(۳-۱)مدل روش تحقیق
انجام آزمون ایستایی بر سود واقعی شرکتهای منتخب
پیش بینی EPS شرکتهای منتخب بر اساس مدل بدست آمده برای فصل آخر۹۰
مجموع مجذورات خطای پیش بینی مدل و مدیریت
گردآوری EPS های پیش بینی شده فصل آخر سال۹۰ شرکتهای منتخب توسط مدیریت
محاسبه خطای نسبی پیش بینی با مقایسه EPS واقعی با EPS پیش بینی شدهتوسط مدل و مدیریت
انجام آزمون والد با بهره گرفتن از خطای نسبی پیش بینی شده مدل و مدیریت
تأیید یا رد فرضیه تحقیق
محاسبه مناسبترین مدل سری زمانی باکس- جنکینز با بهره گرفتن از مشاهدات ایستا شده
انتخاب شرکتهای منتخب واستخراج سود واقعی و پیش بینی مدیریت به تفکیک فصل
۳-۹) انتخاب روش پیش بینی :
پیشگوئی شرایط و حوادث آینده،پیش بینی تعریف شده و چگونگی انجام این عمل نیز پیش بینی کردن نامیده می شود.^[۵۲]

روش های پیش بینی بسیاری وجود دارند که می توانند در پیش بینی وقایع ،مورد استفاده قرار گیرند.می توان این روش ها را به دو گروه اصلی روش های کیفی و کمی تقسیم نمود
روش کیفی شامل برآورد ذهنی از طریق اظهار نظر متخصصان است .در روش های کیفی، پیش بینی مبتنی بر قضاوت ذهنی است و پیش بینی کننده با بهره گرفتن از تجارب خود ودر نظر گرفتن شرایط کنونی و تغییرات قابل پیش بینی، داده های آینده را پیش بینی می کند. در فرایند پیش بینی ،فقدان یا عدم دسترسی به اطلاعات تاریخی یا عدم کفایت حجم آن،استفاده از روش های قضاوتی را ضروری می سارد.
روش کمی به وضوح چگونگی انجام پیش بینی را تعریف می کند، منطق کار را به روشنی بیان می نماید و عملیات در آن ریاضی است .در این روش ها با بررسی داده های تاریخی، فرایند ایجاد متغیر مشخص ودر آن فرض می شودکه فرایند پایدار و قابل تسری به آینده است. پیش بینی به کمک مدل های سری زمانی یکی از انواع اصلی روش های کمی است.
سری زمانی، دنباله ای از مشاهدات منظم شده یک متغیر بر حسب زمان است.سری های زمانی فقط از سابقه تاریخی متغیر (متغیر ها) استفاده می کنند تا مدلی برای پیش بینی بدست آید.
در عمل سیستم های پیش بینی اغلب ترکیبی از روش های کمی و کیفی را به کار می برند.روش های آماری برای تجزیه و تحلیل منظم داده های تاریخی به کار می روند و پیش بینی انجام می شود. این امر به سیستم عینیت می بخشد و به سازماندهی مؤثر محتوای اطلاعاتی داده های تاریخی منجر می شود. سپس پیش بینی های آماری به عنوان یک ورودی در ارزیابی ذهنی تصمیم گیرندگان آگاه عمل می کند و آنان با بهره گرفتن از سایر اطلاعات مرتبط و انتظارات خود از آینده، پیش بینی را به نحو مقتضی تعدیل می کنند.
همانطور که در فصل دوم شرح آن آمده روش های کمی پیش بینی بسیار زیاد و متنوعی وجود دارندکه برخی از آن ها عبارتند از مدل های میانگین گیری، مدل های نمو هموار، مدل های هولت وینترز، مدل های باکس- جنکینز، مدل های اقتصاد سنجی، تجزیه و تحلیل روند و برازش ذهنی، که ما دراین تحقیق از روش باکس- جنکینز برای تعیین و شناسائی مدل های سری زمانی به دلایل زیر استفاده کردیم:

۱- رویکردی ساخت یافته^[۵۳] را به منظور انتخاب مدل سری زمانی ارائه می دهد.
۲- در ادبیات تحقیقات حسابداری بسیار مورد استفاده قرارگرفته است.^[۵۴]

1. 1. 1. در تحقیقات داخلی و خارجی بویژه در پیش بینی رفتار سود شرکتها در بورس اوراق بهادار تهران، این روش به دفعات پیشنهاد و مورد استفاده قرار گرفته است.

   

۳-۱۰) مدل های سری زمانی باکس _جنکینز :
زمانی که از مدل های سری زمانی باکس _جنکیز صحبت می شود در واقع داریم از خانواده ای از مدل ها صحبت می کنیم. به بیان دیگر تنها یک مدل باکس -جنکینز وجود ندارد بلکه مدل های باکس _جنکینز بسیار زیادی وجود دارد .می توان این مدل ها را به گروه های اصلی مدل های اتورگرسیو(AR) ^[۵۵]، مدل های میانگین متحرک^[۵۶](MA) ، و مدل های تلفیق شده اتورگرسیو-میانگین متحرک(ARIMA)^[57]تقسیم نمود. بدین دلیل غالباً مدل های باکس – جنکینز را مدل های اریما می نامند. اما در تمامی این مدل ها فرض اساسی بر این واقعیت استوار است که مشاهدات مربوط به یک سری زمانی مستقل نیستند بلکه به صورت متوالی به یکدیگر وابستگی دارند. و البته این وابستگی در بستر زمان اندازه گیری شده و مورد توجه قرار می گیرند.
علاوه بر این تعریف متغیر وابسته به عنوان یکی از متغیرهای مستقلی که با تأخیر زمانی ظاهر می گردد،از دیگر مشخصات مدل های باکس- جنکینز به شمار می رود. به بیان روشنتر، متغیر وابسته در مدل های باکس- جنکینز، با یک تأخیر زمانی مشخص،از خود تاثیر پذیر می باشد.به عنوان نمونه، سود سال جاری شرکت های پذیرفته شده در بورس اوراق بهادار کشور،از سود تحقق یافته این شرکت ها در سال های قبل تأثیر پذیر بوده و این تأثیر پذیری به لحاظ آماری معنی دار است. این مطلب را می توان بنیان تئوریک و نظری مدل باکس – جنکینز به شمار آورد که البته مهمترین دلیل برای استفاده در تحقیق حاضر نیز می باشد.
اما مجموعه مدلهای باکس – جنکینز را می توان به طور کلی به سه دسته کلی تقسیم بندی نمود که به شرح زیر می باشد .
۱-مدل اتورگرسیو (AR)
AR(P) y_t=+ _۱ y _t-1+…..+P y _t-P+T
۲-مدل میانگن متحرک) (MA
MA(q) _t = _{۰+۱T-1+……+q T-q}
۳-مدل آرما(ARMA)
ARMA(p,q) = + _۱ y _t-1+…..P y _{t-P+T+0+1T-1+……+q T-q}
در روابط مشخص شده در بالا، y _t نشان دهنده متغیر وابسته در زمان t ، y _t-iنشان دهنده مقدار متغیر وابسته در زمان t-I ، و نشان دهنده ظرایب متغیرهای مستقل،_T نشان دهنده میزان خطا در زمانt وp،q نشان دهنده درجه مدل و در عین حال گویای میزان تأثیر در اثرپذیری متغیرهای تابع از متغیرهای مستقل می باشد.
به بیان روشنتر، در مدل AR، متغیر وابسته، تابعی از مقدار این متغیر در زمان های گذشته می باشد.درمدل MA نوسانات متغیر وابسته، تابعی از نوسانات این متغیر در زمان های پیشین است و نهایتاً در مدل ARMA،ادغامی از این دو مدل ارئه شده و توضیح دهنده متغیر وابسته می باشد.
۳-۱۱) نحوه انتخاب مدل :