ارائه مدل توسعه‌یافته بنیش با به‌کارگیری پدیده تونلینگ بر مبنای تکنیک شبکه‌های عصبی مصنوعی و الگوریتم بهینه‌سازی حرکت تجمعی ذرات در شناسایی شرکت‌های دستکاری کننده سود

الموضوعات : دانش سرمایه‌گذاری

فرهاد آزادی ¹ (دانشجوی دکترا، گروه حسابداری، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران)
مهرداد قنبری ² (استادیار، گروه حسابداری، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران)
بابک جمشیدی نوید ³ (استادیار، گروه حسابداری، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران)
جواد مسعودی ⁴ (استادیار، گروه حسابداری، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران)

تاريخ الإرسال : 24 الثلاثاء , ربيع الأول, 1442 تاريخ التأكيد : 21 الأربعاء , شوال, 1442 تاريخ الإصدار : 19 الأحد , ربيع الأول, 1446

الکلمات المفتاحية: الگوریتم بهینه‌سازی حرکت تجمعی ذرات, مدیریت سود بنیش, شبکه عصبی مصنوعی, پدیده تونلینگ, بورس اوراق بهادار تهران,

ملخص المقالة :

امروزه اهمیت رقم سود و احتمال مدیریت و دستکاری سود بر هیچ کس پوشیده نیست وپژوهشگران همواره به دنبال راه کار هایی برای رفع ابهام سهامداران و سرمایه گذاران برای تصمیم گیری های مالی بوده اند.بنیش (1999) در راستای روشن نمودن مسیر تصیمیم گیری استفاده کنندگان از اطلاعات مالی اقدام به طرح مدلی برای پیش بینی مدیریت سود نمود که این مدل در جوامع مختلف نتایج متفاوتی داشته است لذا در این رساله جهت بهینه کردن و بومی سازی مدل بنیش، با اضافه نمودن متغیر تونلینگ به متغیرهای بنیش و بهره گیری از روشهای نوین شبکه عصبی و الگوریتم بهینه سازی حرکت تجمعی ذرات ،گام برداشتیم . جامعه آماری پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران و تعداد شرکت مورد مطالعه، شامل 196 شرکت پذیرفته شده طی سال‌های 1393 تا 1398 است. روش پژوهش توصیفی کتابخانه ای و از نظر ارتباط بین متغیرها علی- همبستگی است و از نظر هدف کاربردی و از لحاظ رخداد، پس‌رویدادی است. به منظور تجزیه و تحلیل داده ها از روش رگرسیونی و شبکه عصبی مصنوعی و الگوریتم PSO استفاده شده است. نتایج حاصل از تحلیل مدل نشان داد که کلیه نسبت های مالی بر پیش بینی مدیریت سود بینش تاثیر معنادار داشته و بیشترین تاثیر در پیش بینی مدیریت سود بینش را شاخص پدیده تونلینگ و کمترین تاثیر را شاخص اهرم مالی داشته است.

المصادر:

• اخگر، محمد امید، سمیره، داودی (1398). بررسی توانایی سیستم حسابداری شرکت در ارائه اطلاعات قابل‌مقایسه و مدیریت سود،فصلنامه دانش حسابداری.


• پور علی، محمدرضا، کوچکی تاجانی، محدثه (1399). مقایسه دقت پیش‌بینی دستکاری سود شرکت‌ها با استفاده از الگوریتم رقابت استعماری و الگوریتم ژنتیک، اولین کنفرانس بین‌المللی چالش‌ها و راهکارهای نوین در مهندسی صنایع و مدیریت و حسابداری، ساری.


• جواهری، محمدرضا، زنجیردار، مجید (1396). رابطه بین مدیریت سود و عملکرد شرکت‌های موردمطالعه در بورس اوراق بهادار تهران، مدیریت بهره‌وری، دوره 11، 3(42)، 218-197.


• حمصیان کاشانی، زهرا، غلامی جمکرانی، رضا (1398). جبهه‌گیری مدیریت و مدیریت سود،دومین کنفرانس بین‌المللی مدیریت، مهندسی صنایع، اقتصاد و حسابداری، تفلیس-گرجستان، دبیرخانه دائمی با همکاری دانشگاه امام صادق (ع).


• حیدر زاده هنزائی، علیرضا، براتی، لیلا (1398). محیط اطلاعاتی و مدیریت سود در شرکت‌های با منافع دوگانه، دانش سرمایه‌گذاری، 8(29)، 332-215.


• رستمی، وهاب، قربانی، بهزاد، مهتری، زینب (1394). تأثیر رقابت در بازار محصول بر مدیریت واقعی سود شرکت‌های پذیرفته‌شده در بورس اوراق بهادار، اولین کنفرانس بین‌المللی مدیریت و حسابداری با رویکرد ارزش‌آفرینی، دانشگاه آزاد اسلامی واحد فارس، شیراز.


• ستایش، محمدحسین، کاظم، نژاد مصطفی، شفیعی، محمدجواد (1392). کاربرد الگوریتم ژنتیک در تعیین ساختار بهینه سرمایه شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران. بررسی‌های حسابداری و حسابرسی، 16(56)، 58-39.


• شعری آناقیز، صابر، رحیمیان، نظام‌الدین، صالحی صدقیانی، جمشید، خراسانی، ابوطالب (1396). بررسی و تطبیق میزان دقت نتایج حاصل از مدل‌های بنیش و تعدیل‌شده بنیش بر اساس محیط اقتصادی ایران در کشف و افشای گزارشگری مالی متقلبانه، فصلنامه چشم‌انداز مدیریت مالی، 7(18)، 123-105.


• شعری، صابر، حمیدی، الهام (1391). شناسایی انگیزه‌های معاملات با اشخاص وابسته، پژوهش‌های تجربی حسابداری، 2(4)، 64-49.


• صالحی، مهدی، فرخی پیله رود، لاله (1397). پیش‌بینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم. فصلنامه پژوهش‌های حسابداری مالی و حسابرسی، 10(37)،1-24.


• عسگری آلوج، حسین، نیک‌بخت، محمدرضا، کرمی، غلامرضا، مؤمنی، منصور (1398). توسعه مدل بنیش با ترکیب شبکه‌های عصبی مصنوعی و الگوریتم بهینه‌سازی حرکت تجمعی ذرات برای پیش‌بینی دستکاری سود، بررسی‌های حسابداری و حسابرسی، 26(4)، 638-615.


• علیخانی دهقی، حسین، ایزدی نیا، ناصر، کیانی، غلامحسین (1399). نقش مدیریت سود در شناسایی صورت‌های مالی متقلبانه در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران، مدیریت دارایی و تأمین مالی، 8(4)، 38-21.


• فتحی، سعید، عبدی، رسول (1397). رابطه ساختار سرمایه و مدیریت واقعی سود (مطالعه موردی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران)،کنفرانس بین‌المللی مدیریت، حسابداری، بانکداری و اقتصاد در افق ایران 1404، مشهد، موسسه تعاونی دانش‌بنیان کمرآوش.


• قادری، اقبال، امینی، پیمان، محمدی ملقرنی، عطاءالله (1399). به‌کارگیری الگو ترکیبی شبکه‌های عصبی مصنوعی با الگوریتم‌های فرا کاوشی (ICA,PSO) در پیش‌بینی مدیریت سود، پژوهش‌های تجربی حسابداری، 10(2)، 248-213.


• کردستانی، غلامرضا، تانلی، رشید. (1395). پیش‌بینی دستکاری سود: توسعهٔ یک مدل، بررسی‌های حسابداری و حسابرسی، 23(1)، 96-73.


• مردانی، مهدی، فاضلی، نقی، فغانی ماکرانی، خسرو (1399). ارزیابی نقش چرخه عمر شرکت در بهینه‌سازی مدل‌های پیش‌بینی کیفیت اقلام تعهدی، دانش حسابداری و حسابرسی مدیریت، 9(33)، 178-157.


• نجفی زاده، بهناز، کیهان، مهام (1395). بررسی ارتباط بین مدیریت سود و عدم تقارن اطلاعاتی در شرایط عدم اطمینـان محیطـی در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران. چهارمین کنفرانس ملی مـدیریت، اقتصـاد و حسـابداری، تبریـز، سازمان مدیریت صنعتی آذربایجان شرقی، دانشگاه تبریز.


• Alhadab, M. (2018). The impact of executive compensation and audit quality on accrual-based and real-based earnings management: Evidence from Jordan, Corporate Ownership and Control, 15(2-1), 209-219. https://doi.org/10.22495/cocv15i2c1p7.


• Almahrog, Y.E., Lasyoud, A.A. (2021). An Overview of Earnings Management Detection Approaches, JOURNAL OF CRITICAL REVIEWS, VOL 08, ISSUE 02, 92-101.


• Artur, H. (2020). Using the Beneish M-score model: Evidence from non-financial companies listed on the Warsaw Stock Exchange. Investment Management and Financial Innovations, 17(4), 389-401. doi:10.21511/imfi.17(4).2020.33


• Atanasov, V, Black, B, Ciccotello, C & Gyoshev, S. (2009). The anatomy of financial tunneling in emerging market, Finance Working Paper No 123/2006, European Corporate Governance Institute, Brussels, Belgium.


• Atanasov, V., Bernard B., & Conrad, C. (2009). Unbundling and Measuring Tunneling’, Working Paper, available at http://ssrn/com/abstract 1030529 (last accessed October 2011).


• Barton, J., Hansen, B., & Pownall, G. (2010). Which performance measures do investors around the world value the most—and why? Accounting Review 85 (3),753–789.


• Beneish, M. D. (1999). The detection of earnings manipulation. Financial Analysts Journal, 55(5), 24-36. https://doi.org/10.2469/faj.v55.n5.2296.


• Chang, C. S., Yu, S. W., & Hung, C. H. (2015). Firm risk and performance: The role of Corporate Governance. Review of Management Science, 9, 141-173. https://doi.org/10.1007/s11846-014-0132-x.


• Gordon, E.A., Henry, E. & Palia, D. (2004). RELATED PARTY TRANSACTIONS AND CORPORATE GOVERNANCE, Hirschey, M., and, K.J. and Makhija, A.K. (Ed.) Corporate Governance (Advances in Financial Economics, Vol. 9), Emerald Group Publishing Limited, Bingley, pp. 1-27. https://doi.org/10.1016.


• Hapsoro & Tiara Rani Santoso. (2018). Does Audit Quality Mediate the Effect of Auditor Tenure, Abnormal Audit Fee and Auditor's Reputation on Giving Going Concern Opinion?, International Journal of Economics and Financial Issues, Econjournals, vol. 8(1), pages 143-152.


• Johnson, S., R. La Porta, F. Lopez-de-Silanes, & A. Shleifer. (2000). Tunneling,American Economic Review Papers and Proceedings, XC, 22-27.


• Johnson, S., Rafael L.P., Florencio, L-de-S. & Andrei, Sh. (2000). ‘Tunneling’, American Economic Review, 90, 22–7. 5.


• Jones, J., (1995). Earnings Management during Import Relief Investigations, Journal of Accounting Research, 29, (2), 193-228.


• Kang, M., Lee, H. Y., Lee, M. G., & Park, J. C. (2014). The association between relat-ed-party transactions and control–ownership wedge: Evidence from Ko-rea. Pacific-Basin Finance Journal, 29, 272-296.


• Kothari, S.P., Andrew L. Leone, & Charles E. Wasley. (2005). Performance matched discretionary accrual measures. Journal of Accounting and Economics, 39, 1 (February): 163–197.


• Laksmana, I., & Yang, Y. W. (2014). Product market competition and earnings management: Evidence from discretionary accruals and real activity manipulation. Advances in Accounting, 30(2), 263-275.


• Li, T., & Zaiats, N. (2017). Information environment and earnings management of dual class firms around the world. Journal of Banking & Finance, 74, 1-23.


• Mohammadi, M., Yazdani, Sh., Khanmohammadi, M.H. (2021). Presenting a Model for Financial Reporting Fraud Detection using Genetic Algorithm, Advances in Mathematical Finance & Applications, 6(2), (2021), 377-392. DOI: 10.22034/amfa.2019.1872783.1252


• Rotemberg, J. & Scharfstein, D. (1990). Shareholder value maximization and produc market competition. Review of Financial Studies, 3(3), 367–391.


• Scott, M. (2000). Financial accounting theory. (3 rd ed.). New Jersey: Prentice Hall.


• Shahzad, A. (2016). Detecting Earning Management and Earning Manipulation in BRIC Countries; a Panel Data Analysis for Post Global Financial Crisis Period. Int J Account Res 4: 134. doi:10.4172/ijar.1000134.


• Yuriy, B., and Veronika, J. (2021). Detection of earnings management by different Models, SHS Web of Conferences 02005(2021), Globalization and its Socio-Economic Consequences 2020, https://doi.org/10.1051/shsconf/20219202005.