ترجمه فایل روندهاي موجود بر اساس مدل هاي پيش بيني جريان نقدي آماري سه ماهه سال 2013
دسته بندي :
🔺ترجمه و تحقیق »
رشته حسابداری (مقالات_و_تحقیقات)
2013 Trends in statistically based quarterly cash-flow prediction models
دانلود رایگان اصل مقالهچکیده فارسی
در این مقاله به بررسی مختصر و تحقیقات قبلی دررابطه با مدل های پیش بینی جریان نقدی سه ماهه آماری پرداخته شده است. آن با بررسی تحقیقات موجود در مدل های پیش بینی جریان نقدی سه ماهه به صورت زیر می باشد: (1) حالت پیچیده و بخش برآورد اقلام تعهدی مدل جداگانه که به ویلسون در سال 1987 و 1986 و برنارد واستو بر نسبت داده شده است.(2)مدل ها ARIMA به هوپ وود که یک مدل صرفه جو محور است نسبت داده شده است.(3) مدل اقلام تعهدی جداگانه و مدل رگرسیون سری زمانی، هر دو ویژگی های مجاور به لورک و ویلینجرمنسوب شده است.(4) مدل های ARIMA صرفه جو محور نیز به پارسیمو نسبت داده شده است. با توجه به در دسترس نبودن پیش بینی بلند مدت جریان نقدی منسوب به تحلیل گران، افزایش اهمیت بر توسعه آماری بر اساس مدل های پیش بینی جریان نقدی استفاده شده از آن ها در ارزیابی شرکت به کار می رود. توصیه های خاصی نیز برای تلاش های تحقیقاتی آینده در مورد مدل های پالایش آماری پیش بینی کننده جریان نقدی سه ماهه ارائه شده است.
چکیده لاتین
This paper provides a succinct review and synthesis of the literature on statistically based quarterly cash-flow prediction models. It reviews extant work on quarterly cash-flow prediction models including: (1) complex, cross-sectionally estimated disaggregated-accrual models attributed to 0170 and 0175 and Bernard and Stober (1989), (2) parsimonious ARIMA models attributed to Hopwood and McKeown (1992), (3) disaggregated-accrual, time-series regression models attributed to Lorek and Willinger (1996), and (4) parsimonious ARIMA models with both adjacent and seasonal characteristics attributed to 0120 and 0130. Due to the unavailability of long-term cash-flow forecasts attributed to analysts, increased importance has been placed upon the development of statistically based cash-flow prediction models given their use in firm valuation. Specific recommendations are also provided to enhance future research efforts in refining extant statistically based quarterly cash-flow prediction models.