کاربرد شبکۀ عصبی مصنوعی در پیش‌بینی جریان وجوه نقد آتی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استاد حسابداری، دانشگاه علامه طباطبائی، تهران، ایران

2 استادیار حسابداری، مؤسسة آموزش عالی رجاء، تهران، ایران

3 کارشناس‌ارشد حسابرسی، مؤسسة آموزش عالی رجاء، تهران، ایران

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.

کلیدواژه‌ها


عنوان مقاله [English]

The Application of Artificial Neural Network in Predicting Future Cash Flows

نویسندگان [English]

  • Ali Saghafi 1
  • fatemeh sarraf 2
  • Hannaneh Aghabalaei Bakhtiar 3
1 Professor of Accounting, University of Allameh Tabatabai, Tehran, Iran
2 Assistant of Professor of Accounting, Institute of Higher Education Raja, Tehran, Iran
3 M.A. in Auditing, Institute of Higher Education Raja, Tehran, Iran
چکیده [English]

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.

کلیدواژه‌ها [English]

  • Cash flow
  • Accruals
  • Artificial neural network