کاربرد شبکۀ عصبی مصنوعی در پیش‌بینی جریان وجوه نقد آتی

وجوه‌‌ نقد از منابع مهم حیاتی هر واحد اقتصادی است و ایجاد توازن بین وجوه نقد در دسترس و نیازهای نقدی، مهم‌ترین عامل سلامت اقتصادی آن واحد می‌باشد. از آنجایی که وضعیت نقدینگی مبنای قضاوت بسیاری از اشخاص ذی‌نفع مانند سهامداران و سرمایه‌گذاران دربارة موقعیت واحد اقتصادی است. لذا، پیش‌بینی جریان وجه نقد آتی از اهمیت زیادی برخوردار است. افزون بر این، فراهم کردن مدل مناسب برای پیش‌بینی دقیق با حداقل انحراف مورد توجه بسیاری از محققین دانش حسابداری بوده است. هدف این تحقیق، استفاده از شبکة عصبی پرسپترون چند‌لایه و تعیین مدل برتر با استفاده از متغیرهای مدل رگرسیون تعهدی برای پیش‌بینی جریان وجوه نقد است. برای این منظور، تعداد 288 شرکت از میان شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران طی سال‌های 1382-1392، مورد بررسی قرار گرفت. نتایج حاصل از برازش‌های مدل‌های مختلف شبکة عصبی، حکایت از آن داشت که دو ساختار با 8 و 11 نود مخفی، بهترین مدل برای پیش‌بینی جریان وجه نقد است.