مقایسه توانایی الگوریتم‌های یادگیری ماشین آدابوست و طبقه‌بندی احتمالی بیزین در پیش‌بینی بیش‌اطمینانی مدیران شرکت‌های بازار سرمایه ایران
محورهای موضوعی : مهندسی مالیشکوفه 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
کلید واژه:
چکیده مقاله :
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.
More confidence is a personality trait, it may affect the decisions of corporate executives, and Management with irrational behavior can affect the company's performance in the long run. The main purpose of this applied research is “Ability comparison Adaboost Learning Machine Algorithms and Probable Classification Bayesian in predicting Managers over Confidence Iranian Capital Market Companies during the years 2009 to 2017 ". In this regard, Adaboost artificial intelligence algorithms and Probable Classification Bayesian were proposed to validate this year and the following year in order to provide a model for predicting Management over Confidence in Tehran Stock Exchange companies. In total, 34 different industries were selected as statistical samples (financial data of 3145 companies-year in total). The method of data collection in the theoretical part of the library method and for calculating and statistical classification of financial data, from software's Excel and to test the research hypotheses Used from the software matlab 2017. The research findings show that, obtained nonlinear models prediction of the Adaboost algorithm and the probable Bayesian algorithm, both have ability to predict the over confidence of management for this year and one year later, But Adaboost 's prediction model, in contrast to the Bayesian's prediction model, has better results in predicting Management over Confidence. Which indicates greater power in learning and better performance of this model in order to predict the uncertainty of management.
