دانشکده مدیریت دانشگاه تهران بررسی‏‌های حسابداری و حسابرسی 2645-8020 24 2 2017 07 23 Comparison of Financial Distress Prediction Models Accuracy and its Effect on Earnings Management Tools مقایسۀ دقت مدل‌های پیش‌بینی بحران مالی و تأثیر آن بر ابزارهای مدیریت سود 147 172 63193 10.22059/acctgrev.2017.231176.1007585 FA علی آشتاب دانشجوی دکتری حسابداری، دانشکدة علوم اجتماعی، دانشگاه بی نالمللی امام خمینی (ره)، قزوین، ایران حمید حقیقت دانشیار گروه حسابداری، دانشکدة علوم اجتماعی، دانشگاه بی نالمللی امام خمینی (ره)، قزوین، ایران غلامرضا کردستانی دانشیار گروه حسابداری، دانشکدة علوم اجتماعی، دانشگاه بی نالمللی امام خمینی (ره)، قزوین، ایران Journal Article 2017 04 14 The main purpose of this paper is to investigate financial distress prediction models accuracy and earnings management approaches. Thus, primarily model was selected by comparing financial distress prediction models and its relation was analised through earnings management tools. In order to predict financial distress the comparison of machine learning and statistical models were considered for 312 listed companies at the Tehran Stock Exchange (TSE) during 2006 to 2015 and the result determined by comparing mean test shows that machine learning models can predict financial distress more accuracy than statistical models. Then, the relation between the best model resulted from previous section and earnings management tools was investigated by multiple linear regressions and the result shows that relation between financial distress prediction and operating cash flows earnings management was negative and significant and this relation with earnings management for manufacturing costs and accrual items was positive and significant. هدف اصلی این پژوهش بررسی دقت مدل‌های پیش‌بینی بحران ‌مالی و رویکردهای مدیریت سود است. بدین منظور پس از مقایسۀ مدل‌های پیش‌بینی بحران ‌مالی و انتخاب مدل برتر، به تجزیه و تحلیل ارتباط آن با ابزارهای مدیریت سود پرداخته شد. برای پیش‌بینی بحران ‌مالی، مدل‌های یادگیری ماشین و مدل‌های آماری 312 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال‌های 1385 تا 1394 با یکدیگر مقایسه شدند و به کمک آزمون مقایسۀ میانگین، مشخص شد که از نظر پیش‌بینی بحران‌ مالی، مدل‌های یادگیری ماشین نسبت به مدل‌های آماری دقت بیشتری دارند. سپس رابطۀ بهترین مدل پیش‌بینی بحران ‌مالی به‎دست آمده از مرحلۀ قبل و ابزارهای مدیریت سود با استفاده از رگرسیون چندگانۀ خطی بررسی شد و مشخص گردید که بحران ‌مالی پیش‌بینی شده با مدیریت سود جریان‌های نقدی عملیاتی، رابطۀ معکوس و معنادار دارد و با مدیریت سود هزینه‌های تولیدی و مدیریت سود اقلام تعهدی، رابطۀ مستقیم و معناداری برقرار می‎کند. https://acctgrev.ut.ac.ir/article_63193_b375c26c5cd66e5a02ac47a714a9b7c1.pdf