http://20elm.ir/an-introduction-to-scheme/

ترجمه مقاله شناسایی مدیریت سود با شبکه های عصبی

ترجمه مقاله شناسایی مدیریت سود با شبکه های عصبی

 


بخشی از مقاله انگلیسی


In many studies assessing the occurrence and genesis of revenue management in various fields has been made. In most studies, given that the income from the accrual accounting, is managed. Thus, a series of models accrual-based earnings management detection was proposed

توجه برای دیدن نسخه لاتین کامل و درست لطفا در قسمت پایین دانلود نمایید.

 


چکیده ترجمه:
مطالعات زیادی جهت ارزیابی و سنجش رخداد و پیدایش مدیریت درآمد در زمینه های مختلف صورت گرفته است. در اکثر مطالعات، مفروضات بر این است که درآمد از طریق اقلام تعهدی حسابداری، مدیریت می‌شود. بدین ترتیب یکسری از مدل‌های تشخیص مدیریت درآمد مبتنی بر اقلام تعهدی پیشنهاد شد. توانایی این مدل‌ها برای تشخیص مدیریت درآمد، توسط برخی مطالعات دیگر زیر سؤال رفته است. یک توجیه برای عملکرد ضعیف مدل‌های موجود آن است که اکثر این مدل‌ها از یک رویکرد خطی برای مدلسازی فرایند اقلام تعهدی حتی در صورتی که فرایند اقلام تعهدی غیر خطی باشد، استفاده می‌کنند. گزینه دیگر در مواجهه با موارد غیرخطی، استفاده از انواع مختلف شبکه های عصبی است. هدف از این مطالعه ارزیابی این مورد است که آیا مدل‌های مبتنی بر عملکرد عصبی نسبت به مدل‌های خطی و قسمتی خطی درتشخیص مدیریت درآمد، موثرتر هستند یا خیر؟. این مطالعه شامل مدل‌های شبکه عصبی براساس نقشه خود سازمان دهنده SOM) )، یک مفهوم چند لایه MLP) ) و یک شبکه عصبی رگرسیون عمومی GRNN) ) می‌باشد. نتایج نشان می‌دهد عملکرد مدل بر مبنای شبکه های عصبی، بهترین عملکرد را دارا می‌باشد، درحالی که مدل خطی مبتنی بر رگرسیون، ضعیف‌ترین عملکرد را دارد، همچنین نتایج نشان داد که هر ۵ مدل مورد ارزیابی قرار گرفته، قادر به تخمین اقلام تعهدی اختیاری هستند که باقدری اغماض بعنوان نماینده مدیریت درآمد، عمل می‌نماید.
واژگان کلیدی: مدیریت درآمد، تعهدات اختیاری، شبکه های عصبی

 

عنوان انگلیسی مقاله: Detecting earnings management with neural networks
عنوان فارسی مقاله: مدیریت سود شناسایی با شبکه های عصبی
دسته: اقتصاد
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
هیچ نظری تا کنون برای این مطلب ارسال نشده است، اولین نفر باشید...

شمارنده