بهینه سازی مدل پیش بینی حق الزحمه ی حسابرسی با استفاده از سود و جریان های نقد عملیاتی با رویکرد رگرسیون حداقل مربعات، شبکه¬های عصبی مصنوعی و الگوریتم ژنتیک

هدف از اين تحقيق بهینه¬سازی مدل پیش¬بینی حق الزحمه¬ی حسابرسی با استفاده از سود و جریان¬های نقد عملیاتی با رویکرد رگرسیون حداقل مربعات، شبکه¬های عصبی مصنوعی و الگوریتم ژنتیک است. متغيرهاي مستقل در اين تحقيق سود و جریان نقد عملیاتی هر سهم و متغير وابسته حق الزحمه¬ی حسابرسی است. بدين منظور متغیرهای مذکور براي 60 شرکت بورسی و به مدت 5 سال (1386-1390) جمع¬آوري گرديد. خروجی¬های حاصل از تخمین شبکه¬های عصبی مصنوعی بهینه¬سازی شده با الگوریتم ژنتیک و نتایج حاصل از تخمین با استفاده از این روش، با معیارهای ارزیابی (30/0=R، 66/0= MSEو 7/0=MAE) می¬باشد. این خروجی¬ها بیانگر بهینه¬ترین شبکه¬ی طراحی شده برای پیش¬بینی می¬باشند و نیز شبکه طراحی شده دارای کمترین خطا نسبت به شبکه¬های دیگر است. همچنین، ميزان خطاي پيش¬بيني توسط مدل شبكه¬هاي عصبي مصنوعي بهینه¬سازی شده با استفاده از الگوریتم ژنتیک از لحاظ معيارهای ارزيابي عملكرد نسبت به روش رگرسيون حداقل مربعات و شبکه¬های عصبی مصنوعی برتری دارد.

حق الزحمه ی حسابرسی، شبکه¬های عصبی مصنوعی، الگوریتم ژنتیک، جریان نقد عملیاتی و سود هر سهم.