مطالب مرتبط با کلیدواژه

محیط اطلاعاتی شرکت


۱.

تأثیر تخصص مالی کمیته حسابرسی بر محیط اطلاعاتی شرکت(مقاله علمی وزارت علوم)

کلیدواژه‌ها: محیط اطلاعاتی شرکت شاخص جامع محیط اطلاعاتی تخصص مالی کمیته حسابرسی

حوزه های تخصصی:
تعداد بازدید : ۳۶۱ تعداد دانلود : ۴۱۷
در این پژوهش، تاثیر تخصص مالی کمیته حسابرسی بر محیط اطلاعاتی شرکت مورد آزمون قرار گرفته است. محیط اطلاعاتی شرکت توسط متغیرهای مشاهده پذیر اندازه شرکت، مالکیت نهادی، فرصت های رشد شرکت، عمر شرکت، دامنه قیمت پیشنهادی خرید و فروش سهام، تعداد سهامداران شرکت، خطای پیش بینی سود، دفعات گردش سهام، معیار عدم نقد شوندگی آمیهود و نوسان پذیری بازده سهام، بصورت یک شاخص جامع، اندازه گیری شده و تأثیر تخصص مالی کمیته حسابرسی بر محیط اطلاعاتی شرکت ها در بازه زمانی 4 سال بعد از تصویب دستورالعمل کنترل های داخلی در سال 1391، طی سال های 1391 تا 1394 مورد آزمون قرار گرفت. نتایج حاصل از بررسی 121 شرکت پذیرفته شده در بورس اوراق بهادار تهران از طریق دادههای ترکیبی به روش تابلویی، بیانگر آن است که رابطه مثبت و معناداری بین تخصص مالی اعضای کمیته حسابرسی و محیط اطلاعاتی شرکت ها وجود دارد و تخصص مالی اعضاء کمیته حسابرسی باعث بهبود محیط اطلاعاتی شرکت و افزایش شاخص سنجش آن می گردد.
۲.

توسعه مدل بنیش با ترکیب شبکه های عصبی مصنوعی و الگوریتم بهینه سازی حرکت تجمعی ذرات برای پیش بینی دستکاری سود(مقاله علمی وزارت علوم)

کلیدواژه‌ها: الگوریتم حرکت تجمعی ذرات رقابت در بازار محصول شبکه عصبی مصنوعی مدل بنیش محیط اطلاعاتی شرکت

حوزه های تخصصی:
تعداد بازدید : ۲۵۵ تعداد دانلود : ۱۶۰
هدف: به باور بنیش (1999)، دستکاری سود زمانی رخ می دهد که مدیریت، اصول پذیرفته شده عمومی حسابداری را به منظور سودآور نشان دادن عملکرد مالی شرکت نقض می کند. در این پژوهش، مدل بنیش با تأکید بر متغیرهای خارج از داده های حسابداری، شامل عدم تقارن اطلاعاتی و بازار رقابت محصول، توسعه یافته است. روش: برای دستیابی به هدف پژوهش، داده های لازم برای 184شرکت پذیرفته شده در بورس اوراق بهادار تهران، طی سال های 1386 تا 1396 جمع آوری شدند. ضرایب مدل ها، به روش شبکه عصبی آموزش یافته با الگوریتم PSO برآورد شده اند. برای فراهم آوردن قابلیت مقایسه نیز، 10 اجرا با 300 تکرار در هر اجرا انجام گرفت و پس از هم گرایی، اجراها متوقف شدند. یافته ها: توسعه مدل بنیش، خطای آموزش شبکه عصبی با الگوریتم حرکت تجمعی ذرات را از مقدار 0807/0 به 0777/0 کاهش داد. همچنین، سطح زیرمنحنی راک در مدل بنیش، به ازای بهترین نقطه برش (5021/0) و بهترین دقت (26/60درصد) 5538/0 بود و این سطح در مدل توسعه یافته بنیش به ازای بهترین نقطه برش (5304/0) و بهترین دقت (42/67درصد) به 6335 /0 افزایش یافت. نتیجه گیری: نتایج حاکی از تصادفی بودن مدل بنیش و ناتوانی در تفکیک دو گروه شرکت های دستکاری کننده سود و غیردستکاری کننده سود است. همچنین، نتایج افزایش قدرت مدل توسعه یافته بنیش در قیاس با مدل اصلی را نشان می دهد؛ اما نتیجه آزمون ضعیف است و نشان می دهد که مدل توسعه یافته بنیش نیز در تفکیک دو گروه شرکت های دستکاری کننده سود و غیردستکاری کننده سود، کمابیش یک مدل تصادفی است.
۳.

تعدیل مدل پیش بینی دستکاری سود با تأکید بر متغیر های محیطی و روش ترکیبی شبکه عصبی مصنوعی و الگوریتم های فرا ابتکاری(مقاله علمی وزارت علوم)

کلیدواژه‌ها: الگوریتم رقابت استعماری رقابت در بازار محصول شبکه عصبی مصنوعی مدل بنیش محیط اطلاعاتی شرکت

حوزه های تخصصی:
تعداد بازدید : ۳۰۶ تعداد دانلود : ۱۴۸
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.