سید کاظم چاوشی

بین المللی شدن پدیده ای چندبعدی است که آثار آن قابل تسری به فعالیت های اجتماعی، اقتصادی، سیاسی، حقوقی، فرهنگی، نظامی و فناوری است و همچنین فعالیت های اجتماعی همچون محیط زیست را متأثر می کند. متعاقب مقررات زدایی در بازارهای مالی در سراسر جهان و تحول رو به گسترش تکنولوژی اطلاعات، بازارهای مالی نیز به سرعت آزادسازی شده اند و جهان با بین المللی شدن روزافزون خدماتی چون بانکداری، بیمه، تبلیغات، حسابداری، ارتباطات و رسانه های همگانی، روبرو شده است. با توجه به اینکه لازمه حرکت در هر مسیری، بررسی وضعیت موجود است؛ اولین مرحله حرکت به سمت بین المللی شدن صنعت بانکداری، سنجش آمادگی بانک ها برای حرکت در این مسیر می باشد. به همین دلیل این مقاله سعی دارد به شناسایی معیارهای آمادگی بانک ها برای ورود به بازار بین الملل بپردازد. برای دستیابی به این هدف، با استفاده از روش مرور نظام مند، مرور سیستماتیک مطالعات بر اساس راهنمای PRISMA انجام پذیرفته شده است و از 711 مطالعه، 32 مطالعه برای مطالعه کیفی انتخاب شده اند. شناسایی معیارهای آمادگی بین المللی شدن بانک ها شامل معیارهای سیستماتیک و غیر سیستماتیک، همراه با شناسایی 9 زیرمقوله و 38 کد زیرمجموعه، از یافته های اصلی این مقاله بودند. از آنجا که پژوهش حاضر به شناسایی تعداد زیادی از عوامل در آمادگی بانک ها برای ورود به بازار بین الملل منجر شد، نگاه به این موضوع ژرف نگری خاصی را می طلبد. نتیجه نهایی این تحقیق، الگویی است که معیارهای آمادگی بین المللی شدن بانک ها را تشریح می کند. همچنین نتایج مطالعات نشان دهنده توجه روزافزون محققان به موضوع بین المللی شدن مالی بخصوص در صنعت بانکداری است.

با بهره گیری از نظریه های شناختی و علوم رفتاری در حوزه کسب وکارهای نوین مالی، هدف اصلی این پژوهش تجزیه و تحلیل رفتار مشتریان در ابعاد رضایتمندی، سودمندی درک شده و انتظارات تاییدشده آن ها با استفاده از ترکیب نظریه های خودکارآمدی مالی و فناوری برای بهره مندی از خدمات کسب وکارهای فین تک است. در این پژوهش پس از ترسیم مدل مفهومی ، فرضیه های پژوهش با بهره گیری از مدل سازی معادلات ساختاری با روش کمترین مربعات جزئی تحت نرم افزار PLS با حجم نمونه 205 نفری از مشتریان خدمات کسب وکار فین تک و بکمک پرسش نامه الکترونیکی مورد آزمون قرار گرفت. پایایی و روایی پرسش نامه ها با به کارگیری آلفای کرونباخ، پایایی ترکیبی و میانگین واریانس توسعه یافته بررسی و تأیید گردید و از نظرات خبرگان و متخصصان آشنا با موضوع برای تأیید روایی محتوایی استفاده شد. این مطالعه به درک ما از اهمیت عمیق خودکارآمدی های مالی و فناوری در زمینه فین تک غنا می بخشد، و تأثیرات متفاوت آن ها بر قصد کاربران برای استفاده از خدمات فین تک را آشکار می کند. به علاوه، این مطالعه، یافته های جالبی را در رفتار کاربران فین تک آشکار می کند و نشان می دهد که خودکارآمدی های مالی و فناوری از طریق ایجاد سودمندی درک شده و تایید انتظارات کاربران می تواند به رضایتمندی و درنتیجه قصد کاربران برای استفاده از فین تک منتهی شود.

هدف: بازار سرمایه به عنوان یکی از اصلی ترین بخش های اقتصادی کشورها، نقش با اهمیتی در توسعه و گسترش فعالیت اقتصادی دارد. با توسعه تکنولوژی و الگوریتم های معاملاتی پیچیده، دستکاری سهام با سهولت بیشتری رخ داده و این امر سبب می شود تا استفاده از ابزارهای مانند هوش مصنوعی و یادگیری عمیق برای شناسایی دستکاری توسط نهادهای ناظر ناگزیر باشد. هدف از این پژوهش، شناسایی دستکاری سهام در بازار بورس ایران است. برای این کار از اطلاعات 73 سهم از 19 صنعت پذیرش شده در بورس طی 1398 الی 1402، روزهای معاملاتی تقریبی 71،300 استفاده شده است.روش: شناسایی دستکاری در معاملات سهام به دلیل همبستگی زمانی داده های قیمت سهام و پویا بودن آن، چالش مهمی را به وجود می آورد. این چالش با در دسترس نبودن داده های برچسب گذاری شده نیز تشدید می شود. از این رو باتوجه به عدم اعلام سهام دستکاری شده توسط ناظر بورس در بازار ایران، شناسایی داده ها: 1) آزمون های آماری مانند بازدهی غیرنرمال، سهام دستکاری شده و تاریخ دقیق دستکاری مشخص شده است. 2) داده های تصادفی با شبیه سازی الگوی دستکاری سهم، به سری زمانی سهامی که با اطمینان بالایی در آن ها دستکاری رخ نداده (پرسشنامه خبرگان)، تزریق شده است. در گام بعدی با استفاده از ترکیب مدل های خودرمزگذار متغیر و حافظه کوتاه مدت طولانی، الگوریتم VAE- LSTM برای مقایسه با برخی مدل ها یادگیری ماشین از قبیل درخت تصمیم، جنگل تصادفی، رگرسیون لجستیک و.. طراحی گردیده که احتمال دستکاری سهم را محاسبه می نماید.یافته ها: پس از اجرای مدل های یادگیری عمیق شاخص های دقت و بازخوانی و  F1 و F2  محاسبه شد. به دلیل اینکه در بازار سرمایه دسته بندی سهام دستکاری شده و نشده از اهمیت یکسانی برخوردار نیست، برای رتبه بندی مدل ها از شاخص ارزیابی عملکردی F2 استفاده شده است. به ترتیب مدل های VAE-LSTM، درخت تصمیم، جنگل تصادفی، شبکه عصبی چندلایه، ماشین بردار پشتیبان، رگرسیون لجستیک عملکردی بهتری از خود نشان دادند. مقدار حدودی F2 مدل های مذکور به ترتیب : 72درصد، 69درصد، 50درصد، 41درصد، 40درصد و 26درصد است.نتیجه گیری: در نهایت مدل پیشنهاد شده براساس شاخص ارزیابی عملکرد F2 نسبت به سایر مدل ها توانایی بهتری در شناسایی دستکاری از خود نشان داده است. ذکر این نکته ضروری است که سایر مدل های یادگیری ماشین استفاده شده در این پژوهش نیز عملکرد مناسبی به خصوص در شاخص ارزیابی دقت داشته اما متأسفانه از نظر شاخص عملکردی بازخوانی که مهم تر می باشد، عملکرد ضعیف تری داشته اند. پس از تعیین مدل پیشنهادی به عنوان مدل برگزیده، براساس شاخص کل بورس تهران، دوره صعودی بازار سرمایه را در بازه زمانی 01/12/1398 تا 31/05/1399، دوره نزولی بازار سرمایه را در بازه زمانی 21/05/1399 تا 20/08/1399 و سال 1400 را به عنوان دوره تعادل بازار سرمایه در نظر گرفته ایم که مطابق با انتظار، احتمال دستکاری به ترتیب در بازارهای صعودی، متعادل و نزولی بیشتر است.این نتایج به طور کلی با سایر مطالعات پیشین نیز هم سو می باشد.