آزمون تئوری نشانه شناسی اقلام تعهدی با استفاده از شبکه های عصبی پایه شعاعی RBF
محل انتشار: یازدهمین همایش ملی حسابداری ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 863
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IAAC11_032
تاریخ نمایه سازی: 25 فروردین 1394
چکیده مقاله:
پیش بینی جزء مهمی در فرایند تصمیم گیری است. زیرا تصمیم گیری انچه در اینده رخ خواهد داد را منعکس میکند.و در تصمیم گیریهای اقتصادی نیزیش بینی مالی فعالیت مهمی محسوب میشود. نیاز به پیش بینی جریان وجوهنقد در تصمیمات اقتصادی مختلف وجود دارد. زیرا جریانهای نقدی مبنایی برای پرداخت سود سهام، بهره، باز پرداخت بدهی و... هستند. در این تحقیق با استفاده از تئوری نشانه شناسی، سود مندی اقلام تعهدی در پیش بینیجریانهای نقد اتی در شرکتهای ایرانی مورد بررسی قرار گرفت. به این منظور تعداد 60 شرکت از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران به عنوان نمونه انتخاب و اطلاعات مالی انها طی سالهای 1385 تا 1387 با استفاده از یکی از تکنیکهای هوش مصنوعی واز روشهای معتبر پیش بینی که شبکه پایه شعاعی یاRBFنام دارد، برای اولین بار در کشور مورد تجزیه وتحلیل قرار گرفت.شواهد تجزیه وتحلیل بر مبنای داده های مربوطه و با استفاده از شبکه عصبی پایه شعاعیRBFنشان داد که اقلام تعهدی(که بر مبنای عملکرد به دو نوع ساختاری و معنایی تقسیم می شوند) در پیش بینی جریان نقد عملیات اتی موثرند و پیش بینی جریان نقد عملیات اتی را به هنگام اضافه شدن به اقلام نقدی بهبود می بخشند
کلیدواژه ها:
نویسندگان
سمیه نعیمی
کارشناسی ارشد دانشگاه آزاد اسلامی پردیس علوم و تحقیقات سیستان و بلوچستان زاهدان ایران
قدرت الله طالب نیا
استادیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :