به دلیل اهمیت به سزای جریان های نقدی در موفقیت واحدهای اقتصادی و تأثیرگذاری آن در تصمیمات اقتصادی سرمایه گذاران و اعتبار دهندگان، پیش بینی جریان های نقدی از موضوعات مهم مورد مطالعه تحقیقات اخیر بوده است. اکثر تحقیقات انجام شده در این زمینه، به بررسی ارتباط خطی متغیرهای مستقل با جریان های نقدی و با روش های آماری پرداخته اند. امروزه با رشد تکنولوژی اطلاعات و با وارد شدن هوش مصنوعی به حوزه پژوهش های علمی، امکان بررسی روابط غیر خطی بین متغیرها میسر گردیده است. هدف اصلی تحقیق حاضر بررسی پیش بینی جریان های نقدی عملیاتی با استفاده از دو تکنیک شبکه عصبی مصنوعی و رگرسیون خطی بوده و در طول تحقیق سعی گردیده است به این سوال پاسخ داده شود که آیا شبکه های عصبی مصنوعی نسبت به مدل های مبتنی بر رگرسیون از توانایی پیش بینی بالاتری برخوردار می باشند؟ جامعه آماری مورد بررسی بورس اوراق بهادار تهران در فاصله سال های 80 تا 88 می باشد. در هر دو تکنیک از سه مدل با اطلاعات ورودی و خروجی یکسان استفاده شد تا مبنای مقایسه مناسب تر باشد. روش نمونه گیری حذفی می باشد که منجر به انتخاب 134 شرکت شد. مدل های تحقیق در هر دو تکنیک با استفاده از سه معیار ارزیابی عملکرد mse، aic و sbc در سطح کلیه صنایع و همچنین پنج صنعت به تفکیک مقایسه شدند که در نهایت با مقایسه این آماره ها مشخص شد الگوی رگرسیون در سطح کلیه صنایع و همچنین دو صنعت از پنج صنعت برتری کامل و در یک صنعت برتری نسبی نسبت به شبکه های عصبی دارد؛ و اما شبکه های عصبی در یک صنعت برتری کامل و در یک صنعت برتری نسبی را دارا بود.