وجوه نقد از منابع مهم و حیاتی هر واحد اقتصادی است و پیش بینی وجوه نقد برای دوره های آتی، از مهمترین ضروریت های مدیریت واحد های اقتصادی است. سرمایه گذاران، اعتباردهندگان و سایر استفاده کنندگان اطلاعات حسابداری برای اتخاذ تصمیم های مالی و سرمایه گذاری، نیازمند اطلاعات مربوط به جریان های نقدی هستند و بخش عمده و مستمر وجوه نقد واحد های تجاری را وجوه نقد عملیاتی تشکیل می دهد. پژوهش های پیشین مدل های متعددی را برای پیش بینی وجوه نقد عملیاتی واحد های تجاری مورد آزمون قرار داده اند. از آنجا که مطالعات اخیر در زمینه پیش بینی ها، بر ایجاد و به کارگیری هوش مصنوعی و روش های یادگیری ماشینی متمرکز شده است، لذا در پژوهش حاضر به منظور پیش بینی جریان وجه نقد عملیاتی شرکت ها از الگوریتم آدابوست و شبکه عصبی فازی به عنوان مدل های مقایسه ای استفاده شده است. نمونه تحت بررسی شامل 163 شرکت واجد شرایط در بازه زمانی 1384 الی 1390 می باشد.یافته های تحقیق حاکی از آن است که در پیش بینی جریان وجه نقد عملیاتی شرکت ها، مدل مبتنی بر شبکه عصبی فازی نسبت به مدل مبتنی بر الگوریتم آدابوست، از دقت کلی بیش تری برخوردار است.