سایت مقالات فارسی – کشف مدیریت سود با استفاده از شبکه عصبی مصنوعی- قسمت ۲

۱-۶-۲) نمونه آماری

در این تحقیق، برای انتخاب نمونه، از کل داده‌های در دسترس استفاده شده است. نخست تمام شرکت‌هایی که می‌توانستند در نمونه‌گیری شرکت کنند، انتخاب شدند، سپس از بین کلیه شرکت‌های موجود، شرکت‌هایی که واجد هر یک از شرایط زیر نیستند، حذف شده و در نهایت از بین شرکت های مزبور تعدادی شرکت به صورت تصادفی انتخاب خواهند شد.
۱) سال مالی شرکت منتهی به پایان اسفند ماه هر سال باشد.
۲) در طی دوره زمانی تحقیق تغییر سال مالی نداده باشد.
۳) شرکت سرمایه گذاری و یا واسطه گری مالی نباشد.
۴) اطلاعات مورد نظر برای استخراج داده‌ها در دسترس باشد.
دوره زمانی تحقیق نیز بازه زمانی ۱۳۹۱-۱۳۸۱ می‌باشد.

۱-۶-۳) روش تجزیه و تحلیل داده ها

در تحقیق حاضر از رگرسیون خطی چندگانه با استفاده از داده های پانل و تکنیک های شبکه های عصبی مصنوعی و ماشین بردار پشتیبان از طریق فرآیند داده کاوی ستفاده شده است. برای داده کاوی الگوریتم ها و رویه های مختلفی توسعه داده شده است. یکی از این الگوریتم ها که به خوبی می تواند در استخراج دانش از داده ها یاری رساند الگوریتم استاندارد CRISP-DM[7] می باشد. از آنجاییکه متدلوژی مذکور مستقل از نوع داده ها بوده و به خوبی می تواند جهت آنالیز داده ها به صورت عام مورد استفاده قرار گیرد. لذا مراحل انجام تحقیق و مدل اجرایی آن متناسب با این الگوریتم استاندارد می باشد. این متدولوژی، یک مدل فرآیندی برای داده کاوی ارائه می دهد که مروری بر چرخه عمر هر پروژه داده کاوی بوده و شامل مراحل متناظر با یک پروژه، وظایف مربوطه و ارتباط بین این وظایف می باشد[۸]. این متدولوژی چرخه عمر یک پروژه داده کاوی را به ۶ مرحله انعطاف پذیر (۱٫ شناخت کسب و کار، ۲٫ شناخت داده ها، ۳٫ آماده سازی داده ها، ۴٫ مدلسازی، ۵٫ ارزیابی مدل و ۶٫ توسعه مدل) تقسیم بندی کرده است. در این تحقیق کار با داده ها شروع شده و سعی بر آن است تا مواردی را که قبلا آگاهی نسبت به آنها وجود نداشته است، کشف کرده و برای آنها قوانینی ساخته شود. در این فرآیند به منظور ساخت مدل از دو تکنیک شبکه های عصبی مصنوعی و ماشین بردار پشتیبان استفاده شده است. نرم افزار مورد استفاده، برای اجرای فرآیند داده کاوی Clementine 12.0 می باشد. متدلوژی استاندارد داده کاوی در شکل تعدیل شده شماره ۱-۱ نشان داده شده است.
شکل شماره ۱-۱
نتایج حاصل از تکنیک های داده کاوی مانند شبکه های عصبی مصنوعی و ماشین بردار پشتیبان به منظور آزمون فرضیه های تحقیق با نتایج حاصل از مدل رگرسیون خطی چندگانه مقایسه می شوند. رگرسیون بهترین مدلی است که می‌تواند متغیر های خروجی را با متغیرهای ورودی متعدد ارتباط دهد. ساده‌ترین حالت آن، مدل برازش خطی است یعنی ارتباط بین متغیرهای ورودی و خروجی را به صورت خطی برقرار می‌کند. فرمول زیر نشان دهنده این ارتباط می‌باشد. در فرمول زیر Y متغیر خروجی و وابسته است و x ها متغیرهای ورودی‌اند.a و b هم ضرایب می‌باشند.
Y = a + x1 * b1 +x2 + …..+ xn * bn

حتما بخوانید :
تعیین عوامل مؤثر بر تصمیم گیری مشتریان در انتخاب یک باشگاه ورزشی- ...

استفاده کنندگان از تحقیق

شناخت بهتر مدیریت سود به کاهش می‌تواند مورد استفاده کلیه استفاده کنندگان صورت‌های مالی قرار گیرد. از جمله اشخاص و گروه‌های استفاده کننده عبارت است از:
۱) سرمایه‌گذاران و سهامداران شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران.
۲) مدیران و اعضای هیات مدیره شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران.
۳)اعتبار‌دهندگان و تحلیل‌گران مالی بازار سرمایه.
۴)کارگزاران، هیات نظارت و مسئولین بورس اوراق بهادار تهران.
۵)دانش پژوهان و محققان حسابداری و مالی.

روش‌های گردآوری اطلاعات

برای جمع‌آوری اطلاعات در زمینه‌های مبانی نظری و ادبیات تحقیق و پیشینه آن و اطلاعات مورد نیاز درباره شرکت‌ها از روش‌های ذیل استفاده شده است:

  • بررسی ومطالعه کتب فارسی ولاتین، مقالات، پایان‌نامه‌ها وتحقیقات انجام شده ی مرتبط باموضوع
  • بانک اطلاعات مالی شرکت‌های پذیرفته شده در بورس اوراق بهادار
  • مطالعه و جستجو در سایت‌ها و پایگاه‌های اطلاعاتی
  • نرم افزارهای رایان هم افزا، تدبیر پرداز، صحرا و سیستم معاملات PAM
  • آرشیو آماری و تصویری بورس اوراق بهادار
  • کتابخانه مرکزی سازمان بورس اوراق بهادار
  • سایت‌های مرتبط با بورس اوراق بهادار همچون :

www.irbourse.com
www.tsetmc.com
www.seo.ir
www.codal.ir

تعریف واژه‌های کلیدی

شبکه عصبی : یک شبکه عصبی مصنوعی، شامل مجموعه ای از نرون های به هم متصل شده می باشد که به هر مجموعه از این نرون ها یک لایه گفته می شود. در شبکه عصبی مصنوعی، شبکه قانون کار را یاد می گیرد و از یادگیری به ازای هر ورودی، خروجی مناسب را ارائه می دهد.
ماشین بردار پشتیبان: ماشین بردار پشتیبانی[۹] الگوریتمی است که نوع خاصی از مدل های خطی را می یابد که حداکثر شدن حاشیه این صفحه را حاصل می کند . حداکثر کردن حاشیه ابر صفحه منجر به حداکثر شدن تفکیک بین طبقات می شود. به نزدیک ترین نقاط آموزشی به حداکثر حاشیه ابر صفحه بردارهای پشتیبان اطلاق می گردد. تنها از این بردارها برای مشخص کردن مرز بین طبقات استفاده میشود.
مدیریت سود: مدیریت سود زمانی رخ می دهد که مدیریت در تهیه گزارشات مالی قضاوت شخصی خود را اعمال و با انجام معاملات ساختگی سعی در گمراه کردن سهامداران شرکت داشته باش

دانلود کامل پایان نامه در سایت pifo.ir موجود است.

د .
رگرسیون:نمونهای از تکنیکهای آماری است که کاربردهایی نظیر هموارسازی منحنی،پیشبینی، مدلیابی روابط علی و معلولی و آزمون آماری در روابط بین متغیرهادارد و ابزارهای معمول آن رگرسیون خطی و لجستیک میباشند.

خلاصه و نحوه فصل بندی پایان نامه