گزینش مدلی کارآمد برای پیش بینی جریان های نقدی بر اساس مقایسه مدل های مربوط در شرکت های پذیرفته شده در بورس اوراق بهادار تهران 1384 - 1378

پیام:
چکیده:
تحقیق حاضر به بررسی مدل های پیش بینی جریان های نقدی می پردازد و براساس خطای مطلق قابلیت پیش بینی مدل ها را با یکدیگر مقایسه می کند. در تحلیل ها از داده های 165 شرکت پذیرفته شده در بورس اوراق بهادار تهران در فاصله زمانی 1378 تا 1384 استفاده شده است. در این تحقیق هم چنین تاثیر تغییر پذیری فروش ها و تغییر پذیری سودهای عملیاتی به عنوان شاخص هایی از تغییر پذیری محیط تجاری و هم چنین تاثیر اندازه شرکت بر قابلیت پیش بینی هر یک از مدل ها مورد بررسی قرار می گیرد. به منظور بررسی تاثیر هر یک از این عوامل بر قابلیت پیش بینی مدل ها از همبستگی اسپیرمن ما بین عوامل ذکر شده و خطای مطلق پیش بینی استفاده شده است. مقایسه مدل ها در سطح کل شرکت ها و هم چنین در سطح صنایع به عمل آمده است. بر اساس نتایج به دست آمده مدل هایی که از اقلام تعهدی در پیش بینی جریان های نقدی استفاده می کنند نسبت به مدل هایی که تنها بر مبنای جریان نقد می باشند قابلیت پیش بینی بالاتری دارند. بررسی همبستگی اسپیرمن نشان داد که تغییر پذیری فروش و تغییر پذیری سود های عملیاتی بر خطای مطلق مدل ها تاثیر گذار بوده است و با افزایش تغییر پذیری قابلیت پیش بینی مدل ها کاهش می یابد. ولی اندازه شرکت هیچ گونه تاثیری بر خطای مطلق مدل ها نداشته است.
زبان:
فارسی
در صفحه:
3
لینک کوتاه:
magiran.com/p527356 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!