چکیده:
وجوه نقد از منابع مهم حیاتی هر واحد اقتصادی است و ایجاد توازن بین وجوه نقد در دسترس و نیازهای نقدی، مهمترین عامل سلامت اقتصادی آن واحد میباشد. از آنجایی که وضعیت نقدینگی مبنای قضاوت بسیاری از اشخاص ذینفع مانند سهامداران و سرمایهگذاران دربارة موقعیت واحد اقتصادی است. لذا، پیشبینی جریان وجه نقد آتی از اهمیت زیادی برخوردار است. افزون بر این، فراهم کردن مدل مناسب برای پیشبینی دقیق با حداقل انحراف مورد توجه بسیاری از محققین دانش حسابداری بوده است. هدف این تحقیق، استفاده از شبکة عصبی پرسپترون چندلایه و تعیین مدل برتر با استفاده از متغیرهای مدل رگرسیون تعهدی برای پیشبینی جریان وجوه نقد است. برای این منظور، تعداد 288 شرکت از میان شرکتهای پذیرفته شده در بورس اوراق بهادار تهران طی سالهای 1382-1392، مورد بررسی قرار گرفت. نتایج حاصل از برازشهای مدلهای مختلف شبکة عصبی، حکایت از آن داشت که دو ساختار با 8 و 11 نود مخفی، بهترین مدل برای پیشبینی جریان وجه نقد است.
Cash flow of resources is essential for any economic unit and creates a balance between available cash and cash needs, the most important factor is the economic health of that unit. Since the liquidity situation is based on the judgment of many interested parties such as shareholders and investors about the position of the economic unit, therefore, predicting future cash flow is of utmost importance.In addition, providing the appropriate model to predict accurately with minimal deviation of accounting knowledge has been of interest to many researchers. The purpose of this research was to use neural network and multilayer perceptron and determine the best model by using commitment regression model to predict cash flow. For this purpose, two hundred and eighty seven companies in Tehran stock Exchange were investigated during 2001-2011. The results of the review of various neural network models suggest that the two structures with 8 and 11 hidden nodes, is the best model to predict cash flow.
خلاصه ماشینی:
"در این بخش به برخی مطالعات انجام شده در رابطه با موضوع پژوهش اشاره میشود : دچو و همکاران (١٩٩٤)، برای ٦٦٧ شرکت آمریکایی طی دورة زمانی ١٩٦٣ تا ١٩٩٢ از مدل های رگرسیون چند متغیره ، متشکل از سود، جریان وجه نقد عملیاتی و اجزای اقلام تعهدی گذشته ، برای سنجش توانایی سود در مقایسه با جریان وجه نقد، به منظور پیش بینی جریان وجه نقد عملیاتی استفاده کردند.
صراف و همکاران (١٣٩٢)، به تأثیر اقلام تعهدی و نقدی بر پیش بینی جریان وجه نقد عملیاتی را مورد مطالعه قرار دادند و از روش های آماری ضریب همبستگی و رگرسیون خطی و غیرخطی برای تجزیه و تحلیل داده ها استفاده نمودند.
٣. فرضیه های پژوهش هدف اصلی این تحقیق ، ارائه مدلی برای پیش بینی جریان وجه نقد با استفاده از شبکۀ عصبی پرسپترون چند لایه در شرکت های پذیرفته شده در بورس اوراق بهاردار تهران است .
با نظر به این موضوع که هنوز مشخص نشده است که کدام مدل در شرکت های پذیرفته شده در بورس اوراق بهادار تهران ، بهتر عمل می کند؛ نتیجۀ تحقیق حاضر در رابطه با آزمون فرضیۀ اول مبنی بر این که شبکۀ عصبی پرسپترون چندلایه ، مدل مناسبی برای پیش بینی جریان وجه نقد شرکت ها است ، حکایت از آن داشت که دو ساختار با ٨ و ١١ نود مخفی بهترین مدل پیش بینی هستند و آرایش متغیرها برای پیش بینی جریان وجوه نقد در ساختار مختلف ، نیازمند طراحی نرم افزار مناسب میباشد که در پیشنهادات تحقیق طرح گردیده است ."