بررسی دقت الگوریتم های خطی- تکاملی BBO و ICDE و الگوریتم های غیرخطی SVR و CART در پیش بینی مدیریت سود

ابهامات محیطی ناشی از مدل های نوین کسب وکار سبب تشدید پیچیدگی در تصمیم گیری شده است. در چنین شرایطی دیگر نمی توان داده ها را با ابزارهای سنتی تحلیل نمود چرا که بسیاری از متغیرهای تاثیرگذار ناشناخته بوده و روابط آن ها نیز غیرخطی و پیچیده است. بنابراین در این پژوهش به بررسی دقت الگوریتم های هوش مصنوعی در پیش بینی مدیریت سود پرداخته شده است. برای پیش بینی مدیریت سود از مدل تعدیل شده جونز استفاده گردیده و الگوریتم های خطی-تکاملی بهینه سازی مبتنی بر جغرافیای زیستی (BBO) و تکامل تفاضلی بهبودیافته (ICDE) و الگوریتم های غیرخطی رگرسیون بردار پشتیبان (SVR) و درخت رگرسیون و طبقه بندی (CART) نیز برای بررسی قدرت پیش بینی مورد مقایسه قرار گرفته اند. جامعه آماری پژوهش، شرکت های تولیدی پذیرفته شده در بورس اوراق بهادار تهران بوده و تعداد 89 شرکت طی دوره زمانی 1386 تا 1393 موردبررسیقرارگرفته است. نتایج پژوهش بیان گر آن است که به طورکلی الگوریتم های غیرخطی از دقت بیشتری نسبت به الگوریتم های خطی برخوردار بوده و الگوریتم رگرسیون بردار پشتیبان، مدیریت سود را بهتر از سایر الگوریتم ها پیش بینی می کند. همچنین الگوریتم های خطی در پیش بینی مدیریت سود نتایج تقریبا مشابهی را از خود نشان دادند.