The purpose of this research is to provide a growth model of fixed assets based on the financial criteria of companies admitted to the Tehran Stock Exchange. The current research is applied in terms of objective classification and descriptive-correlation in terms of method. The research method is de-ductive-inductive. The statistical population of the current research is all the companies admitted to the Tehran Stock Exchange in the period from 2012-2021 and the financial information of 101 companies are use. Research hypotheses were tested using artificial intelligence algorithm. In this research, investment in fixed assets has been consider as a dependent variable, and financial criteria has been considered as primary independent variables. The results of research hypotheses testing using the methods of linear and non-linear algorithms of artificial intelligence PINSVR and KPLSR in predicting fixed asset investors of companies and by calculating the three errors criteria MAE, MSE and SMAPE in annual fixed assets. The asset forecasting in the next year of companies showed that the error difference between linear models and non-linear models is not so great that it can be claim that linear models are ineffective in predicting asset growth so that artificial intelligence algorithms are capable of predicting investment in company assets. Manuscript profile

هدف این پژوهش الگوسازی سرمایه‌گذاری دارایی ثابت با نقش معیارهای نظارتی و رویکرد هوش مصنوعی شرکت‌های پذیرفته شده بورس اوراق بهادار تهران می باشد. در این پژوهش نمونه ها با استفاده از روش رگرسیون متغیرگزینی ریلیف-اف انتخاب شدند سپس داده‌های پژوهش به روش اعتبار سنجی متقابل ده قسمتی به گروه های داده های آموزش و اعتبارسنجی و داده های آزمون تقسیم شدند. سپس با دو الگوریتم خطی و غیرخطی بردار پشتیبان غیرموازی غیرحساس– پارامتری (PINSVR) و حداقل مربعات جزئی کرنلی (KPLS) و الگوریتم حداقل مربعات جزئی کرنلی غیر خطی (KPLSR) مورد آزمون قرار گرفتند. جامعه آماری پژوهش حاضر کلیه شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1390 تا 1399 است و از اطلاعات مالی 101 شرکت استفاده شده است. یافته‌ها: نتایج آزمون پژوهش نشان داد که متغیرهای، اندازه هیئت مدیره، استقلال هیئت مدیره، تخصص مالی هیئت مدیره، اندازه کمیته حسابرسی، استقلال کمیته حسابرسی، مالکیت نهادی بالای 5 درصد، دوره تصدی مدیرعامل، وجود حسابرس داخلی، نسبت تخصص اعضای کمیته و دوگانگی وظایف مدیرعامل بیشترین تأثیر را در پیش‌بینی سرمایه‌گذاری دارایی ثابت شرکت‌ها دارند. همچنین در بررسی الگوریتم های هوش مصنوعی خطی و غیرخطی در پیش‌بینی سرمایه‌گذاری دارایی ثابت شرکت ها، الگوریتم های خطی نسبت به الگوریتم‌های غیرخطی کارایی بیشتری نشان دادند.

Manuscript profile