آزمون تئوری نشانه شناسی اقلام تعهدی با استفاده از شبکه های عصبی پایه شعاعی RBF

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:

جریان نقد عملیاتی ، اقلام تعهدی ساختاری ، اقلام تعهدی معنایی ، شبکه عصبی پایه شعاعی RBF