علی آشتاب

این مطالعه به بررسی عوامل مؤثر بر عملکرد مالی بانک ها در ایران و عراق می پردازد و پیشنهادات سیاستی برای بهبود این عملکرد ارائه می دهد. این تحقیق با استفاده از روش شبکه ی عصبی، یادگیری ماشین، اقتصاد سنجی فضایی بررسی شده است.جامعه آماری شامل بانک های تجاری ایران و عراق در بازه زمانی 2010 الی 2023 برای 44 بانک عراقی و 22 بانک ایرانی می باشد. نتایج نشان می دهد که عواملی چون نسبت بازده دارایی ها، نسبت بازده حقوق صاحبان سهام، کیفیت دارایی ها، کفایت سرمایه، مدیریت نقدینگی و کارآیی عملیاتی، تأثیر قابل توجهی بر عملکرد مالی بانک ها دارند. بانک هایی با مدیریت ریسک بهتر، نسبت کفایت سرمایه بالاتر و کارآیی عملیاتی بیشتر، عموماً عملکرد مالی بهتری نشان می دهند. بهبود عملکرد مالی بانک ها مستلزم اقدامات جامع در زمینه های مختلف از جمله تقویت مدیریت ریسک، افزایش کفایت سرمایه، بهبود مدیریت نقدینگی و افزایش کارآیی عملیاتی است. مقامات پولی می توانند با اتخاذ سیاست های مناسب و ایجاد چارچوب های نظارتی قوی، به بهبود عملکرد مالی بانک ها و تقویت ثبات سیستم مالی کمک کنند.

هدف: هدف از پیش بینی تغییرات سود، آگاهی دادن به سرمایه گذاران، تحلیلگران مالی، مدیران، مسئولان بازار سهام، اعتباردهندگان و سایر استفاده کنندگان، به منظور قضاوت کردن واحد تجاری، تصمیم گیری برای خرید یا فروش سهام و اعطا یاعدم اعطای وام و اعتبارات است. این پژوهش با هدف ارزیابی عملکرد و مقایسه دقت پیش بینی مدل های یادگیری ماشین و مدل های آماری، برای پیش بینی جهت تغییرات سه مؤلفه سود، از جمله سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی اجرا شده است.روش: در این پژوهش با استفاده از اطلاعات مالی ۱۳۹ شرکت تولیدی پذیرفته شده در بورس اوراق بهادار تهران، در دوره زمانی ۱۵ ساله، طی سال های ۱۳۸۷ تا ۱۴۰۱ و با به کارگیری ۲۵ مدل یادگیری ماشین و ۱۰ مدل آماری، به بررسی مقایسه کارایی مدل های یادگیری ماشین و مدل های آماری برای پیش بینی جهت تغییرات اجزای سود از جمله سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی پرداخته شده است. در پژوهش حاضر از نرم افزار اکسل برای مرتب سازی داده ها، نرم افزار ایویوز برای استخراج آمار توصیفی و از نرم افزارهای داده کاوی اس پی اس اس مدلر و رپیدماینر برای مدل سازی پیش بینی جهت تغییرات سود استفاده شده است. ارزیابی عملکرد مدل های یادگیری ماشین، از طریق دو معیار دقت پیش بینی مدل (accuracy) و ناحیه زیر منحنی (AUC) و ارزیابی عملکرد مدل های آماری تنها با معیار دقت پیش بینی مدل انجام شده است. در نهایت، به منظور انتخاب مدلی که بهترین عملکرد را برای پیش بینی جهت تغییرات سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی دارد، از میان مدل های یادگیری ماشین، به انتخاب مدل بهینه با استفاده از منحنی راک پرداخته شده است.یافته ها: پس از محاسبه متوسط دقت پیش بینی مدل های یادگیری ماشین و مدل های آماری، مشخص شد که متوسط دقت پیش بینی مدل های یادگیری ماشین برای متغیرهای وابسته (درصد تغییرات سود (زیان) خالص، درصد تغییرات سود (زیان) ناخالص و درصد تغییرات سود (زیان) عملیاتی)، از ۸۳ درصد تا ۹۳ درصد و متوسط دقت پیش بینی مدل های آماری برای هر سه مؤلفه سود، از ۷۶ درصد تا ۸۳ درصد متغیر است. پس از احراز نرمال نبودن متوسط دقت مدل های یادگیری ماشین و مدل های آماری برای اجزای سود توسط آزمون کلموگروف اسمیرنف، از آزمون ناپارامتریک یومن ویتنی برای مقایسه دقت پیش بینی مدل های یادگیری ماشین و مدل های آماری برای پیش بینی جهت تغییرات اجزای سود استفاده شد.نتیجه گیری: نتایج آزمون فرضیه های پژوهش، بیانگر کارایی بالای مدل های یادگیری ماشین برای پیش بینی جهت تغییرات سود (زیان) خالص، سود (زیان) ناخالص و سود (زیان) عملیاتی نسبت به مدل های آماری است. نتایج منحنی راک نیز نشانگر آن است که مدل درخت تصمیم با دقت پیش بینی معادل ۱۰۰ درصد، برای پیش بینی جهت تغییرات سود (زیان) خالص و دقت پیش بینی معادل ۳۸/۹۹ درصد برای پیش بینی جهت تغییرات سود (زیان) ناخالص و مدل استنتاج قوانین با دقت پیش بینی معادل ۷۶/۸۶ درصد در پیش بینی جهت تغییرات سود (زیان) عملیاتی، بهترین عملکرد را داشتند و به عنوان مدل بهینه انتخاب شدند. 

این پژوهش به بررسی تأثیر بحران مالی، حسابداری بخش عمومی، مکانیزم حاکمیت شرکتی و کیفیت حسابرسی بر عملکرد مالی بانک های ایرانی پذیرفته شده در بورس تهران برای دو بازه زمانی قبل از بحران مالی و در دوران بحران مالی برای ۲۲ بانک با استفاده از روش تحقیق هوش مصنوعی پرداخته است. نتایج نشان می دهد که در دوران بحران مالی، اهمیت و تأثیر متغیرهای مورد بررسی بر عملکرد مالی بانک ها به طور قابل توجهی افزایش می یابد. استانداردهای حسابداری بخش عمومی (IPSAS) با افزایش 21 درصدی، کیفیت حسابرسی (AQ) با افزایش 29 درصدی و مکانیزم حاکمیت شرکتی (CG) با افزایش 14 درصدی در تأثیرگذاری بر شاخص های عملکرد مالی، نقش کلیدی در بهبود و حفظ عملکرد مالی بانک ها در شرایط بحرانی ایفا می کنند. همچنین، دقت پیش بینی مدل های یادگیری ماشین در دوران بحران 9 درصد افزایش یافته است. این یافته ها اهمیت توجه ویژه به شفافیت مالی، کیفیت حسابرسی و ساختارهای حاکمیت شرکتی را در مدیریت ریسک و بهبود عملکرد مالی بانک ها، به ویژه در شرایط بحرانی، برجسته می کند. بر اساس این نتایج، پیشنهادهای سیاستی شامل تقویت و اجرای جامع IPSAS، ارتقای کیفیت حسابرسی و تقویت مکانیزم های حاکمیت شرکتی در بانک ها ارائه شده است. بنابراین؛ این یافته ها اهمیت توجه ویژه به شفافیت مالی، کیفیت حسابرسی و ساختارهای حاکمیت شرکتی را در مدیریت ریسک و بهبود عملکرد مالی بانک ها، به ویژه در شرایط بحرانی، برجسته می کند.

کیفیت حسابرسی برای استفاده کنندگان اطلاعات حسابداری جهت ارزیابی عملکرد، پیش بینی سودآوری و تعیین ارزش واقعی شرکت اهمیت دارد. با این بیان، هدف اصلی پژوهش حاضر ارائه الگوی کیفیت حسابرسی(عوامل ورودی، فرایند، خروجی و زمینه ای) جهت استفاده در تصمیمات سرمایه گذاران و فعالان بازارهای مالی است. برای دسترسی به هدف پژوهش انواع مدل های آماری و یادگیری ماشین در دستیابی به الگویی بهینه در پیش بینی مدل تصمیم سرمایه گذاری استفاده شده است. به منظور ارزیابی عملکرد مدل های یادگیری ماشین از دو معیار دقت پیش بینی مدل و ناحیه سطح زیر منحنی استفاده شده است. در نهایت به منظور انتخاب مدلی که بهترین عملکرد را برای پیش بینی مدل تصمیم سرمایه گذاری دارد، از منحنی مشخصه عملکرد سیستم استفاده شده است. نتایج پژوهش نشان داد پس از محاسبه متوسط دقت پیش بینی، مدل های قوانین استنتاجی، K نزدیک ترین همسایه و ماشین بردار پشتیبان تکاملی به ترتیب دارای بالاترین دقت پیش بینی 29/84 درصد 74/78 درصد و 01/77 درصد در بین مدل های یادگیری ماشین هستند. همچنین براساس نتایج منحنی مشخصه عملکرد سیستم مدل قوانین استنتاجی با دقت پیش بینی 29/84 درصد در پیش بینی مدل تصمیم سرمایه گذاری بهترین عملکرد را دارد و به عنوان مدل بهینه انتخاب شد. یکی از راه های کمک به تحلیلگران سرمایه گذاری و فعالان بازارهای مالی، ارائه الگوهای پیش بینی درباره دورنمای اطلاعات شرکت است. هرچه پیش بینی ها به واقعیت نزدیک تر باشد، مبنای تصمیم های صحیح تری قرار خواهند گرفت. کیفیت بالای حسابرسی می تواند به تحکیم گزارشگری مالی شفاف و افزایش دقت در ارزیابی وضعیت مالی شرکت ها منجر شود که به نوبه خود، بر کیفیت تصمیم گیری های مالی سرمایه گذاران و افزایش کارآیی بازارهای مالی تأثیر می گذارد. روش های آماری و داده کاوی می توانند تا حد زیادی یک سیستم پشتیبانی برای تصمیم گیری سرمایه گذاران ارائه دهد. از این رو در این پژوهش انواع مختلف مدل های آماری و یادگیری ماشین توسعه داده شد. نتایج پژوهش می تواند درک بهتری از چگونگی تاثیر کیفیت حسابرسی از منظر عوامل ورودی، فرایند، خروجی و زمینه ای بر مدل تصمیم مطابق با دیدگاه محتوای اطلاعاتی و نظریه سودمندی تصمیم برای تصمیم گیری به استفاده کنندگان اطلاعات حسابداری ارائه نماید.

هدف مطالعه بررسی اثر نماگرهای بازار سرمایه بر قیمت سهام مبتنی بر ارزش گذاری سهام بوده است. بازار سهام یکی از مهم ترین بازارهای اقتصادی است که منابع مازاد را از افراد حقیقی و حقوقی جمع آوری و در اختیار متقاضیان منابع مالی قرار می دهد. اشخاص حقیقی یا آحاد مردم از عمده عرضه کنندگان منابع مالی در این بازار محسوب می شوند که به خریداری سهام شرکت های ثبت شده نزد سازمان بورس و اوراق بهادار اقدام می کنند. در این مقاله به منظور بررسی تأثیر نماگرهای بازار سرمایه بر ارزش سهام از روش داده های پنلی بهره برده شد. در راستای تجزیه و تحلیل نتایج از اطلاعات آماری بازه زمانی 1390-1402 استفاده شد. نتایج بدست آمده از این مطالعه نشان می دهد که نماگرهای بازار سرمایه تأثیر معناداری بر ارزش و قیمت سهم دارند. در این بین متغیر نسبت بدهی شرکت و عایدی هر سهم بالاترین اثر منفی و مثبت را بر قیمت سهم دارند.

هدف: گذر از عصر صنعت به عصر اطلاعات موجب برجسته شدن نقش اطلاعات در فرایند تصمیم گیری شده است و باتوجه به اینکه امروزه سرمایه گذاران به منظور ارزیابی عملکرد شرکت ها از گزارش های پایداری و گزارش های مالی به عنوان مکمل یکدیگر استفاده می کنند. بنابراین ، هدف پژوهش حاضر بررسی میانجیگری کیفیت گزارشگری مالی در رابطه افشای اطلاعات با اهمیت پایداری و عملکرد شرکت است.   روش: پژوهش حاضر از نظر هدف کاربردی و از منظر ماهیت و روش در زمره پژوهش های توصیفی- همبستگی قرار دارد. داده های مالی از صورت های مالی حسابرسی شده و داده های پایداری با تکنیک تحلیل محتوا و روش مپینگ از متن گزارش های هیئت مدیره (و یا پایداری) شرکت ها جمع آوری شد و در نهایت از اطلاعات 102 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1397 تا 1401 استفاده شد.   یافته ها: یافته ها نشان داد بین افشای اطلاعات با اهمیت پایداری و عملکرد شرکت رابطه مثبت و معناداری وجود دارد. همچنین، کیفیت گزارشگری مالی در رابطه افشای اطلاعات با اهمیت پایداری و عملکرد شرکت اثر میانجی گری مثبت و معناداری دارد.   نتیجه گیری: باتوجه به نتایج پژوهش شرکت هایی که بیشتر اقدام به افشای اطلاعات با اهمیت پایداری و از کیفیت گزارشگری مالی بالایی نیز برخوردار هستند عملکرد بهتری دارند. بنابراین بهبود و افزایش سطح افشای اطلاعات با اهمیت پایداری و افزایش کیفیت گزارشگری مالی باعث بهبود عملکرد شرکت می شود. دستاورد پژوهش حاضر این است که بینش جامع تری در زمینه افشاهای پایداری، توسعه مبانی نظری پایداری و گزارشگری مالی را برای ذینفعان فراهم نماید و باعث ایجاد مزیت رقابتی بین شرکت ها شده و در نهایت باعث افزایش عملکرد شرکت می شود.

پژوهش حاضر با هدف مدلسازی تأثیر ثبات مدیریتی بر کاهش ریسک جریان نقدی آزاد و ارزش شرکت در بورس های ایران و عراق با رویکردی مقایسه ای انجام شده است. در این مطالعه، از ترکیبی از مدل های پیشرفته هوش مصنوعی نظیر شبکه های عصبی، یادگیری تقویتی و بهینه سازی ازدحام ذرات و نیز روش های سنجی فضایی مانند لاجیت فضایی و خطای فضایی برای تحلیل داده های 140 شرکت ایرانی (طی سال های 1395 تا 1402) و 29 شرکت عراقی (طی سال های 2016 تا 2023) استفاده شده است. نتایج نشان می دهد که ثبات مدیریتی در هر دو بازار تأثیر مثبت و معناداری بر کاهش ریسک  جریان نقدی آزاد و افزایش ارزش شرکت دارد. با این حال، شدت و الگوی این تأثیر در دو کشور متفاوت است. در عراق، ثبات مدیریتی تأثیر قوی تری دارد و اثرات فضایی موازی مشاهده می شود، اما در ایران شدت تأثیر کمتر است و شرکت ها در حوزه ریسک رفتاری رقابتی و در حوزه ارزش رفتاری مکمل دارند. در هر دو کشور، روش یادگیری تقویتی با ضریب تعیین بالا (0.96 در ایران و 0.91 در عراق) و خطای پیش بینی پایین، بهترین عملکرد را داشته است. اما دقت کلی مدل ها در ایران (میانگین 94%) بالاتر از عراق (میانگین 90%) است که به کیفیت داده و شفافیت بازار نسبت داده می شود. ثبات مدیریتی در کنترل ریسک و خلق ارزش در شرکت ها مؤثر است، اما میزان اثرگذاری آن به شرایط نهادی و اقتصادی بازارها بستگی دارد. تقویت نظارت، شفافیت اطلاعاتی و حاکمیت شرکتی می تواند مزایای ثبات مدیریتی را افزایش دهد. یادگیری تقویتی به عنوان روش برتر، از قابلیت بالایی در مدلسازی روابط پیچیده و چندبعدی در حوزه مالی برخوردار است. پیشنهاد می شود سیاست گذاران و مدیران با بهره گیری از ظرفیت الگوریتم های هوشمند و توسعه بسترهای تحلیل داده، تصمیم گیری های مرتبط با انتخاب و تداوم مدیران ارشد، مدیریت ریسک جریان نقدی آزاد، و بهینه سازی ارزش آفرینی شرکت را بهبود بخشند.

هدف: در علوم مالی، نسبت طلایی بیشتر در تحلیل تکنیکال به کار رفته و کمتر به استفاده از آن در حل مشکلات مالی شرکت ها مانند تصمیمات ساختار سرمایه پرداخته شده است. بنابراین هدف پژوهش حاضر بررسی تاثیر نسبت طلایی ساختار سرمایه بر بهبود عملکرد مالی و واکنش بازار سرمایه است. روش: به منظور آزمون فرضیه های پژوهش نمونه ای مشتمل بر 140 شرکت پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی 1386 تا 1401 جمع آوری شد و براساس مدل رگرسیون چندگانه و با استفاده از داده های پنل، به بررسی نتایج پرداخته شد. یافته ها: یافته ها نشان داد که انحراف نسبت مالکانه از عدد طلایی بر انحراف از درآمد ، سود خالص، قیمت سهام و ارزش بازار شرکت تاثیر مستقیم و معنی داری دارد. نتایج: نسبت طلایی ساختار سرمایه می تواند برای شرکت ها به عنوان ابزاری کارامد برای بهبود عملکرد مالی و واکنش بازار سرمایه مطرح شود. بر این اساس انتظار می رود که مدیران مالی نسبت طلایی را در تصمیم های ساختار سرمایه شرکت ها به کار گیرند. دانش افزایی: نسبت طلایی در کلیه زمینه های زندگی و علوم مختلف، از جمله در اقتصاد و مالی، جایگاه و کاربرد ویژه ای دارد. با وجود استفاده متعدد از نسبت طلایی در تحلیل تکنیکال، استفاده اندکی از آن در تحلیل های بنیادی صورت گرفته است. در این پژوهش به بررسی این موضوع پرداخته شد که چگونه می توان با استفاده از نسبت طلایی به ساختار سرمایه بهینه شرکت ها جهت بهبود عملکرد مالی و وضعیت بازار سهام شرکت ها دست یافت.

این پژوهش به بررسی تأثیر کمیته حسابرسی و اندازه شرکت بر مدیریت سود در دوران بحران مالی کووید-19 برای شرکت های پذیرفته شده در بورس اوراق بهادار ایران و عراق با رویکرد الگوهای فضایی چندبعدی پرداخته است. از رویکرد الگوهای فضایی چندبعدی برای دوره زمانی اواخر 2018 الی اوایل 2023 استفاده شده است. وجود وابستگی فضایی با آزمون های تشخیصی اقتصادسنجی فضایی تأیید و با مدل هیبریدی فضایی چندبعدی مورد بررسی قرار گرفته است. نتایج نشان داد که کمیته حسابرسی تأثیر منفی و معناداری بر مدیریت سود در هر دو کشور دارد، درحالی که اندازه شرکت تأثیر مثبت و معناداری بر آن دارد. همچنین، بازده دارایی قوی ترین تأثیر مثبت را بر مدیریت سود نشان داد، در حالی که اهرم مالی تأثیر منفی معناداری داشت. وابستگی فضایی معناداری بین شرکت ها در هر کشور و همچنین ارتباط فضایی بین کشوری در مدیریت سود مشاهده شد. شدت تأثیر تمامی متغیرها در ایران به طور معناداری بیشتر از عراق بود.کمیته حسابرسی نقش مهمی در کاهش مدیریت سود فرصت طلبانه در دوران بحران ایفا می کند، در حالی که شرکت های بزرگ تر و سودآورتر انگیزه بالاتری برای مدیریت سود دارند. وابستگی های فضایی درون کشوری و بین کشوری بر رفتار مدیریت سود تأثیرگذار است، که نشان می دهد رفتار مدیریت سود در یک شرکت تحت تأثیر رفتار شرکت های مرتبط داخلی و خارجی قرار دارد. این نتایج اهمیت تقویت ساختارهای نظارتی مانند کمیته های حسابرسی، توجه به ویژگی های شرکت در ارزیابی ریسک مدیریت سود و در نظر گرفتن وابستگی های فضایی درون کشوری و بین کشوری را در سیاست گذاری های حسابداری و نظارتی برجسته می سازد

پژوهش حاضر با هدف طراحی و توسعه مدل پیشران ها و پیامدهای پذیرش فناوری بلاک چین در حسابداری مؤسسات مالی کشور انجام شده است. این تحقیق مبتنی بر پارادایم عمل گرایی بوده و با رویکرد استقرایی-قیاسی از روش پژوهش آمیخته اکتشافی (کیفی-کمی) بهره برده است. از نظر هدف، پژوهشی کاربردی-توسعه ای محسوب شده و از لحاظ روش شناسی، مطالعه ای توصیفی-پیمایشی مقطعی است.در بخش کیفی، جامعه آماری شامل مدیران ارشد و کارشناسان خبره حسابداری در مؤسسات مالی کشور بود که با روش نمونه گیری هدفمند، مصاحبه های نیمه ساختاریافته با ۱۲ نفر انجام شد تا اشباع نظری حاصل گردد. در بخش کمی، ۱۲۰ مدیر و کارشناس مالی از طریق نمونه گیری تصادفی ساده انتخاب شدند. داده ها با تحلیل مضمون در MaxQDA و روش حداقل مربعات جزئی (PLS-SEM) در Smart PLS تحلیل شدند.نتایج نشان داد که پیروی از اصول مالیاتی، قوانین مالی و توسعه زیرساخت های فناورانه بر مدیریت اطلاعات مالی و آموزش تیم حسابرسی تأثیر دارند. این عوامل پذیرش بلاک چین را تسهیل کرده و فناوری بلاک چین با افزایش شفافیت، قابلیت ردیابی و امنیت داده ها، کیفیت اطلاعات مالی را بهبود می بخشد. در نهایت، به کارگیری بلاک چین منجر به کاهش هزینه های حسابداری و ارتقای گزارش دهی مالی شده و تحولی اساسی در مدیریت اطلاعات مالی مؤسسات مالی ایجاد می کند.