پیشبینی جریان وجه نقد عملیاتی شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران با استفاده از روش یادگیری ماشین
الموضوعات : حسابداری مدیریت
حامد رجب زاده
1
(
دانشجوی دکتری تخصصی حسابداری، واحد علی آباد کتول، دانشگاه آزاداسلامی، علی آباد کتول، ایران
)
جمادوردی گرگانلی دوجی
2
(
استادیارگروه حسابداری، واحد علی آباد کتول، دانشگاه آزاد اسلامی،علی آباد کتول، ایران. (نویسنده مسئول)
)
آرش نادریان
3
(
استادیار گروه حسابداری، واحد علی اباد کتول، دانشگاه ازاد اسلامی، واحد علی آباد کتول، ایران
)
مجید اشرفی
4
(
استادیارگروه حسابداری، واحد علی آباد کتول، دانشگاه آزاد اسلامی، علی آباد کتول، ایران
)
الکلمات المفتاحية: وجه نقد عملیاتی, معیارهای مالی, رویکرد یادگیری ماشین,
ملخص المقالة :
وجوه نقد، داراییهای مالی سیال شرکتها میباشد. این ویژگی موجودی نقد، اهمیت فوقالعادهای را به آن بخشیده، توانایی اخذ تصمیمات مالی بهینه و بهموقع، به مقدار زیادی تحت تأثیر این ویژگی قرار دارد. شرکتهایی که دارای جریان وجوه نقد داخلی خوبی هستند کمتر به تأمین مالی خارجی متکی میباشند و وامدهندگان نیز به این شرکتها به دلیل نقدینگی خوبی که دارند بهراحتی اعتبار میدهند. پژوهش حاضر ازلحاظ هدف، از نوع تحقیقات کاربردی است. همچنین در این پژوهش، از روش دادههای ترکیبی استفادهشده است. روش گردآوری دادهها، روش اسناد کاوی و مراجعه به بانکهای اطلاعاتی؛ و روش تحلیل دادهها از نوع استنباطی است. در پژوهش حاضر دادههای موردنیاز از نرمافزار رهآورد نوین، صورتهای مالی شرکتها و سندکاوی و همچنین سایت کدال استخراجشده است. جامعه آماری پژوهش حاضر کلیه شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران در بازه زمانی 1390 تا 1397 است و ازاطلاعات مالی138 شرکت مورد بررسی بهره گرفتهشده است. هدف این پژوهش پیشبینی وجه نقد عملیاتی با رویکرد هوش مصنوعیPLSVM و CART در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران میباشد. در این پژوهش نسبت وجه نقد عملیاتی شرکت بهعنوان متغیر وابسته(نقدینگی) و معیارهای مالی بهعنوان متغیر مستقل اولیه در نظر گرفته شد. نتایج آزمون فرضیههای پژوهش نشان میدهد که رویکرد هوش مصنوعی قانونگرا وغیرخطی پارامتریک توانایی بالایی در پیشبینی نقدینگی شرکتهای بورس اوراق بهادار تهران دارد.
Operating Cash Flow of UAE Construction Companies, International Journal of Financial Research, International Journal of Financial Research, ScieduPress, 12 (3), pages 142-148, May.
_||_