به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « پیش بینی جریان وجه نقد » در نشریات گروه « حسابداری »

تکرار جستجوی کلیدواژه «پیش بینی جریان وجه نقد» در نشریات گروه «علوم انسانی»
  • علی ثقفی، فاطمه صراف، حنانه اقابالایی بختیار
    وجوه نقد از منابع مهم حیاتی هر واحد اقتصادی است و ایجاد توازن بین وجوه نقد در دسترس و نیازهای نقدی، مهم ترین عامل سلامت اقتصادی آن واحد می باشد. از آنجایی که وضعیت نقدینگی مبنای قضاوت بسیاری از اشخاص ذی نفع مانند سهامداران و سرمایه گذاران درباره موقعیت واحد اقتصادی است. لذا، پیش بینی جریان وجه نقد آتی از اهمیت زیادی برخوردار است. افزون بر این، فراهم کردن مدل مناسب برای پیش بینی دقیق با حداقل انحراف مورد توجه بسیاری از محققین دانش حسابداری بوده است. هدف این تحقیق، استفاده از شبکه عصبی پرسپترون چند لایه و تعیین مدل برتر با استفاده از متغیرهای مدل رگرسیون تعهدی برای پیش بینی جریان وجوه نقد است. برای این منظور، تعداد 288 شرکت از میان شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1382-1392، مورد بررسی قرار گرفت. نتایج حاصل از برازش های مدل های مختلف شبکه عصبی، حکایت از آن داشت که دو ساختار با 8 و 11 نود مخفی، بهترین مدل برای پیش بینی جریان وجه نقد است.
    کلید واژگان: پیش بینی جریان وجه نقد, اقلام تعهدی, شبکه عصبی مصنوعی}
    Ali Saghafi, Fatemeh Sarraf, Hannaneh Aghabalaei Bakhtiar
    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.
    Keywords: Cash flow, Accruals, Artificial neural network}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال