目的 盈利管理实践降低报告质量，并可能误导利益相关者。本文旨在评估多个模型，以识别用于检测真实收益管理（R.E.M.）的最有效模型。设计/方法 采用了2014年4月1日至2024年3月31日期间非金融BSE 500上市公司的财务数据进行分析。研究比较了线性回归（LR）、逻辑回归、支持向量机、随机森林和深度信念神经网络（DBNNs）的预测和分类率。此外，使用2020年至2024年期间的标准普尔500公司数据集重新进行了实证分析，以评估结果的稳健性。发现 实证结果表明，DBNNs在印度上市公司R.E.M.的分类和预测方面优于其他模型，并且结果在美国上市公司的数据集上保持稳健。原创性/价值 本研究通过采用深度神经网络进行R.E.M.的预测和分类，为相对稀少的文献提供了实证支持。
Radhika等（周五）研究了这个问题。