کاربرد الگوریتم های هوش مصنوعی در پیش بینی جریان نقدی سازمان ها

پیش بینی جریان نقدی، به ویژه در شرایط ناپایدار اقتصادی یکی از دشوارترین مسائل برنامه ریزی مالی سازمان هاست زیرا کیفیت این پیش بینی مستقیما بر توان ایفای تعهدات، تصمیم های تامین مالی و نحوه تخصیص منابع اثر می گذارد. الگوهای متعارف اگرچه از شفافیت و قابلیت تفسیر مناسبی برخوردارند، در مواجهه با روابط غیر خطی، نوسان های پیش بینی نشده و حجم بالای داده های مالی با محدودیت روبه رو می شوند. پژوهش حاضر با هدف تبیین ظرفیت الگوریتم های هوش مصنوعی در بهبود پیش بینی جریان نقدی سازمان ها، به روش مروری - تحلیلی انجام شده است. در این راستا مطالعات داخلی و خارجی مرتبط بررسی و یافته های آن ها بر پایه نوع داده، افق پیش بینی، روش مدل سازی و معیارهای ارزیابی تحلیل شدند. نتایج نشان می دهد مدل های یادگیری ماشین در صورت برخورداری از داده های کافی و پالایش شده می توانند روابط میان فروش، حساب های دریافتنی و پرداختنی، موجودی کالا، سود عملیاتی و جریان های نقدی گذشته را با دقت بیشتری شناسایی کنند. با این حال، شواهد موجود از برتری مطلق یک الگوریتم حمایت نمی کند بلکه عملکرد مدل به ویژگی های صنعت، ساختار داده، تناوب زمانی، افق پیش بینی و شیوه اعتبارسنجی وابسته است. همچنین افزایش دقت آماری لزوما به معنای سودمندی مدیریتی بیشتر نیست و قابلیت تفسیر، نتایج، هزینه پیاده سازی و امکان به روزرسانی مدل نیز باید در انتخاب روش لحاظ شود. بر این اساس استفاده از مدل های ترکیبی و ارزیابی مبتنی بر ترتیب زمانی داده ها، همراه با قضاوت حرفه ای مدیران مالی می تواند مبنای قابل اتکاتری برای مدیریت نقدینگی در سطح سازمان فراهم سازد. هوش مصنوعی در این چارچوب جایگزین تصمیم گیرنده انسانی نیست بلکه ابزاری مکمل برای کاهش عدم قطعیت و ارتقای کیفیت تصمیم های مالی است.

کلیدواژه ها:

هوش مصنوعی ، جریان نقدی ، یادگیری ماشین ، مدیریت نقدینگی ، پیش بینی مالی