Theories of Financial Economics
نظریه های اقتصاد مالی
TFI
Literature & Humanities
http://tfe.raja.ac.ir
1
admin
2476-5724
10
8
7
14
8888
13
fa
jalali
1402
1
1
gregorian
2023
4
1
8
1
online
1
fulltext
fa
بررسی قدرت توضیحی اطلاعات حسابداری با استفاده از الگوهای خطی و غیرخطی در پیش-بینی رشد اقتصادی
Investigating the Explanatory Power of Accounting Information using Linear and Nonlinear Models in Predicting Economic Growth
اقتصاد کلان مالی
Financial macroeconomics
پژوهشي
Research
<div style="text-align: justify;"><span style="font-size:12px;"><span style="font-family:yekanYW;"><span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><span calibri=""><span lang="FA"><span b="" lotus="">هدف از پژوهش حاضر بررسی قدرت توضیحی اطلاعات حسابداری مالی با استفاده از الگوی</span></span><span lang="FA"><span b="" lotus="">­</span></span><span lang="FA"><span b="" lotus="">های خطی و غیرخطی در پیش </span></span><span lang="FA"><span b="" lotus="">­</span></span><span lang="FA"><span b="" lotus="">بینی رشد اقتصادی است. پژوهش حاضر اقدام به مقایسه پیش ­بینی رشد اقتصادی با استفاده از </span></span><span lang="FA"><span b="" lotus="">رگرسیون دو مرحله­ای فاما-مکبث در قالب الگوی خطی و شبکه­های عصبی مبتنی بر الگوریتم ژنتیک و الگوریتم پرواز پرندگان در قالب الگوی غیرخطی نموده است. جامعه ­آماری این پژوهش شامل کلیه شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران می­ باشد. بازه­زمانی انجام پژوهش سال­های 1384 تا 1397 است.</span></span><span lang="FA"><span b="" lotus=""> روش اجرای پژوهش در الگوی خطی مبتنی بر داده­ های ترکیبی است که با </span></span><span lang="FA"><span b="" lotus="">تکنیک­ رگرسیون دو مرحله­ ای فاما-مک­بث</span></span><span lang="FA"><span b="" lotus=""> و رویکرد مجموع پنجرههای­ زمانی­ غلتان و رگرسیون ­آریما، اقدام به پیش ­بینی نرخ رشد­اقتصادی می ­نماید. سپس در الگوی غیرخطی در قالب داده­ های آموزش و داده ­های آزمون در </span></span><span lang="FA"><span b="" lotus="">شبکه­ های عصبی مبتنی بر الگوریتم ژنتیک و الگوریتم پرواز پرندگان اقدام به مقایسه با الگوی خطی رگرسیون دو مرحله ­ای فاما-مکبث شده است. </span></span><span lang="FA"><span b="" lotus="">شواهد نشان داد که الگوی</span></span><span lang="FA"><span b="" lotus="">­</span></span><span lang="FA"><span b="" lotus="">های خطی</span></span><span lang="FA"><span b="" lotus=""> رگرسیون دو مرحله­ای فاما-مکبث قدرت توضیح بالاتری در پیش ­بینی نرخ رشد اقتصادی نسبت به الگوهای غیرخطی شبکه ­های عصبی مبتنی بر الگوریتم ژنتیک و الگوریتم پرواز پرندگان دارد و دلیل مناسبی برای تایید اطلاعات حسابداری مالی در نظریه حسابداری کلان است. نتایج در تصریح مدل سه عاملی فاما و فرنچ به مدل چهار عاملی پیشنهادی پژوهش حاضر، فرصت کسب سرمایه­ گذاری آتی را به پیشنهاد تئوری­</span></span><span dir="LTR"><span new="" roman="" times="">Q</span></span><span lang="FA"><span b="" lotus=""> افزایش داد. و ارتباط تنگانگی با اقتصاد آینده دارد. عامل مدیریت ، به صورت مثبت و عامل عملکرد به طور صورت منفی، اقتصاد آینده را پیش ­بینی می­کند.</span></span><span lang="FA"><span style="font-family:"B Lotus""></span></span></span></span></span></span><br>
<span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><span calibri=""><span lang="FA"><span style="font-family:"B Lotus""></span></span></span></span></span></span><br>
</span></span></div>
<table>
<tbody>
<tr>
<td title="تعداد کلمات: 191">The purpose of this study is to investigate the explanatory power of financial accounting information using linear and nonlinear models in predicting economic growth. The present study compares economic growth forecasts using Fama-Macbeth two-stage regression in the form of linear pattern and neural networks based on genetic algorithm and bird flight algorithm in the form of nonlinear pattern. The statistical population of this research includes all companies listed on the Tehran Stock Exchange. The period of research is from 2005 to 2019. The research method is based on a linear model based on combined data that predicts the rate of economic growth with the two-stage regression technique of Fama-Macbeth and the approach of total rolling time windows and Arima regression. Then, in a nonlinear model in the form of training data and test data in neural networks based on genetic algorithm and bird flight algorithm, a comparison is made with the linear pattern of two-stage Fama-Macbeth regression. Evidence showed that the Fama-Macbeth two-stage linear regression patterns have a higher explanatory power in predicting economic growth rate than the nonlinear patterns of neural networks based on genetic algorithm and bird flight algorithm and indicate the confirmation of financial accounting information in macro accounting theory. is. The results in specifying the three-factor model of Fama and French to the four-factor model proposed in the present study, increase the opportunity for future investment to the theory of Q and increase the close relationship with the future economy. The management factor positively predicts the future economy and the performance factor negatively predicts the future economy.</td>
</tr>
<tr>
</tr>
</tbody>
</table>
رگرسیون دو مرحلهای فاما-مکبث, شبکهعصبی, الگوریتم ژنتیک, الگوریتم پرواز پرندگان, رشد اقتصادی.
Fama-Macbeth Two-Stage Regression, Neural Network, Genetic Algorithm, Bird Flight Algorithm, Eeconomic Growth.
54
78
http://tfe.raja.ac.ir/browse.php?a_code=A-10-41-1&slc_lang=fa&sid=1
Vahid
Bekhradi Nasab
وحید
بخردی نسب
vahid.bekhradinasab@gmail.com
11111111
1003194753284600325
No
P.hD in Accounting, Najaf Abad Branch, Islamic Azad University, Najaf Abad, Iran
دکتری حسابداری، واحد نجف آباد ،دانشگاه آزاد اسلامی،نجف آباد، ایران
Ehsan
Kamali
احسان
کمالی
ehsankamali_acc@yahoo.com
1111111111
1003194753284600326
Yes
P.hD in Accounting, Assistant Professor Department of Accounting, Najaf Abad Branch, Islamic Azad University, Najaf Abad, Iran
دکتری حسابداری، استادیارگروه حسابداری، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
Khadijeh
Ebrahimi kahrizsangi
خدیجه
ابراهیمی کهریزسنگی
ebrahimi641@yahoo.com
2222222222
1003194753284600327
No
Department of Accounting, Najafabad Branch, Islamic Azad University, Najafabad, Iran.
دکتری حسابداری،استادیارگروه حسابداری، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران