علی آشتاب

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 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.

هدف: کمبود منابع و استفاده بهینه از آن، چالش اصلی جهان در قرن حاضر است، این چالش توجه همگان را به سوی مفهوم پایداری و تأثیرهای آن و به طور کلی، مفهوم توسعه پایدار جلب کرده است. توسعه پایدار مستلزم آن است که شرکت ها راهبردهایی را پیاده سازی کنند که علاوه بر اهداف و عملکرد اقتصادی، سایر ابعاد توسعه پایدار، از جمله زیست محیطی و اجتماعی را نیز دربرگیرد. همچنین شرکت ها به عنوان یکی از ارکان اصلی جامعه، از تأثیرگذاران مهم روی روند توسعه پایدار هستند و بدون همکاری آن ها، هیچ اقدامی در مسیر پایداری به سرانجام نخواهد رسید. از آنجایی که انجام فعالیت های پایداری، مقدمه ای برای افشای اطلاعات پایداری، جهت بهره مند شدن شرکت ها از مزایای اجرا و افشای پایداری است، هدف پژوهش حاضر، بررسی افشای اطلاعات بااهمیت پایداری بر عملکرد شرکت با نقش تعدیلگری استراتژی تجاری است. روش: پژوهش حاضر از منظر هدف کاربردی و از نظر ماهیت و روش، در زمره پژوهش های توصیفی هم بستگی قرار دارد. اطلاعات و مبانی نظری با استفاده از روش کتابخانه ای و داده های مالی نیز با استفاده از روش اسنادکاوی از صورت های مالی حسابرسی شده و اطلاعات پایداری با روش تحلیل محتوا و عمل مپینگ از گزارش های هیئت مدیره (یا پایداری) شرکت ها جمع آوری شده است. جامعه آماری پژوهش، ۱۰۲ شرکت پذیرفته شده در بورس اوراق بهادار تهران، طی سال های ۱۳۹۷ تا ۱۴۰۱ است. یافته ها: نتایج پژوهش نشان داد که بین افشای اطلاعات بااهمیت پایداری و عملکرد شرکت، رابطه مثبت معناداری وجود دارد. همچنین، استراتژی تجاری، در رابطه بین افشای اطلاعات بااهمیت پایداری و عملکرد شرکت، نقش تعدیل کننده دارد و باعث تقویت این رابطه مثبت می شود. نتیجه گیری: هدف مدیر افزایش ثروت سهام داران است، به این منظور برای حداکثر کردن سود تلاش می کند. در این راستا مدیر می تواند علاوه بر سرمایه گذاری های مالی سنتی، به نوع جدیدی از سرمایه گذاری که سرمایه گذاری در فعالیت های پایداری نامیده می شود، اقدام کند. به همین دلیل است که سرمایه گذاران با افق بلندمدت تر، شرکت هایی را ترجیح می دهند که از لحاظ محیطی، اجتماعی و حاکمیتی بهتر باشند. در حالی که سرمایه گذاران با افق کوتاه مدت، برعکس آن را ترجیح می دهند. نتایج به دست آمده نشان داد شرکت هایی که به میزان بیشتری به افشای اطلاعات بااهمیت پایداری اقدام کرده اند، عملکرد و ارزش بالاتری نسبت به شرکت هایی دارند که کمتر به افشای این گونه اطلاعات اقدام کرده اند. به عبارت دیگر، شرکت با افشای اطلاعات بااهمیت پایداری، باعث ایجاد و بهبود مزیت رقابتی و در نهایت باعث افزایش ارزش و عملکرد شرکتی می شود. همچنین با توجه به یافته ها، استراتژی تجاری در رابطه افشای اطلاعات بااهمیت پایداری و عملکرد شرکت، نقش تعدیلگری دارد. به عبارت دیگر، شرکت ها با انتخاب راهبرد تجاری مناسب و سازگار با عملیات خود، تلاش کرده اند تا رابطه بین افشای اطلاعات بااهمیت پایداری و عملکرد شرکت را تقویت کنند؛ بنابراین شرکت هایی که اهمیت بیشتری برای افشاهای پایداری قائل شده اند و افشای این اطلاعات را در اولویت قرار داده اند، از ارزش و عملکرد بالایی برخوردارند. از سوی دیگر، با توجه به استفاده از الگوی مایلز و اسنو و تقسیم بندی استراتژی تجاری به دو دسته تدافعی و تهاجمی، نتایج نشان داد شرکت هایی که استراتژی تجاری تهاجمی را اتخاذ کرده اند، نسبت به شرکت هایی که استراتژی تجاری تدافعی را در پیش گرفته اند، بیشتر به افشای اطلاعات بااهمیت پایداری اقدام می کنند. پیشنهاد می شود که سرمایه گذاران، به منظور ارزیابی عملکرد شرکت، علاوه بر توجه به افشاهای مالی، افشاهای غیرمالی (پایداری) را نیز مد نظر قرار دهند تا سرمایه گذاری بهینه انجام و از اتلاف منابع جلوگیری شود. پژوهش حاضر بینش های جدیدی را در باب تأثیر افشای اطلاعات بااهمیت پایداری بر عملکرد شرکت با نقش تعدیلگری استراتژی تجاری و اجرای آن در بازارهای نوظهور ارائه می دهد که به طور گسترده مورد مطالعه قرار نگرفته است.

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

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. 

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: حسابرسی، به عنوان رکنی اساسی در تضمین قابلیت اطمینان، اعتبار و شفافیت اطلاعات مالی شرکت ها، در سلامت اقتصاد نقش کلیدی ایفا می کند. با پیشرفت فناوری اطلاعات، روش های سنتی حسابرسی متحول شده اند و اجرای مؤثر فرایندهای حسابرسی، بدون بهره گیری از این فناوری ها، تقریباً ممکن نیست. ظهور هوش مصنوعی (AI)، به ویژه با بهبود کیفیت و سرعت پردازش داده ها، فرصت ها و چالش های جدیدی را در حسابداری و حسابرسی ایجاد کرده است. با وجود پژوهش های گسترده در کشورهای توسعه یافته درباره نقش هوش مصنوعی در حسابرسی، مطالعات در این حوزه در کشورهای در حال توسعه، از جمله ایران، همچنان محدود است. این پژوهش با هدف ارزیابی و تحلیل ظرفیت هوش مصنوعی در بهبود فرایندهای حسابرسی، به شناسایی نقش این فناوری در ارتقای کارایی و کیفیت حسابرسی در محیط های اقتصادی متنوع می پردازد. روش: این پژوهشِ کاربردی، از رویکرد ترکیبی (کیفی و کمّی) استفاده کرده است. در بخش کیفی، مصاحبه های نیمه ساختاریافته با ۱۲ خبره حسابرسی و هوش مصنوعی، شامل اعضای انجمن حسابداران رسمی ایران و استادان دانشگاهی، به صورت هدفمند انجام شد. داده های مصاحبه ها با روش نظریه داده بنیاد و در سه مرحله کدگذاری باز، محوری و انتخابی تحلیل شدند. نرم افزار مکس کیودا برای تحلیل دقیق و سریع داده های متنی به کار رفت. در بخش کمّی با رویکرد پیمایشی، نمونه ای شامل ۲۰۰ حسابرس شاغل در مؤسسه ها و سازمان های حسابرسی ایران انتخاب شد. مدل پیشنهادی با استفاده از مدل سازی معادلات ساختاری (SEM) و نرم افزار اسمارت پی ال اس اعتبارسنجی شد تا شاخص های برازش مدل تأیید شوند. یافته ها: هوش مصنوعی با پردازش کارآمد حجم عظیمی از داده های مالی، شناسایی الگوها و تشخیص ناهنجاری ها، کیفیت حسابرسی را بهبود می بخشد. نتایج کیفی، شش دسته اصلی عوامل مؤثر بر پذیرش هوش مصنوعی در حسابرسی را شناسایی کرد: شرایط علّی (مشوق ها و الزامات محیطی، ویژگی های فرهنگی، اجتماعی و سیاسی کشور و فشارهای بین المللی)، شرایط زمینه ای (محیط شرکت، محیط حسابداری و مالی و مشوق های مالی)، پدیده محوری (فناوری هوش مصنوعی به عنوان عنصر کلیدی)، راهبردها (ایجاد سیستم های کنترل داخلی، آموزش هوش مصنوعی، تعیین نهاد مسئول، تدوین استانداردها و ترویج فناوری های مدرن)، پیامدها (بهبود کیفیت گزارشگری مالی، افزایش اعتماد اجتماعی، توسعه بازارهای سرمایه و تقویت حرفه حسابرسی) و شرایط مداخله گر (ساختار شرکت، حاکمیت شرکتی، رقابت صنعت و رفتارهای مدیریتی). این دسته ها چارچوب مدل پژوهش را شکل دادند. نتیجه گیری: یافته ها نشان می دهد که هوش مصنوعی با خودکارسازی فعالیت های روزمره حسابرسی، مانند ورود داده ها و تطبیق حساب ها، ضمن ارتقای دقت و کیفیت حسابرسی، به حسابرسان امکان می دهد تا بر تحلیل های پیچیده تمرکز کنند. ابزارهای مبتنی بر هوش مصنوعی با پیش بینی مالی در زمان واقعی، تشخیص ناهنجاری ها و کاهش خطاها، فرایند حسابرسی را بهبود می بخشند. این فناوری همچنین با تحلیل داده های تاریخی، قابلیت هایی مانند پیش بینی مالی، بودجه بندی و شناسایی حساب های مشکوک را فراهم می کند. این پژوهش با شناسایی مزایا و چالش های پیاده سازی هوش مصنوعی، برای حسابرسان و مدیران، راه کارهای عملی ارائه می دهد تا تصمیم گیری های استراتژیک آگاهانه ای در پذیرش این فناوری داشته باشند. با توجه به نقش هوش مصنوعی در کاهش ریسک و ارتقای دقت، این مطالعه چارچوبی کاربردی برای ارزیابی و بهینه سازی استفاده از این فناوری نوین ارائه می دهد و به درک بهتر پتانسیل های عملیاتی و چالش های پیاده سازی آن در حسابرسی کمک می کند.

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.

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.

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.

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.

هدف: در سال های گذشته، به دنبال افشای مالی تعدادی از شرکت های بزرگ، موضوع ویژگی های سود، به شکل خاصی در کانون توجه قرار گرفت. تحلیلگران مالی و سرمایه گذاران در تعیین جریان های نقدی آتی، فقط به رقم سود حسابداری، به عنوان تنها شاخص تعیین کننده توجه نمی کنند، بلکه برای آن ها پایداری و تکرارپذیر بودن سود گزارش شده نیز بسیار مهم است. آن ها بیشتر از رقم نهایی سود، به اقلام تشکیل سود واقعی، سودمندی در پیش بینی سود آتی و همچنین به ثبات، پایداری وعدم تغییرپذیری سود گزارش شده توجه دارند. سود یکی از عوامل بسیار مهم و مؤثر بر تصمیم گیری های اقتصادی است. آگاهی استفاده کنندگان از قابل اتکا بودن سود، می تواند آن ها را در اتخاذ تصمیم های بهتر در خصوص سودآوری و تجزیه وتحلیل صورت های مالی یاری دهد. در این پژوهش رابطه بین مدل های گزارشگری مالی و ویژگی های سود شرکت های پذیرفته شده در بورس اوراق بهادار تهران بررسی شده است. روش: پژوهش حاضر از لحاظ هدف، از نوع تحقیقات کاربردی است. در پژوهش حاضر داده های موردنیاز از نرم افزار ره آورد نوین، صورت های مالی شرکت ها و سندکاوی و همچنین، سایت کدال استخراج شده است. جامعه آماری پژوهش حاضر شرکت های پذیرفته شده در بورس اوراق بهادار تهران، در بازه زمانی ۱۳۹۱ تا ۱۴۰۱ بوده است. از نرم افزار استاتا ۱۴ برای آماده سازی داده ها و تخمین مدل ها و برای آزمون فرضیه های پژوهش، از الگوی داده های ترکیبی استفاده شده است. یافته ها: نتایج این پژوهش نشان می دهد که رویکرد خالص دارایی ها، بر کیفیت اقلام تعهدی تأثیر منفی و بر هموارسازی سود تأثیر مثبت دارد. همچنین، رویکرد خالص دارایی ها بر قابلیت پیش بینی سود تأثیر منفی می گذارد؛ اما بر پایداری سود تأثیری ندارد. رویکرد معاملاتی بر کیفیت اقلام تعهدی تأثیر مثبت دارد؛ اما بر هموارسازی سود تأثیری ندارد. همچنین، رویکرد معاملاتی بر قابلیت پیش بینی سود تأثیری ندارد؛ اما بر پایداری سود تأثیر منفی می گذارد. نتیجه گیری: این پژوهش ویژگی های سود را چهار عامل کیفیت اقلام تعهدی، هموارسازی سود، قابلیت پیش بینی سود و پایداری سود قرار داده است. پژوهش حاضر کیفیت اقلام تعهدی که اقلام تعهدی را با جریان های نقدی دوره های گذشته، جاری و آتی مرتبط می سازد، ارائه و سپس آن را آزمون کرده است. این معیار (که به آن کیفیت اقلام تعهدی می گویند) با میزان هزینه بدهی و هزینه حقوق صاحبان سهام ارتباط دارد. پایداری سود میزان ثبات و دوام سود را نشان می دهد. مدیریت قادر نیست که کلیه نیازهای استفاده کنندگان از صورت های مالی را برآورده کند، این مشکل موجب بالا رفتن درجه سطح اتکا بر اطلاعات مالی به شکل خروجی شرکت ها می شود، بنابراین اهمیت دادن به کیفیت سودها قبل از هر نوع تصمیم گیری حائز اهمیت است. هرچقدر که کیفیت سود بالاتر باشد، به طبع آن، عملکرد شرکت ها بهتر خواهد شد. بنا به دلایلی نظیر ابقا در شرکت، دریافت پاداش و سایر عوامل، مدیر خواسته یا ناخواسته وضعیت شرکت را مطلوب جلوه می دهد؛ بنابراین ویژگی های سود شرکت ها، تحت تأثیر مبانی گزارشگری و صلاح دید مدیران آن ها قرار می گیرد. هر چه سودها قابلیت اتکای کمتری داشته باشند، اطلاعات مفید کمتری ارائه می کنند.  

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 پژوهش حاضر تبیین اثربخشی افشای اطلاعات غیرمالی در گزارش های حسابداری با رویکرد گزارش گری یکپارچه می باشد. بدین منظور کلیه گزارش های حسابداری شرکت های بورسی که جنبه غیرمالی (کیفی) دارند جهت استخراج متغیرهای غیر مالی مورد بررسی قرار گرفت و 50 متغیر غیر مالی شناسایی و بصورت یک چک لیست جهت اخذ امتیاز از صاحب نظران بر اساس جدول مورگان به 380 نفر ارسال گردید، پالایش نظرات خبرگان پژوهش را به 23متغیر غیر مالی رسانید و نهایتا جهت سنجش اثربخشی متغیرهای فوق از 5معیار شامل: نقد شوندگی سهام، عدم تقارن اطلاعاتی، عملکرد مالی، همزمانی قیمت و هزینه سرمایه بعنوان متغیر وابسته برای دوره زمانی 1391 تا 1400 استفاده گردید. روش پژوهش حاضر از نظر هدف کاربردی و از نظر شیوه جمع آوری داده ها توصیفی است. ازنظر نوع داده ها پژوهشی کیفی و کمی است و از نظر شیوه تحلیل داده ها پژوهشی با روش آمیخته است که در بخشی از پژوهش از روش کیفی و در بخش دیگر از روش کمی استفاده خواهد شد. و برای تحلیل داده ها از نرم افزار استاتا نسخه 15 و الگوی داده های تابلویی استفاده شد. نتایج پژوهش نشان داد از بین 23متغیر غیرمالی شناسایی شده در مرحله اول 5 متغیر غیر مالی به شرح: 1-دانش هیئت مدیره 2-جایگاه شرکت در صنعت 3-رضایت مشتری 4-گزارش عملکرد اجتماعی 5-رتبه کیفیت افشا بر همه معیارهای 5گانه اثربخشی تاثیر معنادار دارد. همچنین با در نظر گرفتن معیارهای 5گانه بصورت جداگانه نتایج نشان می دهد اکثر متغیرهای غیرمالی شناسایی شده بر معیارهای 5گانه اثربخشی تاثیر معنادار دارد.

نقدشوندگی مفهومی است که به روشنی قابل تعریف نبوده و تاکنون بیش از 90 معیار مختلف در سراسر جهان برای نقدشوندگی بکار رفته است. پژوهش حاضر با هدف ارایه مدلی بومی برای نقدشوندگی روزانه سهام بر مبنای عوامل موثر بر نقدشوندگی، شکل گرفته است. مقادیر 7 عامل غیرسیستماتیک که قابلیت ارزیابی روزانه داشتند، براساس داده های 151 شرکت فعال در بازه زمانی 1388 لغایت 1400 استخراج و در قالب دو خوشه افراز شد. با استفاده از معادلات ساختاری با رویکرد حداقل مربعات جزیی، اعتبار متغیرهای شناسایی شده با معیار استخراجی ارزیابی و توان آنها در توضیح دهندگی تغییرات آن محاسبه شد. ارزیابی ارتباط متغیرها در مدل های یادگیری ماشینی نشان داد که قیمت پایانی، ارزش روزانه معاملات، بازده روزانه، واریانس بازده های روزانه و اندازه شرکت بیشترین تاثیر را در خوشه بندی دارند. سرانجام بهترین مدل یادگیری ماشینی، براساس آموزش و آزمون انتخاب شد. نتایج نشان می دهد متغیرهای مستقل، بیش از 83 درصد از تغییرات نقدشوندگی را توضیح می دهند. همچنین مدل رگرسیون لجستیک در مقایسه با سایر مدل های یادگیری ماشینی، توان پیش بینی بالاتری داشته و با 6/99 درصد صحت برازش، مناسب ترین مدل پیش بینی نقدشوندگی است.

هدف این پژوهش، مقایسه کارایی مدل های یادگیری ماشین (32 مدل) و مدل های آماری (14 مدل)، در پیش بینی ریسک مالی 145 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی بازه زمانی 1389 تا 1398 و انتخاب بهترین مدل با استفاده از تکنیک های بهینه سازی پیشرفته می باشد. یافته های پژوهش با استفاده از آزمون مقایسه دقت ضرایب پیش بینی، بیانگر آن است که با اطمینان 99 درصد، دقت پیشبینی مدلهای یادگیری ماشین، بیشتر از مدلهای آماری است. همچنین بهترین مدل یادگیری ماشین پس از بهینه سازی، مدل ماشین بردار پشتیبان تکاملی با دقت پیش بینی 99.86درصد و مقدار سطح زیر منحنی برابر0.998بوده است. علاوه بر این، نسبت های مالی تعهدی با دقت پیش بینی99.45درصد و نسبت های مالی فعالیت با دقت پیش بینی 98.62درصد توانستند در مقایسه با سایر نسبت های مالی در استفاده از ماشین بردار پشتیبان تکاملی به منظور پیش بینی ریسک مالی عملکرد بهتری داشته باشند. از سوی دیگر ریسک مالی پیش بینی شده بر اساس صنایع مختلف، متفاوت بوده است. بنابراین مشخص شد که مدل های یادگیری ماشین به دلیل عدم برخورداری از محدودیت هایی که مدل های آماری با آن مواجهه هستند می توانند به عنوان ابزاری مهم، در پیش بینی ریسک مالی شرکت ها به کار روند.

از مولفه های مهم و تاثیرگذار بر عدم کارایی بازار بورس در ایران، تاخیر واکنش قیمت سهام می باشد در این پژوهش نقش معیارهای تاثیرگذار بر تاخیر واکنش قیمت سهام با استفاده از مدلسازی معادلات ساختاری pls نسخه 3 مورد بررسی قرار می گیرد. این پژوهش از نظر روش همبستگی-پیمایشی و از نظر هدف کاربردی محسوب می شود ابتدا نمونه 42 نفره از خبرگان انتخاب و از طریق مصاحبه با آنان مدل اولیه (گراندد تئوری) و ابزار گردآوری داده ها طراحی گردید. با توجه به نظر خبرگان و مبانی نظری، پرسشنامه محقق ساخته در اختیار 200 نفر جامعه آماری تحقیق قرار گرفت و نهایتا 112 پرسشنامه دریافت شد. متغیرهای تاثیرگذار در 8 گروه اصلی که شامل: عوامل کلان، عوامل روانشناختی، نارسایی های بازار، ویژگی خاص شرکت،کیفیت اطلاعات حسابداری، ویژگی حاکمیت شرکتی، ویژگی بازار و سهام و منابع خبری منتشر شده طبقه بندی و معیارهای تاثیرگذار شناسایی شدند. نتایج تحقیق نشان داد که به جزء متغیر ویژگی خاص شرکت، سایر متغیرها رابطه معنادار و تاثیرگذاری بر تاخیر واکنش قیمت سهام دارند.یافته های پژوهش مؤید آن است که با توجه به اهمیت واکنش تأخیری قیمت سهام در کارایی بازار، لازم است که به این مسئله و عوامل مؤثر بر آن توجه بیشتری شود.

هدف: در پژوهش حاضر، مقایسه عملکرد مدل های یادگیری ماشین و مدل های آماری در پیش بینی سود و جریان نقد عملیاتی با استفاده از مجموعه متغیر های تعهدی و نقدی بررسی شده است.روش: روش شناسی پژوهش به سه مرحله گزینش مجموعه داده و متغیرها، مدل سازی و قیاس تقسیم بندی می شود. جامعه آماری پژوهش حاضر، شرکت های بورس اوراق بهادار تهران و داده های 184 شرکت طی بازه زمانی 1391 تا 1400 بررسی شده است.یافته ها: نتایج این پژوهش نشان دهنده آن بود که متغیرهای تعهدی توان تبیین بیشتری نسبت به متغیر های نقدی برای پیش بینی سود خالص و جریان نقد عملیاتی آتی دارد. علاوه بر این، مقایسه عملکرد مدل های یادگیری ماشین و آماری در پیش بینی سود خالص و جریان نقد عملیاتی آتی نشان دهنده آن بود که رویکرد هوش مصنوعی توانایی بیشتری دارد و بین مدل های یادگیری ماشین، رگرسیون نمادین و مدل های آماری، مدل پروبیت از عملکرد بیشتری برخوردار است؛ همچنین نتایج نشان دهنده آن بود که اگرچه به طور میانگین مدل های یادگیری ماشین عملکرد بیشتری نسبت به مدل های آماری دارد، مدل های آماری نیز عملکرد بیشتری از برخی مدل های یادگیری ماشین ارائه می دهد.