مبانی نظری و ادبیات تحقیق، بورس اوراق بهادار تهران، مدل شبکه عصبی پرسپترون

 

۳٫ آیا مدل شبکه عصبی پرسپترون بر مدل رگرسیون خطی چند بخشی در شناسایی مدیریت سود برتری دارد؟
۱-۶٫ فرضیات تحقیق:
۱٫ مدل رگرسیون خطی چند بخشی بر مدل رگرسیون خطی در شناسایی مدیریت سود برتری معناداری دارد.
۲٫ مدل شبکه عصبی پرسپترون بر مدل رگرسیون خطی در شناسایی مدیریت سود برتری معناداری دارد.
۳٫ مدل شبکه عصبی پرسپترون بر مدل رگرسیون خطی چند بخشی در شناسایی مدیریت سود برتری معناداری دارد.
۱-۷٫کاربردهای تحقیق
این تحقیق که از نوع تحقیقات کاربردی می‌باشد می‌تواند مورد استفاده سرمایه‌گذاران در بورس اوراق بهادار تهران، تحلیلگران مالی، دانشجویان و سایر علاقمندان به مسائل مالی قرار گیرد. همچنین این تحقیق می‌تواند در زمینه تجزیه و تحلیل‌های مالی در ارتباط با مدیریت سود چه در دانشگاه ها و چه در سایر محیط‌های آموزشی مورد استناد قرار گیرد.
۱-۸٫جامعه آماری
جامعه آماری مورد استفاده در این تحقیق مجموعه شرکت‌های پذیرفته شده در بازار بورس اوراق بهادار تهران می‌باشد که از ابتدای سال ۸۳ لغایت پایان سال۹۰ در بورس فعال بوده‌اند. نمونه گیری از این جامعه با اعمال محدودیت های زیر صورت گرفت.
۱٫ اطلاعات مورد نیاز جهت انجام تحقیق و صورت‌های مالی حسابرسی شده در طی سال‌های مورد رسیدگی را ارائه کرده باشند.
۲٫ شرکت‌ها در گروه بانک‌ها ، بیمه‌ها ، شرکت‌های سرمایه‌گذاری ، واسطه‌گری مالی و شرکت های غیرتولیدی نباشند.
۲٫شرکت‌هایی که نسبت تعهدات کل به کل دارایی‌های پایان سال قبل در آنها بزرگتر یا مساوی یک نباشد.
۴٫سال مالی آنها پایان اسفند ماه هر سال باشد و طی دوره بررسی تغییری در سال مالی ایجاد نکرده باشند.
از آنجاییکه در این پزوهش به حجم بالایی از نمونه نیازمندیم لذا پس از اعمال محدودیت های فوق، شرکتهای باقیمانده مبنای تحلیل‌های ما قرار می‌گیرند.
۱-۹٫روش تجزیه و تحلیل
پس از اعمال محدودیتهای اشاره شده بر جامعه، آن را بر اساس هر یک ازمتغیرهای ورودی، مرتب کرده و با ضریب یک درصد نمونه را پیراسته می‌کنیم می‌نماییم. داده‌های انتخاب شده را به دو بخش آموزش و آزمون تقسیم می‌کنیم(شش سال بعنوان داده‌های آموزش و دو سال پایانی بعنوان داده‌های آزمون). با بهره گرفتن از بخش آموزش به تعیین ضرایب مدل‌های رگرسیونی و آموزش شبکه عصبی خواهیم پرداخت. داده‌های آزمون نیز برای تعیین اقلام تعهدی اختیاری و مقایسه بین مدل‌های شناسایی مدیریت سود در نظر گرفته شده است. در مورد مدل‌های رگرسیونی باید گفت که ابتدا در داده‌های آموزش با تعیین میزان کل تعهدات (با بهره گرفتن از روش جریان وجه نقد) و قرار دادن آن به همراه سایرمتغیر‌ها در معادلات رگرسیونی، ضرایب آنها بدست می‌آید. سپس این معادلات که حالا دارای ضرایب مشخص هستند در داده‌های آزمون بکار گرفته می‌شوند تا میزان تعهدات غیراختیاری را تعیین کنند.در نهایت میزان تعهدات اختیاری با کم کردن تعهدات غیراختیاری از تعهدات کلی بدست می آید. در مدل شبکه عصبی نیز ابتدا با بهره گرفتن از داده‌های آموزش پارامتر‌های آن تعیین شده و سپس برای تعیین تعهدات اختیاری در داده‌های آموزش بکار می‌رود. برای مقایسه بین این مدل‌ها، نمونه‌های آموزش را براساس معیار‌های جریان نقد حاصل از عملیات(CFO)، کل دارایی(SIZE)، بازده دارایی(ROA) و فروش(Revenue) ردیف می کنیم. سپس در هر گروه از این معیارها یکچهارم ابتدایی و انتهایی را در نظر گرفته و میانگین تعهدات اختیاری را محاسبه می‌کنیم. در نهایت به هر مدل در هر یک از معیارها بر اساس نزدیکی به صفر امتیازی بین یک و سه (مدلی که نزدیک ترین میانگین را به صفر دارد امتیاز سه و مدلی که بیشترین فاصله را دارد امتیاز یک را کسب می‌کند) می‌دهیم. در نهایت مدلی که بیشترین امتیاز را کسب کند بهترین کارایی را دارا است. محاسبات مورد نیاز روی داده‌ها با بهره گرفتن از نرم‌افزار‌های Excel، Spss و Matlab صورت می گیرد.
۱-۱۰٫روش گردآوری اطلاعات
برای جمع‌ آوری اطلاعات مربوط به مبانی نظری و ادبیات تحقیق از روش کتابخانه‌ای استفاده می‌شود. همچنین اطلاعات و داده‌های مورد نیاز تحقیق از صورت‌های مالی و یادداشت‌های پیوست شرکت‌ها و پایگاه‌های اطلاعاتی سازمان بورس و اوراق بهادار، به ویژه نرم‌افزار ره‌آورد نوین، و سایت مدیریت پژوهش، توسعه و مطالعات اسلامی بورس استخراج می‌گردد.