امروزه پیشرفت سریع فن‌آوری و تغییرات محیطی وسیع، منجر به رقابت روزافزون شده و دستیابی به سود را محدود و احتمال دچار شدن به بحران مالی را افزایش داده است. هدف این تحقیق بررسی قدرت پیش‌بینی بحران مالی توسط تکنیک‌های مختلف هوش مصنوعی(الگوریتم ژنتیک خطی و غیر خطی و شبکه عصبی) است. بر اساس اطلاعات و آمارهای در دسترس شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره 1389-1376، از بین شرکت‌های مشمول ماده 141 قانون تجارت، 72 شرکت و از بین بقیه شرکت‌ها نیز 72 شرکت انتخاب شد. نتایج آزمون مک‌نمار برای تکنیک‌های الگوریتم ژنتیک غیرخطی و شبکه عصبی نشان می‌دهد که تفاوت معنی‌داری بین نتایج الگوریتم ژنتیک خطی و غیرخطی با شبکه عصبی وجود ندارد. اگر چه دقت پیش‌بینی الگوریتم ژنتیک غیرخطی(90 درصد) و الگوریتم ژنتیک خطی(80 درصد) بیشتر از شبکه عصبی(70 درصد) است ولی این تفاوت از لحاظ آماری معنی‌دار نیست. Manuscript profile

هدف از این مطالعه بررسی رابطه میان کیفیت گزارشگری مالی و سرعت تعدیل قیمت سهام در بورس اوراق بهادار است. همچنین در این تحقیق الگوی رفتاری فرآیند تعدیل قیمت سهام نسبت به اخبار جدید نیز مورد آزمون قرار گرفته است. این تحقیق از نوع تحقیقات کاربردی، توصیفی و همبستگی بوده و بازه زمانی آن سال‌های 1387 و 1388 را شامل می‌شود. نمونه آماری تحقیق شامل 68 شرکت بوده و فرضیات آن با استفاده از روش رگرسیون خطی مقطعی و آزمون t مورد آزمون قرار گرفته است. نتایج آزمون فرضیه‌ها نشان می‌دهد که در بازار سرمایه ایران رابطه میان تغییرات کیفیت گزارشگری مالی و سرعت تعدیل قیمت معنی‌دار نبوده و با بهبود کیفیت گزارشگری مالی، سرعت تعدیل قیمت سهام تغییر معنی‌داری از خود نشان نمی‌دهد. همچنین یافته‌ها نشان می‌دهد که در بورس اوراق بهادار ایران سرعت تعدیل قیمت سهام نسبت به اخبار خوب و بد دارای الگوی رفتاری متقارن بوده و اختلاف معنی‌داری در میانگین سرعت تعدیل قیمت سهام نسبت به اخبار خوب و اخبار بد وجود ندارد. از دیگر یافته‌های تحقیق می‌توان به رابطه مثبت و معنی‌دار اندازه و حجم معاملات تأخیری شرکت با سرعت تعدیل قیمت سهام هم در سطح اخبار خوب و هم در سطح اخبار بد اشاره کرد. Manuscript profile