فهرس المقالات Future Cash Flows

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - بررسی توانایی داده های جاری حسابداری در پیش بینی جریانهای نقدی آتی
  پیمان امینی کامران محمدی عباس افلاطونی
  پیشبینی جریانهای نقدی یکی از اهداف مهم گزارشگری مالی است زیرا اطلاعات مهمی برای استفاده کنندگاندرون و برون سازمانی فراهم میکند. بیشتر محققان اعتقاد دارند که میتوان از داده های حسابداری برای پیش بینیجریانهای نقدی آتی استفاده نمود. هدف اصلی این مطالعه آزمون توان دادههای ح أکثر

  پیشبینی جریانهای نقدی یکی از اهداف مهم گزارشگری مالی است زیرا اطلاعات مهمی برای استفاده کنندگاندرون و برون سازمانی فراهم میکند. بیشتر محققان اعتقاد دارند که میتوان از داده های حسابداری برای پیش بینیجریانهای نقدی آتی استفاده نمود. هدف اصلی این مطالعه آزمون توان دادههای حسابداری شامل سود، جریانهاینقدی و اقلام تعهدی برای پیش بینی جریانهای نقدی آتی است. به منظور بررسی قابلیت پیش بینی اقلام مذکور ازضریب همبستگی پیرسون و تجزیه و تحلیل رگرسیون با داده های ترکیبی استفاده شده است.نتایج تحقیق نشان می دهد که جریان های نقدی در مقایسه با سود، پیش بینی کننده ی بهتری از جریان های نقدیآتی بوده و علاوه بر این، تفکیک سود به جریان های نقدی و اقلام تعهدی و نیز افزودن اجزای تشکیل دهنده یاقلام تعهدی به مدلی که به طور ضمنی شامل اطلاعات تعهدی در قالب سودها می باشد، باعث افزایش قدرتپیش بینی مدل ها می گردد. در نهایت، افزودن اقلام تعهدی کوتاه مدت (تغییر در حساب های دریافتنی، تغییر درحسابهای پرداختنی و تغییر در موجودیکالا) در مقایسه با اقلام تعهدی بلندمدت (استهلاک) به مدل سود، قابلیتپیش بینی جریانهای نقدی آتی را بیشتر افزایش میدهد تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - The Evaluation of the Capability of the Regression & Neural Network Models in Predicting Future Cash Flows
  Bahman Talebi Rasol Abdi Zohreh Hajiha Nader Rezaei
  10.22034/amfa.2020.1876840.1277
  Cash flow and profit are two important indicators for measuring the performance of a business unit. The future prediction was always a necessity in everyday life, and one of the subjects in which “The Prediction” has a great importance is economical and fina أکثر

  Cash flow and profit are two important indicators for measuring the performance of a business unit. The future prediction was always a necessity in everyday life, and one of the subjects in which “The Prediction” has a great importance is economical and financial problems. The purpose of the present study is to predict future cash flows using regression and neural network models. Sub – separated variables of the accruals and operational cash flows were used to investigate this prediction. For this purpose, data of 137 accepted stock exchange companies in Tehran during 2009 to 2017 has been studied. In this study, Eviews9 software for regression model and Matlab13 software for Multi-Layer Artificial Neural Networks (MANN) with Error back propagation algorithm were used to test the hypotheses.The findings of the research show that both regression and neural network models within proposed variables in the present study have the capability of predicting future cash flows. Also, results of neural network models' processes show that a structure with 16 hidden neurons is the best model to predict future cash flows and this proposal neural network model compared with regression model in predicting future cash flows has a better and accurate function. Furthermore, in this study, it was noticed that accruals of assets compared with debt accrual and variables of operating cash flows with accrual components were more predictive for future cash flows. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - Modelling Optimal Predicting Future Cash Flows Using New Data Mining Methods (A Combination of Artificial Intelligence Algorithms)
  Bahman Talebi Rasoul Abdi Zohreh Hajiha Nader Rezaei
  10.22034/amfa.2021.1910900.1493
  The purpose of this study was to present an optimal model Predicting Future Cash Flows optimized neural network with genetic (ANN+GA) and particle swarm algorithms (ANN+PSO). In this study, due to the nonlinear relationship among accounting information, we have tried to أکثر

  The purpose of this study was to present an optimal model Predicting Future Cash Flows optimized neural network with genetic (ANN+GA) and particle swarm algorithms (ANN+PSO). In this study, due to the nonlinear relationship among accounting information, we have tried to predict future cash flows by combining artificial intelligence algorithms. Variables of accruals components and operating cash flows were employed to investigate this prediction; therefore, the data of 137 companies listed in Tehran Stock Exchange during (2009-2017) were analysed. The results of this study showed that both neural network models optimized by genetic and particle swarm algorithms with all variables presented in this study (with 15 predictor variables) are able to provide an optimal model Predicting Future Cash Flows. The results of fitting models also showed that neural network optimized with particle swarm algorithm (ANN+PSO) has lower error coefficient (better efficiency and higher prediction accuracy) than neural network optimized with ge-netic algorithms (ANN+GA). تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  4 - تبیین و ارائه الگویی برای تعیین و ارزیابی عوامل مؤثر بر انتخاب کیفیت گزارشگری مالی در ایران
  هاشم نیکو‌مرام یونس باد‌آور نهندی
  این تحقیق عوامل مؤثر بر انتخاب کیفیت گزارشگری مالی در ایران را شناسایی و ارزیابی کرده است. جامعه آماری تحقیق، شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و دوره تحقیق از سال 1378 تا 1385 می‌باشد. تحقیق حاضر جزء تحقیقات تجربی حسابداری است و برای انجام آن از روشهای تحق أکثر

  این تحقیق عوامل مؤثر بر انتخاب کیفیت گزارشگری مالی در ایران را شناسایی و ارزیابی کرده است. جامعه آماری تحقیق، شرکتهای پذیرفته شده در بورس اوراق بهادار تهران و دوره تحقیق از سال 1378 تا 1385 می‌باشد. تحقیق حاضر جزء تحقیقات تجربی حسابداری است و برای انجام آن از روشهای تحقیق علی- مقایسه‌ای و همبستگی استفاده شده است. دراین تحقیق برای تجزیه و تحلیل داده‌ها و آزمون فرضیه‌ها از آزمون همبستگی، آزمون تفاوت میانگینها و الگوی رگرسیونی پروبیت استفاده گردیده است. نتایج آزمونهای تک‌متغیره فرضیه‌های تحقیق نشان می‌دهد کیفیت گزارشگری مالی با حاشیه سودآوری، و کارایی مدیریت شرکت رابطه مثبت و با رقابت در بازار محصول، محافظه‌کاری مدیریت، اندازه، سرمایه بر بودن فعالیت، چرخه عملیاتی و پیچیدگی محیط فعالیت شرکت رابطه منفی دارد. با این حال، بین کیفیت گزارشگری مالی با فرصتهای رشد، تمرکـز مالکیت، ساختار هیئت مدیره، مالکیت اعضای هیئت مدیره، صداقت مدیریت، و اهرم مالی شرکت رابطه‌ای مشاهده نگردید. همچنین، برمبنای آزمونهای چند‌متغیره الگوهایی ارائه گردید که امکان پیش‌بینی کیفیت گزارشگری مالی برای دوره مالی آینده را فراهم می‌کند. این الگوها مبتنی بر توزیع احتمال نرمال استاندارد (CDF) است و احتمال گزارشگری مالی با کیفیت برای دوره مالی آینده را برآورد می‌کند. تفاصيل المقالة