TY - JOUR ID - 64544 TI - پیش‌بینی ورشکستگی مالی با استفاده از صورت جریان نقد: رهیافت شبکۀ عصبی مصنوعی JO - مجله علمی "مدیریت فرهنگ سازمانی" JA - JOMC LA - fa SN - 2423-6942 AU - اسمعیلی, سهیلا AU - گوگردچیان, احمد AD - کارشناسی ارشد، گروه مدیریت، دانشکدۀ علوم انسانی، دانشگاه آزاد اسلامی واحد نجف‌آباد، ایران AD - استادیار، گروه اقتصاد، دانشکدۀ علوم اداری و اقتصاد، دانشگاه اصفهان، ایران Y1 - 2017 PY - 2017 VL - 15 IS - 4 SP - 879 EP - 901 KW - شبکۀ پرسپترون چند لایه KW - شبکۀ عصبی مصنوعی KW - صورت جریان وجه نقد KW - مدل‌های پیش‌بینی ورشکستگی KW - ورشکستگی DO - 10.22059/jomc.2018.115408.1006245 N2 - بحران مالی شرکت‌های بزرگ در دهۀ اخیر سبب گرایش اکثریت گروه‌های ذی‌نفع به مدل‌های پیش‌بینی ورشکستگی شده است. هدف اصلی این پژوهش ارزیابی محتوای اطلاعاتی نسبت‌های صورت جریان وجه نقد در تشخیص ورشکستگی شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران با استفاده از شبکۀ عصبی مصنوعی است. جامعۀ آماری این پژوهش شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران در دورۀ زمانی از سال‌های 1384 تا 1392 است. برای این منظور 84 شرکت شامل 42 شرکت ورشکسته و 42 شرکت سالم انتخاب شدند. شبکۀ عصبی این پژوهش پرسپترون سه لایه است که با روش الگوریتم پس انتشار خطا آموزش دیده است. براساس نتایج پژوهش، مدل شبکۀ عصبی با نسبت جریان نقدی عملیاتی به بدهی‌های جاری، نسبت پوشش جریان نقدی عملیاتی به بهره، نسبت بازده نقدی دارایی‌ها، نسبت کیفیت سود و نسبت آنی بیشترین قدرت پیش‌بینی را نسبت به ورشکستگی شرکت‌ها در ایران دارد. همچنین، یافته‌ها نشان می‌دهند که دقت پیش‌بینی مدل برای سال ورشکستگی 99 درصد و در مجموع مراحل ورشکستگی در یک، دو و سه سال قبل از ورشکستگی به ترتیب با دقت 91، 85 و 70 درصد است. UR - https://jomc.ut.ac.ir/article_64544.html L1 - https://jomc.ut.ac.ir/article_64544_0b373cd9e9128629f91f519e4134bba6.pdf ER -