مقایسه عملکرد شبکه عصبی مصنوعی و روش ریاضی در خصوص پیش بینی جریان های نقدی عملیاتی

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 600

This Paper With 9 Page And PDF and WORD Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CAEI01_066

تاریخ نمایه سازی: 2 تیر 1395

Abstract:

در مطالعه حاضر به مقایسه عملکرد شبکه عصبی مصنوعی و روش ریاضی در خصوص پیش بینی جریان های نقدی عملیاتی پرداخته شده است. روش تحقیق مورد استفاده در این مطالعه از لحاظ هدف، کاربردی و از لحاظ ماهیت از نوع توصیفی-پس رویدادی می باشد. در این پژوهش اطلاعات مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1386 الی 1392، با استفاده از شبکه پروسپترون چند لایه برای شبکه عصبی مصنوعی و رگرسیون چند متغیرهو تحلیل داده های پانل دیتا، برای روش ریاضی مورد بررسی قرار گرفت. نتایج حاصل از آزمون فرضیه نشان داد که هر دو روش شبکه عصبی مصنوعی (R2: 0/92 و MSE:3/99 ) و روش رگرسیون (R2:0/94 و MSE:3/06) توانایی بالایی در پیش بینی جریان های نقدی عملیاتی را دارا هستند اما روش رگرسیون برتری نسبی، نسبت به روش شبکه عصبی مصنوعی در خصوص پیش بینی جریان های نقدی عملیاتی دارد.

Keywords:

شبکه عصبی مصنوعی , روش ریاضی , پیش بینی جریان های نقدی عملیاتی

Authors

ارسلان غلامی

گروه حسابداری،واحد سراب، دانشگاه آزاد اسلامی، سراب، ایران

هاتف حاضری

گروه اقتصاد و مدیریت، دانشگاه محقق اردبیلی، اردبیل، ایران، (مسئول مکاتبات)

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • اشلقی، عباس. حق دوست، شادی(1384)، مدل سازی پیش بینی قیمت ...
  • ابری، پوریا(1391)، ارزیابی پیش بینی جریان های نقدی عملیاتی به ...
  • اعتمادی، حسین. آذر، عادل. بقایی، وحید(1391)، به کارگیری شبکه های ...
  • تقفی، علی. صراف، فاطمه(1392)، مدلی برای پیش بینی جریان وجوه ...
  • حجازی، رضوان. محمدی، شاپور. اصلانی، زهرا. آقاجانی، مجید(1391)، پیش بینی ...
  • خسرو نژاد، حسین. امرالله، فرخنده(1390)، پیش بینی ورشکستگی شرکت ها ...
  • خالوزاده، حمید(1377)، مدل سازی غیر خطی و پیش بینی رفتار ...
  • دارابی، رویا. اعتبار، شکوفه(1389)، مقایسه قدرت داده های حسابداری نقدی ...
  • زر آهنی، محسن (1391)، شبکه های عصبی مصنوعی، پایان نامه ...
  • ستایش، محمد حسین. ابراهیمی، فهیمه. سیف، سید مجتبی. ساریخانی، مهدی(1393)، ...
  • صلاحی، برومند. اسعد، حسین. شایقی، حسین. سبحانی، بهروز(1388)، پیش بینی ...
  • صراف، فاطمه. تقفی، علی. امیری، مقصود(1392)، _ های رگرسیون خطی ...
  • طاهر خانی، حسن. ابراهیمی مقدم، مر(1391)، پیش بینی عمر خستگی ...
  • عراقی، منصور. نوبهار، الهام(1390)، پیش بینی قیمت مسکن در شهر ...
  • منجمی، سید امیر حسین. ابزری، مهدی. رعیتی شوازی، علیرضا(1388)، پیش ...
  • میرزاگل، اطم(1389)، توان اقلام تعهدی در پیش بینی جریان های ...
  • Afolabi, M. O. and Olude, O (2007), Predicting Stock Prices ...
  • DeFond, M. and Hung, M (2003), An empirical analysis of ...
  • Francis, R. and Eason, P (20 12), Accruals and the ...
  • Kary1, Q.C, et all (2005), A Comparision between Fama and ...
  • Omran, M, &Ragab, A (2004), Linear versus non- linear Relationships ...
  • Sarrano-Cinka, c.(1997), Feed forward neural networks in the cl assification ...
  • Wright, S and, Zhao, Y, and Hobbes, G (2007), Predicting ...
  • Yoder, T (2007), The incremental predictive ability of accrual models ...
  • Ebaid, E..(2011), "Accruals and the prediction of future cash flows: ...
  • نمایش کامل مراجع