جمال سلیمانی

مقدمه: در شرایط کنونی اقتصاد جهانی، بانک ها به عنوان یکی از پایدارترین نهادهای اقتصادی و یکی از عوامل اصلی رشد اقتصادی شناخته می شوند. این پژوهش با هدف بررسی تأثیر سلامت مالی بانک ها، رقابت در صنعت بانکی و درآمد سرانه بر انعطاف پذیری مالی بانک های پذیرفته شده در بورس اوراق بهادار تهران انجام شده است. انعطاف پذیری مالی به توانایی یک بانک در مدیریت ساختار مالی خود و جذب منابع مالی مورد نیاز در طول فعالیت های تجاری و در مواجهه با تغییرات اقتصادی اطلاق می شود. دوره زمانی مورد مطالعه، یعنی از سال 1390 تا 1400، شاهد تحولات متعدد اقتصادی و سیاسی در ایران ازجمله تحریم ها، نوسانات شدید قیمت نفت و تغییرات سیاست های اقتصادی داخلی بوده است. این عوامل بر محیط رقابتی و عملکرد بخش بانکی کشور تأثیر قابل توجهی گذاشته اند. هدف اصلی این پژوهش، بررسی تأثیر سلامت مالی بانک ها و شدت رقابت در صنعت بانکی بر انعطاف پذیری مالی بانک های ایرانی است. افزون براین، پژوهش حاضر به بررسی نقش درآمد سرانه به عنوان یک عامل کلان اقتصادی نیز می پردازد که بر استقلال مالی بانک ها تأثیرگذار است. با شناسایی این عوامل، پژوهش تلاش می کند تا پیشنهادات کاربردی و راهبردی را برای سیاست گذاران و مدیران بانکی درجهت تقویت ثبات مالی و اتخاذ راهبرد های رقابتی مناسب در صنعت بانکی ایران ارائه نماید. انتظار می رود نتایج این پژوهش به تدوین سیاست های پولی و بانکی صحیح و کارآمدی منجر شود که درنهایت به رشد و پایداری اقتصاد ایران و نظام بانکی آن کمک شایانی نماید. روش تحقیق: در این پژوهش، از روش تعمیم یافته حداقل مربعات (GMM) در چارچوب داده های تابلویی پویا برای بررسی انعطاف پذیری مالی بانک های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1390 تا 1400 استفاده شده است. برآوردگر GMM به دلیل توانایی آن در حل مسائل درون زایی و کنترل هتروژنیتی نادیده گرفته شده میان بانک ها، که دو چالش رایج در تحلیل داده های تابلویی هستند،

این مطالعه به بررسی نقش هوش مصنوعی در بهبود عدالت اقتصادی در ایران و ارائه راهکارهای عملی برای پیاده سازی این فناوری پرداخته است. در ابتدا، وضعیت فعلی عدالت اقتصادی با تأکید بر نابرابری های جغرافیایی و درآمدی مورد تحلیل قرار گرفت و چالش های مرتبط با توزیع نامناسب منابع مشخص شد. در ادامه، پتانسیل هوش مصنوعی در شناسایی نابرابری ها، بهینه سازی توزیع منابع و پیش بینی تأثیرات سیاست های اقتصادی بر اقشار آسیب پذیر بررسی گردید. همچنین، چالش های پیاده سازی هوش مصنوعی در ایران، از جمله کمبود زیرساخت های فناوری، نیروی انسانی متخصص، و موانع نهادی و حقوقی شناسایی شد. در نهایت، راهکارهایی نظیر تقویت زیرساخت های دیجیتال، آموزش نیروی انسانی متخصص، ایجاد چارچوب های قانونی برای حفاظت از داده ها و ترویج همکاری های بین بخشی پیشنهاد شد. نتایج این مطالعه نشان می دهد که هوش مصنوعی می تواند به کاهش نابرابری های اقتصادی کمک کند، به شرط آن که الزامات زیرساختی و قانونی مناسب فراهم گرد.