشنهادی در کشف شرکت های مدیریت کننده سود و نیز کارایی بالاتر الگوریتم چرخه آب نسبت به دو الگوریتم دیگر در بهینه سازی شبکه عصبی پرسپترون چند لایه می باشد.

افزایش میزان تقلب در گزارشگری مالی در سال های اخیر باعث عدم اعتماد سرمایه گذاران به بازار های سرمایه شده است. به همین علت پیش بینی دقیق مدیریت سود یکی از نیازهای اساسی برای تصمیم گیری استفاده کنندگان صورت های مالی است. این پژوهش با ارائه یک مدل توسعه یافته بر مبنای مدل بنیش با تأکید بر متغیر های نظام راهبری شرکتی مشتمل بر ساختار کمیته حسابرسی، بازرس قانونی و حسابرس مستقل، ساختار هیئت مدیره و ساختار مالکیت شرکتی سعی درافزایش دقت پیش بینی مدیریت سود دارد. داده های 81 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1397-1391 با روش ترکیبی شبکه عصبی پرسپترون چندلایه و الگوریتم های کیهان شناسی سیاه چاله، مه بانگ – مه رمب و ازدحام ذرات کهکشانی مورد تحلیل قرارگرفته است. دقت پیش بینی مدل با روش ترکیبی شبکه عصبی مصنوعی و الگوریتم های کیهان شناسی ازدحام ذرات کهکشانی، مه بانگ – مه رمب و سیاه چاله به ترتیب از 59/08 ، 63/49 و 57/5 درصد به 87/3، 79/72 و 74/25 درصد افزایش پیداکرده است که حاکی از بهبود قدرت پیش بینی مدل در کشف شرکت های دستکاری کننده سود است. در مدل پیشنهادی سطح زیر منحنی مربوط به دو الگوریتم سیاه چاله ومه بانگ-مه رمب، توسط الگوریتم ازدحام ذرات کهکشانی احاطه شده است ونشان دهنده این است که خطای شبکه عصبی پرسپترون چند لایه ترکیبی با الگوریتم ازدحام ذرات کهکشانی به 12/7 درصد کاهش یافته است.

مدیریت سرمایه در گردش یکی از بخش هائی است که در ساختار مدیریتی یک سازمان نقش حیاتی ایفا می کند و به عنوان نیروی اصلی در حرکت رو به جلوی سازمان ها، در کسب منافع بزرگ اقتصادی از اهمیت خاصی برخوردار است. این تحقیق ارتباط بین سیاست سرمایه درگردش و سودآوری شرکت های خودرو، داروسازی و کانی بورس بهادارتهران را بررسی می کند. نمونه ای شامل 235 داده از شرکت های پذیرفته شده در بورس اوراق بهادار تهران در صنایع خودرو، داروسازی وکانی از سال 1383 تا 1387 انتخاب گردید. روش تحقیق توصیفی بوده و فرضیات این تحقیق با استفاده از ضریب همبستگی پیرسون و مدل رگرسیون مورد تجزیه و تحلیل قرارگرفت. نتایج این آزمون نشان می دهد بین سود هر سهم و نرخ بازده حقوق صاحبان سهام با استراتژی مدیریت سرمایه درگردش رابطه معنی دار و مستقیم وجود ندارد، ولی بین استراتژی های مدیریت سرمایه در گردش و نرخ بازده سرمایه گذاری رابطه معنی دار مستقیم ولی نه چندان قوی وجود دارد و فقط 6% از تغییرات در نرخ بازده سرمایه گذاری را می توان توسط تغییرات در استراتژی های مدیریت سرمایه در گردش توجیه نمود.

یکی از جدیدترین معیارهای ارزیابی عملکرد شرکتها معیار ارزش افزوده اقتصادی (EVA) است. طبق این معیار ارزش یک شرکت به دو عامل بستگی دارد، بازده و هزینه سرمایه به کار گرفته شده در شرکت. این تحقیق به بررسی میزان همبستگی میان معیارهای مرتبط با ارزش افزوده اقتصادی EVA) 3REVA، 4MVA، 5 ) و ارزش ذاتی شرکتها و مقایسه آن با میزان همبستگی میان هزینه سرمایه و ارزش ذاتی شرکتهای فعال پذیرفته شده در بورس اوراق بهادار تهران می پردازد. همچنبن بررسی می کند که کدامیک از معیارهای مرتبط با ارزش افزوده اقتصادی جهت ارزیابی عملکرد شرکت مناسبتر بوده و همبستگی بیشتری با ارزش ذاتی شرکت دارد. جهت پاسخگویی به این سوال 110 داده سال – شرکت های فعال پذیرفته شده در بورس اوراق بهادارتهران انتخاب و تجزیه و تحلیل آماری انجام شد. نتایج تحقیق نشان می دهدکه بین معیارهای ارزش افزوده اقتصادی و ارزش افزوده بازار با ارزش ذاتی شرکت رابطه معنی-داری وجود دارد. همچنین ارزش افزوده بازار رابطه قوی تری با ارزش ذاتی شرکت دارد.