بهینه سازی مدیریت سرمایه در گردش با استفاده از شبکه های عصبی مصنوعی

با توجه به نقش مهم مدیریت سرمایه در گردش در تحقق اهداف شرکت و ایجاد سودآوری برای شرکت ها، بهینه سازی شاخص های مدیریت سرمایه در گردش، به منظور افزایش اثربخشی و کاهش هزینه ها در تصمیمات مربوط به اجرای سیاست های سرمایه در گردش ضروری به نظر می رسد. در این پژوهش به منظور بهینه سازی مدیریت سرمایه در گردش از شاخص های دوره ی گردش حساب های دریافتنی، دوره گردش موجودی کالا، دوره گردش حساب های پرداختنی و دوره تبدیل وجه نقد به عنوان شاخص های کارایی مدیریت سرمایه در گردش استفاده شده است. درصد سود و زیان عملیاتی خالص به مجموع دارایی ها نیز به عنوان معیار سودآوری شرکت در نظر گرفته شد. با استفاده از تکنیک شبکه های عصبی مصنوعی ابتدا رفتار بین متغیر های مستقل و وابسته ی پژوهش مدلسازی شد و سپس به کمک تکنیک جستجوی فراگیر متغیر های بهینه ی مستقل بدست آمدند. این پژوهش به تفکیک، برای 16 گروه از شرکت ها (رایانه و فعالیت های وابسته، ماشین آلات و دستگاه های برقی - محصولات چوبی و محصولات کاغذی - مواد و محصولات دارویی - فراورده های نفتی، کک و سوخت هسته ای – فلزات اساسی – قند و شکر – انواع فراورده های غذایی و آشامیدنی به جز قند و شکر – استخراج کانی های فلزی – محصولات کانی غیر فلزی – کاشی و سرامیک – خودرو و ساخت قطعات – لاستیک و پلاستیک – ساخت محصولات فلزی – ماشین آلات و تجهیزات – مواد و محصولات شیمیایی – سیمان، آهک و گچ) صورت گرفت و نتایج آن حاکی از این است که سطح بهینه ی شاخص های سرمایه در گردش برای هر یک از گروه شرکت ها قابل محاسبه و متفاوت از یکدیگراست.