CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

گواهی نمایه سازی مقاله تعیین مدل بهینه پیشبینی جریان وجوه نقد آتی با استفاده از الگوریتم ترکیبی بهینه سازی ذرات شبکه عصبی

عنوان مقاله: تعیین مدل بهینه پیشبینی جریان وجوه نقد آتی با استفاده از الگوریتم ترکیبی بهینه سازی ذرات شبکه عصبی
شناسه (COI) مقاله: MRMEA02_345
منتشر شده در دومین کنفرانس بین المللی پژوهش های نوین در مدیریت، اقتصاد و حسابداری در سال ۱۳۹۴
مشخصات نویسندگان مقاله:

سعید کریمی - گروه حسابداری، واحد علوم و تحقیقات ایلام، دانشگاه آزاد اسلامی ایلام، ایران
مهرداد قنبری - گروه حسابداری، واحد علوم و تحقیقات ایلام، دانشگاه آزاد اسلامی ایلام، ایران

خلاصه مقاله:
وجوه نقد از منابع مهم و حیاتی هر واحد اقتصادی است و پیشبینی وجوه نقد برای دورههای آتی، ازمهمترین ضروریتهای مدیریت واحدهای اقتصادی است. سرمایهگذاران، اعتباردهندگان و سایر استفاده کنندگان اطلاعات حسابداری برای اتخاذ تصمیمهای مالی و سرمایهگذاری، نیازمند اطلاعات مربوط به جریانهای نقدی هستند. بخش عمده و مستمر وجوه نقد واحدهای تجاری را وجوه نقد عملیاتی تشکیلمیدهد. پژوهشهای پیشین مدلهای متعدد و متفاوتی را برای پیشبینی وجوه عملیاتی واحدهای تجاری، مورد آزمون قرار دادهاند. تفاوت مدلها مربوط به متغیرهای مستقل و روشهای سنتی مورداستفاده بوده است. هدف این پژوهش، طراحی یک الگوی هوشمند با استفاده از تکنیکهای توانمند هوش مصنوعی و برآورد خطای پیشبینی مدلهای نقدی و تعهدی استفاده شده در پژوهشهای پیشینو بررسی نتایج حاصل به منظور تعیین مدل بهینهی پیشبینی جریانهای نقدی عملیاتی در شرکتهایپذیرفته شده در بورس اوراق بهادار تهران است. در این راستا، 03 شرکت واجد شرایط در بازهی زمانی 2032 2031 انتخاب و بررسی شدند. برای بررسی فرضیهها از مدل نوین هوشمند ترکیبی الگوریتم - بهینهسازی ذرات شبکه عصبی ) - PSO-ANN ( استفاده شده است. یافتههای پژوهش حاکی از آن استکه مدل پیشبینی بر اساس سود عملیاتی تاریخی استفاده شده در پژوهش دارای خطای پیشبینی کمتری نسبت به مدل نقدی استفاده شده در پژوهش است.

کلمات کلیدی:
پیشبینی جریانهای نقدی، جریانهای نقدی عملیاتی، الگوریتم PSO ، شبکه عصبی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://www.civilica.com/Paper-MRMEA02-MRMEA02_345.html