پورولی علیار، صیاد؛ جبار زاده کنگر لویی، سعید؛ ظاهر، صادق. (1395). بررسی ارتباط بین محافظه کاری حسابداری و کیفیت سود شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. فصل نامه اقتصاد و مالیات:2 (1)،97-84.
حجازی، رضوان؛ آدم پیرا، سمیرا؛ بهرامی زیارتی، مصطفی. (1395). تشخیص مدیریت سود با استفاده تغییرات در گردش دارایی و حاشیه سود. پژوهشهای حسابداری مالی و حسابرسی: 8(29)،95-73
حجازی، رضوان ؛محمدی، شاپور؛ اصلانی، زهرا؛آقا جانی، مجید. (1391). پیشبینی مدیریت سود با استفاده از شبکه عصبی و درخت تصمیم در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران. بررسیهای حسابداری و حسابرسی:19(68)، 46-31.
حمیدیان، محسن؛ حبیب زاده بایگی، سید جواد؛ سلمانیان، مریم؛ وقفی، سید حسام. (1395). پیشبینی ریسک سیستماتیک شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از الگوریتمهای کلونی مورچهها و لارس. بررسی های حسابداری:3(10)، 40-19.
ستایش، محمد حسین؛ کاظم نژاد ،مصطفی. (1394). بررسی سودمندی زوشهای غیر خطی رگرسیون بردارهای پشتیبان و روشهای کاهش متغیرهای پیشبین در پیشبینی بازده سهام. فصلنامه علمی پژوهشی حسابداری مالی:7(28)، 31-.1
سرلک،نرگس؛ محمدی، آمنه. (1394). بررسی رابطه بین ویژگیهای مالی و غیرمالی شرکت با کیفیت افشای اجباری و اختیاری شرکتهای پذیرفته شده در بورس اوراق بهادر تهران. تحقیقات حسابداری و حسابرسی:7(28)، 35-18.
فغانی ماکرونی، خسرو ؛ صالح نژاد، سید حسن؛ امین، وحید. (1395). پیشبینی مدیریت سود مبتنی بر مدل جونز تعدیل شده با استفاده از مدل شیکه عصبی مصنوعی و الگوریتم ژنتیک. مهندسی مالی و مدیریت اوراق بهادار : (28)،117-136.
کاردان، بیتا؛ قرهخانی، بیتا؛ صالحی، مهدی؛ منصوری، مرتضی. (1396). بررسی دقت الگوریتمهای خطی – تکاملی BBO وicde و الگوریتمهای غیرخطی CVR و CART در پیشبینی سود. پژوهشهای حسابداری مالی:9 (31)، 95-77
کردستانی، غلامرضا؛ تاتلی، رشید. (1393). بررسی ویژگیهای کیفی سود و نوع مدیریت سود در شرکتهای درمانده مالی و ورشکسته. پژوهش حسابداری : (12)،104-79
گرد،عزیز؛ وقفی، سید حسام ؛حبیبزاده بایگی، سید جواد؛ خواجهزاده، سارا. (1394). مقایسه دقت پیشبینی مدیریت سود با استفاده از الگوریتمهای مورچگان و غذایابی باکتری. پژوهشهای تجربی4 (15);203-181.
مرادی، مهدی؛ سلیمانی مارشک، مجتبی؛ باقری، مصطفی. (1394). بررسی عوامل موثر بر به هنگامی گزارشگری مالی با استفاده از تکنیکهای شبکه عصبی مصنوعی و درخت تصمیم. پژوهشهای تجربی حسابداری، سال (5)،شماره (17)، 119-137.
نقدی، سجاد؛ عرب مازیار یزدی، محمد. (1396).ترکیب شبکه عصبی، الگوریتمهای ژنتیک و الگوریتمهای تجمع ذرات در پیش بینی سود هر سهم. دانش حسابداری . دوره هشتم ، شماره (3)، 7-34.
نیکو مرام، هاشم؛ بادآور نهندی، یونس. (1388). تبیین و ارائه الگویی برای تعیین و ارزیابی عوامل موثر بر انتخاب کیفیت گزارشگری مالی در ایران. فراسوی مدیریت: 2 (8)، 187-141.
Atashpaz-Gagari, E., Lucas, C. (2007). Imperialist copetitve agoritm:an algorithm for optimization inspired by imperialistic competition. IEEE C ongress on Evolutionary Computatin: 4661-4667.
Assawer, E. Anis J. (2017).Auditor specialization, accounting information quality and investment efficiency.Resesrch in International Business and Finance :42; 616-629.
Chen, W.P, Chung, H, Lee, C ,and Liao, W-L. (2007). Corporate Governance and Equity Liquidity: analysis of S&P Transparency and Disclosure ranking. Corporate Governance: An International Review:15. (4); 644-660.
Cohen, A. D. (2004). Financial Reporting Quality Choice:Determinants and Consequences, A Dissertation , Northwestern University.
Chung, R. ,firt, M. and Kim, J. B. (2005). Ernings Management Surplus Free Chesh Flow. And External Monitoring,Jornal of Business Research ;58;766-776.
DeFond, M., and J. Zhang. (2014). A review of archivalauditing research. Journal of Accounting and Economics 58 (2): 275–326
Faghani MakraniK؛ Salehnezhad, S H؛ Amin, V. (2017). Forecast earnings management based on adjusted Jones model using Artificial Neural Networks and Genetic Algorithms. Journal Management System: 28;117-136. (in Persian)
Francis, J., Nanda, D.J. & Olsson, P. (2008). Voluntary disclosure, earnings quality and cost of capital. Journal of Accounting Research, 46(1), 53-99.
Fu-Hsiang Chen, Der-Jang Chi, Yi-Cheng Wang. (2015). Detecting biotechnology industrys earnings management using Bayesian network, principal component analysis, back propagation neural network, and decision tree. Economic Modelling: 46,1-10
Gaynor, L.Kelton, A.Mercer, M and Yohn, T. (2016). Understanding the Releation Between Financial Reporting Quality and Audit Quality. Journal of Practice & Theory:35(4); 1-22.
Gord,A. Vaghf, H. Javad, H. Khajehzadeh, S. (2014). Comparing the Accuracy of Earnings Management Forecast Using Ant Colony Optimization Algorithm and Bacteria Foraging Algorithm. The Journal of Empirical Researches in Accounting: 4(3);181-203. (in Persian)
Guzelbey, I.H., Cevik, A., Erklig, A. (2006). Prediction of web crippling strength of cold-formed steel sheetings using neural Networks, Journal of Constructional Steel Research (Elsevier):62; 962-973
Hamidian, M.. Habibzadeh Bayg, S. Salmanian, M. Vaghfi, S. (2015). The Systematic Risk Prediction of Listed Companies in Tehran Stock Exchange Using Ant Colony and LARS Algorithm. Accounting Review: 3(10);19-40
Hejazi, R .Adm pira,s and Bahrami, M. (2015). Detect profit management using changes in asset turnover and margin squeeze. The Financial Accounting and Audit Research: 8(29) 73-95 .(in Persian)
Hejazi, R.Mohamadi, SH.Aslani, Z.A, Majid. (2012). Ernings Management Prediction Using Neural Networks and Decision Three in TSE.The Iranian Accounting and Auditing Review:19(68);31-46. (in Persian)
Hoglund, H. (2012). Detecting earnings management with neural networks. Export Systems With Applications. 39; 9564-9570.
Holland, J. H. (1975). Adaptation in natural and artificial systems, University of Michigan press. Ann Arbor, MI, 1(97), 5.
Kardan, B. ,Gharekhani, B. , salehi, M and Mansouri, M. (2017). The evaluation accuracy of BBO and ICDE as Linear- evolutionary Algorithms and SVR and CART as Non-linear Algorithms to earnings management prediction. Journal of Financial Acconting Research:9(1), Ser No. (31). (in Persian)
Kennedy, J, & Eberhart, R. (1995). Particle swarm optimization. IEEE International Conference on Neural Networks, 1995. Proceedings:4;1942-1948.
Kordestani, G. tatli, R. (2013). Earnings Attributes and Type of Earnings Management in the distressed and bankrupt firms. Journal Accounting Review: 3(4); 79-104. (in Persian)
Kun-chih, C. Qiang, C. Ying, C. Yu-Chen, L and Xing, X. (2016) . Financial Reporting Quality of Chinese Reverse Merger Firms: The Reverse Merger or the Weak Country Effect?.The Accounting Review: 91(5);2363-1390
McCulloch W.S, Pitts W. (1943). A logical calculus of the ideas immanent in nervous activity. Bulletin Math. Biophys.5, 115-133.
Moradi,M. soleymani mareshk,M.Bagheri,M. (2014). Factors Effective on Timeliness of Financial Reporting: Using Synthetic Neural Networks and Decision Trees Techniques. The Journal of Empirical Researches in Accounting: 5(17);119-137.(in Persian)
Naghdi, Sajad. Arab ,Mziar Yazdi. (2017). Forecasting EPS o with Hybrid Genetic algorithm, particle swarm optimization and Neural networks. The Journal Accounting Knowledeg:8(30); 7-34. (in Persian)
Najari, M. ,Hazarati, A, Rezaie, P. ,Habibzadeh Baygi, J. (2014). Forecasting of Erning Management by Support Vector Machine:Case Study in Tehran Exchange Stock.Middle-East. Journal of Scientific Research. 19(7):1007-1017.
Nikomaram, H.Badavar Nahandi, Y. (2011). Explaining and presenting a model for determining and evaluating factors affecting the selection of financial reporting quality in Iran. Productivity management: 8; 141-187. (in Persian)
Poorvali, S.Jabarzadeh, S. Zaher, S. (2015). Investigating the relationship between accounting conservatism and earnings quality of accepted companies in Tehran Securities Exchange. Jounal of Economics and Tex :2(1).84-97(in Persian)
Poulton M.M. (2002). Neural networks as an intelligence amplification tool. a review of applications. J Geophys, 67(3), 979–93
Qingling,T.Huifa,C. Zhijun ,L. (2016). How to measure country-level financial reporting quality? Journal Financial Reportting and Accounting:14(2).230-265
Salau, A and CheAhmad, A. (2016). Audit Fees, Corporate Governance Mechanisms,and Financial Reporting Quality in Nigeria. Business & Economics Review:26(2);122-135.
Sarlak, N.Mohammadi, A. (2014). The relationship between quality of aggregate disclosure (mandatory and voluntary) and financial and nonfinancial characteristics of companies listed in Tehran Stock Exchange. Accounting and Audit Research:7(28);18-35(in Persian).
Setayesh M, kazemnezhad M. (2016). The Usefulness of Support Vector Regression and Variables Reduction Methods in Stock Return Prediction. quarterly financial accounting journal.; 7 (28) :1-33(in Persian).
Tsai, C. Chiou F. (2009). Earnings Management Prediction: A Pilot Study of Combining Neural Networks and Decision Trees. Expert Systems with Applications, 36: 7183-7191.