کاربرد شبکه عصبی مصنوعی در پیش بینی جریان وجوه نقد آتی

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.