For many investors, it is important to predict the future trend of abnormal stock returns. Thus, in this research, the abnormal stock returns of the listed companies in Tehran Stock Exchange were tested since 2008- 2017 using three hypotheses. The first and second hypotheses examined the non-linearity and non-randomness of the abnormal stock returns ′ trend around the release date of annual financial statements, respectively. While, the third hypothesis tested the potential of the chaos model in explaining future abnormal returns based on the past abnormal returns around the release date of the annual financial statements. For this pur-pose, BDS, Teraesvirta Neural Network, and White Neural Network tests were used to investigate its non-linearity. In addition, Lyapunov exponent, correlation dimension, Dickey-Fuller, and Hurst exponent tests were used for testing non-randomness and the fitness of AR, SETAR, and LSTAR models to determine the optimal model in explaining the abnormal returns utilizing R software. Results of these tests represented a non-linear and non-random process and chaos in the abnormal stock returns, implying the predictability of abnormal stock returns. Also, among three used chaos models, the LSTAR model had lower error and more predictability than the other two models. پرونده مقاله

Financial statements should have general objectives rather than specific group interests. The possibility of forecasting earnings based on seasonal performance instead of the previous year's earnings and in terms of the contradiction between timeliness and the ability to verify earnings can be a new and thought-provoking issue. The present study examines stock price drift from the content of projected earnings forecast for quarterly operations. The research hypotheses were tested through univariate regression, multivariate regression and correlation coefficient tests using Eviews software. Findings of this study indicate that 1- Profit forecast based on quarterly performance has more verifiability than the previous year (profit stability). 2- The Verifiability of the year profit is more than the profit forecast based on the 9-month performance. 3- Stock price drift is expected on the day after the announcement of earnings and there are changes in earnings compared to the forecast of the previous season. 4- No relationship was observed between the volumes of shares traded the next day and the announcement of the forecasted profit and the changes in the profit compared to the forecast of the previous season. پرونده مقاله

From machine learning perspective, the problem of predicting financial distress is challenging because the distribution of the classes is extremely imbalanced. The goal of this study was comparing the performance of financial distress prediction models for the imbalanced data sets with different proportions. In this study, the data of the previous year before financial distress was used for 760 company year for the time period of 2007-2017. Besides using traditional classifications such as logistic regression, linear discriminant analysis, artificial neural network, and the classification models of least square support vector machine with four kernel functions, random forest and the Knn algorithm, the measures of the area under the curve and Friedman and Nemenyi tests were also utilized to determine the average rank and the difference significance of the Auc of the models. For selecting the models´ optimal parameters, the combined method of grid search optimization and cross validation was used. The results of this experimental study showed that for the balanced and imbalanced datasets with lower proportions, the best performance was for the random forest. For more imbalanced datasets, the best performance belonged to the least square support vector machine with sigmoid, radial, and linear kernel functions; performance of Knn algorithm had no significant difference from the other models and the performance of the artificial neural network was average or appropriate. Also, the performances of the linear logistic regression and linear discriminant analysis were weaker than other nonlinear models. پرونده مقاله

So far, distress prediction models have been based on balanced, such sampling is not consistent with the reality of the statistical community of companies. If the data are balanced, the bias in sample selection may lead to an underestimation of typeI error and an overestimation of the typeII error of models. Although imbalanced data-based models are compatible with reality, they have a higher typeI error compared to balanced data-based models. The cost of typeI error is more important to Beneficiaries than the cost of typeII error. In this study, for reducing typeI error of imbalanced data-based models, random and clustering-based undersampling were used. Tested data included 760 companies since 2007-2007 with 4 different degrees and the results of the H1 to H3 test represented them. In all cases of the typeI error, typeII error of balanced data-based models were lower and more, respectively, compared to imbalanced data-based models; also, in most cases, the geometric mean of balanced data-based models was higher compared to imbalanced data-based models, respectively. The results of testing H4 to H6 show that in most cases, typeI error, typeII error and the geometric mean criterion of models based on modified imbalanced data were less, more, and more, respectiively compared to the models based on imbalanced data, in other words, applying Undersampling methods on imbalanced training data led to a decrease in typeI error and an increase in typeII error and geometric mean criteria. As a result using models based on modified imbalanced data is suggested to Beneficiaries پرونده مقاله

The purpose of this research is to investigate the reasons for tax evasion in companies, which uses two independent variables (financial constraints and tax planning opportunities) and tow dependent variable (firm value and tax evasion by tax difference method) in the form of 13 models. The 11 indicators have been considered for the variable of financial constraints of companies, and the model is implemented for all these indicators. The research was conducted in the 5-year period from 2015 to 2019 in the Tehran Stock Exchange, and Eviews software was used to analyse the data and fit them for 3 research hypotheses. The results of the research show that the opportunity for tax planning has a negative effect on the value of the company, and the increase in the opportunity for tax planning and subsequently tax evasion causes a decrease in the value of the company. Also, the research results showed that there is a significant relationship between tax planning opportunity and tax evasion (by tax differences method) of companies, while there is no positive relationship between financial constraints and tax evasion (by tax difference method) in companies that have tax planning opportunities. پرونده مقاله

زمینه: در سال های اخیر شاهد افزایش اهمیت مسئولیت اجتماعی (CSR ) و گزارشگری آن در میان سازمان ها بوده ایم. در این راستا خلاقیت و نوآوری در تعیین و الویت بندی مولفه های مسئولیت اجتماعی شرکت ها از اهمیت خاصی برخوردار است. هدف: تحقیق حاضر، مولفه ها و شاخص های افشا مسئولیت های اجتماعی را با بررسی نظر خبرگان در یک چارچوب جامع ارائه و مورد تحلیل قرار می دهد. همچنین پس از تعیین مولفه ها به بررسی شکاف بین وضعیت موجودو مورد انتظار از نظر خبرگان پرداخته شد. روش: جامعه آماری مورد مطالعه شامل اساتید دانشگاهی، کارشناسان و مدیران شاغل در حرفه حسابداری، حسابرسی و مدیریت مالی ایران در سال 1396 می‌باشد. داده‌های پژوهش با استفاده از آزمون تحلیل عاملی اکتشافی و آزمون تی از طریق نرم افزار SPSS تحلیل شد. یافته ها: نتایج تحلیل عاملی اکتشافی نشان داد که 8 بعد برای مسئولیت های اجتماعی شرکت ها (رهبری و فرایندهای درون سازمانی، حمایت از محیط زیست، محیط کار، جامعه و کشور، حمایت از کارکنان، ارائه گزارشات، کمک های عام المنفعه و کسب استانداردها) قابل استخراج است و همچنین نتایج حاصل از آزمون تی نشان داد که بین وضعیت موجود( عملکرد فعلی) و مورد انتظار از نظر خبرگان تفاوت معناداری وجود دارد. نتیجه گیری: این تحقیق با این امید انجام شده است که شرکتها شفافیت را در اولویت برنامه های خود قرار دهند و مدیران به افشای داوطلبانه اطلاعات مسئولیت های اجتماعی تمایل داشته باشند. پرونده مقاله

پژوهش حاضر با هدف تبیین مولفه ‌های افشا داوطلبانه با رویکرد مسئولیت اجتماعی از دیدگاه متخصصین آموزش عالی انجام گرفت. تحقیق حاضر، مؤلفه‌ها و شاخص‌های افشا داوطلبانه را با بررسی نظر متخصصین آموزش عالی دانشگاه های ایران در یک چارچوب جامع ارائه و مورد تحلیل قرار داد. برای تعیین مؤلفه‌ها افشا داوطلبانه به وزن دهی آن ها از نظر 108 نفر از اساتید دانشگاه پرداخته شد. جامعه آماری مورد مطالعه شامل اساتید دانشگاه های ایران در رشته های حسابداری، حسابرسی و مدیریت مالی در سال 1396 می باشد. روش نمونه گیری به شیوه هدفمند، مبتنی بر حوزه پژوهش بود. داده های پژوهش با استفاده از آزمون تحلیل عاملی اکتشافی از طریق نرم‌افزار SPSS تحلیل شد. نتایج تحلیل عاملی اکتشافی نشان داد که سه بعد برای افشا داوطلبانه شرکت‌ها (اطلاعات عمومی و راهبری، عملکرد و نوآوری و رشد آتی) قابل‌استخراج است نتایج این تحقیق می‌تواند منعکس‌کننده انتظارات متخصصین آموزش عالی و استفاده‌کنندگان گزارش‌های مالی در مورد افشا داوطلبانه باشد. پرونده مقاله

In manufacturing institutes the only access way to maximum profit is identifying the production mix of the products based on the limitations such as policies and politics, demand and production processes. This study identifies the constraints of a tile-manufacturing company including constraints in its production and demand line using LINGO software version 15, and identifying production bottleneck, i.e. furnace, production scheduling was provided and sensitivity analysis was con-ducted on the variables and right hand items. Positive shadow price of furnace shows efficiency of every unit on throughput. Also, in demand constraint, negative shadow price of product 16 shows decreasing effect of increase of every unit on throughput. Allowable increase and decrease of right hand items show allowable increase in furnace section and limitlessness of allowable decrease of product 16. Changes in this range causes that the current basis remains optimal changes in which causes changes in the optimal value of the target function regarding shadow prices. پرونده مقاله

ازآنجاکه افشای داوطلبانه یکی از عوامل تأثیرگذار در تصمیمات تحلیلگران و سرمایه‌گذاران به شمار می‌آید بنابراین ازلحاظ تصمیمات درون‌سازمانی و برون‌سازمانی به‌عنوان یک عامل مهم در کاهش عدم تقارن اطلاعاتی قابل‌مطالعه است. هدف این مقاله تعیین و اولویت‌بندی مؤلفه‌های افشای داوطلبانه جهت کاهش عدم تقارن اطلاعاتی است. تحقیق حاضر، مؤلفه‌ها و شاخص‌های افشا داوطلبانه را با بررسی نظر خبرگان در یک چارچوب جامع ارائه و مورد تحلیل قرار می‌دهد. همچنین پس از تعیین مؤلفه‌ها و وزن دهی آن‌ها با رویکرد کاهش عدم تقارن اطلاعاتی به بررسی شکاف بین وضعیت موجود و مورد انتظار ازنظر 108 نفر از خبرگان پرداخته شد. جامعه آماری موردمطالعه شامل اساتید دانشگاهی، کارشناسان و مدیران شاغل در حرفه حسابداری، حسابرسی و مدیریت مالی ایران و شرکت‌های بورس اوراق بهادار تهران در سال 1399 می‌باشد. داده‌های پژوهش با استفاده از آزمون تحلیل عاملی اکتشافی، مدل معادلات ساختاری و آزمون تی از طریق نرم‌افزار SPSS تحلیل شد. نتایج تحلیل عاملی اکتشافی نشان داد که سه بعد برای افشا داوطلبانه شرکت‌ها (اطلاعات عمومی و راهبری، عملکرد و نوآوری و رشد آتی) قابل‌استخراج است و همچنین نتایج حاصل از آزمون تی نشان داد که بین وضعیت موجود (عملکرد فعلی) و مورد انتظار ازنظر خبرگان تفاوت معناداری وجود دارد. نتایج این تحقیق می‌تواند منعکس‌کننده انتظارات خبرگان و استفاده‌کنندگان گزارش‌های مالی در مورد افشا داوطلبانه باشد. پرونده مقاله