<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>حسابداری، امور مالی و هوش محاسباتی</JournalTitle>
      <Issn>3092-7366</Issn>
      <Volume>3</Volume>
      <Issue>تابستان 1404</Issue>
      <PubDate PubStatus="epublish">
        <Year>1404</Year>
        <Month>06</Month>
        <Day>10</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Supply Chain Management and Its Importance in the Era of Globalization with the Presentation of a Mathematical Model</ArticleTitle>
    <VernacularTitle>مدیریت زنجیره تأمین و اهمیت آن در عصر جهانی‌شدن با ارائه مدل ریاضی</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>17</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>عباس</FirstName>
        <LastName>راد</LastName>
        <Affiliation>استادیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران</Affiliation>
      </Author>
      <Author>
        <FirstName>زینب </FirstName>
        <LastName>دوست قرین</LastName>
        <Affiliation>دانشجوی دکتری، گروه مدیریت صنعتی، دانشکده مدیریت تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1404/01/22</Year>
        <Month></Month>
        <Day></Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;This study examines the role of futures contracts in financial risk management within the supply chain under the volatile economic conditions of Iran. In light of challenges arising from price and currency fluctuations, financial instruments such as futures contracts are analyzed as a strategy to mitigate risk and enhance stability across the supply chain. The research introduces a mathematical model based on a hybrid of the Genetic Algorithm (GA) and Particle Swarm Optimization (PSO), integrating them into a Hybrid Genetic-Particle algorithm (HGP), to account for critical factors such as risk aversion levels, demand variability, and price volatility. The dataset utilized in the study was extracted from the Iran Khodro Company. The results demonstrate that the HGP algorithm outperforms both GA and PSO in terms of accuracy for risk prediction and factor loading, exhibiting a lower margin of error in modeling long-term risks and price fluctuations. Moreover, the sensitivity analysis of futures contracts reveals that these instruments can be effectively employed for risk hedging under conditions of economic instability. This study offers a practical framework and proposes strategies to improve supply chain management within domestic industries, emphasizing the need to strengthen financial infrastructure and establish transparent regulatory frameworks. Based on the findings, it is recommended that the HGP model be applied in key industries such as automotive manufacturing and petrochemicals to evaluate its operational efficiency. Additionally, the development of artificial intelligence software for risk monitoring, enhancement of decision-making processes, and the formulation of standardized methodologies for risk assessment and contract valuation by regulatory bodies can significantly contribute to the reinforcement of financial infrastructure.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;این پژوهش به بررسی نقش قراردادهای آتی در مدیریت ریسک مالی زنجیره تأمین در اقتصاد پرنوسان ایران می‌پردازد. با توجه به چالش‌های ناشی از نوسانات قیمتی و نرخ ارز، استفاده از ابزارهای مالی مانند قراردادهای آتی به عنوان راهکاری برای کاهش ریسک و افزایش ثبات در زنجیره تأمین مورد تحلیل قرار گرفته است. در این مطالعه، یک مدل ریاضی مبتنی بر الگوریتم ژنتیک و ترکیب آن با الگوریتم ازدحام ذرات ارائه شده است تا عوامل مؤثر مانند سطح ریسک‌گریزی، تنوع تقاضا و نوسانات قیمتی را در نظر بگیرد. داده‌های مورد استفاده از شرکت ایران خودرو استخراج شده‌اند. نتایج نشان می‌دهد که الگوریتم هیبرید HGP در مقایسه با GA و PSO، دقت بالاتری در پیش‌بینی ریسک و بار عاملی (لودینگ فکتور) دارد و قادر است تغییرات قیمت و ریسک‌های بلندمدت را با خطای کمتری مدل‌سازی کند. همچنین، تحلیل حساسیت قراردادهای آتی نشان داد که این ابزارها می‌توانند به‌طور مؤثر برای پوشش ریسک در شرایط بی‌ثباتی اقتصادی به کار روند. این پژوهش با ارائه چارچوبی کاربردی، راهکارهایی برای بهبود مدیریت زنجیره تأمین در صنایع داخلی پیشنهاد می‌کند و بر ضرورت تقویت زیرساخت‌های مالی و تدوین قوانین شفاف تأکید دارد. بر اساس یافته‌های پژوهش، پیشنهاد می‌شود که مدل&lt;strong&gt; &lt;/strong&gt;HGP&lt;strong&gt; &lt;/strong&gt;در صنایع کلیدی مانند خودروسازی و پتروشیمی، به‌منظور ارزیابی عملی کارایی آن، مورد استفاده قرار گیرد. علاوه بر این، توسعه نرم‌افزارهای هوش مصنوعی برای پایش ریسک و بهبود فرآیندهای تصمیم‌گیری و تدوین استانداردهای شفاف برای محاسبه ریسک و ارزش‌گذاری قراردادها توسط سازمان‌های نظارتی، می‌تواند به تقویت زیرساخت‌های مالی کمک کند.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Supply chain management</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Loading Factor Modeling of Futures Contracts</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Modeling the risk of incorrect price analysis</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدیریت زنجیره تأمین</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدل‌سازی لودینگ  فکتور (بار عاملی) قراردادهای آتی</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">مدل‌سازی ریسک ناشی از تحلیل قیمتی نادرست </Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://jafci.com/index.php/jafci/article/download/123/78</ArchiveCopySource>
  </Article>
</ArticleSet>
