حسابداری، امور مالی و هوش محاسباتی

هدف پژوهش حاضر پیش بینی ریسک حسابرسی براساس الگوریتم حافظه طولانی کوتاه مدت در شرکت های پذیرفته شده در بورس اوراق بهادار تهران و مقایسه نتایج حاصل از آن با سایر الگوریتم های یادگیری عمیق می باشد. به منظور نیل به این هدف 1650 سال-شرکت (150 شرکت برای 11 سال) مشاهده جمع آوری شده از گزارش های مالی سالیانه شرکت های پذیرفته شده در بورس اوراق بهادار تهران در طی دوره زمانی 1392 تا 1402 مورد آزمون قرار گرفته اند. در پژوهش حاضر از چهار الگوریتم یادگیری عمیق ( شامل الگوریتم های حافظه طولانی کوتاه مدت (LSTM)، ماشین بردار پشتیبان(SVM)، شبکه عصبی پیچشی(CNN) و شبکه عصبی بازگشتی (RNN)) و همچنین جهت انتخاب متغیرهای نهایی پژوهش از روش آزمون مقایسه میانگین دو نمونه جهت ایجاد مدل استفاده شده است. نتایج حاصل از الگوریتم های یادگیری عمیق نشان می دهد که صحت کلی الگوریتم های LSTM، SVM، CNN و RNN به ترتیب 99.1%، 89.6%، 85.8% و 96.4% می باشد که نشان دهنده این است الگوریتم LSTM بهترین عملکرد و الگوریتم CNN بدترین عملکرد را در پیش بینی ریسک حسابرسی دارد. به عبارت دیگر، نتایج نشان دهنده  کارآ بودن الگوریتم حافظه طولانی کوتاه مدت (LSTM)  نسبت به سایر الگوریتم های یادگیری عمیق می باشد. بنابراین در شرکت های پذیرفته شده در بورس اوراق بهادار تهران الگوریتم LSTM کاراترین مدل را برای پیش بینی ریسک حسابرسی فراهم می کند. یافته های پژوهش حاضر می تواند اطلاعات سومندی در بهبود پیش بینی ریسک حسابرسی و کاهش خطا در ارزیابی اطلاعات صورت های مالی، ارزیابی بهتر شواهد حسابرسی بر مبنای اطلاعات و اتخاذ اظهارنظر مبتنی بر واقعیت توسط حسابرسان فراهم کند.

هدف از این پژوهش تبیین محتمل‌ترین گزینه‌های مرتبط با آینده حرفه حسابرسی در دهه آینده است. مطالعه از لحاظ ماهیت، آمیخته (کیفی - کمّی)، از منظر هدف، کاربردی و از لحاظ روش توصیفی – تحلیلی است. در بخش کیفی از روش تحلیل سناریو برای تعیین پیشران‌های کلیدی موثر بر آینده‌پژوهی توسعه فناوری اطلاعات در حرفه حسابرسی و در بخش کمی از روش دلفی در دو مرحله استفاده شد. جامعه آماری پژوهش شامل کلیه خبرگان حرفه‌ای و دانشگاهی توسعه فناوری اطلاعات در حسابرسی (شامل مدیران ارشد سازمان حسابرسی، اساتید و اعضای محترم هیئت علمی رشته‌های حسابداری و حسابرسی كه در زمینه عوامل مؤثر بر حرفه حسابرسی، آینده حسابرسی و حسابداری، حسابرسی و توسعه فناوری اطلاعات، مقالات چاپ شده دارند یا پایان‌نامه‌هایی در این حوزه‌ها را راهنمایی می‌كنند) بود. به‌منظور انتخاب نمونه، از روش نمونه‌گیری غیرتصادفی هدفمند انتخابی و از تکنیک اشباع‌نظری استفاده شد، به‌طوری‌که بعد از انجام 13 مصاحبه، اطلاعات بدست آمده تکراری شد و جهت اطمینان از رخداد اشباع، مصاحبه‌ها تا 15 نفر ادامه یافت. در بخش کیفی به‌منظور اطمینان از روایی داده‌ها از معیار بازبینی توسط همکار و برای محاسبه پایایی داده‌ها از شاخص دو کدگذار استفاده شد. در بخش کمی نیز به‌منظور اطمینان از روایی داده‌ها از روایی محتوایی با استفاده از نظرسنجی از 8 نفر از اساتید و برای محاسبه پایایی داده‌ها از ضریب آلفای کرونباخ استفاده شد. نتایج تحلیل دلفی در دو مرحله حاکی از پذیرش 16 پیشران در حوزه توسعه فناوری اطلاعات در حرفه حسابرسی بود. تفسیر نتایج نشان داد با پیشرفت فناوری در آینده، اعتماد مشتریان به حسابرسی خودکار بیش از حسابرسی دستی خواهد بود و به دلیل کشف تقلب گسترده‌تر توسط هوش مصنوعی، رابطه حسابرس و مشتریان پرتنش‌تر خواهد شد، همچنین مشتریان حسابرسی با توجه به افزایش اتوماسیون (راحت‌تر و کم هزینه‌تر شدن کارها) قیمت‌های فعلی خدمات حسابرسی را مناسب نمی‌دانند. از این‌رو، علی‌رغم چالش‌هایی که فناوری‌های جدید ایجاد می‌کنند، برای حسابرسان نقش حمایتی خواهند داشت.

پیش‌بینی وقوع بازده منفی سهام از مسائل محوری در حوزه مالی رفتاری و مدیریت ریسک است که نقش کلیدی در بهبود تصمیم‌گیری‌های سرمایه‌گذاری و افزایش کارایی بازار سرمایه ایفا می‌کند. این مطالعه با بهره‌گیری از الگوریتم‌های پیشرفته هوش مصنوعی نظیر شبکه‌های عصبی مصنوعی، ماشین بردار پشتیبان، درخت تصمیم و الگوریتم‌های بهینه سازی هوش مصنوعی، مدل‌های پیش‌بینی وقوع بازده منفی سهام را توسعه داده است. این الگوریتم‌ها با قابلیت یادگیری الگوهای پیچیده و استخراج روابط غیرخطی میان داده‌های مالی، عملکرد به‌مراتب بهتری نسبت به روش‌های سنتی در تشخیص زودهنگام ریسک بازده منفی ارائه می‌دهند. داده‌های مالی و گزارشگری شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران طی بازه زمانی پنج ساله جمع‌آوری و تاثیر شاخص‌های مرتبط روی گزارشگری محافظه‌کارانه در تحلیل‌ها گنجانده شده‌اند. تحلیل‌های آماری و ارزیابی عملکرد 101 شرکت پذیرفته شده در بورس اوراق بهادار تهران نشان در سال های 1389 الی 1394  نشان می‌دهد که گزارشگری محافظه‌کارانه با تمرکز بر شناسایی زودهنگام زیان‌ها و تعدیل رفتار شناسایی سود، تاثیر معناداری بر بهبود دقت و قابلیت تعمیم مدل‌های هوش مصنوعی در پیش‌بینی ریسک بازده منفی دارد. یافته‌ها حاکی از آن است که ادغام رویکردهای هوشمند با معیارهای گزارشگری محافظه‌کارانه می‌تواند ضمن ارتقاء کیفیت اطلاعات مالی، زمینه‌ساز کاهش عدم قطعیت و افزایش شفافیت در تصمیمات سرمایه‌گذاری گردد. این تحقیق علاوه بر تعمیق فهم علمی از روابط بین گزارشگری محافظه‌کارانه و ریسک بازده سهام، کاربردهای عملی قابل توجهی برای تحلیلگران مالی، مدیران و سیاست‌گذاران بازار سرمایه به همراه دارد.

این پژوهش به بررسی نقش تعدیل‌گر ریسک‌پذیری شرکت بر رابطه بین نااطمینانی سیاست اقتصادی و توانایی مدیریتی در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار عراق و عربستان پرداخته است. نتایج نشان داد نااطمینانی سیاست اقتصادی تأثیر منفی و معناداری بر توانایی مدیریت در هر دو کشور دارد؛ به‌ویژه در شرایط اقتصادی و سیاسی متغیر. این اثر ناشی از کاهش کارایی و توانایی مدیران در تخصیص منابع و مدیریت بحران‌ها است. همچنین، ریسک‌پذیری شرکت به‌عنوان یک عامل تعدیل‌کننده، توانسته است تأثیرات منفی نااطمینانی اقتصادی بر توانایی مدیریتی را کاهش دهد. شرکت‌های با سطح بالای ریسک‌پذیری از انعطاف‌پذیری بیشتری برای بهره‌برداری از فرصت‌ها در شرایط نامطمئن برخوردارند. این پژوهش پیامدهای عملیاتی مهمی برای مدیران و سیاست‌گذاران دارد. بهبود شفافیت و ثبات سیاست‌های اقتصادی و تقویت فرهنگ ریسک‌پذیری در شرکت‌ها می‌تواند آسیب‌پذیری شرکت‌ها را کاهش دهد و کارایی مدیریتی را افزایش دهد. یافته‌ها همچنین پیشنهاد می‌دهند که شرکت‌ها باید از استراتژی‌های نوآورانه و مدیریت ریسک برای مقابله با نااطمینانی اقتصادی بهره گیرند. این پژوهش پایه‌ای برای تحقیقات آتی و تدوین سیاست‌های مدیریتی در بازارهای مالی تحت تأثیر بی‌ثباتی اقتصادی است.

این پژوهش به بررسی استفاده از یادگیری تقویتی عمیق در بهینه‌سازی سبد سرمایه‌گذاری می‌پردازد و به ادغام آن با تئوری مدرن سبد سرمایه‌گذاری پرداخته و تحولاتی را در استراتژی‌های مدیریت مالی نشان می‌دهد. در حالی که تئوری مدرن سبد سرمایه‌گذاری به عنوان یک چارچوب ریاضی برای حداکثرسازی بازده مورد انتظار با در نظر گرفتن ریسک شناخته می‌شود، نواقص آن، نظیر فرضیات مربوط به توزیع نرمال بازده‌ها و غفلت از هزینه‌های معاملاتی، نیاز به راه‌حل‌های انطباق‌پذیر را در بازارهای مالی پیچیده و پویا به وضوح نمایان می‌سازد. این پژوهش نشان می‌دهد که با بکارگیری یادگیری تقویتی عمیق، سرمایه‌گذاران قادر خواهند بود تا با بهره‌برداری از داده‌های لحظه‌ای و توانایی‌های تصمیم‌گیری پویا، استراتژی‌های سرمایه‌گذاری کارآمدتر و قدرتمندتری را توسعه دهند. همچنین، چالش‌هایی نظیر کیفیت داده، پیچیدگی محاسباتی و قابلیت تفسیر مدل‌های یادگیری تقویتی عمیق به صورت عمیق مورد بحث قرار گرفته است. در این پژوهش، یک مدل شبکه عصبی الگوریتم لونبرگ- ماد یادگیری تقویتی عمیق، برای بهینه سازی سبد سهام بر اساس داده‌های تاریخی پیشنهاد شده‌است. بـدین منظـور، از داده‌های 10 شركت پذیرفته شده در بورس اوراق بهادار تهران كه دارای نقدینگی بالا در بازة زمانی 1390 تا 1400 بودند، استفاده شده است. نتایج به‌دست‌آمده از این مطالعه نشان می‌دهد که الگوریتم‌های یادگیری تقویتی عمیق در انتخاب پورتفوی می‌تواند به افزایش ۱۵ درصدی بازده تجمعی در مقایسه با روش‌های سنتی منجر شود. علاوه بر این، این مقاله به تحلیل‌گران و سرمایه‌گذاران توصیه می‌کند که از تکنیک‌های پیشرفته‌ای برای بهبود پایداری عملکرد شرکت‌ها استفاده کنند تا بتوانند تصمیمات بهتری در زمینه سرمایه‌گذاری اتخاذ نمایند. در نهایت، این تحقیق راهکارهایی برای پژوهش‌های آینده در این زمینه ارائه می‌دهد.

توسعه استراتژی‌های مؤثر و رقابت‌پذیری در بازارهای مالی امری حیاتی است. لذا هدف اصلی این پژوهش، طراحی و اعتبار سنجی الگوی زنجیره ارزش بانک تجارت مبتنی بر استراتژی‌های بازاریابی است. پژوهش حاضر از نظر روش کیفی و از نظر چگونگی تحلیل داده­ها توصیفی – اکتشافی با روش تحلیل مضمون می­باشد. ابزار مورد استفاده در این تحقیق مصاحبه عمیق (نیمه ساختاریافته) است. جامعه آماری مشتمل بر 10 نفر از متخصصان و خبرگان حوزه بازارایابی می‌باشند. در این پژوهش اعضاء پنل خبرگان با استفاده از رویکرد نمونه گیری هدفمند گزینش گردیدند؛ کدهای کلیدی پس از مطالعه و استخراج با استفاده از رویکرد تحلیل مضمون با استفاده از نرم افزار مکس کیودا مورد تحلیل قرار گرفتند. اعتبار نتایج پژوهش با استفاده از معیارهای کرسول (2002) مورد سنجش و تأیید قرار گرفت. براساس نتایج حاصل از این پژوهش، با بررسی دسته‌بندی کدهای توصیفی حاصل از متون مصاحبه، 42 مضمون سازنده شناسایی شد و با توجه به شباهت و قرابت معنایی آنها، در 6 مضمون فراگیر شامل: تحلیل و تصمیم‌سازی داده‌محور، فناوری‌های تحول‌آفرین بانکی، نوآوری در الگوهای درآمدزایی بانکی، تجربه دیجیتال مشتری، بانکداری دوستدار محیط‌زیست، معماری خدمات بانکی‌ تحلیل و تصمیم‌سازی داده‌محور، فناوری‌های تحول‌آفرین بانکی، نوآوری در الگوهای درآمدزایی بانکی، تجربه دیجیتال مشتری، بانکداری دوستدار محیط‌زیست، معماری خدمات بانکی‌ دسته‌بندی شدند.

هدف از این پژوهش بررسی تاثیر مکانیزم¬های حاکمیت شرکتی بر عملکرد مالی با توجه به نقش تعدیل‌گری کیفیت سود در شرکت‌های پذیرفته شده در بورس اوراق بهادار عراق بود. در پژوهش حاضر جهت جمع‌آوری داده‌های مربوط به آزمون فرضیه‌های تحقیق با مراجعه به بانک مرکزی عراق و صورتهای مالی حسابرسی شده شرکت‌های پذیرفته شده در بورس اوراق بهادار بغداد و مراجعه به سایت www.isx-iq.net استفاده گردیده است. جامعه آماری این تحقیق کلیه شرکت ¬های پذیرفته‌ شده در بورس اوراق بهادار بغداد در بازه زمانی سال¬های 2016 -2021 بود.. برای نمونه¬گیری از روش حذف سیستماتیک استفاده گردیده است. تحلیل آماری صورت گرفته برای تخمین مدل پژوهش با استفاده از رگرسیون چندگانه می‌باشد كه در همین راستا از نرم‌ افزارهای Excell و Eviews بهره‌ گرفته شد و مدل¬ها به روش¬های، اثرات تصادفی و ثابت داده¬های تابلویی و همچنین حداقل مربعات معمولی تخمین زده شد. با استفاده از داده¬های شرکت¬های بورسی برای کشور عراق و فرضیه اول تا ششم تأیید می¬شود. نتایج نشان داد مطابق با مبانی نظری درصد سهامداران نهادی، استقلال هیات مدیره و اثربخشی حسابرسی داخلی تاثیر مثبت و معناداری بر روی عملکرد دارند. اما دوگانگی مدیر عامل باعث تقلیل عملکرد می‌شود.همچنین کیفیت سود رابطه بین اثر بخشی حسابرسی داخلی و عملکرد را تقویت می‌کند و رابطه منفی بین  دوگانگی مدیر عامل  و عملکرد را تضعیف می‌کند.

هدف از انجام این پژوهش بررسی تاثیر خودشیفتگی مدیریت بر کیفیت سود با توجه به نقش تعدیلگری حاکمیت شرکتی در شرکت‌های پذیرفته شده در بورس بهادار عراق بود. جهت گردآوری اطلاعات و داده‌ها از دو روش اسناد کاوی و کتابخانه‌ای استفاده شد.از روش کتابخانه‌ای جهت انجام مطالعات مقدماتی و تدوین مبانی نظری و ادبیات تحقیق با مراجعه به کتابها، مجلات، پایان‌نامه‌ها و مقالات و از روش اسناد کاوی نیز جهت جمع‌آوری داده‌های مربوط به آزمون فرضیه‌های تحقیق با مراجعه به بانک مرکزی عراق و صورت‌های مالی حسابرسی شده شرکت‌های پذیرفته شده در بورس اوراق بهادار بغداد و مراجعه به سایت بورس سهام عراق استفاده گردید.جامعه آماری این تحقیق کلیه شرکت ¬های پذیرفته‌ شده در بورس اوراق بهادار بغداد در بازه زمانی سال¬های 2016 - 2021 بود. برای نمونه¬گیری از روش حذف سیستماتیک استفاده شد و جهت تجزیه و تحلیل داده‌ها و آزمون فرضیه‌ها از رگرسیون جند متغیره با بکارگیری نرم افزار ایویوز استفاده شد. نتایج بررسی فرضیه اول در سطح خطای 5% نشان داد خودشیفتگی مدیران تاثیر معناداری بر پایداری سود دارد.. افزایش خودشیفتگی مدیریت در شرکت ‌های عراقی می‌تواند باعث کاهش کیفیت سود در شرکت شود؛ نتایج آزمون فرضیه دوم پژوهش در سطح خطای 5% نشان داد که خودشیفتگی مدیر عامل تاثیر معناداری بر حاکمیت شرکتی ندارد ؛ لذا فرضیه دوم رد می¬شود همچنین نتایج آزمون فرضیه سوم پژوهش حاکی از این است که حاکمیت شرکتی رابطه منفی بین خودشیفتگی مدیرعامل و کیفیت سود شرکت‌ها را در جهت کاهشی تعدیل میکنند. حاکمیت شرکتی یک فعالیت مستقل اطمینان بخش است که برای ارزش افزایی و بهبود عملیات سازمان طراحی شده است و میتواند محرکی برای کیفیت سود شرکتی باشد.