حسابداری، امور مالی و هوش محاسباتی 3092-7366 1 پیاپی ۲ 2024 07 11 The Role of Decision Support Systems in Automated Financial Advising: A Review of Computational Models نقش سیستم‌های پشتیبانی تصمیم‌گیری در مشاوره مالی خودکار: بررسی مدل‌های محاسباتی 26 38 EN زهرا علوی دانشکده اقتصاد، دانشگاه کرمان، کرمان، ایران مهدی شفیعی دانشکده اقتصاد، دانشگاه کرمان، کرمان، ایران Journal Article 2024 05 05 Decision Support Systems (DSS) have emerged as intelligent tools in automated financial advising, aiming to enhance decision-making processes and improve accuracy and efficiency. With the advent of new technologies such as artificial intelligence and machine learning, these systems have contributed to reducing costs and improving the quality of financial advice. The objective of this article is to examine computational models in Decision Support Systems and analyze their impact on automated financial advising. This study was conducted as a review and analysis of reliable sources in the field of DSS. The computational models analyzed include mathematical and statistical models, artificial intelligence, machine learning, neural networks, and hybrid models. Real-world examples of DSS platforms in the financial advising market were also reviewed, evaluating their successes and limitations. Findings indicate that DSS have significantly enhanced the accuracy and efficiency of financial decision-making, reducing costs while offering real-time advice. However, challenges such as data quality, system complexity, and reliance on specific algorithms persist, requiring future improvements and development. Decision Support Systems play a critical role in improving automated financial advising, but further advancements in data quality, algorithm development, and enhancing human interaction are essential for greater efficiency. The future of DSS lies in integrating financial and non-financial data and advancing hybrid models. سیستم‌های پشتیبانی تصمیم‌گیری (DSS) به عنوان ابزارهای هوشمند در حوزه مشاوره مالی خودکار با هدف بهبود فرآیندهای تصمیم‌گیری و افزایش دقت و کارایی معرفی شده‌اند. با ظهور فناوری‌های نوین مانند هوش مصنوعی و یادگیری ماشینی، این سیستم‌ها توانسته‌اند به کاهش هزینه‌ها و بهبود کیفیت مشاوره‌های مالی کمک کنند. هدف این مقاله بررسی مدل‌های محاسباتی در سیستم‌های پشتیبانی تصمیم‌گیری و تحلیل تأثیر آن‌ها بر مشاوره مالی خودکار است. این تحقیق به صورت مروری و تحلیلی انجام شده و از طریق بررسی منابع معتبر در زمینه DSS، مدل‌های محاسباتی شامل مدل‌های ریاضی و آماری، هوش مصنوعی، یادگیری ماشینی، شبکه‌های عصبی و مدل‌های ترکیبی تحلیل شده است. همچنین نمونه‌های واقعی پلتفرم‌های DSS در بازار مشاوره مالی بررسی و موفقیت‌ها و محدودیت‌های آنها ارزیابی شده است. یافته‌ها نشان می‌دهند که DSS‌ها توانسته‌اند دقت و کارایی تصمیم‌گیری‌های مالی را افزایش داده و با کاهش هزینه‌ها و ارائه مشاوره‌های لحظه‌ای، تأثیر قابل توجهی بر صنعت مالی داشته باشند. با این حال، چالش‌هایی نظیر کیفیت داده‌های ورودی، پیچیدگی استفاده و وابستگی شدید به الگوریتم‌های خاص وجود دارد که نیازمند بهبود و توسعه در آینده هستند. سیستم‌های پشتیبانی تصمیم‌گیری نقش مهمی در بهبود مشاوره مالی خودکار ایفا می‌کنند، اما بهبودهایی در زمینه کیفیت داده‌ها، توسعه الگوریتم‌ها و افزایش تعاملات انسانی برای بهره‌وری بیشتر ضروری است. آینده DSS‌ها در گرو ترکیب داده‌های مالی و غیرفنی و توسعه مدل‌های ترکیبی خواهد بود.

https://jafci.com/index.php/jafci/article/download/10/9