فاطمه سادات جمشیدی

افزایش نگرانی های جهانی پیرامون تغییرات اقلیمی، کاهش منابع طبیعی و تشدید مخاطرات زیست محیطی، موجب شده است که سرمایه گذاری های سبز به یکی از ارکان اصلی سیاست گذاری اقتصادی و مالی در جهان تبدیل شوند. با این حال، ارزیابی دقیق پایداری و اثربخشی اقتصادی پروژه های سبز همچنان با چالش های متعددی همراه است. روش های سنتی ارزیابی سرمایه گذاری عمدتاً بر شاخص های مالی کوتاه مدت متمرکز بوده و توانایی محدودی در تحلیل هم زمان متغیرهای اقتصادی، زیست محیطی و اجتماعی دارند. پژوهش حاضر با هدف توسعه یک چارچوب مالی پایدار مبتنی بر هوش مصنوعی برای ارزیابی سرمایه گذاری های سبز انجام شده است. در این پژوهش، از ترکیب الگوریتم های یادگیری ماشین، تحلیل داده های چندبعدی و مدل های پیش بینی هوشمند برای طراحی یک سیستم ارزیابی پایدار استفاده شد. داده های پژوهش شامل اطلاعات ۱۲۵۰ پروژه سرمایه گذاری سبز در حوزه های انرژی تجدیدپذیر، حمل ونقل پاک، ساختمان های هوشمند و مدیریت منابع طی دوره ۲۰۱۸ تا ۲۰۲۵ است که از پایگاه های بین المللی مالی و زیست محیطی گردآوری شده اند. پس از مرحله پیش پردازش، استخراج ویژگی و نرمال سازی داده ها، مدل پیشنهادی مبتنی بر شبکه های عصبی عمیق و الگوریتم XGBoost طراحی و با روش های سنتی ارزیابی مالی مقایسه شد. نتایج پژوهش نشان داد چارچوب پیشنهادی در پیش بینی پایداری مالی پروژه ها، ارزیابی ریسک زیست محیطی و تحلیل بازده بلندمدت عملکرد بهتری نسبت به مدل های کلاسیک دارد. همچنین مدل هوش مصنوعی توانست روابط پیچیده میان شاخص های ESG ، بازده اقتصادی و ریسک سرمایه گذاری را با دقت بالاتری تحلیل کند. یافته ها نشان می دهد استفاده از چارچوب های مبتنی بر هوش مصنوعی می تواند نقش مهمی در توسعه نظام مالی پایدار، بهبود تصمیم گیری سرمایه گذاران و هدایت منابع مالی به سمت پروژه های سازگار با محیط زیست ایفا کند.