چکیده

افزایش تعداد موارد بحران مالی در شرکتهای سهامی عام در سالهای اخیر، توجه بسیاری از سرمایه گذاران و اعتباردهندگان را به پیش بینی این موارد از طریق اطلاعات ارایه شده در صورتهای مالی شرکتها، جهت جلوگیری از زیان های ناشی از آن جلب کرده است. اما پیش بینی این بحران های مالی بخصوص در مواردیکه مدیریت سود نیز دخیل است بسیار دشوار می باشد.

بسیاری از مطالعات مدیریت سود تنها بر شناسایی عواملی که می تواند بر مدیریت سود اثرگذار باشد و بررسی وابستگی مدیریت سود با این عوامل و نه استفاده از این عوامل در پیش بینی مدیریت سود پرداخته است. در پژوهش حاضر، از ۱۲ عامل موثر در مدیریت سود که توسط مطالعات صورت گرفتهی پیشین شناسایی شده، برای سنجش توانایی شبکههای عصبی در پیشبینی مدیریت سود و سطوح مختلف آن استفاده گردیده است. به منظور پیشبینی، شبکههای عصبی پرسپترون چند لایه دارای دو لایه پنهان مورد استفاده قرار گرفته و به مقایسه آن با شبکه های عصبی پرسپترون چند لایه دارای یک لایه پنهان پرداخته شده است. همچنین، دادههای مورد نیاز، از صورتهای مالی شرکتهای پذیرفته شده در بورس اوراق بهادار تهران استخراج گردیده است. یافتههای پژوهش بیانگر آن است که شبکه های عصبی بکار رفته، توانایی بالایی در پیشبینی مدیریت سود و سطوح مختلف آنرا دارد. همچنین نتایج بیانگر توان بیشتر مدل شبکه های عصبی پرسپترون چند لایه دارای دو لایه پنهان در مقایسه با یک لایه پنهان در پیش بینی مدیریت سود می باشد.

واژگان کلیدی: مدیریت سود، شبکه عصبی، پرسپترون چند لایه، اقلام تعهدی

لآ ۲*

لأ۲
pt. لآلآع

Prediction of The Earnings Management By Use of The Multilayer Perceptron Neural Networks in Tehran Stock Exchange

Abstract Over the last few years, increase in the number of financial crisis cases has attracted the attention of a great number of investors and creditors to the prediction of these cases by using the data available from financial statements

of the corporations in order to prevent losses which are caused by them. Many of the studies about the earning management only focus on identifying the factors which affect the earnings management and relation between earnings management and these factors and not on using these factors in order to predict

the earnings management. On the other hand , in the present study, 12 influential factors, which are

introduced by former studies, are used to evaluate the predicting ability of the
neural networks for prediction of earnings management and its different levels. Multilayer perceptron neural network with 2 hidden layers is used for

prediction, and also its results is compared to results of multilayer perceptron
neural network with 1 hidden layer.
Moreover, the required data is obtained from the financial statements of the
listed companies of Tehran Stock Exchange ( TSE). The results show that the applied neural network method has an acceptable

ability for the prediction of earnings management and its different levels. Moreover, the results suggest the 2 hidden layers method as a more effective
device than the 1 hidden layer method.
Keywords: Earnings management, Neural network, Multilayer perceptron,

Accrual items.

-۱ مقدمه

مدتهای مدیدی است که، ارقام سود گزارش شده در صورتهای مالی برای سهامداران، اعتباردهندگان، کارمندان، تحلیل گران مالی، مشتریان و عرضه کنندگان بسیار جذاب میباشد. استفاده کنندگان از صورتهای مالی به طور کلی بر اساس اطلاعات استنتاج شده از صورتهای مالی تصمیمگیری میکنند. بنابراین، گزارشگری مالی میبایست به شکل موثری اطلاعات مالی را به استفاده کنندگان برون سازمانی از طریق یک شیوه که معتبر و به هنگام باشد ارایه نماید. این درحالیست که مدیران همواره این فرصت را داشته اند که از این طریق استفاده کنندگان صورتهای مالی را گمراه سازند. سرمایهگذاران برای شرکتهایی که دارای سود ثابت و پایدار هستند، ارزش بیشتری قائل می شوند، در نتیجه ممکن است مدیران به خاطر انگیزه های مختلف مانند افزایش قیمت سهام شرکت خود به مدیریت سود روی آورند.

مدیریت سود شامل طیف وسیع و دامنه گستردهای است که از حسابداری محافظه کارانه شروع میشود و به حالت شدید آن یعنی حسابداری تقلبی خاتمه مییابد. مدیران به دلایل و انگیزههای مختلف و با استفاده از ابزارهای گوناگون و به کارگیری روشهای متنوع، به دستکاری سود مبادرت میورزند و هدف نهایی آن ها این است که وضعیت مطلوبی را از شرکت به نمایش گذاشته و تصویر مثبتی از عملکرد بنگاه اقتصادی ارائه نمایند.

این درحالیست که میلیونها نفر پساندازهای خود را بر اساس همین سودها و اطلاعات گزارش شده توسط مدیران شرکتها در اوراق بهادار این شرکتها سرمایه گذاری میکنند و به صورتهایمالی ارائه شده توسط آنها اتکا میکنند. همچنین بسیاری از افراد پساندازهای خود را به بانکها و موسسات مالی و اعتباری میسپارند که آنها نیز به نوبه خود این وجوه را در سهام این شرکتها سرمایه گذاری میکنند و یا به آنان وام میدهند. بنابراین بسیاری از افراد بطور مستقیم یا غیر مستقیم منافعی در شرکتهای سهامی دارند و حفظ منافع عمومی مستلزم گزارشهای مالی قابل اتکا و به موقع از عملیات و سلامت مالی این شرکتها میباشد.

در سالهای اخیر تعداد موارد بحرانهای مالی مربوط به شرکتهای سهامی عام افزایش یافته است. حال آنکه سرمایه گذاران و اعتباردهندگان به سختی قادر به پیشبینی بحرانهای مالی بویژه هنگامیکه در صورتهای مالی مدیریت سود نیز

لأ

صورت گرفته است، میباشند. برخی از بحرانهای مالی مربوط به شرکت هایی است که مشهور و دارای قیمت سهام بالایی بودند که دچار ورشکستگی نیز شدند (مانند شرکت انرون۱، ورلدکام۲ و غیره). مسئله حائز اهمیت در این بحرانهای مالی این است که برای اعتباردهندگان و سهامداران خیلی دیر بود که بتوانند وامهای پرداختی شان را پس بگیریند و یا سهامشان را بفروشند. لذا این موارد به شدت به سهامداران و اعتباردهندگان لطمه می زند و بیانگر این است که سهامداران و اعتباردهندگان نمیتوانند بطور کامل سود دستکاری شده توسط مدیریت را تشخیص دهند( هلی و والن۳، .(۱۹۹۹

بسیاری از مطالعات مرتبط با مدیریتسود تنها بر شناسایی عوامل مرتبطی که میتواند بطور با اهمیتی بر مدیریتسود اثرگذار باشد تمرکز دارند. مدیریت سود توسط مدیران به شیوههای مختلفی صورت میگیرد. در بین شیوههای مدیریت سود، اقلام تعهدی حسابداری، بویژه اقلام تعهدی اختیاری، ساده ترین و متداول ترین شیوه برای مدیریت کردن سود و در عین حال سخت ترین شیوه در تشخیص اینکه مدیریت سود صورت پذیرفته است، میباشند. بنابراین، بکارگیری اقلام تعهدی حسابداری برای مدیریت کردن سود اغلب در مطالعات مدیریت سود مدنظر قرار گرفته است.

نکته حائز اهمیت در این میان این است که اکثر پژوهش های صورت گرفته و روشهای مورد استفاده تنها به شناسایی عوامل مورد استفاده در مدیریت سود پرداخته اند و از این عوامل بطور مستقیم برای پیشبینی میزان و سطح مدیریتسود استفاده نگردیده است. بنابر این دستیابی به شیوهای که بتواند سهامداران و اعتباردهندگان را قادر سازد تا پیش از اینکه کار از کار گذشته و شرکت ها دچار ورشکستگی یا بحران گردند، مدیریت سود را تشخیص دهند بسیار ارزشمند میباشد. لذا تعیین راهکار و دستیابی به ابزاری برای پیشبینی میزان و سطح مدیریتسود جهت استفاده در تصمیمگیری استفادهکنندگان صورتهایمالی میتواند بسیار سودمند باشد.

یکی از ابزارهایی که می تواند برای پیش بینی میزان و سطح مدیریت سود مورد استفاده قرار گیرد هوش مصنوعی و تکنیک ها و ابزارهای مرتبط با آن مانند شبکه های عصبی می باشد. هوش مصنوعی علاوه بر کاربردهایی که در زمینههای مختلف دارد ، مدت هاست که جایگاه خود را در حسابداری و امور مالی نیز پیدا کرده است. محققان حسابداری، تکنیک های هوش مصنوعی را برای کارهای خاصی در حسابرسی و اطمینان بخشی به کار برده اند (کو و لو۴، ۲۰۰۴ ؛ لین۵ و دیگران، ۲۰۰۴ ؛ لنارد۶ و دیگران، ۲۰۰۳ و اتریج۷ و دیگران، .( ۲۰۰۰

اثبات شده است که شبکه های عصبی بیشترین اثر را در پیش بینی و مدلسازی دارد ( .(Lippmann, 1987 مدلهای مبتنی بر شبکههای عصبی با یادگیری روابط غیر خطی قادر به تجزیه اقلام تعهدی کل به اقلام تعهدی غیر
اختیاری و اقلام تعهدی اختیاری (به عنوان مبنایی برای مدیریت سود) می باشند(هوگلاند،.(۲۰۱۰ همچنین شبکه های عصبی موفق گشته اند مدیریت سود را در مجموع به میزان % ۵۴,۲۵ پیش بینی نماید(تی سای و چی یو، .(۲۰۰۹

شبکههای عصبی سه مزیت عمده نسبت به روشهای آماری دارا میباشند. اول اینکه، شبکههای عصبی قادرند هرگونه طرح و نگاشت غیر خطی پیچیده را یاد بگیرند. دوم اینکه، شبکههای عصبی هیچ پیشفرضی را در مورد توزیع دادهها در نظر نمیگیرد. و سوم اینکه، شبکههای عصبی در برابر دادههای ناقص، از دست رفته و اختلالآور خیلی انعطافپذیر هستند(ولیدو، لیسبوا و واوگان۸ ، .(۱۹۹۹ بر همین اساس است که به کارگیری شبکههای عصبی در حسابداری، حسابرسی و امور مالی به شدت افزایش یافته است.

سهم این پژوهش در ادبیات موضوع در دو بخش می باشد. اول اینکه برای اولین بار به پیش بینی مدیریت سود و سطوح مختلف آن با استفاده از شبکه های عصبی پرسپترون دارای دو لایه پنهان پرداخته است. و دوم اینکه به مقایسه دقت پیش بینی مدیریت سود با استفاده از مدل شبکه های عصبی پرسپترون چند لایه دارای دو لایه پنهان در مقایسه با شبکه های عصبی پرسپترون چند لایه دارای یک لایه پنهان با پرداخته است.

Enron Corp WorldCom Corp
Healy & Wahlen
Koh & Low Lin & et al Lenard & et al

Etheridge & et al Vellido, Lisboa & Vaughan

لأ

-۲ فرضیه های پژوهش

با عنایت به مطالب ذکر شده، پژوهشهای انجام شده و مبانی نظری موجود، فرضیه های پژوهش به صورت زیر در خصوص شرکت های پذیرفته شده در بورس اوراق بهادار تهران صورت بندی شده است :
۱٫ بکارگیری شبکههای عصبی پرسپترون چند لایه دارای دو لایه پنهان، توانایی پیش بینی مدیریت سود
را دارد.

.۲ بکارگیری شبکههای عصبی پرسپترون چند لایه دارای دو لایه پنهان در مقایسه با یک لایه پنهان، توانایی پیش بینی مدیریت سود بیشتری را دارد.