درخت حوزه‌های تخصصی

گسترش سریع امور مالی غیرمتمرکز موجب ظهور سازوکارهای نوینی برای مبادله دارایی های دیجیتال شده است که بازارسازهای خودکار از مهم ترین اجزای آن به شمار می روند. با وجود موفقیت گسترده این سازوکارها، آسیب پذیری آن ها در برابر استخراج ارزش قابل برنامه ریزی( MEV) به یکی از چالش های اساسی اکوسیستم دیفای تبدیل شده است. حملاتی نظیر فرانت رانینگ، ساندویچ اتک و آربیتراژ مخرب می توانند موجب کاهش رفاه کاربران، افزایش لغزش قیمت و کاهش کارایی بازار شوند. پژوهش حاضر به طراحی یک مکانیزم بازارساز خودکار مقاوم در برابر MEV از طریق بهینه سازی پویا و تطبیقی منحنی های قیمت گذاری پیوسته می پردازد. در این چارچوب، محیط بازار به صورت یک سیستم چندعامله مدل سازی شده است که شامل معامله گران عادی، آربیتراژگران، استخراج کنندگان MEV و بازارساز خودکار می باشد. برای یادگیری رفتار بهینه بازارساز از الگوریتم های یادگیری تقویتی چندعامله استفاده شده است تا پارامترهای منحنی قیمت گذاری در زمان واقعی و متناسب با شرایط بازار تنظیم شوند. تابع پاداش طراحی شده به گونه ای است که ضمن حفظ نقدینگی و کارایی بازار، فرصت های استخراج MEV را به حداقل برساند. نتایج شبیه سازی های انجام شده نشان می دهد که مدل پیشنهادی در مقایسه با بازارسازهای سنتی مبتنی بر حاصل ضرب ثابت، قادر است میزان سود استخراج شده توسط مهاجمان MEV را به طور معناداری کاهش داده و همزمان کیفیت اجرای معاملات و رفاه کاربران را بهبود بخشد. یافته های این پژوهش می تواند زمینه توسعه نسل جدیدی از بازارسازهای هوشمند و مقاوم در برابر حملات اقتصادی را در پلتفرم های دیفای فراهم آورد.

افزایش حجم تراکنش های مالی دیجیتال و گسترش استفاده از پیام رسان های مالی، زمینه را برای ظهور الگوهای پیچیده و متغیر تقلب فراهم کرده است. روش های سنتی شناسایی تقلب به دلیل وابستگی به داده های متمرکز، محدودیت در حفظ حریم خصوصی و ناتوانی در انطباق با الگوهای پویای تقلب، با چالش های متعددی مواجه هستند. هدف این پژوهش، ارائه معماری فدراتیو یادگیری توزیع گرد مبتنی بر هوش مصنوعی استوکاستیک برای شناسایی الگوهای متغیر تقلب در پیام رسان های مالی است. در معماری پیشنهادی، داده های مالی در محل تولید و نگهداری شده و تنها پارامترهای یادگیری میان گره های مشارکت کننده مبادله می شوند. همچنین، بهره گیری از الگوریتم های استوکاستیک امکان سازگاری پویا با تغییرات رفتاری و ظهور الگوهای جدید تقلب را فراهم می آورد. پژوهش حاضر از نظر هدف، کاربردی و از نظر روش، توسعه ای و مبتنی بر مدل سازی است. نتایج مورد انتظار نشان می دهد که ترکیب یادگیری فدراتیو و هوش مصنوعی استوکاستیک می تواند ضمن حفظ محرمانگی داده ها، دقت و سرعت شناسایی تقلب را افزایش داده و ریسک های عملیاتی و نظارتی مؤسسات مالی را کاهش دهد. یافته های این تحقیق می تواند به عنوان چارچوبی نوین برای توسعه سامانه های هوشمند کشف تقلب در زیرساخت های مالی و بانکی مورد استفاده قرار گیرد.

توسعه فیزیکی و شتابان و نامتعادل شهرها، پیامدهای نامطلوب اقتصادی، اجتماعی و کالبدی بسیاری داشته که حاشیه نشینی یکی از این آثار است. وجود مساکن ارزان در مناطق حاشیه شهر متناسب با استطاعت مالی حاشیه نشینان، یکی از مهمترین عوامل مهاجرت افراد به سوی این سکونتگاه ها است. شواهد حاکی از آن است که این مساکن فاقد استانداردهای لازم بوده و از مطلوبیت مناسب برخوردار نمی باشند. این مساله در حالی اتفاق افتاده است که نیمی از زمان افراد در خانه و محیط های مسکونی سپری می شود و مطلوبیت مسکن بر کیفیت زندگی ساکنان تاثیر مستقیم دارد. از این رهگذر شناسایی ویژگی های مسکن مطلوب، دیدی کلی نسبت به تدوین معیارهای مناسب طراحی مسکن در اختیار معماران و برنامه ریزان شهری قرار می دهد. لذا پژوهش حاضر با هدف ارائه مدل مسکن مطلوب در بافت حاشیه شهرها با تاکید بر ارتقاء کیفیت کالبدی صورت گرفته است. روش تحقیق از نوع کیفی و تحلیل محتوا با استفاده از نرم افزار مکسکیودا می باشد. گردآوری اطلاعات با استفاده از شیوه های اسنادی و همچنین مصاحبه ای باز و عمیق از طریق 15 نفر از خبرگان حوزه مسکن حاشیه شهری انجام شده است .تحلیل داده ها در فرآیند سه مرحله ای کدگذاری به کمک نرم افزار منجر به ظهور 35 مقوله فرعی در قالب 8 مقوله اصلی شد. پس از انجام طبقه بندی مفهومی مقولات فرعی و یکپارچه سازی آن ها، تعداد آن ها به ۱۸ مقوله نهایی کاهش یافت. در نهایت، این ۸ مقوله اصلی و ۱۸ مقوله فرعی نهایی، ساختار مدل پژوهش را شکل دادند.

گذار به اقتصاد کم کربن موجب ظهور طبقه ای جدید از دارایی های مالی با عنوان «دارایی های کربن زدایی شده» شده است. مدیریت پرتفوی این دارایی ها به دلیل عدم قطعیت ژئوپولیتیکی، نوسانات سیاست های اقلیمی و ماهیت پویای بازارهای انرژی و کربن با چالش های جدی مواجه است. این پیچیدگی ها نیازمند رویکردهای تطبیقی و داده محور هستند که توانایی مدیریت محیط های غیرایستا را داشته باشند. این مقاله چارچوبی برای بهینه سازی چندهدفه پویا ارائه می دهد که در آن ترکیبی از الگوریتم های فراابتکاری(NSGA-II، PSOو تفاضل تکاملی) و شبکه های عصبی بازگشتی عمیق (LSTM/GRU) برای پیش بینی و تصمیم گیری به کار گرفته شده است. این مدل به گونه ای طراحی شده است که هم وابستگی های زمانی و هم رفتار تصادفی بازار را در نظر بگیرد. مدل پیشنهادی به طور هم زمان بازده پرتفوی، شدت کربنی و ریسک ژئوپولیتیکی را بهینه می کند. نتایج نشان می دهد که رویکرد ترکیبی پیشنهادی در مقایسه با چارچوب کلاسیک مارکویتز، به ویژه در شرایط بسیار نوسانی و عدم قطعیت بالا، پرتفوی های پایدارتر و کارآمدتری ارائه می دهد. یافته ها بر اهمیت ترکیب هوش مصنوعی با بهینه سازی تکاملی در تصمیم گیری مالی پایدار تأکید دارند.

این پژوهش با هدف تحلیل نقش اقتصاد رفتاری دیجیتال در طراحی محصولات مالی هوشمند انجام شده است. در دهه اخیر، گسترش فناوری های مالی، هوش مصنوعی و کلان داده ها موجب تحول اساسی در ساختار خدمات مالی و نحوه تصمیم گیری کاربران شده است. در این میان، رفتار مالی افراد بیش از گذشته تحت تأثیر سوگیری های شناختی، محدودیت های عقلانیت و عوامل هیجانی قرار گرفته است که می تواند منجر به تصمیمات غیرکارا در بازارهای مالی شود.اقتصاد رفتاری دیجیتال به عنوان یک رویکرد نوین میان رشته ای، با ترکیب اصول اقتصاد رفتاری و ابزارهای تحلیل داده های پیشرفته، امکان تحلیل دقیق تر رفتار کاربران و طراحی مداخلات هدفمند برای بهبود تصمیم گیری مالی را فراهم می سازد. این پژوهش با رویکرد مروری–تحلیلی، نقش مؤلفه هایی همچون معماری انتخاب، تلنگرهای رفتاری ، شخصی سازی خدمات مالی، الگوریتم های یادگیری ماشین، تحلیل رفتار لحظه ای کاربران و طراحی رابط های کاربری هوشمند را در توسعه محصولات مالی هوشمند بررسی می کند.یافته های پژوهش نشان می دهد که به کارگیری اقتصاد رفتاری دیجیتال می تواند به بهبود کیفیت تصمیمات سرمایه گذاری، افزایش رفاه مالی افراد، کاهش خطاهای شناختی، ارتقای سواد مالی دیجیتال و افزایش شفافیت در تعاملات مالی منجر شود. همچنین، این رویکرد در بهینه سازی تجربه کاربری و افزایش اثربخشی پلتفرم های مالی نقش مهمی ایفا می کند. با این حال، چالش هایی نظیر نقض حریم خصوصی داده ها، سوگیری الگوریتمی، وابستگی بیش از حد کاربران به سیستم های هوشمند، و مسائل اخلاقی مرتبط با دستکاری رفتاری نیز از جمله محدودیت های مهم این حوزه محسوب می شوند. در نهایت، این پژوهش بر ضرورت تلفیق دقیق ملاحظات رفتاری، فناورانه و اخلاقی در طراحی نسل جدید محصولات مالی هوشمند تأکید می کند.

زمینه و هدف: با توجه به نقش تعیین کننده خط مشی های سرمایه انسانی در دستیابی به اهداف راهبردی و ارتقای عملکرد، پراکندگی مفهومی و تنوع شاخص های ارائه شده در مطالعات پیشین، نیازمند یکپارچه سازی و بازتفسیر شواهد است. هدف پژوهش حاضر، تحلیل فراترکیب خط مشی های سرمایه انسانی و صورت بندی ابعاد و شاخص های آن در ارتباط با بهبود عملکرد سازمانی است. روش شناسی: پژوهش از نوع کیفی و مبتنی بر روش فراترکیب (فرآیند هفت مرحله ای ساندلوفسکی و باروسو) انجام شد. پس از جستجوی نظام مند، 457 منبع شناسایی گردید و در فرایند غربالگری عنوان، چکیده و متن کامل، در نهایت 29 مطالعه برای تحلیل نهایی انتخاب شد. داده ها با کدگذاری و تلفیق مفاهیم هم پوشان تحلیل گردید. یافته ها: خروجی فراترکیب به استخراج و دسته بندی مؤلفه های خط مشی سرمایه انسانی در قالب 7 مقوله اصلی انجامید: خط مشی جبران خدمات، خط مشی ارزیابی عملکرد، برنامه های آموزش و بهسازی، سیاست توسعه مسیر شغلی، مدیریت مشارکتی، خلاقیت و نوآوری، و استقلال کاری. نتیجه گیری: بر اساس یافته ها، چارچوب تلفیقی ارائه شده می تواند مبنایی برای طراحی و استقرار منسجم خط مشی های سرمایه انسانی قرار گیرد و به عنوان الگوی مفهومی پژوهش، راهنمایی عملی برای هم راستاسازی سیاست های منابع انسانی با هدف ارتقای عملکرد سازمانی فراهم آورد.

با گسترش سریع فناوری های هوش مصنوعی، یادگیری ماشین و سیستم های چندعاملی، نظام های بانکی در حال ورود به مرحله ای نوین از تحول دیجیتال هستند که در آن نقش تصمیم گیر انسانی به تدریج کاهش یافته و به سمت خودکارسازی کامل حرکت می کند. این مقاله به بررسی توسعه مفهوم بانکداری بدون تصمیم گیر انسانی با اتکاء به عامل های خودمختار مالی می پردازد. در این پژوهش، از رویکرد توصیفی تحلیلی و مطالعه کتابخانه ای استفاده شده و داده ها از منابع علمی معتبر، مقالات بین المللی و گزارش های حوزه فین تک گردآوری و تحلیل شده اند. همچنین، برای تبیین ساختار پیشنهادی، از رویکرد مدل سازی مفهومی سیستم های چندعاملی بهره گرفته شده است. در این چارچوب، عامل های هوشمند قادرند وظایف کلیدی بانکی شامل اعتبارسنجی مشتریان، تخصیص اعتبارات، مدیریت نقدینگی، تحلیل ریسک های مالی و کشف تقلب را به صورت بلادرنگ و بدون مداخله انسانی انجام دهند. معماری پیشنهادی مبتنی بر ترکیب یادگیری عمیق، پردازش کلان داده ها و تعامل میان عامل های خودمختار طراحی شده است که موجب افزایش سرعت، دقت و مقیاس پذیری تصمیم گیری می شود. با وجود مزایای قابل توجه مانند کاهش خطاهای انسانی و افزایش بهره وری، این رویکرد با چالش هایی همچون شفافیت الگوریتمی، مسئولیت حقوقی، ریسک های سیستمی و ملاحظات اخلاقی مواجه است. نتایج پژوهش نشان می دهد که تحقق کامل بانکداری بدون انسان در کوتاه مدت دشوار است، اما حرکت تدریجی به سمت بانکداری خودمختار می تواند ساختار صنعت مالی را به طور بنیادین متحول سازد.

تحولات فناوری اطلاعات و ارتباطات در دهه اخیر موجب ظهور الگوهای نوین کسب وکار در صنعت در سال های اخیر، افزایش نوسانات اقتصادی، پیچیدگی ساختارهای مالی و رشد عدم قطعیت در محیط کسب وکار موجب شده است که شناسایی زودهنگام نشانه های ورشکستگی سازمان ها به یکی از موضوعات مهم در حوزه مالی و مدیریت ریسک تبدیل شود. هدف این پژوهش، طراحی یک سیستم هشدار زودهنگام ورشکستگی سازمان ها با استفاده از تحلیل کلان داده و بهره گیری هم زمان از داده های مالی و غیرمالی است. در این راستا، تلاش می شود با ترکیب اطلاعات مالی شرکت ها، داده های رفتاری، و داده های متنی گسترده، الگوهای پنهان مرتبط با احتمال ورشکستگی شناسایی شود.روش پژوهش مبتنی بر تحلیل کلان داده و استفاده از الگوریتم های یادگیری ماشین در قالب مدل های طبقه بندی است که توانایی تفکیک شرکت ها را در سه وضعیت سالم، در معرض بحران مالی و ورشکسته دارند. همچنین در این پژوهش از مراحل پیش پردازش داده، پاک سازی اطلاعات و انتخاب ویژگی های مؤثر استفاده می شود تا دقت و کارایی مدل افزایش یابد. به کارگیری این رویکرد امکان تحلیل هم زمان داده های ساختاریافته و غیرساختاریافته را فراهم می سازد.یافته های پژوهش های پیشین نشان می دهد که مدل های مبتنی بر یادگیری ماشین در مقایسه با روش های سنتی آماری از توانایی بیشتری در پیش بینی بحران های مالی برخوردارند. علاوه بر این، استفاده از کلان داده می تواند به شناسایی سریع تر نشانه های اولیه بحران کمک کند و دقت سیستم های پیش بینی را بهبود بخشد. در نهایت، این پژوهش نشان می دهد که ترکیب داده های مالی و کلان داده های رفتاری و متنی می تواند به طراحی یک سیستم هشدار زودهنگام دقیق تر، هوشمندتر و کارآمدتر در حوزه مدیریت ریسک مالی منجر شود.

افزایش پیچیدگی شبکه های مالی و گسترش ارتباطات متقابل میان بانک ها موجب شده است که ریسک سیستمی به یکی از مهم ترین تهدیدهای ثبات مالی در اقتصادهای مدرن تبدیل شود. بحران مالی جهانی 2008 نشان داد که ناتوانی در شناسایی زودهنگام آسیب پذیری های سیستمی می تواند پیامدهای گسترده ای برای نظام بانکی و اقتصاد کلان به همراه داشته باشد. در این راستا، آزمون بحران به عنوان یکی از ابزارهای کلیدی مدیریت ریسک، توسط بانک های مرکزی و نهادهای ناظر برای ارزیابی تاب آوری بانک ها در برابر شوک های اقتصادی مورد استفاده قرار می گیرد. با این حال، روش های سنتی آزمون بحران عمدتاً مبتنی بر سناریوهای از پیش تعریف شده بوده و در مواجهه با محیط های پویا و غیرخطی مالی از انعطاف پذیری محدودی برخوردار هستند.ظهور فناوری های هوش مصنوعی مولد، به ویژه مدل های زبانی بزرگ، شبکه های مولد تخاصمی و مدل های انتشار، ظرفیت های جدیدی را برای تولید سناریوهای پیچیده، تحلیل روابط غیرخطی و شبیه سازی رویدادهای نادر فراهم ساخته است. این پژوهش با هدف ارائه چارچوبی نوین برای آزمون بحران و سناریوسازی ریسک سیستمی بانک ها بر پایه مدل های هوش مصنوعی مولد انجام شده است. در این چارچوب، داده های کلان اقتصادی، شاخص های سلامت بانکی، متغیرهای بازار مالی و اطلاعات شبکه ارتباطات بین بانکی به عنوان ورودی مدل مورد استفاده قرار می گیرند و مدل های مولد قادر خواهند بود مجموعه گسترده ای از سناریوهای بحرانی محتمل را تولید و ارزیابی نمایند. نتایج تحلیل های نظری نشان می دهد که به کارگیری مدل های هوش مصنوعی مولد می تواند دقت پیش بینی بحران های بانکی، قابلیت کشف الگوهای پنهان، توانایی تولید سناریوهای نوظهور و انعطاف پذیری فرآیند آزمون بحران را به طور قابل توجهی افزایش دهد. همچنین این فناوری امکان ارزیابی اثرات سرایتی ریسک در شبکه بانکی و شناسایی بانک های دارای اهمیت سیستمی را فراهم می آورد. یافته ها حاکی از آن است که ادغام هوش مصنوعی مولد با چارچوب های نظارتی موجود می تواند به ارتقای ثبات مالی، بهبود تصمیم گیری نهادهای ناظر و افزایش تاب آوری نظام بانکی در برابر شوک های اقتصادی منجر شود.

در چشم انداز در حال تحول مدیریت منابع انسانی، مدل شایستگی به عنوان ابزاری کلیدی برای هم راستا کردن توسعه منابع انسانی با اهداف راهبردی سازمان به ویژه در نقش های مدیریتی عمل می کند. هر چند مدل های شایستگی مدیریت از سال 1990 گسترش پیدا کرده اند، اما رویکردهای مرسوم در طراحی مدل های شایستگی و ارزیابی مبتنی بر این مدل ها، با چالش هایی از نقطه نظر چیستی شایستگی، ارتباط شایستگی ها با عملکرد برتر و روش ایجاد مدل که اغلب مبتنی بر قضاوت خبرگان و ارزیابی های کیفی و در نتیجه تجربیات و داوری های ذهنی است، مواجه بوده اند. در راستای پاسخ به این چالش ها، پژوهش حاضر چارچوبی مبتنی بر داده کاوی برای طراحی مدل شایستگی برای مدیران ارائه می دهد. این چارچوب بر پایه تحلیل محتوای کیفی قیاسی بر ۲۵ مقاله منتخب که از راه مرور نظام مند ادبیات شناسایی شدند و بر مبنای فرایند استاندارد برای داده کاوی CRISP-DM توسعه یافته است. بر این اساس از 25 پژوهش که از روش های داده کاوی در مراحل مختلف طراحی مدل شایستگی برای مدیران استفاده کرده اند، الگوهای مشترک استخراج و تلفیق شده اند. در نتیجه تحلیل محتوای کیفی 16 مقوله به دست آمده که 12 مقوله از جمله خوشه بندی شایستگی ها، خوشه بندی افراد بر اساس عملکرد، تفسیر خوشه های عملکرد و شناسایی خوشه عملکرد برتر، الگوریتم های دسته بندی برای ایجاد رابطه میان شایستگی و عملکرد، تفسیر مدل و مشخص کردن محدوده شایستگی ها در قالب چارچوب طراحی مدل شایستگی ارائه شده است و 4 مقوله نیز به تکمیل چارچوب و استفاده از آن کمک می کند. بر این اساس، این چارچوب امکان طراحی مدل های عینی تر و مبتنی بر داده را فراهم می سازد.

بیان توصیفی صورت های مالی به دلیل توانایی در بیان مثبت یا منفی اخبار و اطلاعات و نهایتاً اثرگذاری بر استفاده کنندگان، می تواند بسیار بااهمیت باشد. مدیران می توانند با استفاده از مدیریت لحن نوشتار، ادراک استفاده کنندگان از گزارش های توضیحی را منحرف نمایند. همچنین طی چند دهه اخیر یکی از سوال های مهمی که ذهن پژوهشگران و سازمان های تدوین کننده قوانین و مقررات حسابداری را به خود معطوف کرده است، نقش اقلام تعهدی در علامت دهی به بازار سرمایه در خصوص عملکرد شرکت است. در این راستا، پژوهش پیش رو به بررسی ارتباط متقابل بینش کمیته حسابرسی، اقلام تعهدی و لحن بدبینانه گزارشگری مالی می پردازد. بدین منظور نمونه ای متشکل از 110 شرکت پذیرفته شده در بورس اوراق بهادار تهران برای یک دوره ده ساله از سال 1392-1400 است؛ برای آزمون فرضیه های پژوهش از سیستم معادلات همزمان با استفاده از روش رگرسیونی چند متغیره برآورد شد. نتایج حاکی از وجود رابطه دو طرفه بین بینش کمیته حسابرسی بر اقلام تعهدی شرکت ها است. به عبارتی دیگر با افزایش بینش کمیته حسابرسی، اقلام تعهدی کاهش و با افزایش اقلام تعهدی، بینش کمیته حسابرسی کاهش پیدا می کند و بالعکس. نتایج پژوهش نشان می دهد بینش کمیته حسابرسی بر لحن بدبینانه گزارشگری مالی رابطه متقابل و معناداری وجود ندارد. همچنین نتایج فرضیه سوم حاکی از وجود رابطه سه طرفه بین بینش کمیته حسابرسی، اقلام تعهدی و لحن بدبینانه گزارشگری مالی است.

زمینه و هدف : کانون های ارزیابی به عنوان رویکردی ساختاریافته و چندبعدی در مدیریت منابع انسانی نقش مهمی در استخدام و توسعه حرفه ای دارند، اما اجرای آن ها با چالش های متعدد همراه است. این پژوهش با هدف بررسی تجارب زیسته ارزیابان حرفه ای از چالش های کانون های ارزیابی استخدامی داوطلبان آموزگاری انجام شد تا با شناسایی موانع، زمینه ارتقای کارآمدی و روایی فرآیند گزینش فراهم شود . روش شناسی : این مطالعه کیفی با رویکرد پدیدارشناسی توصیفی انجام شد. جامعه پژوهش شامل ارزیابان حرفه ای و مدیران کانون های ارزیابی استخدامی آموزگاران بود. نمونه گیری هدفمند و بر اساس معیارهایی همچون گذراندن دوره های تخصصی ارزیابی و حداقل یک سال تجربه عملی انجام گرفت. داده ها از طریق مصاحبه نیمه ساختاریافته با ۱۰ مشارکت کننده گردآوری و پس از اشباع داده ها متوقف شد. تحلیل داده ها با نرم افزار MAXQDA (نسخه ۲۰۲۴) و روش تحلیل مضمون کلایزی ( ۱۹۷۸) صورت گرفت . یافته ها : در تحلیل داده ها ۶۹ کد اولیه استخراج شد که پس از پالایش به ۵۸ مفهوم نهایی کاهش یافت. این مفاهیم در قالب ۲۵ زیرمضمون و ۵ مضمون اصلی سازمان دهی شدند: چالش های ساختاری کانون، چالش های مرتبط با ارزیابان، چالش های فرآیند اجرا، چالش های تجزیه وتحلیل داده ها، و چالش های سازمانی و مدیریتی . نتیجه گیری : نتایج نشان داد که به کارگیری کانون های ارزیابی در گزینش آموزگاران با موانع ساختاری، انسانی، اجرایی و مدیریتی مواجه است. بازنگری در طراحی کانون ها، ارتقای صلاحیت ارزیابان، استانداردسازی اجرا و تحلیل داده ها و رفع کاستی های مدیریتی می تواند روایی، کارآمدی و عدالت استخدامی را بهبود بخشد و به جذب نیروهای شایسته در نظام آموزش وپرورش کمک کند .

افزایش پیچیدگی تعاملات میان بازارهای مالی، گسترش جریان های اطلاعاتی و تأثیرپذیری متقابل بازار سهام و ارز از عوامل اقتصادی و سیاسی، پیش بینی نوسانات این بازارها را به یکی از چالش های مهم حوزه مالی تبدیل کرده است. پژوهش حاضر با هدف طراحی یک مدل هوشمند برای پیش بینی همزمان نوسان بازار سهام و ارز مبتنی بر شبکه های مولد تخاصمی و یادگیری چندمدلی انجام شده است. در این پژوهش، با بهره گیری از قابلیت شبکه های مولد تخاصمی در استخراج الگوهای پنهان و تولید نمایش های واقع گرایانه از داده ها و همچنین توانایی یادگیری چندمدلی در ادغام داده های مالی، اقتصادی و خبری، مدلی ترکیبی برای پیش بینی نوسانات بازار طراحی شد. داده های پژوهش شامل اطلاعات تاریخی شاخص های بازار سهام، نرخ ارز، متغیرهای کلان اقتصادی و داده های متنی اخبار مالی طی دوره 1400 تا 1404 است. پس از انجام مراحل پیش پردازش، استخراج ویژگی و همگام سازی داده های چندمنبعی، مدل پیشنهادی آموزش داده شد و عملکرد آن با مدل های GARCH، شبکه عصبی بازگشتی، حافظه بلندمدت کوتاه مدت (LSTM) و XGBoost مقایسه گردید. مدل پیشنهادی در معیارهای دقت پیش بینی، میانگین خطای مطلق، ریشه میانگین مربعات خطا و ضریب تعیین عملکرد برتری نسبت به مدل های مقایسه ای دارد. همچنین مدل توانسته است وابستگی های پیچیده و اثرات سرایتی میان بازار سهام و ارز را با دقت بیشتری شناسایی کرده و نوسانات آتی را در شرایط مختلف بازار پیش بینی کند. نتایج پژوهش بیانگر آن است که استفاده از شبکه های مولد تخاصمی و یادگیری چندمدلی می تواند به بهبود تصمیم گیری سرمایه گذاران، مدیریت ریسک و توسعه سامانه های هوشمند تحلیل بازارهای مالی کمک کند.

تأمین مالی جمعی اسلامی به عنوان یکی از سازوکارهای نوظهور در بازارهای مالی همسو با شریعت، نقش مهمی در تسهیل دسترسی کسب وکارهای کوچک و متوسط به منابع مالی ایفا می کند. این مدل مالی مبتنی بر اصول فقهی نظیر منع ربا، مشارکت در سود و زیان، شفافیت در معاملات و لزوم انطباق قراردادها با قواعد شرعی است. با این حال، پیاده سازی عملی آن با محدودیت های ساختاری متعددی از جمله عدم شفافیت کافی در جریان وجوه، ضعف در سازوکارهای نظارتی بر تخصیص سرمایه، ریسک بالای عدم تقارن اطلاعاتی میان سرمایه گذاران و مجریان پروژه و نیز نبود استانداردهای یکپارچه در طراحی و اجرای قراردادهای مالی اسلامی مواجه است. این چالش ها موجب کاهش اعتماد ذی نفعان و محدود شدن مقیاس پذیری این ابزار مالی شده اند. در این راستا، فناوری بلاکچین به عنوان یک زیرساخت تحول آفرین، قابلیت بازطراحی معماری تأمین مالی جمعی اسلامی را داراست. ویژگی های بنیادین این فناوری شامل تغییرناپذیری داده ها، شفافیت کامل تراکنش ها، قابلیت ردیابی لحظه ای جریان سرمایه و حذف واسطه های غیرضروری است که می تواند به طور مستقیم بسیاری از ناکارآمدی های موجود را برطرف سازد. علاوه بر این، به کارگیری قراردادهای هوشمند امکان خودکارسازی اجرای شروط فقهی در قالب مدل های مالی اسلامی نظیر مضاربه، مشارکت و مرابحه را فراهم می سازد. این مقاله با هدف ارتقای کارایی، شفافیت و انطباق شرعی، یک چارچوب مفهومی فنی یکپارچه ارائه می دهد که در آن لایه های معماری بلاکچین شامل ثبت تراکنش، قراردادهای هوشمند، ماژول تطبیق شریعت و لایه کاربردی به صورت هم افزا عمل می کنند. این چارچوب می تواند زمینه ساز توسعه یک اکوسیستم مالی اسلامی دیجیتال، شفاف و قابل اعتماد باشد.

تحولات فناورانه در حوزه رایانش کوانتومی و ظهور الگوریتم های هیبریدی کوانتومی-کلاسیک، فرصت های جدیدی را برای حل مسائل پیچیده مالی و سرمایه گذاری فراهم ساخته است. یکی از مهم ترین چالش های موجود در ارزیابی پروژه های زیرساختی هوشمند، عدم قطعیت های چندبعدی مرتبط با هزینه های سرمایه گذاری، تقاضا، نرخ های بهره، تغییرات فناوری و سیاست های حاکمیتی است. روش های سنتی ارزش گذاری نظیر جریان نقدی تنزیل شده (DCF) به دلیل فرض انعطاف ناپذیری تصمیمات مدیریتی، قادر به انعکاس کامل ارزش فرصت های راهبردی نهفته در این پروژه ها نیستند. در مقابل، نظریه اختیارات معامله واقعی با در نظر گرفتن انعطاف پذیری مدیریتی، چارچوبی مناسب برای تحلیل تصمیمات سرمایه گذاری در شرایط عدم قطعیت ارائه می دهد.هدف این پژوهش، توسعه یک چارچوب نوین برای قیمت گذاری اختیارات معامله واقعی در پروژه های زیرساختی هوشمند از طریق ترکیب الگوریتم های کوانتومی کلاسیک هیبریدی و شبیه سازی مونت کارلو پیشرفته است. در چارچوب پیشنهادی، ابتدا متغیرهای تصادفی مؤثر بر ارزش پروژه مدل سازی می شوند. سپس با بهره گیری از روش های مونت کارلوی چندسطحی و شبه تصادفی، مسیرهای احتمالی ارزش پروژه تولید می گردد. نتایج نظری نشان می دهد که ادغام روش های کوانتومی با شبیه سازی های پیشرفته می تواند ضمن افزایش دقت ارزش گذاری، هزینه محاسباتی را نسبت به روش های کلاسیک به میزان قابل توجهی کاهش دهد. همچنین چارچوب ارائه شده قابلیت کاربرد در پروژه های شهر هوشمند، شبکه های انرژی هوشمند، سامانه های حمل ونقل هوشمند و زیرساخت های دیجیتال را دارا است. این پژوهش با ایجاد پیوند میان اقتصاد مهندسی، مالی محاسباتی و رایانش کوانتومی، مسیر جدیدی برای تصمیم گیری سرمایه گذاری در محیط های پیچیده و پویا فراهم می آورد.

این مقاله به بررسی دیدگاه اسلام درباره کارآفرینی زنان و نقش آنان در توسعه اقتصادی و اجتماعی می پردازد. با تأکید بر اصول دینی و اخلاقی، اسلام مشارکت زنان در فعالیت های اقتصادی را با رعایت شرایطی همچون رعایت حجاب، پرهیز از اختلاط بیجا و التزام به اصول شرعی مجاز دانسته است. ازسوی دیگر، نمونه های تاریخی مانند حضرت خدیجه به عنوان یک تاجر موفق، نشان دهنده حمایت اسلام از فعالیت های اقتصادی زنان است. این پژوهش چالش ها و موانع مشارکت زنان در جوامع اسلامی، نظیر محدودیت های اجتماعی، فرهنگی و قانونی را بررسی می کند و بر نقش سیاست های حمایتی و آموزشی تأکید دارد. همچنین بر لزوم ارائه راهکارهایی مانند طراحی الگوهای تطبیقی کارآفرینی و ایجاد فرصت های برابر در دسترسی به منابع مالی و آموزشی برای زنان تأکید می شود. نتایج تحقیق نشان می دهد که اسلام با اشتغال زنان و مشارکت آنان در عرصه های اقتصادی در چهارچوب اصول دینی موافق است و این مسئله می تواند به عنوان الگوی توسعه پایدار در جوامع اسلامی به کار گرفته شود. پژوهش های آینده می توانند به تحلیل راهبردهای عملی برای تحقق این اصول و رفع موانع موجود بپردازند.

افزایش شتابان بانکداری دیجیتال، توسعه پرداخت های الکترونیکی و رشد خدمات مالی برخط، موجب افزایش پیچیدگی و تنوع الگوهای تقلب مالی در شبکه بانکی شده است. روش های سنتی کشف تقلب عمدتاً مبتنی بر قواعد ایستا و مدل های آماری کلاسیک هستند که در مواجهه با رفتارهای پیچیده و پویای متقلبانه کارایی محدودی دارند. پژوهش حاضر با هدف طراحی یک سیستم کشف تقلب مالی بلادرنگ مبتنی بر معماری ترنسفورمر در تراکنش های بانکی انجام شده است. در این پژوهش، با بهره گیری از سازوکار توجه چندسری و قابلیت استخراج وابستگی های زمانی بلندمدت، مدلی هوشمند جهت شناسایی تراکنش های مشکوک طراحی شد. داده های پژوهش شامل مجموعه ای از تراکنش های بانکی شبیه سازی شده مبتنی بر الگوهای واقعی شبکه بانکی ایران طی دوره 1400 تا 1404 است. پس از مرحله پاک سازی، استخراج ویژگی و نرمال سازی داده ها، مدل ترنسفورمر آموزش داده شد و عملکرد آن با مدل های جنگل تصادفی، شبکه عصبی بازگشتی و XGBoost مقایسه گردید. یافته های پژوهش نشان می دهد مدل پیشنهادی در معیارهای دقت، نرخ کشف تقلب، امتیاز F1 و کاهش خطای نوع دوم عملکرد بهتری نسبت به مدل های مقایسه ای دارد. همچنین مدل ترنسفورمر توانسته است الگوهای پیچیده تقلب زنجیره ای و رفتارهای غیرعادی را در محیط بلادرنگ با سرعت و دقت بالا شناسایی کند. نتایج پژوهش بیانگر آن است که استفاده از معماری ترنسفورمر می تواند به ارتقای سامانه های مدیریت ریسک و نظارت مالی در صنعت بانکداری کشور کمک کند.

زمینه و هدف : در عصر حاضر، ارتباط های داخلی و تعلق خاطر کارکنان نقش مهمی در موفقیت و پایداری سازمان ها دارند. پیشرفت فناوری ارتباط ها، نیاز به تعامل های درون سازمانی را افزایش داده است. هدف پژوهش حاضر بررسی تأثیر رضایت از ارتباط های داخلی بر تعلق خاطر کارکنان با نقش میانجی جذابیت ادراک شده کارفرما، حمایت سازمانی ادراک شده و اجرای قرارداد روان شناختی است.  روش پژوهش : این پژوهش از نظر هدف کاربردی و از نظر روش، توصیفی – پیمایشی است. جامعه آماری شامل همه کارکنان بانک سامان در استان تهران در سال 1403 (1600 نفر) بود. حجم نمونه با استفاده از فرمول کوکران 309 نفر تعیین شد و نمونه گیری به روش تصادفی ساده انجام گرفت. داده ها از راه پرسش نامه گردآوری و با نرم افزارهای PLS3 و SPSS تحلیل شدند.  یافته ها: نتایج نشان داد که رضایت از ارتباط های داخلی بر تعلق خاطر کارکنان با ضریب مسیر 233/0، بر حمایت سازمانی ادراک شده با ضریب 744/0، بر جذابیت کارفرما با ضریب 798/0 و بر اجرای قرارداد روان شناختی با ضریب 781/0 اثر مثبت و معناداری دارد. همچنین، جذابیت کارفرما با ضریب 174/0 و اجرای قرارداد روان شناختی با ضریب 312/0 بر تعلق خاطر کارکنان مؤثر بودند، اما اثر مستقیم حمایت سازمانی ادراک شده بر تعلق خاطر با ضریب 083/0 تأیید نشد . نتیجه گیری: بهبود ارتباط های داخلی به عنوان عامل محرک اصلی، از راه تقویت جذابیت کارفرما و اجرای قرارداد روان شناختی، منجربه افزایش تعلق خاطر کارکنان می شود. این یافته ها بر ضرورت توجه مدیران بانک ها به ارتقای شفافیت ارتباطی، نظارت بر تحقق تعهدات و تقویت تصویرسازمانی به عنوان راهکارهای کلیدی برای افزایش وفاداری و بهره وری نیروی انسانی تأکید می کند.

حرفه حسابرسی به دلیل نوع و ماهیت خدماتی که ارائه می کند، از اعتبار و اعتماد خاصی برخوردار است که تداوم این اعتبار و اعتماد و تقویت آن، به پایبندی فکری و عملی اعضای حرفه به ضوابط رفتاری و اخلاقی آن بستگی دارد؛ بنابراین، بروز رفتارهای غیراخلاقی که به عنوان رفتارهای کاهنده کیفیت شناخته شده است، به طور مستقیم و غیرمستقیم منجر به کاهش کیفیت حسابرسی می شود. هدف مطالعه حاضر تبیین نقش توانمندسازی شغلی حسابرسان در رفتار کاهنده کیفیت حسابرسی با توجه به نقش میانجی عملکرد حرفه ای بود. پژوهش حاضر از نظر هدف یکی از تحقیقات کاربردی بوده و از نظر جمع آوری داده ها توصیفی و از نوع پیمایشی است. برای جمع آوری اطلاعات از پرسش نامه های استاندارد استفاده شد. جامعه آماری تحقیق حاضر کلیه حسابرسان شاغل در سازمان حسابرسی و مؤسسات بخش خصوصی، در سال 1403 بودند. با استفاده از فرمول کوکران، تعداد تقریبی حجم نمونه 384 نفر به دست آمد، اما برای افزایش اعتبار تحقیق، تعداد 460 پرسش نامه به صورت تصادفی بین شرکت کنندگان توزیع شد و در نهایت، از این تعداد 400 پرسش نامه برگشت داده شد که از این میزان، تعداد 395 مورد از آن قابل تجزیه و تحلیل بود. با استفاده از معادلات ساختاری و نرم افزار Smart PLS3 فرضیه های تحقیق مورد آزمایش قرار گرفت و نتایج آزمون فرضیه ها نشان داد توانمندسازی شغلی و عملکردحرفه ای حسابرسان بر رفتار کاهنده کیفیت حسابرسی تأثیر منفی و معنی داری دارد و همچنین عملکردحرفه ای در تأثیر توانمندسازی شغلی حسابرسان بر رفتار کاهنده کیفیت حسابرسی، نقش میانجی جزئی دارد. نتایج این پژوهش می تواند به سیاست گذاران و تدوین کنندگان استانداردها و قانون گذاران کمک نماید تا با شناخت بیشتر از ابعاد و پیامدهای مثبت و منفی ویژگی های رفتاری حسابرسان، نسبت به تقویت کارکردهای اخلاقی؛ اجتماعی و فرهنگی حسابرسان جهت تعامل پویاتر با حرفه و بسترهای اجتماعی اقدام نمایند و بر اساس آن سیاست های تشویقی لازم برای ترغیب شرکت ها جهت کاهش رفتار کاهنده کیفیت حسابرسی اتخاذ نمایند.

این تحقیق با هدف ارائه الگوی رشد کیفی گزارشگری پایدار شرکت ها بر اساس ویژگی داده های بزرگ با رویکرد ساختاری تفسیری انجام گرفت. زمان انجام پژوهش حاضر از خرداد 1402 تا تیرماه 1403 بوده است. اطلاعات مورد نیاز پژوهش برای مدل سازی ساختاری تفسیری (ISM) جهت ارائه الگو از میان خبرگان یعنی 18 نفر از خبرگان حسابداری گرداوری شد. در این پژوهش با استفاده از مدل سازی ساختاری تفسیری (ISM) الگوی رشد کیفی گزارشگری پایدار شرکت ها بر اساس ویژگی داده های بزرگ طراحی شد. بر اساس مدل سازی ساختاری تفسیری 17 عامل در 5 بعد اصلی در طراحی الگو شناسایی شد. به موقع بودن داده های بزرگ شامل عوامل بروزرسانی داده ها، سرعت دستیابی و قدمت داده ها به همراه کامل بودن داده های بزرگ شامل عوامل حجم داده ها، منبع داده و نسبت پوشش داده ها به همراه دقت داده های بزرگ شامل عوامل دقت اندازه گیری داده ها، سطح اعتبار سنجی، داده بدون خطا و دامنه داده ها و اعتبار سنجی منبع به همراه انطباق داده های بزرگ شامل عوامل انطباق با استانداردها، ادراک پذیری داده ها و قابلیت استفاده در شرایط مختلف منجر به رشد گزارشگری پایدار شرکت ها شامل عوامل ترویج حکمرانی خوب شرکت، استقرار نظام کنترل داخلی و گزارشگری اثربخش، ایفای مطلوب مسئولیت اجتماعی در شرکت و تدوین اصول و استانداردهای گزارشگری پایداری می شود.