چکیده:
هدف این تحقیق برآورد الگویی برای پیشبینی لحن افشای اطلاعات با استفاده از شبکههای عصبی و رگرسیون خطی وده است. قلمرو مکانی این تحقیق شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و قلمرو زمانی سالهای بین 1392 تا 1398 بوده است. تحقیق حاضر، از نظر هدف کاربردی است و براساس نحوه جمعآوری دادهها جزء روش تحقیقهای غیرآزمایشی میباشد و روابط میان متغیرها را بررسی و متغیرها را توصیف میکند و در نهایت به ارائه مدل میپردازد. علاوه بر این، در حوزه مطالعات پس رویدادی (استفاده از اطلاعات گذشته) قرار میگیرد و مبتنی بر اطلاعات واقعی صورتهای مالی شرکتهای پذیرفته شده در بورس اوراقبهادار تهران و سایر اطلاعات واقعی است؛ در این پژوهش برای جمعآوری دادهها و اطلاعات، ازروش کتابخانهای استفاده شد. در بخش دادههای پژوهش از طریق جمعآوری دادههای شرکتهای نمونه با مراجعه به صورتهای مالی، یادداشتهای توضیحی و ماهنامه بورس اوراق بهادار انجام پذیرفت. بر اساس روش حذف سیستماتیک تعداد 147 شرکت به عنوان نمونه آماری انتخاب گردید؛ به منظور توصیف و تلخیص دادههای جمع آوری شده از آمارتوصیفی و استنباطی با استفاده از نرم افزارهای متلب 2019 و ایویوز 7 بهره گرفته شده است. در این پژوهش به منظور پیشبینی لحن افشای اطلاعات از پارامترهای موثری نظیر اخبار بد، قابلیت مدیران، عملکرد مالی (بازده دارایی) و... استفاده گردید؛ نتایج بدست آمده از پژوهش، حاکی از آن است که استفاده الگوی مبتنی بر شبکه عصبی دارای توانایی بیشتری در پیشبینی لحن افشای اطلاعات نسبت به رگرسیون دارد.
The purpose of this study is to estimate a model for predicting the tone of information disclosure using neural networks and linear regression. The spatial scope of this research was the companies listed on the Tehran Stock Exchange and the time domain was between 1392 and 1398. The present study is applied in terms of purpose and based on the method of data collection is part of the non-experimental research method and examines the relationships between variables and describes the variables and finally presents a model. In addition, it is in the field of post-event studies (use of past information) and is based on real information of financial statements of companies listed on the Tehran Stock Exchange and other real information; In this study, a library method was used to collect data and information. In the data section, the research was done by collecting data from sample companies by referring to financial statements, explanatory notes and the stock exchange monthly. Based on the systematic elimination method, 147 companies were selected as a statistical sample; In order to describe and summarize the collected data, descriptive and inferential statistics have been used using MATLAB 2019 and Eviews 7 software. In this study, in order to predict the tone of information disclosure, effective parameters such as bad news, ability of managers, financial performance (asset return) and ... were used; The results of the study indicate that the use of neural network-based model has a greater ability to predict the tone of information disclosure than regression.
خلاصه ماشینی:
Tone i,t=ɑ+β1 BAD_NEWS,t +β2 MA_R i,t +β3 ROA i,t +β4 Age it+β5 B SIZE i,t +β6 Male i,t +β7 Edu i,t +β8 Turnover i,t +β9 BoCo i,t +β10 OWH i,t t +єit جدول ٥: خلاصه نتايج الگوهاي پژوهش با استفاده از روش رگرسيون لجستيک (به تصویر صفحه مراجعه شود) نتايج حاصل از تخمين نشان ميدهد که احتمال آماره z براي ضريب ثابت وضرايب متغيرهاي اخبار بد؛ عملکرد مالي (بازده دارايي)؛ سن اعضاي هيئت مديره ؛ تعداد اعضاي هيأت مديره شرکت ؛ تغيير اعضاي هيئت مديره و مالکيت مديريتي کمتر از ٥% است از اين رو ضريب برآوردي متغيرهاي فوق در سطح ٥ درصد معنادار ميباشد و ضريب برآورد شده توسط نرم افزار براي متغير اخبار بد منفي و معنادار و براي متغيرهاي عملکرد مالي (بازده دارايي)؛ سن اعضاي هيئت مديره ؛ تعداد اعضاي هيأت مديره شرکت ؛ تغيير اعضاي هيئت مديره و مالکيت مديريتي مثبت و معنادار ميباشد؛ ضريب تعيين مک فادن ، قدرت توضيح دهندگي متغيرهاي مستقل را نشان ميدهد که قادر است به ميزان ٣٣% تغييرات متغير وابسته را توضيح دهد؛ که براي چنين مدل هايي مقدار قابل قبولي مي باشد؛ که با توجه به ميل کردن آن به عدد ٠/٠٥ مي توان گفت شدت رابطه در حد متوسط مي باشد؛ احتمال آماره LR بيانگر اين است که کل الگو از لحاظ آماري معنيدار ميباشد و مقدار متوسط آماره (LR) بيانگر اين مطلب است که رابطه اي متوسط ميان متغيرها در اين الگو وجود دارد؛ بنابراين با توجه به معنادار بودن تعدادي از متغيرهاي مستقل به شرحي که گذشت ؛ فرض H٠ رد ميشود يعني مي توان گفت متغيرهاي مستقل به طور کلي قابليت پيش بيني لحن افشاي اطلاعات را دارند.
با توجه به نتايج حاصل از بررسي فرضيه پژوهش ؛ پيش بيني لحن افشاي اطلاعات بر اساس الگوي شبکه هاي عصبي مصنوعي نسبت به روش رگرسيون خطي دقت بيشتري دارد؛ نتايج نشان مي دهد که استفاده از روشهاي فراابتکاري الهام گرفته از طبيعت در سيستمهاي اطلاعاتي به خصوص در بخشهاي مالي قابل اتکا مي باشد و جهت دستيابي به اين مهم شرکتها و گروهاي زيادي در حال توسعه فعاليتهاي خود ميباشند.