مقایسه رتبه بندی عملکرد شرکتهای پذیرفته شده دربورس اوراق بهادار مدلهای عصبی وفازی

محورهای موضوعی : مهندسی مالی

روح الله جوادی ¹ , قدرت اله طالب نیا ² , حسین پناهیان ³

1 - دانشجوی دکتری حسابدرای، دانشکده علوم انسانی، واحد کاشان، دانشگاه آزاد اسلام، کاشان، ایران
2 - گروه حسابداری، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3 - گروه حسابداری، دانشکده علوم انسانی، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران.

تاریخ دریافت : 1398/05/15 تاریخ پذیرش : 1398/06/26 تاریخ انتشار : 1398/10/01

کلید واژه: بورس اوراق بهادار تهران, رتبه بندی, هوش مصنوعی, مدل فازی, شفافیت اطلاعات مالی, مدل عصبی,

چکیده مقاله :

با رتبه بندی شرکتها بر اساس شفافیت اطلاعات مالی می توان به تصمیم گیری بهتر در بورس اوراق بهادار کمک کرد. در این پژوهش با بررسی صورت های مالی شرکت ها و سنجش میزان شفافیت اطلاعات مالی ، نسبت به رتبه بندی آنها بر اساس مدل های عصبی و فازی پرداخته شده است. هدف دیگر تحقیق حاضر، مقایسه مدل های عصبی و فازی برای رتبه بندی شفافیت اطلاعات مالی شرکتها است.این پژوهش از نوع کاربردی و بر اساس شیوه گردآوری داده ها، توصیفی-تحلیلی است. جامعه آماری شامل شرکت های بورس اوراق بهادار در طی سال های 1387 تا 1396 می باشد که با روش حذفی سیستماتیک تعداد 198 شرکت انتخاب و مورد تحلیل قرار گرفتند. اطلاعات شرکتها از طریق نرم افزارهای بورسی، به دست آمد. برای رتبه بندی از الگوریتم های هوش مصنوعی استفاده شد و هم چنین ، مدل های فازی و عصبی به کار گرفته شدند.نتایج پژوهش نشان داد از میان مدلهای فازی و عصبی ، بهترین روش برای رتبه بندی، مدلهای عصبی است و نتایج روش مدلهای عصبی ، بهترین نتایج را ارائه می دهد. باتوجه به اینکه درمدل فازی، روش فازی دارای بیشترین خطا بوده و در برخی از تخمین ها دارای خطاهای غیرقابل قبول می باشد.

چکیده انگلیسی:

Ranking companies based on transparency of financial information can help better decision making in the stock market. In this study, by examining the financial statements of companies and measuring the transparency of financial information, their ranking is based on neural and fuzzy models. Another purpose of the present study is to compare neural and fuzzy models for ranking the transparency of corporate financial information.This is an applied research based on descriptive-analytical method. The statistical population includes the stock exchange companies during the years 2008-2009 and 198 companies were selected and analyzed by systematic elimination method. Company information was obtained through stock exchange software. Artificial intelligence algorithms were used for ranking and fuzzy and neural models were used.The results showed that among the fuzzy and neural models, the best method for ranking is the neural models and the results of the neural models method give the best results. Given that in fuzzy model, fuzzy method has the most errors and in some estimations it has unacceptable errors.

منابع و مأخذ:

• آذر، عادل و خدیور، آمنه(1393) کاربرد تحلیل آماری چند متغیره در مدیریت. انتشارات نگاه دانش. چاپ اول


• پاکدین امیری مجتبی،پاکدین امیری مرتضی،پاکدین امیری علیرضا،"اولویت بندی عوامل موثر بر شاخص قیمت بورس اوراق بهادار تهران با استفاده از روش تاپسیس"، نشریه تحقیقات مالی(1388)


• تجویدی، الناز(1387)شفافیت و کارایی بازار سرمایه. ماهنامه حسابدار، شماره 196


• حاجیان, نجمه. (1396). ارائه شاخص رتبه‌بندیعملکرداطلاعاتی برای شرکت‌های ایرانی. پژوهش­های نوین در حسابداری و حسابرسی1(4)،9-38.


• حاجیها, زهره, اورادی, جواد. (1397). بررسی تأثیرعملکرداطلاعاتی بر رابطۀ بین مالکیت خانوادگی و هزینۀ بدهی. دانش سرمایه‌گذاری7(26)83-98.


• حساس یگانه, یحیی, بهشور, اسحاق, شکری کیانی, مسعود. (1397). رابطه بینعملکردگزارشگری مالی و نرخ مؤثر مالیاتی. پژوهش­هایحسابداری مالی وحسابرسی،10(10)،1-30.


• خالقی مقدم، حمید و خالق، علیرضا(1387)عملکردشرکتی در ایران و عوامل موثر بر آن. مطالعات حسابداری، شماره 21 ، ص31


• خالقی مقدم، حمید؛ خالق، علیرضا(1386)عملکردشرکتی در ایران و عوامل موثر بر آن. رساله دکتری، دانشگاه علامه طباطبائی.


• دانش شکیب معصومه، فضلی صفر، "رتبه ندی شرکت­های سیمان بورس اوراق بهادار تهران با مجله چشم انداز مدیریت، 1388 ،" AHP-TOPSIS استفاده از رویکرد ترکیبی


• دستورالعمل اجرائی افشاء اطلاعات شرکت­های ثبت شده نزد سازمان. مصوب (1386) قوانین و مقررات بازار اوراق بهادار. انتشارات سازمان بورس و اوراق بهادار.


• رتبه بندی شرکت­های پذیرفته شده در بورس و اوراق بهادار تهران از نظر کیفیت افشاء و، اطلاع رسانی مناسب، سیستم جامع اطلاع رسانی ناشران. سایت کدالcodal.ir


• رحمانی، علی و اله داد، علی(1390) رابطه بین­عملکرد و افشاء با اندازه شرکت. مجله پژوهش حسابداری. شماره 3


• سلیمانی امیری ، غلامرضا، (1381) بررسی شاخص­های پیش بینی کننده ورشکستگی در شرایط محیطی ایران "، پایان نامه دکتری، رشته حسابداری، دانشگاه تهران.


• قرصی زهرا، (1390) "رتبه بندی اعتباری مشتریان حقوقی بانک ملت با استفاده از شبکه­های عصبی GMDH و معادلات اقتصاد سنجی"،دانشگاه تهران،


• قلی زاده ، محمدحسن (1383) طراحی مدل رتبه بندی شرکت­های پذ یرفته شده در بورس تهران با استفاده از تحلیل پوششی داده ها (مورد صنعت مواد غذا ی وآشامیدنی ، پایان نامه دکتری مدیرت مالی، دانشکدة ی مد یریت دانشگاه تهران.


• کردستانی، غلامرضا و علوی، سید مصطفی،1389، بررسی تاثیرعملکردسود حسابداری بر هزینه سرمایه سهام عادی. فصلنامه بورس اوراق بهادار. شماره 12


• مشایخ, شهناز, شاهرخی, سیده سمانه. (1395). شناسایی شاخص­های تعیین کننده رتبه اعتباری شرکت­ها. دانش سرمایه‌گذاری5(19)،25-52


• نمازی, محمد, نمازی, نویدرضا. (1395). رتبه‌بندی شرکت‌ها بر اساس سنجه‌های ارزیابی عملکرد با استفاده از تکنیک چند شاخصه TOPSIS و مقایسه معیارهای ارزیابی (شواهدی از بورس اوراق بهادار تهران). پژوهش­های حسابداری مالی(2)8،39-64


• نمک دوست تهرانی، حسن،1383، آزادی اطلاعات و حق دسترسی، بنیان دموکراسی. مرکز پژوهش­های مجلس شورای اسلامی، دفتر مطالعات فرهنگی. شماره مسلسل 6941


• اله داد، علی،1388، رابطه بین عملکرد و افشاء با اندازه و نسبت ارزش بازار به ارزش دفتری در شرکت­های پذیرفته شده در بورس اوراق بهادار تهران، پایان نامه کارشناسی ارشد رشته حسابداری، دانشگاه علامه طباطبایی


• هندریکسون، ل دان اس. و ون بردا، میکل اف،1384، تئوری­های حسابداری. ترجمه علی پارسائیان. جلد دوم.


• هومن، حیدر علی،1390، مدل یابی معادلات ساختاری با کاربرد نرم افزار لیزرل، چاپ چهارم، تهران، انتشارات سمت

• Ahmed, K., & Courtis, J. K,13999, Associations between corporate characteristicsand disclosure levels in annual reports: a meta-analysis. British Accounting Review,31(1),35-61


• Ahmed, K., & Nicholls, D,1994, The impact of non-financial companycharacteristics on mandatory disclosure compliance in developing countries: the caseof Bangladesh. The International Journal of Accounting,29,62-77.


• Akhtaruddin, M,. Hossain, M.A,. Hossain, M. Yao, L,2009, Corporate Governance and Voluntary isclosure in Corporate Annual Reports of Malaysian Listed Firms. JAMAR, Vol. 7 · No1


• Aksu, M. Kosedag, A,2006, Transparency and disclosure scores scores and their determinants in Istanbul stoch exchaneg. Corporate Governance, 4,14,277-296


• Alborzi, M., Porzarandi, M. A., & Shariari, M. (2010). Management of resources and expenditure in banks with a dynamic systems approach. Journal of Financial Engineering and Management of Exchange. 2(6): 41-59. (In Persian).


• Aljifri, K,. K. Hussainey,2007, “The determinants of forwardlookinginformation in annual reports of UAE companies”, Managerial Auditing Journal, 32,9,881-894.


• Alsaeed, K.2006. The association between firm-specific characteristics and disclosure: the case of Saudi Arabia. Managerial Auditing Journal,21(5);476-496.


• Appel,G.(2005).Technicalanalysis:powertoolsforactiveinvestors.FTPress.Boyacioglu,M.A.,&Avci,D.(2010).


• BaiBarako, D.G.(2007). Determinants of voluntary disclosures in Kenyan companies annual reports.African Journal of Business Management Vol.1(5),113-128.


• Barron, O. E., Kile, C.O., & O’Keefe, T. B1999 MD&A quality as measured bythe SEC and analysts’ earnings forecasts. Contemporary Accounting Research,16(1)75-109.


• Barry, C., Brown, S.,985. Differential information and security market equilibrium. Journal of Financial and Quantitative Analysis,20,407-422.


• Barth, M.E., Y.Konchitchki & W.R. Landsman,2010 Cost of Capital and Earnings Transparency. Working paper, SSRN.com.


• Beattie, V., & Thomson, S.(2007). Lifting the lid on the use of content analysis tonvestigate intellectual capital disclosures. Accounting Forum,31(2),129-163.


• Beattie, V., McInnes, W., & Fearnley, S.2004 A methodology for analysing andevaluating narratives in annual reports: a comprehensive descriptive profile andmetrics for disclosure quality Accounting Forum,28(3),205-236.


• Bloomfield, R.J. and T. Jeffrey Wilks.(200). Disclosure effects in the laboratory: Liquidity, depth, and the cost of capital, The Accounting Review,75(January),13-42.


• Botosan, C., Plumlee, M., Xie, Y.,2004. The role of information precision in determining cost of equity capital. Review of Accounting Studies,9,121-137.


• Botosan, C.A,1997 Disclosure level and the cost of capital. The Accounting Review.72(3),323-49.


• Botosan, C.A., & Plumlee, M.Aو,2002, A re-examination of disclosure level and theexpected cost of equity capital. Journal of Accounting Research,40(1) (March),21-40.


• Bushee, B.J., Noe, C.F., ,2003. Corporate disclosure practices, institutional investors,and stock return volatility. Journal of Accounting Research, 38,171-202


• Bushman, R. M., Piotroski, J. D., and Smith, A. J,2004, What determines corporate transparency? Journal of accounting research,42,2;207-252.


• Bushman, R.M. O, Chen. E. Engle and A. Smith,2003, Financial Accounting Information, organizational complexity and corporate governance system, working paper, university of North


• Das,m.c,sarkar,B.and S.ray.(2012).A framework to Measure relative performance of Indian Technical institution Using integrated Fuzzy AHP and COPRAS Methodology.  socioeconomic Planning Scinces,Vo1. 46,No3,p.230-241


• Fathi-Torbaghan,M.,&Meyer,D.(1994).Medusa:afuzzy expert system for medical diagnosis of acuteab domin alpain . Method sof Information in Medicine ,33(5),522


• Feigenbaum,E.A.(1984).Knowledgeengineering.AnnalsoftheNewYorkAcademyofSciences,426(1),91–


• Gunduz,H.,&Cataltepe,Z.(2015).Borsaistanbul (bist)daily predictionusingfinan-cialnew sand balanced feature selection .Expert Systems with Applications ,42(22),9001–Hadjimichael,M.(2009).Afuzzy expert system for aviation risk assessment .Expert Systems with Applications , 36(3),6512