دکتری حسابداری، استادیارگروه حسابداری، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران
چکیده: (859 مشاهده)
هدف از پژوهش حاضر بررسی قدرت توضیحی اطلاعات حسابداری مالی با استفاده از الگویهای خطی و غیرخطی در پیش بینی رشد اقتصادی است. پژوهش حاضر اقدام به مقایسه پیش بینی رشد اقتصادی با استفاده از 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. روش اجرای پژوهش در الگوی خطی مبتنی بر داده های ترکیبی است که با تکنیک رگرسیون دو مرحله ای فاما-مکبث 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 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. شواهد نشان داد که الگویهای خطی 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 تئوریQ 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.
