حبیب الله کاظمی

هدف از این پژوهش بررسی تأثیر گزارش های زیست محیطی، اجتماعی و حاکمیتی ( ESG ) بر تصمیم گیری سرمایه گذاران فردی در بازارهای سرمایه ایران و ترکیه است. داده های این مطالعه از 232 سرمایه گذار فردی (132 سرمایه گذار ایرانی و 100سرمایه گذار ترکیه ای) طی سه سال متوالی ۱400 تا ۱۴۰2 جمع آوری شد. از روش تحلیل رگرسیون لجستیک و تحلیل واریانس چندعاملی برای بررسی تأثیر متغیرهای مستقل شامل اثرات زیست محیطی، سیاست های زیست محیطی، مسئولیت کارکنان، مسئولیت شرکا، مسئولیت اجتماعی، حکمرانی شرکتی، و مدیریت ریسک بر تصمیمات سرمایه گذاری استفاده شده است. نتایج نشان داد که تمامی متغیرها تأثیر معناداری بر تصمیمات سرمایه گذاری دارند. با این حال، ضرایب منفی برخی متغیرها نشان دهنده نگرانی سرمایه گذاران از هزینه های بالقوه مرتبط با سیاست های ESG است. بیشترین تأثیر منفی مربوط به متغیر مسئولیت کارکنان است، در حالی که سیاست های زیست محیطی کمترین تأثیر منفی را داشتند. تحلیل هزینه- فایده ROI و NPV نیز نشان داد که سیاست هایی نظیر شفافیت گزارش دهی و مدیریت منابع انرژی، بازدهی بالایی دارند و می توانند به کاهش نگرانی های سرمایه گذاران کمک کنند. این پژوهش تفاوت های معناداری میان دو بازار بررسی شده را نشان داد و تأثیر شرایط اقتصادی بر رفتار سرمایه گذاران را تأیید کرد. یافته ها بر اهمیت شفافیت بیشتر در گزارش دهی ESG و ارائه اطلاعات دقیق در مورد مزایا و هزینه های این سیاست ها تأکید می کنند. تحقیقات آتی می تواند با گسترش دامنه جغرافیایی و تمرکز بر صنایع مختلف، بینش های عمیق تری در این حوزه ارائه دهند.

پیشرفت های اخیر در هوش مصنوعی (AI) توجه زیادی را در حرفه حسابداری مدیریتی به خود جلب کرده است. هوش مصنوعی با قابلیت ها و پیچیدگی های متحول کننده اش، فرصت های بی شماری را در کنار چالش های قابل توجهی در پذیرش خود ارائه می دهد.هزینه یابی بر مبنای فعالیت (ABC) در توانمندسازی سازمان ها برای به دست آوردن بینش های دقیق از ساختارهای هزینه، نقش اساسی داشته است. با این حال، چارچوب های ABC سنتی اغلب در مدیریت داده های پویا و حجیم شرکت های مدرن با چالش هایی روبرو هستند. ادغام هوش مصنوعی فرصتی را برای متحول کردن ABC با افزایش قابلیت انطباق، دقت و توانایی های پیش بینی کننده آن ارائه می دهد. این مقاله به بررسی پتانسیل هوش مصنوعی برای خودکارسازی پردازش داده ها، شناسایی محرک های هزینه و بهینه سازی تخصیص منابع، با پشتیبانی از تجزیه و تحلیل آنی و رویکردهای الگوریتمی پیشرفته می پردازد . این مطالعه نشان داد که ادغام هوش مصنوعی (AI) در سیستم های هزینه یابی بر مبنای فعالیت (ABC) نشان دهنده یک تغییر تحول آفرین در روش های حسابداری بهای تمام شده است که محدودیت های سیستم های ABC سنتی در زمینه مدیریت پیچیدگی و حجم بالای داده ها را برطرف می کند.