علی آشتاب

هدف: هدف از پیش بینی تغییرات سود، آگاهی دادن به سرمایه گذاران، تحلیلگران مالی، مدیران، مسئولان بازار سهام، اعتباردهندگان و سایر استفاده کنندگان، به منظور قضاوت کردن واحد تجاری، تصمیم گیری برای خرید یا فروش سهام و اعطا یاعدم اعطای وام و اعتبارات است. این پژوهش با هدف ارزیابی عملکرد و مقایسه دقت پیش بینی مدل های یادگیری ماشین و مدل های آماری، برای پیش بینی جهت تغییرات سه مؤلفه سود، از جمله سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی اجرا شده است.روش: در این پژوهش با استفاده از اطلاعات مالی ۱۳۹ شرکت تولیدی پذیرفته شده در بورس اوراق بهادار تهران، در دوره زمانی ۱۵ ساله، طی سال های ۱۳۸۷ تا ۱۴۰۱ و با به کارگیری ۲۵ مدل یادگیری ماشین و ۱۰ مدل آماری، به بررسی مقایسه کارایی مدل های یادگیری ماشین و مدل های آماری برای پیش بینی جهت تغییرات اجزای سود از جمله سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی پرداخته شده است. در پژوهش حاضر از نرم افزار اکسل برای مرتب سازی داده ها، نرم افزار ایویوز برای استخراج آمار توصیفی و از نرم افزارهای داده کاوی اس پی اس اس مدلر و رپیدماینر برای مدل سازی پیش بینی جهت تغییرات سود استفاده شده است. ارزیابی عملکرد مدل های یادگیری ماشین، از طریق دو معیار دقت پیش بینی مدل (accuracy) و ناحیه زیر منحنی (AUC) و ارزیابی عملکرد مدل های آماری تنها با معیار دقت پیش بینی مدل انجام شده است. در نهایت، به منظور انتخاب مدلی که بهترین عملکرد را برای پیش بینی جهت تغییرات سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی دارد، از میان مدل های یادگیری ماشین، به انتخاب مدل بهینه با استفاده از منحنی راک پرداخته شده است.یافته ها: پس از محاسبه متوسط دقت پیش بینی مدل های یادگیری ماشین و مدل های آماری، مشخص شد که متوسط دقت پیش بینی مدل های یادگیری ماشین برای متغیرهای وابسته (درصد تغییرات سود (زیان) خالص، درصد تغییرات سود (زیان) ناخالص و درصد تغییرات سود (زیان) عملیاتی)، از ۸۳ درصد تا ۹۳ درصد و متوسط دقت پیش بینی مدل های آماری برای هر سه مؤلفه سود، از ۷۶ درصد تا ۸۳ درصد متغیر است. پس از احراز نرمال نبودن متوسط دقت مدل های یادگیری ماشین و مدل های آماری برای اجزای سود توسط آزمون کلموگروف اسمیرنف، از آزمون ناپارامتریک یومن ویتنی برای مقایسه دقت پیش بینی مدل های یادگیری ماشین و مدل های آماری برای پیش بینی جهت تغییرات اجزای سود استفاده شد.نتیجه گیری: نتایج آزمون فرضیه های پژوهش، بیانگر کارایی بالای مدل های یادگیری ماشین برای پیش بینی جهت تغییرات سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی نسبت به مدل های آماری است. نتایج منحنی راک نیز نشانگر آن است که مدل درخت تصمیم با دقت پیش بینی معادل ۱۰۰ درصد، برای پیش بینی جهت تغییرات سود (زیان) خالص و دقت پیش بینی معادل ۳۸/۹۹ درصد برای پیش بینی جهت تغییرات سود (زیان) ناخالص و مدل استنتاج قوانین با دقت پیش بینی معادل ۷۶/۸۶ درصد در پیش بینی جهت تغییرات سود (زیان) عملیاتی، بهترین عملکرد را داشتند و به عنوان مدل بهینه انتخاب شدند. 

هدف: کمبود منابع و استفاده بهینه از آن، چالش اصلی جهان در قرن حاضر است، این چالش توجه همگان را به سوی مفهوم پایداری و تأثیرهای آن و به طور کلی، مفهوم توسعه پایدار جلب کرده است. توسعه پایدار مستلزم آن است که شرکت ها راهبردهایی را پیاده سازی کنند که علاوه بر اهداف و عملکرد اقتصادی، سایر ابعاد توسعه پایدار، از جمله زیست محیطی و اجتماعی را نیز دربرگیرد. همچنین شرکت ها به عنوان یکی از ارکان اصلی جامعه، از تأثیرگذاران مهم روی روند توسعه پایدار هستند و بدون همکاری آن ها، هیچ اقدامی در مسیر پایداری به سرانجام نخواهد رسید. از آنجایی که انجام فعالیت های پایداری، مقدمه ای برای افشای اطلاعات پایداری، جهت بهره مند شدن شرکت ها از مزایای اجرا و افشای پایداری است، هدف پژوهش حاضر، بررسی افشای اطلاعات بااهمیت پایداری بر عملکرد شرکت با نقش تعدیلگری استراتژی تجاری است. روش: پژوهش حاضر از منظر هدف کاربردی و از نظر ماهیت و روش، در زمره پژوهش های توصیفی هم بستگی قرار دارد. اطلاعات و مبانی نظری با استفاده از روش کتابخانه ای و داده های مالی نیز با استفاده از روش اسنادکاوی از صورت های مالی حسابرسی شده و اطلاعات پایداری با روش تحلیل محتوا و عمل مپینگ از گزارش های هیئت مدیره (یا پایداری) شرکت ها جمع آوری شده است. جامعه آماری پژوهش، ۱۰۲ شرکت پذیرفته شده در بورس اوراق بهادار تهران، طی سال های ۱۳۹۷ تا ۱۴۰۱ است. یافته ها: نتایج پژوهش نشان داد که بین افشای اطلاعات بااهمیت پایداری و عملکرد شرکت، رابطه مثبت معناداری وجود دارد. همچنین، استراتژی تجاری، در رابطه بین افشای اطلاعات بااهمیت پایداری و عملکرد شرکت، نقش تعدیل کننده دارد و باعث تقویت این رابطه مثبت می شود. نتیجه گیری: هدف مدیر افزایش ثروت سهام داران است، به این منظور برای حداکثر کردن سود تلاش می کند. در این راستا مدیر می تواند علاوه بر سرمایه گذاری های مالی سنتی، به نوع جدیدی از سرمایه گذاری که سرمایه گذاری در فعالیت های پایداری نامیده می شود، اقدام کند. به همین دلیل است که سرمایه گذاران با افق بلندمدت تر، شرکت هایی را ترجیح می دهند که از لحاظ محیطی، اجتماعی و حاکمیتی بهتر باشند. در حالی که سرمایه گذاران با افق کوتاه مدت، برعکس آن را ترجیح می دهند. نتایج به دست آمده نشان داد شرکت هایی که به میزان بیشتری به افشای اطلاعات بااهمیت پایداری اقدام کرده اند، عملکرد و ارزش بالاتری نسبت به شرکت هایی دارند که کمتر به افشای این گونه اطلاعات اقدام کرده اند. به عبارت دیگر، شرکت با افشای اطلاعات بااهمیت پایداری، باعث ایجاد و بهبود مزیت رقابتی و در نهایت باعث افزایش ارزش و عملکرد شرکتی می شود. همچنین با توجه به یافته ها، استراتژی تجاری در رابطه افشای اطلاعات بااهمیت پایداری و عملکرد شرکت، نقش تعدیلگری دارد. به عبارت دیگر، شرکت ها با انتخاب راهبرد تجاری مناسب و سازگار با عملیات خود، تلاش کرده اند تا رابطه بین افشای اطلاعات بااهمیت پایداری و عملکرد شرکت را تقویت کنند؛ بنابراین شرکت هایی که اهمیت بیشتری برای افشاهای پایداری قائل شده اند و افشای این اطلاعات را در اولویت قرار داده اند، از ارزش و عملکرد بالایی برخوردارند. از سوی دیگر، با توجه به استفاده از الگوی مایلز و اسنو و تقسیم بندی استراتژی تجاری به دو دسته تدافعی و تهاجمی، نتایج نشان داد شرکت هایی که استراتژی تجاری تهاجمی را اتخاذ کرده اند، نسبت به شرکت هایی که استراتژی تجاری تدافعی را در پیش گرفته اند، بیشتر به افشای اطلاعات بااهمیت پایداری اقدام می کنند. پیشنهاد می شود که سرمایه گذاران، به منظور ارزیابی عملکرد شرکت، علاوه بر توجه به افشاهای مالی، افشاهای غیرمالی (پایداری) را نیز مد نظر قرار دهند تا سرمایه گذاری بهینه انجام و از اتلاف منابع جلوگیری شود. پژوهش حاضر بینش های جدیدی را در باب تأثیر افشای اطلاعات بااهمیت پایداری بر عملکرد شرکت با نقش تعدیلگری استراتژی تجاری و اجرای آن در بازارهای نوظهور ارائه می دهد که به طور گسترده مورد مطالعه قرار نگرفته است.

این پژوهش به بررسی تأثیر بحران مالی، حسابداری بخش عمومی، مکانیزم حاکمیت شرکتی و کیفیت حسابرسی بر عملکرد مالی بانک های ایرانی پذیرفته شده در بورس تهران برای دو بازه زمانی قبل از بحران مالی و در دوران بحران مالی برای ۲۲ بانک با استفاده از روش تحقیق هوش مصنوعی پرداخته است. نتایج نشان می دهد که در دوران بحران مالی، اهمیت و تأثیر متغیرهای مورد بررسی بر عملکرد مالی بانک ها به طور قابل توجهی افزایش می یابد. استانداردهای حسابداری بخش عمومی (IPSAS) با افزایش 21 درصدی، کیفیت حسابرسی (AQ) با افزایش 29 درصدی و مکانیزم حاکمیت شرکتی (CG) با افزایش 14 درصدی در تأثیرگذاری بر شاخص های عملکرد مالی، نقش کلیدی در بهبود و حفظ عملکرد مالی بانک ها در شرایط بحرانی ایفا می کنند. همچنین، دقت پیش بینی مدل های یادگیری ماشین در دوران بحران 9 درصد افزایش یافته است. این یافته ها اهمیت توجه ویژه به شفافیت مالی، کیفیت حسابرسی و ساختارهای حاکمیت شرکتی را در مدیریت ریسک و بهبود عملکرد مالی بانک ها، به ویژه در شرایط بحرانی، برجسته می کند. بر اساس این نتایج، پیشنهادهای سیاستی شامل تقویت و اجرای جامع IPSAS، ارتقای کیفیت حسابرسی و تقویت مکانیزم های حاکمیت شرکتی در بانک ها ارائه شده است. بنابراین؛ این یافته ها اهمیت توجه ویژه به شفافیت مالی، کیفیت حسابرسی و ساختارهای حاکمیت شرکتی را در مدیریت ریسک و بهبود عملکرد مالی بانک ها، به ویژه در شرایط بحرانی، برجسته می کند.

هدف: در سال های گذشته، به دنبال افشای مالی تعدادی از شرکت های بزرگ، موضوع ویژگی های سود، به شکل خاصی در کانون توجه قرار گرفت. تحلیلگران مالی و سرمایه گذاران در تعیین جریان های نقدی آتی، فقط به رقم سود حسابداری، به عنوان تنها شاخص تعیین کننده توجه نمی کنند، بلکه برای آن ها پایداری و تکرارپذیر بودن سود گزارش شده نیز بسیار مهم است. آن ها بیشتر از رقم نهایی سود، به اقلام تشکیل سود واقعی، سودمندی در پیش بینی سود آتی و همچنین به ثبات، پایداری وعدم تغییرپذیری سود گزارش شده توجه دارند. سود یکی از عوامل بسیار مهم و مؤثر بر تصمیم گیری های اقتصادی است. آگاهی استفاده کنندگان از قابل اتکا بودن سود، می تواند آن ها را در اتخاذ تصمیم های بهتر در خصوص سودآوری و تجزیه وتحلیل صورت های مالی یاری دهد. در این پژوهش رابطه بین مدل های گزارشگری مالی و ویژگی های سود شرکت های پذیرفته شده در بورس اوراق بهادار تهران بررسی شده است. روش: پژوهش حاضر از لحاظ هدف، از نوع تحقیقات کاربردی است. در پژوهش حاضر داده های موردنیاز از نرم افزار ره آورد نوین، صورت های مالی شرکت ها و سندکاوی و همچنین، سایت کدال استخراج شده است. جامعه آماری پژوهش حاضر شرکت های پذیرفته شده در بورس اوراق بهادار تهران، در بازه زمانی ۱۳۹۱ تا ۱۴۰۱ بوده است. از نرم افزار استاتا ۱۴ برای آماده سازی داده ها و تخمین مدل ها و برای آزمون فرضیه های پژوهش، از الگوی داده های ترکیبی استفاده شده است. یافته ها: نتایج این پژوهش نشان می دهد که رویکرد خالص دارایی ها، بر کیفیت اقلام تعهدی تأثیر منفی و بر هموارسازی سود تأثیر مثبت دارد. همچنین، رویکرد خالص دارایی ها بر قابلیت پیش بینی سود تأثیر منفی می گذارد؛ اما بر پایداری سود تأثیری ندارد. رویکرد معاملاتی بر کیفیت اقلام تعهدی تأثیر مثبت دارد؛ اما بر هموارسازی سود تأثیری ندارد. همچنین، رویکرد معاملاتی بر قابلیت پیش بینی سود تأثیری ندارد؛ اما بر پایداری سود تأثیر منفی می گذارد. نتیجه گیری: این پژوهش ویژگی های سود را چهار عامل کیفیت اقلام تعهدی، هموارسازی سود، قابلیت پیش بینی سود و پایداری سود قرار داده است. پژوهش حاضر کیفیت اقلام تعهدی که اقلام تعهدی را با جریان های نقدی دوره های گذشته، جاری و آتی مرتبط می سازد، ارائه و سپس آن را آزمون کرده است. این معیار (که به آن کیفیت اقلام تعهدی می گویند) با میزان هزینه بدهی و هزینه حقوق صاحبان سهام ارتباط دارد. پایداری سود میزان ثبات و دوام سود را نشان می دهد. مدیریت قادر نیست که کلیه نیازهای استفاده کنندگان از صورت های مالی را برآورده کند، این مشکل موجب بالا رفتن درجه سطح اتکا بر اطلاعات مالی به شکل خروجی شرکت ها می شود، بنابراین اهمیت دادن به کیفیت سودها قبل از هر نوع تصمیم گیری حائز اهمیت است. هرچقدر که کیفیت سود بالاتر باشد، به طبع آن، عملکرد شرکت ها بهتر خواهد شد. بنا به دلایلی نظیر ابقا در شرکت، دریافت پاداش و سایر عوامل، مدیر خواسته یا ناخواسته وضعیت شرکت را مطلوب جلوه می دهد؛ بنابراین ویژگی های سود شرکت ها، تحت تأثیر مبانی گزارشگری و صلاح دید مدیران آن ها قرار می گیرد. هر چه سودها قابلیت اتکای کمتری داشته باشند، اطلاعات مفید کمتری ارائه می کنند.  

این مطالعه به بررسی عوامل مؤثر بر عملکرد مالی بانک ها در ایران و عراق می پردازد و پیشنهادات سیاستی برای بهبود این عملکرد ارائه می دهد. این تحقیق با استفاده از روش شبکه ی عصبی، یادگیری ماشین، اقتصاد سنجی فضایی بررسی شده است.جامعه آماری شامل بانک های تجاری ایران و عراق در بازه زمانی 2010 الی 2023 برای 44 بانک عراقی و 22 بانک ایرانی می باشد. نتایج نشان می دهد که عواملی چون نسبت بازده دارایی ها، نسبت بازده حقوق صاحبان سهام، کیفیت دارایی ها، کفایت سرمایه، مدیریت نقدینگی و کارآیی عملیاتی، تأثیر قابل توجهی بر عملکرد مالی بانک ها دارند. بانک هایی با مدیریت ریسک بهتر، نسبت کفایت سرمایه بالاتر و کارآیی عملیاتی بیشتر، عموماً عملکرد مالی بهتری نشان می دهند. بهبود عملکرد مالی بانک ها مستلزم اقدامات جامع در زمینه های مختلف از جمله تقویت مدیریت ریسک، افزایش کفایت سرمایه، بهبود مدیریت نقدینگی و افزایش کارآیی عملیاتی است. مقامات پولی می توانند با اتخاذ سیاست های مناسب و ایجاد چارچوب های نظارتی قوی، به بهبود عملکرد مالی بانک ها و تقویت ثبات سیستم مالی کمک کنند.

هدف پژوهش حاضر تبیین اثربخشی افشای اطلاعات غیرمالی در گزارش های حسابداری با رویکرد گزارش گری یکپارچه می باشد. بدین منظور کلیه گزارش های حسابداری شرکت های بورسی که جنبه غیرمالی (کیفی) دارند جهت استخراج متغیرهای غیر مالی مورد بررسی قرار گرفت و 50 متغیر غیر مالی شناسایی و بصورت یک چک لیست جهت اخذ امتیاز از صاحب نظران بر اساس جدول مورگان به 380 نفر ارسال گردید، پالایش نظرات خبرگان پژوهش را به 23متغیر غیر مالی رسانید و نهایتا جهت سنجش اثربخشی متغیرهای فوق از 5معیار شامل: نقد شوندگی سهام، عدم تقارن اطلاعاتی، عملکرد مالی، همزمانی قیمت و هزینه سرمایه بعنوان متغیر وابسته برای دوره زمانی 1391 تا 1400 استفاده گردید. روش پژوهش حاضر از نظر هدف کاربردی و از نظر شیوه جمع آوری داده ها توصیفی است. ازنظر نوع داده ها پژوهشی کیفی و کمی است و از نظر شیوه تحلیل داده ها پژوهشی با روش آمیخته است که در بخشی از پژوهش از روش کیفی و در بخش دیگر از روش کمی استفاده خواهد شد. و برای تحلیل داده ها از نرم افزار استاتا نسخه 15 و الگوی داده های تابلویی استفاده شد. نتایج پژوهش نشان داد از بین 23متغیر غیرمالی شناسایی شده در مرحله اول 5 متغیر غیر مالی به شرح: 1-دانش هیئت مدیره 2-جایگاه شرکت در صنعت 3-رضایت مشتری 4-گزارش عملکرد اجتماعی 5-رتبه کیفیت افشا بر همه معیارهای 5گانه اثربخشی تاثیر معنادار دارد. همچنین با در نظر گرفتن معیارهای 5گانه بصورت جداگانه نتایج نشان می دهد اکثر متغیرهای غیرمالی شناسایی شده بر معیارهای 5گانه اثربخشی تاثیر معنادار دارد.

نقدشوندگی مفهومی است که به روشنی قابل تعریف نبوده و تاکنون بیش از 90 معیار مختلف در سراسر جهان برای نقدشوندگی بکار رفته است. پژوهش حاضر با هدف ارایه مدلی بومی برای نقدشوندگی روزانه سهام بر مبنای عوامل موثر بر نقدشوندگی، شکل گرفته است. مقادیر 7 عامل غیرسیستماتیک که قابلیت ارزیابی روزانه داشتند، براساس داده های 151 شرکت فعال در بازه زمانی 1388 لغایت 1400 استخراج و در قالب دو خوشه افراز شد. با استفاده از معادلات ساختاری با رویکرد حداقل مربعات جزیی، اعتبار متغیرهای شناسایی شده با معیار استخراجی ارزیابی و توان آنها در توضیح دهندگی تغییرات آن محاسبه شد. ارزیابی ارتباط متغیرها در مدل های یادگیری ماشینی نشان داد که قیمت پایانی، ارزش روزانه معاملات، بازده روزانه، واریانس بازده های روزانه و اندازه شرکت بیشترین تاثیر را در خوشه بندی دارند. سرانجام بهترین مدل یادگیری ماشینی، براساس آموزش و آزمون انتخاب شد. نتایج نشان می دهد متغیرهای مستقل، بیش از 83 درصد از تغییرات نقدشوندگی را توضیح می دهند. همچنین مدل رگرسیون لجستیک در مقایسه با سایر مدل های یادگیری ماشینی، توان پیش بینی بالاتری داشته و با 6/99 درصد صحت برازش، مناسب ترین مدل پیش بینی نقدشوندگی است.

هدف این پژوهش، مقایسه کارایی مدل های یادگیری ماشین (32 مدل) و مدل های آماری (14 مدل)، در پیش بینی ریسک مالی 145 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی بازه زمانی 1389 تا 1398 و انتخاب بهترین مدل با استفاده از تکنیک های بهینه سازی پیشرفته می باشد. یافته های پژوهش با استفاده از آزمون مقایسه دقت ضرایب پیش بینی، بیانگر آن است که با اطمینان 99 درصد، دقت پیشبینی مدلهای یادگیری ماشین، بیشتر از مدلهای آماری است. همچنین بهترین مدل یادگیری ماشین پس از بهینه سازی، مدل ماشین بردار پشتیبان تکاملی با دقت پیش بینی 99.86درصد و مقدار سطح زیر منحنی برابر0.998بوده است. علاوه بر این، نسبت های مالی تعهدی با دقت پیش بینی99.45درصد و نسبت های مالی فعالیت با دقت پیش بینی 98.62درصد توانستند در مقایسه با سایر نسبت های مالی در استفاده از ماشین بردار پشتیبان تکاملی به منظور پیش بینی ریسک مالی عملکرد بهتری داشته باشند. از سوی دیگر ریسک مالی پیش بینی شده بر اساس صنایع مختلف، متفاوت بوده است. بنابراین مشخص شد که مدل های یادگیری ماشین به دلیل عدم برخورداری از محدودیت هایی که مدل های آماری با آن مواجهه هستند می توانند به عنوان ابزاری مهم، در پیش بینی ریسک مالی شرکت ها به کار روند.

از مولفه های مهم و تاثیرگذار بر عدم کارایی بازار بورس در ایران، تاخیر واکنش قیمت سهام می باشد در این پژوهش نقش معیارهای تاثیرگذار بر تاخیر واکنش قیمت سهام با استفاده از مدلسازی معادلات ساختاری pls نسخه 3 مورد بررسی قرار می گیرد. این پژوهش از نظر روش همبستگی-پیمایشی و از نظر هدف کاربردی محسوب می شود ابتدا نمونه 42 نفره از خبرگان انتخاب و از طریق مصاحبه با آنان مدل اولیه (گراندد تئوری) و ابزار گردآوری داده ها طراحی گردید. با توجه به نظر خبرگان و مبانی نظری، پرسشنامه محقق ساخته در اختیار 200 نفر جامعه آماری تحقیق قرار گرفت و نهایتا 112 پرسشنامه دریافت شد. متغیرهای تاثیرگذار در 8 گروه اصلی که شامل: عوامل کلان، عوامل روانشناختی، نارسایی های بازار، ویژگی خاص شرکت،کیفیت اطلاعات حسابداری، ویژگی حاکمیت شرکتی، ویژگی بازار و سهام و منابع خبری منتشر شده طبقه بندی و معیارهای تاثیرگذار شناسایی شدند. نتایج تحقیق نشان داد که به جزء متغیر ویژگی خاص شرکت، سایر متغیرها رابطه معنادار و تاثیرگذاری بر تاخیر واکنش قیمت سهام دارند.یافته های پژوهش مؤید آن است که با توجه به اهمیت واکنش تأخیری قیمت سهام در کارایی بازار، لازم است که به این مسئله و عوامل مؤثر بر آن توجه بیشتری شود.

هدف: در پژوهش حاضر، مقایسه عملکرد مدل های یادگیری ماشین و مدل های آماری در پیش بینی سود و جریان نقد عملیاتی با استفاده از مجموعه متغیر های تعهدی و نقدی بررسی شده است.روش: روش شناسی پژوهش به سه مرحله گزینش مجموعه داده و متغیرها، مدل سازی و قیاس تقسیم بندی می شود. جامعه آماری پژوهش حاضر، شرکت های بورس اوراق بهادار تهران و داده های 184 شرکت طی بازه زمانی 1391 تا 1400 بررسی شده است.یافته ها: نتایج این پژوهش نشان دهنده آن بود که متغیرهای تعهدی توان تبیین بیشتری نسبت به متغیر های نقدی برای پیش بینی سود خالص و جریان نقد عملیاتی آتی دارد. علاوه بر این، مقایسه عملکرد مدل های یادگیری ماشین و آماری در پیش بینی سود خالص و جریان نقد عملیاتی آتی نشان دهنده آن بود که رویکرد هوش مصنوعی توانایی بیشتری دارد و بین مدل های یادگیری ماشین، رگرسیون نمادین و مدل های آماری، مدل پروبیت از عملکرد بیشتری برخوردار است؛ همچنین نتایج نشان دهنده آن بود که اگرچه به طور میانگین مدل های یادگیری ماشین عملکرد بیشتری نسبت به مدل های آماری دارد، مدل های آماری نیز عملکرد بیشتری از برخی مدل های یادگیری ماشین ارائه می دهد.

هدف: پژوهش حاضر با شناسایی عوامل مؤثر بر نقدشوندگی، مدلی برای پیش بینی وضعیت نقدشوندگی سهام، در بازار اوراق بهادار تهران ارائه کرده است. روش: 23 عامل مشخص شده در مطالعات کتابخانه ای، بر اساس داده های 154 شرکت فعال در فاصله زمانی 1388 تا 1398 استخراج و در قالب دو خوشه افراز شد. با استفاده از معادلات ساختاری با رویکرد حداقل مربعات جزئی، اعتبار متغیرهای شناسایی شده با معیار حاصل از خوشه بندی ارزیابی شد. یافته ها: ارزیابی ارتباط متغیرها در مدل های یادگیری ماشینی نشان داد که جریان نقدی غیرعادی، هزینه اختیاری غیرعادی، خطای تخمین اقلام تعهدی، تفاوت بین سرمایه در گردش تحقق یافته و موردانتظار، سهام شناور آزاد، دوره تصدی حسابرس، حق الزحمه حسابرسی، سهم بازار حسابرس، محافظه کاری و تغییر حسابرس، در خوشه بندی بیشترین تأثیر را دارند. سرانجام بهترین مدل یادگیری ماشینی، بر اساس آموزش و آزمون انتخاب شد. نتیجه گیری: نتایج نشان می دهد که متغیرهای مستقل، بیش از 72 درصد از تغییرات نقدشوندگی را توضیح می دهند. همچنین مدل شبکه های عصبی در مقایسه با سایر مدل های یادگیری ماشینی، توان پیش بینی بیشتری دارد و با 32/99 درصد صحت برازش، مناسب ترین مدل پیش بینی نقدشوندگی است.

بازار سرمایه از منابع عمده تأمین مالی شرکت ها و دولت ها است و در تمام کشورهای دنیا به عنوان محلی مناسب برای سرمایه گذاری شناخته می شود. یکی از مواردی که برای سرمایه گذاران در بورس اوراق بهادار جذاب می باشد، اطلاع از عوامل موثر بر نقدشوندگی سهام است. پژوهش حاضر در پی بررسی تأثیر اندازه شرکت بر نقدشوندگی سهام با توجه به چرخه عمر در شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. روش نمونه گیری، حذف سیستماتیک و نمونه آماری پژوهش، 115 شرکت از شرکت های پذیرفته شده در بورس اوراق بهادار طی سال های 1387 تا 1397 است. به منظور بررسی مسئله پژوهش، آزمون فرضیه ها به کمک رگرسیون چندگانه و الگوی داده های ترکیبی انجام شد. نتایج نشان داد با افزایش اندازه شرکت ها، نقدشوندگی سهام آن ها افزایش پیدا می کند. همچنین، اندازه شرکت موجب افزایش نقدشوندگی سهام در دو دوره بلوغ و افول گردید.

هدف : هدف پژوهش، شناسایی عوامل مؤثر بر ریسک مالی شرکت ها با در نظر گرفتن تأثیر نوسان های این عوامل و گزینش متغیرهای منتخب است. روش : در این پژوهش از اطلاعات 145 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1389 تا 1398 استفاده شده است؛ همچنین برای تحلیل یافته ها از رویکرد مدل سازی معادلات ساختاری و از 31 متغیر شامل نسبت های مالی، عوامل اندازه، رشد شرکت و استراتژی های رقابتی با هم و به طور هم زمان بهره گرفته شده است. نتایج : نتایج نشان داد 6/58 درصد از ریسک مالی را نوسان های متغیرهای پژوهش توضیح داده اند؛ همچنین با استفاده از مقادیر بارهای عاملی و آزمون ضرایب بتا مشخص شد که نسبت های مالی تعهدی مانند حاشیه سود خالص، حاشیه سود عملیاتی، دوره گردش دارایی، نسبت سود انباشته به دارایی، نسبت جاری، نسبت نقدی و نسبت هزینه بهره به فروش خالص و نسبت های مالی نقدی مانند نسبت جریان نقد عملیاتی به مجموع دارایی و نسبت جریان نقد عملیاتی به بدهی های بلندمدت اهمیت خاصی دارند؛ علاوه بر این نتایج آزمون تی نشان داد تأثیر نسبت های مالی، عوامل اندازه، رشد شرکت و استراتژی های رقابتی بر ریسک مالی معنی دار است.

این پژوهش با هدف تدوین الگویی برای شناسایی عوامل موثر بر قیمت گذاری کمتر از واقع سهام در عرضه اولیه های عمومی شرکت ها در بورس اوراق بهادار تهران در طی سال های 1382 تا 1396 به منصه ظهور رسیده است. برای دستیابی به این هدف، مطالعات تجربی مرتبط با موضوع مرور شده و متغیرهای توضیحی مناسب انتخاب گردیدند. سپس، تعداد ۸۴ شرکت بورسی و ۵۴ شرکت فرابورسی به روش حذف سیستماتیک به عنوان نمونه آماری انتخاب شد و از روش حداقل مربعات جزئی در سه قسمت برازش مدل اندازه گیری، برازش مدل ساختاری و برازش کلی مدل برای آزمون فرضیه ها استفاده شد. یافته های پژوهش نشان داد متغیرهای عدم تقارن اطلاعاتی، حاکمیت شرکتی، محافظه کاری، کیفیت حسابرسی، نسبت های مالی، تداوم فعالیت، عدم اطمینان محیطی و بیش اعتمادی مدیران دارای تأثیر معنی داری بر قیمت گذاری کمتر از واقع در زمان عرضه اولیه عمومی دارد. اما، گرایش احساسی سرمایه گذار و متغیرهای کلان اقتصادی بر پدیده قیمت گذاری کمتر از واقع تأثیر معنی داری ندارند.

وجود تقلب و تداوم آن در صورتهای مالی،آثارگسترده ای بر سلامت مالی شرکت ها و توسعه پایدار  بازار سرمایه  دارد. روش های متداول حسابرسی در پیشگیری و کشف صورت های مالی متقلبانه، نتوانستهاندباتقلب هایحسابدارینوظهور به دلیل فقداندانشموردنیازداده کاوی،پیچیدگی تقلب های جدید و عدم تجربهکافیحسابرسان کناربیایند. در این پژوهش، انواع مدل های آماری و یادگیریماشین در دست یابی به الگویی با کارایی بالا در پیش بینی گزارشگری مالی متقلبانهاستفاده شد. از 20 متغیر در قالب الگوی پنج ضلعی تقلب با تاکید بر ساختار کنترل های داخلی در 166 شرکت هایفعال در بورس اوراق بهادار تهران طی سالهای 1388 الی 1397 و مقایسه بین مدل های مورد بررسی،باکمکآزم ونمقایس ه نسبت ها،نشان می دهدکهبه لحاظ آماریمدل هاییادگیریماش یندرپیش بینیگزارشگری مالی متقلبانه نس بتب ه مدل هایآماری،کارایی و دقتبیشتری دارند. ترکیب الگوریتم درخت تصمیم گیری CHAID، C5 و C&R بالاترین دقت در پیش بینی گزارشگری مالی متقلبانه را با دقت بالای 61/92 درصد در پیش بینی تقلب نشان می دهد. روش های داده کاوی بر پایه مدل های یادگیری ماشین و بویژه ترکیب آنها بطور موفقیت آمیزی  در پیش بینی و کشف تقلب در صورت های مالی می تواند مورد استفاده قرار گیرد. The existence and persistence of fraud in financial statements can have adverse impact on the sustainable development of the capital markets as well as the financial health of companies. Using conventional audit procedures which is applied to prevent and detect fraudulent financial statements, auditors fail to cope with emerging accounting frauds. This can be due to many reasons, such as the lack of the required data mining knowledge, the complexity and infrequency of financial frauds, and the auditors without much experience. Accordingly, due to importance of identifying fraud in capital market, different types of statistical and machine learning based models were examined to establish a rigorous and effective model to detect financial statements fraud in this study. For this purpose, 20 variables in the form of the pentagonal fraud with emphasis on the structure of internal controls (pressure, opportunity, justification, capability, arrogance and internal control structure) were used from 166 manufacturing companies listed on Tehran stock exchange over the period 2009-2018. Based on the statistical indices obtained, machine learning based models exhibited higher predictive ability and accuracy than statistical based models in predicting financial statement fraud. The results also showed that C5, CHAID and C&R decision tree models were highly accurate in prediction of fraudulent datapresented in fnancial statement. Accordingly, the efficacy of combination of CHAID, C5 and C&R decision tree algorithms which had the highest accuracy in prediction of fraudulent financial reporting was examined. The high accuracy of 92.61% of the combination of these algorithms in fraud prediction shows that data mining methods based on machine learning models and especially their combination can be used successfully in fnancial statement fraud prediction.

پیش بینی صحیح گزارشگری مالی متقلبانه نه تنها موجب کاهش هزینه ها و زیان های اقتصادی و اجتماعی شده، بلکه باعث پیشگیری و کنترل تقلب هم می شود. استقرار سامانه کنترل های داخلی برای کشف تقلب و اصلاح اشتباهات در گزارشات مالی واقعیتی انکارناپذیر است و همچنین طبق بیانیه سازمان بورس و اوراق بهادار تهران طراحی یک سیستم کنترل داخلی موثر برای پیشبرد اهداف شرکت دارای اهمیت می باشد. از این رو هدف این پژوهش، ارائه مدل توسعه یافته ی پنج ضلعی تقلب در گزارشگری مالی با تاکید بر ساختار کنترل های داخلی است. بدین منظور، برای انجام پژوهش، شش فرضیه طراحی شد که رابطه فشار، فرصت، توجیه، قابلیت، تکبر و ساختار کنترل های داخلی با تقلب را در صورتهای مالی 166 شرکت بورسی انتخاب شده به روش حذف سیستماتیک در دوره زمانی سالهای 1388 تا 1398مورد بررسی قرار گیرد. یافته های پژوهش نشان می دهد که متغیرهای فشار، فرصت، توجیه، قابلیت و ساختار کنترل های داخلی دارای تاثیر معناداری بر تقلب گزارشگری مالی متقلبانه هستند. از سوی دیگر متغیر تکبر تاثیر معنادار در گزارشگری مالی متقلبانه ندارد.

شناخت در مورد دستکاری اطلاعات حسابداری برای کلیه ذی نفعانی که تصمیم های خود را بر مبنای گزارش های سالیانه شرکت ها اتخاذ می کنند، مفید است. از این رو مقایسه ابزارهای مدیریت سود در شرکت های بحران زده و شرکت های سالم هدف این تحقیق قرار گرفته است. بدین منظور با بررسی 312 شرکت بورسی و فرابورسی طی سال های 1385 تا 1394 مشخص شد که هر دو گروه به مدیریت سود می پردازند و با استفاده از آزمون مقایسه میانگین مشخص شد که میزان مدیریت سود در شرکت های بحران زده مالی بیشتر از شرکت های سالم است و شرکت های بحران زده تمایل دارند در سال های قبل از وقوع بحران مالی به میزان بیشتری از ابزارهای مدیریت سود واقعی نسبت به اقلام تعهدی استفاده نمایند. همچنین مشخص شد که با نزدیک تر شدن به وقوع بحران مالی، میزان مدیریت سود در شرکت های بحران زده افزایش معنی داری پیدا نمی کند و با استفاده از آزمون گرنجر مشخص شد که ابزارهای مدیریت سود به صورت متقابل بر همدیگر تأثیر می گذارند.

هدف: هدف اصلی این مقاله بررسی رابطه بین بحران مالی پیش بینی شده و رویکردهای مدیریت سود است. روش: با استفاده از مدل درختی C 5 به پیش بینی بحران مالی 312 شرکت بورسی و فرابورسی طی سال های 1385 تا 1394 پرداخته شد؛ سپس با استفاده از مدل رگرسیون چند متغیره خطی (رویکرد معادلات ساختاری) رابطه بحران مالی پیش بینی شده و ابزارهای مدیریت سود مورد بررسی قرار گرفت. یافته ها: بحران مالی پیش بینی شده با شاخص اول مدیریت سود فعالیت های واقعی، رابطه معکوس و معنادار و با شاخص دوم مدیریت سود فعالیت های واقعی و شاخص مدیریت سود اقلام تعهدی رابطه مستقیم و معنا دار دارد. نتیجه گیری: شرکت های بحران زده مالی در مقایسه با سایر شرکت های با افزایش جریان های نقدی عملیاتی، کاهش بهای تمام شده تولید و افزایش اقلام تعهدی، به مدیریت بیشتر سود می پردازند. در نهایت مشخص شد که ابزارهای مدیریت سود تحت تأثیر نوع صنعت است و بحران مالی پیش بینی شده و ابزارهای مدیریت سود به صورت علت و معلول بر یکدیگر تأثیر می گذارند.    

هدف اصلی این پژوهش بررسی دقت مدل های پیش بینی بحران مالی و رویکردهای مدیریت سود است. بدین منظور پس از مقایسه مدل های پیش بینی بحران مالی و انتخاب مدل برتر، به تجزیه و تحلیل ارتباط آن با ابزارهای مدیریت سود پرداخته شد. برای پیش بینی بحران مالی، مدل های یادگیری ماشین و مدل های آماری 312 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1385 تا 1394 با یکدیگر مقایسه شدند و به کمک آزمون مقایسه میانگین، مشخص شد که از نظر پیش بینی بحران مالی، مدل های یادگیری ماشین نسبت به مدل های آماری دقت بیشتری دارند. سپس رابطه بهترین مدل پیش بینی بحران مالی به دست آمده از مرحله قبل و ابزارهای مدیریت سود با استفاده از رگرسیون چندگانه خطی بررسی شد و مشخص گردید که بحران مالی پیش بینی شده با مدیریت سود جریان های نقدی عملیاتی، رابطه معکوس و معنادار دارد و با مدیریت سود هزینه های تولیدی و مدیریت سود اقلام تعهدی، رابطه مستقیم و معناداری برقرار می کند.