مقایسه توانایی الگوریتم‌های یادگیری ماشین آدابوست و طبقه‌بندی احتمالی بیزین در پیش‌بینی بیش‌اطمینانی مدیران شرکت‌های بازار سرمایه ایران

الموضوعات :

شکوفه اعتبار ¹ , رویا دارابی ² , محسن حمیدیان ³ , سیده محبوبه جعفری ⁴

1 - دانشجوی دکتری تخصصی حسابداری، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران، پست
2 - عضو هیات علمی، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران
3 - استادیار و عضو هیات علمی، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران ایران
4 - عضو هیات علمی، دانشکده اقتصاد و حسابداری، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران

تاريخ الإرسال : 09 الخميس , رمضان, 1439 تاريخ التأكيد : 25 الأربعاء , ذو الحجة, 1439 تاريخ الإصدار : 19 السبت , شوال, 1440

الکلمات المفتاحية: بیش‌اطمینانی مدیریت, الگوریتم‌ یادگیری ماشین آدابوست, الگوریتم‌ طبقه‌بندی احتمالی بیزین,

ملخص المقالة :

بیش‎اطمینانی که یکی از ویژگی‎های شخصیتی افراد می‌باشد، که ممکن است بر تصمیم‌گیری‌های مدیران شرکت‌ها تأثیر داشته باشد، مدیریت با رفتار غیرمنطقی می‌تواند بر عملکرد شرکت در بلند‌مدت تأثیرگذار باشد. هدف اصلی از پژوهش کاربردی حاضر مقایسه توانایی الگوریتم‌های یادگیری ماشین آدابوست و طبقه‌بندی احتمالی بیزین در پیش‌بینی بیش‌اطمینانی مدیران شرکت‌های بازار سرمایه ایران طی سال‌های 1387 تا 1395 می‌باشد که در این راستا الگوریتم هوش مصنوعی آدابوست و احتمالی بیزین به‌منظور ارائه مدل جهت پیش‌بینی بیش‌اطمینانی مدیریت در شرکت‌های پذیرفته شده بورس اوراق بهادار تهران، برای سال جاری و یک سال آتی اعتبار‌سنجی شدند. درمجموع، تعداد 34 صنعت مختلف به‌عنوان نمونه آماری انتخاب شد (اطلاعات مالی تعداد 3145 شرکت-سال در مجموع). روش گردآوری اطلاعات در بخش مبانی نظری از روش کتابخانه‌ای و برای انجام محاسبات و طبقه‌بندی آماری داده‌های مالی، از نرم‌افزارهای Excel و برای آزمون فرضیه‌های پژوهش از نرم‌افزار matlab 2017 استفاده شده است. یافته‌های پژوهش نشان می‌دهد که، مدل‌های غیرخطی پیش‌بینی الگوریتم آدابوست و الگوریتم احتمالی بیزین به دست آمده، هر دو توانایی پیش‌بینی ‌بیش‌اطمینانی ‌مدیریت برای سال جاری و یک سال بعد را دارند؛ اما مدل پیش‌بینی آدابوست در مقایسه با مدل پیش‌بینی بیزین نتایج بهتری را برای پیش‌بینی اعتماد به نفس کاذب مدیریت دارد که نشان‌دهنده قدرت بیشتر در یادگیری و کارآیی بهتر این مدل به‌منظور پیش‌بینی ‌بیش‌اطمینانی مدیریت می‌باشد.