تخمینگر بردار پشتیبان

مطالعات زیادی در خصوص عوامل موثر بر مدیریت سود و میزان همبستگی بین آنها صورت گرفته است، اما بکارگیری عوامل موثر در جهت پیش بینی مدیریت سود کمتر مدنظر بوده است. در این تحقیق، توانایی پیش بینی الگوریتم های تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در کشف مدیریت سود بررسی شده است. جامعه آماری این تحقیق شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1385 الی 1391 است. نتایج بررسی فرضیه ها حاکی از آن است که الگوریتم تخمینگر بردار پشتیبان و تخمینگر حداقل درجه و شبکه عصبی فازی به ترتیب بیشترین دقت را در پیش بینی مدیریت سود را دارند.

پیش بینی سود حسابداری و تغییرات آن به جهت استفاده در مدل های ارزیابی سهام، توان پرداخت، ریسک، عملکرد واحد اقتصادی و مباشرت مدیریت از دیرباز مورد علاقه سرمایه گذاران، مدیران، تحلیلگران مالی و اعتباردهندگان بوده است. سود هر سهم اغلب برای بررسی سودآوری و ریسک مرتبط با سود و نیز قضاوت در خصوص قیمت سهام استفاده می شود. در این تحقیق عملکرد سه مدل تخمینگر بردار پشتیبان، تخمینگر حداقل درجه و شبکه عصبی فازی در پیش بینی سود هر سهم مورد ارزیابی قرار گرفته است. در این تحقیق از ۹ متغیر مالی، ۷ متغیر بنیادی و ۴ متغیر کلان استفاده شده است. ابتدا متغیرهای مالی ،متغیرهای بنیادی و کلان اقتصادی به صورت جداگانه و سپس بطور همزمان وارد مدل ها شده اند تا توانایی آن ها در هر سه حالت مورد ارزیابی قرار گیرد. نتایج تحقیق نشان می دهد که مدل تخمینگر حداقل درجه در هر سه حالت فوق (متغیرهای مالی، متغیرهای بنیادی و کلان اقتصادی) عملکرد بهتری نسبت به سایر مدل ها داشته است