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

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.

Keywords:

پیشبینی جریانهای نقدی , جریانهای نقدی عملیاتی , الگوریتم PSO , شبکه عصبی