.

چکیده:

مطالعات متعددی اثبات کرده اند که تعیین بهای تمام شده محصولات و خدمات در هر بنگاه اقتصادی یکی از فرضیات انکارناذیر می باشد .با تعیین دقیق بهای تمام شده می توان ضمن حضور در صحنه رقابت با سایر تولیدکنندگان آن محصول با آنالیز سفارشات مشتریان و یا تقاضای بازار حجم تولید سالیانه را تعیین نمود. از سویی با توجه به نقش اطلاعات به عنوان یکی از ابزارهای مدیریت جهت تصمیم گیری و برنامه ریزی مدون ، برون سپاری فعالیتهای یک بنگاه اقتصادی می تواند در جهت کاهش هزینه ها که منجر به کاهش بهای تمام شده خدمات خواهد شد ، موثر واقع شود.

در این تحقیق با بهره گرفتن از اطلاعات مالی ۲۷ شهر تابعه شرکت آب و فاضلاب استان مرکزی در طی سالهای۱۳۷۸ -۱۳۸۷ به بررسی تطبیقی بهای تمام شده خدمات قبل و بعد از برون سپاری فعالیتها و تعیین اجزای تشکیل دهنده آن با بهره گرفتن از آزمون های مقایسه میانگین با دو نمونه وابسته و آزمون ویل کاکسون مورد بررسی قرار گرفته است .

یافته های تحقیق حاکی از این است که برون سپاری فعالیتها در شرکت آب وفاضلاب باعث کاهش هزینه نگریده است .

کلید واژه: بهای تمام شده ، برون سپاری فعالیتها ، خدمات شرکت آب و فاضلاب ، آزمون ویل کاکسون، آزمون مقایسه میانگین وابسته

مقدمه:

برون سپاری[۱] در بسیاری از سازمانهای امروزی (غربی ، شرقی  یا ایرانی ) از امری غیر عادی وعجیب ، به فعالیتی متداول تبدیل شده است . کمی تفکر در این واژه ، ما را به بررسی و مطالعه مفاهیمی چون ساختارهای سازمانی ، بنگاه های دولتی و خصوصی ، بازاریابی رقابتی و انحصاری ، ایجاد ارزش افزوده بیشتر ، کاهش هزینه و افزایش سود آوری ، پروژه و مدیریت آن ، مدیریت مخاطرات و انعطاف پذیری ، نفوذ به بازارهای جدید وبسیاری ابزار و دانشهای تخصصی دیگر سوق می دهد.

برون سپاری که این روزها به عنوان یک روش واگذاری بخشی از کارها به خارج از سازمان یا داخل سازمان به صورت پیمانکاری مطرح است . مانند هر روش دیگری همانطور که می تواند مفید باشد ، اگر دارای شرایط استاندارد های تعریف شده و شفافی نباشد ممکن است ضرر و زیانهای بسیاری را به همراه داشته باشد.

[۱]- out sourcing

سوالات یا اهداف پایان نامه :

۱پرسش های تحقیق

پرسش اصلی : آیا بهای تمام شده خدمات بعد از برون سپاری فعالیتها کمتر از بهای تمام شده خدمات قبل از برون سپاری فعالیتها است .

پرسش های  فرعی :

• آیا سهم هزینه حقوق ودستمزد از بهای تمام شده خدمات قبل از برون سپاری فعالیتها بیش از سهم هزینه حقوق ودستمزد از بهای تمام شده خدمات پس از برون سپاری فعالیتها است ؟
• آیا سهم هزینه تعمیرات ونگهداری از بهای تمام شده خدمات قبل از برون سپاری فعالیتها بیش از سهم هزینه تعمیرات ونگهداری از بهای تمام شده خدمات پس از برون سپاری فعالیتها است ؟
• آیا سهم هزینه خدمات قرارداری از بهای تمام شده خدمات قبل از برون سپاری فعالیتها کمتر از سهم هزینه خدمات قراردادی از بهای تمام شده خدمات پس از برون سپاری فعالیتها است؟

۶-۱اهداف تحقیق

هدف از انجام این تحقیق بررسی سهم اجزای تشکیل دهنده بهای تمام شده خدمات قبل و بعد از برون سپاری فعالیتها به بخش خصوصی در جهت کاهش هزینه ها و تصمیم گیری مدیران برای اینکه برون سپاری انجام شود یا خیر .

.

جدول ۱-۲ برخی از انواع شبکه‌های عصبی. ۴۴

جدول ۱-۳ پنجاه شرکت برتر بورس بر اساس سودآوری. ۵۹

جدول ۱-۳  فرمولهای نسبتهای مالی. ۶۵

جدول ۲-۳ نسبت های مالی و نماد های آن. ۶۶

جدول ۱-۴ نسبتهای مالی برای سالهای مختلف  شرکت باما ۷۲

جدول ۲-۴ نسبتهای مالی برای سالهای مختلف شرکت چادرملو. ۷۳

جدول ۳-۴ نسبتهای مالی برای سالهای مختلف شرکت اتومبیل ایران. ۷۴

جدول ۴-۴  نسبتهای مالی برای سالهای مختلف شرکت ایران خدرو دیزل. ۷۵

جدول ۵-۴ نسبتهای مالی برای سالهای مختلف شرکت پارس خودرو. ۷۶

جدول ۶-۴ نسبتهای مالی برای سالهای مختلف شرکت سایپا آذین. ۷۷

جدول ۷-۴ نسبتهای مالی برای سالهای مختلف شرکت سایپا ۷۸

جدول ۸-۴ محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت باما ۷۹

جدول ۹-۴ محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت چادرملو. ۷۹

جدول ۱۰-۴ محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت قطعات اتومبیل ایران. ۸۰

جدول ۱۱-۴ محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت ایران خودرو دیزل. ۸۰

جدول ۱۲-۴ محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت پارس خودرو. ۸۱

جدول ۱۳-۴ محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت سایپا آذین. ۸۱

جدول ۱۴-۴ محاسبات ارزش افزوده اقتصادی برای سالهای مختلف شرکت سایپا ۸۲

جدول ۱۵-۴  خروجی spss. 82

جدول ۱۶-۴ جدول  اوزان ۸۷

جدول ۱۷-۴  مقادیر واقعی و پیش بینی شده ۸۸

جدول ۱۸-۴ مقایسه خطای شبکه و خطای رگرسیون خطی. ۹۰

جدول ۱-۵ بررسی نتایج جدول اوزان. ۹۴

جدول ۲-۵ جدول خطا ها و فاصله ۹۶

نمودار ۱-۲ ارزش افزوده ۲۰

نمودار ۲-۲ ارزش افزوده اقتصادی. ۲۱

نمودار ۳-۲ اجزای یک عنصر پردازشگر. ۴۲

نمودار ۴-۲ ساختار ساده شبکه‌های عصبی مصنوعی. ۴۳

نمودار ۵-۲ ساختار پرسپترون چندلایه (MLP) 45

نمودار ۶-۲ عملیات یک شبکه عصبی نظارتی. ۴۸

نمودار ۱-۳ مدل تحلیلی تحقیق. ۵۷

نمودار ۲-۳ شبکه عصبی مصنوعی. ۶۷

نمودار ۱-۴ نمودار خطی رگرسیون. ۸۴

نمودار ۲-۴ نمودار لونبرک- مارکو. ۸۵

نمودار ۳-۴  نمودار آموزش شبکه عصبی. ۸۶

نمودار ۴-۴ نمودار نمایانگر پیش بینی شبکه بر اساس داده های ورودی و مقایسه آنها با مقادیر واقعی. ۸۷

نمودار ۵-۴ نمودار مقایسه ای دو پیش بینی. ۹۱

نمودار ۱-۵  نمودار پیش بینی نتایج. ۹۵

سوالات یا اهداف پایان نامه :

سوالات تحقیق

1. آیا شبکه های عصبی توانایی پیش بینی ارزش افزوده اقتصادی شرکتهای مورد مطالعه را دارد؟
2. آیا می توان با بهره گرفتن از شبکه عصبی و نسبتهای مالی به پیش بینی ارزش افزوده اقتصادی و دارایی های مالی در آینده بپردازیم؟
3. ایا پیش ­بینی ارزش افزوده اقتصادی شرکتها از طریق شبکه عصبی نسبت به رگرسیون خطی برتری دارد؟

۶-۱ اهداف تحقیق

هدف ابتدایی این پژوهش پیش بینی ارزش افزوده اقتصادی اوراق بهادار است که می توان از آن برای سرمایه گذاری استفاده نمود.

پیش بینی بازده دارایی های در طول زمان برای کسب منفعت و سود بیشتر همیشه مورد توجه بوده است اما در این پژوهش ارزش افزوده اقتصادی به عنوان گامی بلند تر برای رسیدن به سرمایه گذاری بهتر دست یابیم و در حسابداری مالی این امر برای سهام داران را می توان ارائه کرد . در پزوهش هایی که تا به حال انجام شده است روش های بسیاری برای پیش بینی ارزش افزوده اقتصادی ارائه شده است اما تا کنون به یک روش یگانه که بهترین روش برای پیش بینی ارزش افزوده اقتصادی یافت نشده است به همین دلیل در این پژوهش به دنبال یافت روشی برای پیش بینی بهتر ارزش افزوده اقتصادی شرکت ها ها هستیم.

از اهداف دیگر این پژوهش می توان به بهبود پیش بینی های ارزش افزوده اقتصادی و جستجو برای یافتن روش های بهتر با کارایی بیشتر و سرعت عمل بیشتر اشاره کرد.

.

۲۲-۲ الگوریتم پس‌انتشارخطا

الگوریتم پس‌انتشارخطا[۱] پراستفاده‌ترین روش برای آموزش شبکه‌های پیشخور چندلایه است به ویژه اگر شرایط زیر وجود داشته باشد:

• یافتن فرمول مربوط به پدیده‌ها و متغیرهایی که علت اصلی آنها هستند، ممکن نباشد؛
• دسترسی به داده‌های زیاد برای یافتن روابط بین پدیده‌ها و متغیرهای اصلی، وجود داشته باشد؛
• کاربر نیاز داشته باشد نتایج را به مواردی فراتر از داده‌های آموزش عمومیت دهد (وانگ،۲۰۰۴، ۱۲۳)[۲].

چهار دلیل برای توجیه استفاده از الگوریتم پس‌انتشارخطا به منظور پیش‌بینی قیمت‌گذاری اشتباه عرضه‌های عمومی اولیه می‌توان ذکر کرد:

• • الگوریتم پس‌انتشار‌خطا تقریباً توانایی تقریب هر تابعی را دارد.
  • بازار سهام یک سری قوانین و ویژگی‌های تکرارشونده دارد که در پس داده‌ها پنهان هستند و روابط ریاضی آنها را به بازار منعکس می‌کنند.

• • توان تحمل خطای الگوریتم پس‌انتشارخطا بالا است.
  • اجرا و بکارگیری الگوریتم پس‌انتشارخطا آسان است(وانگ،۲۰۰۴، ۱۲۳)[۳].
  • فرایند آموزش پس‌انتشارخطا با مجموعه وزن‌های تصادفی آغاز می‌شود که به ارتباطات بردار ورودی و لایه‌ای که مستقیماً ورودی‌ها را دریافت می‌دارد، اختصاص می‌یابند. بردار ورودی از طریق شبکه پس‌انتشارخطا به سمت جلو هدایت می‌شود. در پایان هر چرخه[۴]، بردار خروجی با بهره گرفتن از وزن‌ها، محاسبه شده و با بردار خروجی مطلوب مقایسه می‌شود. خطای شبکه پس‌انتشارخطا با مجموع یا میانگین مربعات خطا (تفاوت بین بردارهای خروجی مطلوب و خروجی واقعی) بیان می‌شود. هدف شبکه پس‌انتشارخطا حداقل کردن این خطا از طریق تعدیل مجموعه وزن‌ها در هر چرخه است. زمانیکه خطای شبکه در محدوده از پیش تعیین‌شده‌ای قرار گیرد، فرایند آموزش پس‌انتشارخطا متوقف می‌شود(همان منبع، ۱۲۴)[۵].

به عقیده هچ- نیلسن[۶] شبکه عصبی پرسپترون سه لایه قادر به نگاشت تقریباً هر تابعی است (اوزون و سیفتر،۲۰۰۷، ۲۱۰)[۷] .

۲۳-۲ بخش دوم: مروری بر پژوهش­ها

۱-۲۳-۲ پژوهش­های داخلی

فدایی در  بررسی آثار تورمی مالیات بر ارزش افزوده بر بخشهای مختلف اقتصادی در ایران (تحلیل داده-ستانده) به بررسی ظرفیت بالقوه مالیاتی کشور می پردازد که بین ظرفیت بالقوه مالیاتی و وصولیهای بالفعل، شکاف قابل توجهی وجود دارد و حاکی از آن است که با اتخاذ تدابیری در جهت اصلاح نظام مالیاتی و رفع مشکلات موجود، می توان وصولی های مالیاتی را افزایش داده و اتکا به درآمدهای نفتی را کاهش داد. بدون از بین بردن مشکلات سیستم مالیاتی، این سیستم قادر به تامین بخش عمده ای از هزینه های دولت نخواهد بود.

در این راستا می توان به مساله ((مالیات بر ارزش افزوده)) به عنوان یکی از روش های اخذ مالیات توجه داشت که در سه دهه اخیر نیز مورد توجه و استفاده بیش از ۹۰ کشور جهان قرار گرفته است. اجرای مالیات بر ارزش افزوده برای اولین بار در یک شکور، آثار اقتصادی متددی بر جای خواهد گذاشت که به طور کلی می توان این آثار را به سه دسته تقسیم کرد:۱- آثار قیمتی (تورمی). ۲- آثار توزیعی. ۳- آثار درآمدی.این تحقیق در جهت بررسی آثار تورمی اجرای ((مالیات بر ارزش افزوده)) بر بخشهای مخلتف اقتصادی در ایران صورت می گیرد تا با شناخت دقیق اثار تورمی ((مالیات برارزش افزوده)) بر هر کدام از بخشهای اقتصاد و با در نظر گرفتن آثار تورم در کشورمان تدابیر لازم در این زمینه اندیشیده شود. نتایج حاصل از این بررسی نشان می دهد که از ۷۸ بخش اقتصاد، ۳۶ بخش اثرات قیمتی ضعیف، ۱۳ بخش اثرات قیمتی متوسط و ۲۹ بخش اثرات قیمتی شدید دارند (سناریوی اول).با بهره گرفتن از ((مدل قیمت)) مشاهده می کنیم که:

[۱]. Back-Propagation (BP) Algorithm

[۲].Wang,2004,123

[۳].Wang,2004,123

[۴]. epoch

[۶]. Hecht-Nielsen

[۷]. Ozon & Sifter,2007,210

سوالات یا اهداف پایان نامه :

سوالات تحقیق

1. آیا شبکه های عصبی توانایی پیش بینی ارزش افزوده اقتصادی شرکتهای مورد مطالعه را دارد؟
2. آیا می توان با بهره گرفتن از شبکه عصبی و نسبتهای مالی به پیش بینی ارزش افزوده اقتصادی و دارایی های مالی در آینده بپردازیم؟
3. ایا پیش ­بینی ارزش افزوده اقتصادی شرکتها از طریق شبکه عصبی نسبت به رگرسیون خطی برتری دارد؟

۶-۱ اهداف تحقیق

هدف ابتدایی این پژوهش پیش بینی ارزش افزوده اقتصادی اوراق بهادار است که می توان از آن برای سرمایه گذاری استفاده نمود.

پیش بینی بازده دارایی های در طول زمان برای کسب منفعت و سود بیشتر همیشه مورد توجه بوده است اما در این پژوهش ارزش افزوده اقتصادی به عنوان گامی بلند تر برای رسیدن به سرمایه گذاری بهتر دست یابیم و در حسابداری مالی این امر برای سهام داران را می توان ارائه کرد . در پزوهش هایی که تا به حال انجام شده است روش های بسیاری برای پیش بینی ارزش افزوده اقتصادی ارائه شده است اما تا کنون به یک روش یگانه که بهترین روش برای پیش بینی ارزش افزوده اقتصادی یافت نشده است به همین دلیل در این پژوهش به دنبال یافت روشی برای پیش بینی بهتر ارزش افزوده اقتصادی شرکت ها ها هستیم.

از اهداف دیگر این پژوهش می توان به بهبود پیش بینی های ارزش افزوده اقتصادی و جستجو برای یافتن روش های بهتر با کارایی بیشتر و سرعت عمل بیشتر اشاره کرد.

.

۲ نسبت بدهی

این نسبت از تقسیم کل بدهی بر ارزش ویژه بدست می آید.این نسبت نشان دهنده اطمینانی است که به طور کلی بستانکاران برای وصول مطالبات خود می توانند داشته باشند و یا به عبارت دیگر وضع طلبکاران را در مقابل صاحبان سهام نشان میدهد که هر یک تا چه اندازه در واحد تجاری سرمایه گذاری کرده اند و اینکه از لحاظ مالکیت چه رابطه ای بین طلبکاران و سهامدران وجود دارد (اکبری، ۱۳۸۵، ۱۰۷)[۱].هر چه این نسبت بزرگتر شود طلبکاران تامین کمتری خواهند داشت و زمانی که از ۱۰۰ تجاوز کند وضع غیر عادی تلقی می گردد یعنی اینکه بعد از ورشکستگی و تصفیه ، طلبکاران به تمام مطالباتشان نمی رسند.

۳-۱۶-۲ نسبت بدهی جاری به ارزش ویژه

هدف از کاربرد نسبت فوق تعیین وضع مطالبات طلبکاران کوتاه مدت است که در صورت بروز خطر چه پوششی برای تامین مطالباتشان از لحاظ حقوق صاحبان سهام پیدا می کنند.

وقتی این نسبت بالا باشد نامطلوب تشخیص داده می شود و افزایش مستمر آن ایجاب می کند که در نحوه ترکیب سرمایه گذاری تجدید نظر گردد(همان منبع، ۱۰۸)[۲].

۴-۱۶-۲ نسبت پوشش بهره

برای بدست آوردن این نسبت سود عملیاتی یا سود قبل از کسر بهره و مالیات را بر هزینه بهره تقسیم می کنند.مفهوم این نسبت این است که چون از محل سودی که واحد تجاری کسب می کند می باید هزینه بهره وامها را پرداخت نماید ، پس تغییرات نامطلوب را که در نسبت بین این دو قلم به وجود می آید ، می توان حاکی از مشکلات ناشی از ناتوانی واحد تجاری در بازپرداخت بهره وامها دانست.

به طور کلی می توان گفت تغییرات نامطلوب در این نسبت حکایت از مشکلات در بازپرداخت وام دارد. گاهی کاهش این نسبت به معنای افزایش ریسک مالی است . اگر مقدار این نسبت از حد معینی بگذرد ، سازمان های وام دهنده از درخواست کننده وام بهره بیشتری طلب کرده و شرایط سخت تری تعیین می کنند (همان منبع، ۱۰۸)[۳].

۱۷-۲ شبکه‌های عصبی

شبکه های عصبی که برای اولین بار توسط روزنبلات[۴] (۱۹۵۹) و ویدرو و هاف[۵] (۱۹۶۰) مورد بررسی قرار گرفت، ساختار های محاسباتی هستند که دارای  قابلیت های تعمیم پذیری و یادگیری می باشند.

از نظر مفهوم، این تکنولوژی ها یک تکنیک توزیعی را به کار می گیرند تا دانش اکتسابی توسط یادگیری با نمونه های شناخته شده را ذخیره و برای طبقه بندی الگو، پیش بینی و تجزیه و تحلیل، کنترل و بهینه سازی مورد استفاده قرار دهد. از لحاظ عملیاتی، این تکنولوژی ها برنامه های نرم افزاری هستند که ساختار زیست شناختی مغز انسان و ساختار پیچیده عصبی آنرا الگو قرار می دهند(شاپیرو، ۲۰۰۳، ۳۱۰)[۶].

از زمان کارهای ابتدای که توسط رامل هارت[۷] ، مک کللند[۸] و گروه تحقیقی (PDP) (1986)، بر روی شبکه های عصبی مصنوعی[۹] را آغاز کردند، کاربردهای موفقیت آمیز این متد در تشخیص الگوها (نیشیکاوا وهمکاران، ۱۹۹۷)[۱۰] ، پردازش تصویر ( دورانتون، ۱۹۹۶)[۱۱]، تجزیه و تحلیل اسناد ( سودا و همکاران، ۲۰۰۵)[۱۲]، وظایف مهندسی ( ابو مصطفی، ۲۰۰۱)[۱۳] ، تولید  (کانگ و نهاوندی، ۲۰۰۲)[۱۴] ، بهداشت زیستی (ناظران و بهبهانی، ۲۰۰۰)[۱۵]، بهینه سازی ( چو و همکاران، ۲۰۰۵)[۱۶]

[۴].Rosenblatt,1959

[۵].Widrow & Hoff,1960

[۶].Shapiro 2003

[۷]. Rumelhart

[۸].McClelland

[۹].ANNs

[۱۰]. Nishikawa et al,1997

[۱۱].Duranton, 1996

[۱۲]. Soda et al, 2005

[۱۳].Abu-Mostafa, 2001

[۱۴].Kong & Nahavandi, 2002

[۱۵].Nazeran & Behbehani, 2000

[۱۶].Cho et al, 2005

سوالات یا اهداف پایان نامه :

سوالات تحقیق

1. 1. آیا شبکه های عصبی توانایی پیش بینی ارزش افزوده اقتصادی شرکتهای مورد مطالعه را دارد؟

1. آیا می توان با بهره گرفتن از شبکه عصبی و نسبتهای مالی به پیش بینی ارزش افزوده اقتصادی و دارایی های مالی در آینده بپردازیم؟
2. ایا پیش ­بینی ارزش افزوده اقتصادی شرکتها از طریق شبکه عصبی نسبت به رگرسیون خطی برتری دارد؟

۶-۱ اهداف تحقیق

هدف ابتدایی این پژوهش پیش بینی ارزش افزوده اقتصادی اوراق بهادار است که می توان از آن برای سرمایه گذاری استفاده نمود.

پیش بینی بازده دارایی های در طول زمان برای کسب منفعت و سود بیشتر همیشه مورد توجه بوده است اما در این پژوهش ارزش افزوده اقتصادی به عنوان گامی بلند تر برای رسیدن به سرمایه گذاری بهتر دست یابیم و در حسابداری مالی این امر برای سهام داران را می توان ارائه کرد . در پزوهش هایی که تا به حال انجام شده است روش های بسیاری برای پیش بینی ارزش افزوده اقتصادی ارائه شده است اما تا کنون به یک روش یگانه که بهترین روش برای پیش بینی ارزش افزوده اقتصادی یافت نشده است به همین دلیل در این پژوهش به دنبال یافت روشی برای پیش بینی بهتر ارزش افزوده اقتصادی شرکت ها ها هستیم.

از اهداف دیگر این پژوهش می توان به بهبود پیش بینی های ارزش افزوده اقتصادی و جستجو برای یافتن روش های بهتر با کارایی بیشتر و سرعت عمل بیشتر اشاره کرد.

.

• نسبت آنی

مشکل بزرگی که در نسبت جاری وجود دارد این است که این نسبت از لحاظ نقدینگی همه اقلام دارایی جاری را یکسان در نظر می گیرد. در صورتی که از نظر نقدینگی دارایی جاری را به دو دسته می توان تقسیم کرد :

• آنچه نقد و یا در حکم نقد است .مانند وجه نقد و بانک و حسابها و اسناد دریافتنی . که به این دسته دارایی های آنی گفته می شود.
• گروهی که از طریق فروش به نقد تبدیل می شوند . مانند موجودی های جنسی اعم از مواد و کالا.

با توجه به تعاریف بالا می توان دریافت که دارایی آنی بیشتر از موجودی کالا می تواند در تامین طلب بستانکاران محور اتکا قرار گیرد.بنابراین از نسبت دیگری به نام نسبت آنی استفاده شده است که در این نسبت همه اقلام دارایی جاری به جز موجودی کالا را منظور می کنند. (اکبری، ۱۳۸۵، ۶۴)^۱.

نسبت آنی از تقسیم دارایی آنی بر بدهی جاری بدست می آید. این نسبت بدین مفهوم است که در مقابل یک ریال بدهی جاری ، یک ریال دارایی جاری آن هم به صورت نقد و یا حساب قابل وصول و تبدیل به نقد در مدتی کوتاه وجود دارد.

نسبت آنی شرکت ها باید برابر با ۱ و یا بیشتر از آن باشد تا شرکت بتواند از محل دارایی های آنی بدهی های جاری خود را بپردازد. استدلال تحلیلگرانی که استاندارد نسبت آنی را ۱ می دانند این است که این عدد مرز بین قدرت نقدینگی کافی و قدرت نقدینگی ناکافی شرکت است.

این نسبت یکی از مفید ترین نسبت هاست. وبه وضوح نشان می دهد که آن قسمت از دارایی جاری که از لحاظ ارزش ، ثبات بیشتری دارد و احتمال کاهش در آن کمتر است تا چه میزان می تواند پشتوانه طلبکاران کوتاه مدت قرار گیرد (پی نوو ، ۱۳۸۴، ۸۶)^۲.

نسبت های فعالیت

گردش کالا

تعریف کالا : کالا را مترادف موجودی جنسی به کار می بریم و شامل مواد اولیه ، کالای در جریان ساخت و کالای ساخته شده می شود و ملزومات تولید را هم در بر می گیرد.

با بهره گرفتن از این نسبت ، گردش موجودی کالای شرکت ( یعنی تعداد دفعاتی که شرکت در سال موجودی کالای خود را می فروشد ) محاسبه می کند و دوره گردش کالا نیز بیان می کند که هر چند روز یک بار انبار کالای شرکت پر و خالی شده است.

گردش موجودی کالا از تقسیم بهای تمام شده کالای فروش رفته بر موجودی کالا بدست می آید. در مخرج و به جای موجودی کالا بهتر است متوسط کالا را قرار داد. متوسط کالا از جمع موجودی اول سال و موجودی پایان سال تقسیم بر ۲ بدست می آید. هرچه دفعات تعیین موجودی یا استخراج آن از دفاتر بیشتر باشد متوسط کالا دقیق تر خواهد بود. (اکبری، ۱۳۸۵، ۶۸)^۳.

بعد از محاسبه دفعات گردش کالا می توانیم دوره گردش کالا از تقسیم ۳۶۰ بر دفعات گردش کالا محاسبه کرد.

متوسط موجودی کالا / بهای تمام شده کالای فروش رفته = دفعات گردش کالا

دفعات گردش کالا / ۳۶۰ = دوره گردش کالا

به طور معمول نسبت گردش زیاد موجودی ها نشانه کارایی مدیریت شرکت است. (پی نوو ، ۱۳۸۴)

نسبت گردش دارایی

این نسبت میزان و اثر گردش دارایی را در تحصیل درآمد نشان می دهد و در مقایسه با گذشته حکایت از این می کند که آیا افزایش دارایی ها با افزایش فروش ملازمه داشته است یا خیر.

این نسبت از تقسیم فروش خالص بر کل دارایی ها بدست می آید.

با فرض ثابت ماندن قیمت ها هنگامی که شرکت ها به ظرفیت تولیدی خود برسد ، این نسبت به حداکثر خواهد رسید.کاهش این نسبت احتمالا نشانه کاهش حجم فعالیت شرکت است و پایین آمدن گردش کل دارایی ها می تواند نوعی اخطار تلقی گردد (پی نوو ، ۱۳۸۴، ۸۸)^۱.

سوالات یا اهداف پایان نامه :

سوالات تحقیق

1. 1. آیا شبکه های عصبی توانایی پیش بینی ارزش افزوده اقتصادی شرکتهای مورد مطالعه را دارد؟

1. آیا می توان با بهره گرفتن از شبکه عصبی و نسبتهای مالی به پیش بینی ارزش افزوده اقتصادی و دارایی های مالی در آینده بپردازیم؟
2. ایا پیش ­بینی ارزش افزوده اقتصادی شرکتها از طریق شبکه عصبی نسبت به رگرسیون خطی برتری دارد؟

۶-۱ اهداف تحقیق

هدف ابتدایی این پژوهش پیش بینی ارزش افزوده اقتصادی اوراق بهادار است که می توان از آن برای سرمایه گذاری استفاده نمود.

پیش بینی بازده دارایی های در طول زمان برای کسب منفعت و سود بیشتر همیشه مورد توجه بوده است اما در این پژوهش ارزش افزوده اقتصادی به عنوان گامی بلند تر برای رسیدن به سرمایه گذاری بهتر دست یابیم و در حسابداری مالی این امر برای سهام داران را می توان ارائه کرد . در پزوهش هایی که تا به حال انجام شده است روش های بسیاری برای پیش بینی ارزش افزوده اقتصادی ارائه شده است اما تا کنون به یک روش یگانه که بهترین روش برای پیش بینی ارزش افزوده اقتصادی یافت نشده است به همین دلیل در این پژوهش به دنبال یافت روشی برای پیش بینی بهتر ارزش افزوده اقتصادی شرکت ها ها هستیم.

از اهداف دیگر این پژوهش می توان به بهبود پیش بینی های ارزش افزوده اقتصادی و جستجو برای یافتن روش های بهتر با کارایی بیشتر و سرعت عمل بیشتر اشاره کرد.