طراحی سیستم پشتیبان تصمیم‌گیری مالی مبتنی بر هوش مصنوعی برای بهینه‌سازی ساختار سرمایه در شرکت‌های بورسی

نویسندگان

  • نیلوفر سادات ابراهیمی گروه حسابداری، دانشگاه مازندران، بابلسر، ایران نویسنده مسئول
  • علی اکبر صادقی راد گروه حسابداری، دانشگاه مازندران، بابلسر، ایران نویسنده

کلمات کلیدی:

هوش مصنوعی, سیستم پشتیبان تصمیم‌گیری, ساختار سرمایه, شرکت‌های بورسی, تحلیل مضمون, مدیریت مالی

چکیده

هدف پژوهش حاضر طراحی الگوی مفهومی سیستم پشتیبان تصمیم‌گیری مالی مبتنی بر هوش مصنوعی برای بهینه‌سازی ساختار سرمایه در شرکت‌های بورسی بود. این پژوهش با رویکرد کیفی و روش تحلیل مضمون انجام شد. مشارکت‌کنندگان شامل 18 نفر از مدیران مالی، تحلیل‌گران بازار سرمایه، متخصصان ریسک، کارشناسان هوش مصنوعی و استادان مالی شرکتی در شهر تهران بودند که با نمونه‌گیری هدفمند و گلوله‌برفی انتخاب شدند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته گردآوری شد و فرایند مصاحبه تا دستیابی به اشباع نظری ادامه یافت. برای تحلیل داده‌ها از کدگذاری باز، محوری و انتخابی با کمک نرم‌افزار NVivo استفاده شد. اعتبارپذیری یافته‌ها از طریق بازبینی مشارکت‌کنندگان، مرور همتایان، ثبت مسیر تحلیل و مقایسه مستمر داده‌ها تقویت گردید. تحلیل داده‌ها به استخراج پنج مقوله اصلی منجر شد: زیرساخت داده‌ای و یکپارچگی اطلاعات مالی، هسته تحلیلی هوش مصنوعی برای پیش‌بینی و شبیه‌سازی ساختار سرمایه، شفافیت و تبیین‌پذیری تصمیم‌های الگوریتمی، مدیریت ریسک و انطباق با شرایط بازار سرمایه، و قابلیت پیاده‌سازی سازمانی و همکاری انسان–ماشین. مشارکت‌کنندگان تأکید داشتند که سیستم پیشنهادی باید فقط یک ابزار محاسباتی نباشد، بلکه بتواند سناریوهای تأمین مالی، هزینه سرمایه، ریسک نکول، محدودیت‌های مقرراتی و واکنش بازار را به‌صورت هم‌زمان تحلیل کند. نتایج نشان داد طراحی سیستم پشتیبان تصمیم‌گیری مالی مبتنی بر هوش مصنوعی زمانی می‌تواند به بهینه‌سازی ساختار سرمایه شرکت‌های بورسی کمک کند که مدل‌های پیش‌بینی، داده‌های معتبر، توضیح‌پذیری خروجی‌ها، نظارت انسانی و سازگاری با ویژگی‌های بازار سرمایه ایران در یک معماری یکپارچه ترکیب شوند.

دانلودها

دسترسی به دانلود اطلاعات مقدور نیست.

مراجع

Amini, S., Elmore, R., Öztekin, Ö., & Strauss, J. (2021). Can machines learn capital structure dynamics? Journal of Corporate Finance, 70, Article 102073. https://doi.org/10.1016/j.jcorpfin.2021.102073

Baker, M., & Wurgler, J. (2002). Market timing and capital structure. The Journal of Finance, 57(1), 1–32. https://doi.org/10.1111/1540-6261.00414

Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa

Cao, L. (2021). AI in finance: Challenges, techniques, and opportunities. ACM Computing Surveys, 55(3), 1–38. https://doi.org/10.1145/3502289

Creswell, J. W., & Poth, C. N. (2018). Qualitative inquiry and research design: Choosing among five approaches (4th ed.). SAGE Publications.

Frank, M. Z., & Goyal, V. K. (2009). Capital structure decisions: Which factors are reliably important? Financial Management, 38(1), 1–37. https://doi.org/10.1111/j.1755-053X.2009.01026.x

Graham, J. R., & Harvey, C. R. (2001). The theory and practice of corporate finance: Evidence from the field. Journal of Financial Economics, 60(2–3), 187–243. https://doi.org/10.1016/S0304-405X(01)00044-7

Guest, G., Bunce, A., & Johnson, L. (2006). How many interviews are enough? An experiment with data saturation and variability. Field Methods, 18(1), 59–82. https://doi.org/10.1177/1525822X05279903

Harris, M., & Raviv, A. (1991). The theory of capital structure. The Journal of Finance, 46(1), 297–355. https://doi.org/10.1111/j.1540-6261.1991.tb03753.x

Jensen, M. C., & Meckling, W. H. (1976). Theory of the firm: Managerial behavior, agency costs, and ownership structure. Journal of Financial Economics, 3(4), 305–360. https://doi.org/10.1016/0304-405X(76)90026-X

Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. SAGE Publications.

Modigliani, F., & Miller, M. H. (1958). The cost of capital, corporation finance, and the theory of investment. The American Economic Review, 48(3), 261–297.

Modigliani, F., & Miller, M. H. (1963). Corporate income taxes and the cost of capital: A correction. The American Economic Review, 53(3), 433–443.

Myers, S. C. (1984). The capital structure puzzle. The Journal of Finance, 39(3), 574–592. https://doi.org/10.1111/j.1540-6261.1984.tb03646.x

Myers, S. C., & Majluf, N. S. (1984). Corporate financing and investment decisions when firms have information that investors do not have. Journal of Financial Economics, 13(2), 187–221. https://doi.org/10.1016/0304-405X(84)90023-0

Shyam-Sunder, L., & Myers, S. C. (1999). Testing static tradeoff against pecking order models of capital structure. Journal of Financial Economics, 51(2), 219–244. https://doi.org/10.1016/S0304-405X(98)00051-8

Tellez Gaytan, J. C., Ateeq, K., Rafiuddin, A., Alzoubi, H. M., Ghazal, T. M., Ahanger, T. A., Chaudhary, S., & Viju, G. K. (2022). AI-based prediction of capital structure: Performance comparison of ANN SVM and LR models. Computational Intelligence and Neuroscience, 2022, Article 8334927. https://doi.org/10.1155/2022/8334927

Yeo, W. J., van der Heever, W., Mao, R., Cambria, E., Satapathy, R., & Mengaldo, G. (2023). A comprehensive review on financial explainable AI. arXiv. https://doi.org/10.48550/arXiv.2309.11960

دانلودها

گاه‌شمار انتشار

چاپ شده

شماره

نوع مقاله

Articles

نحوه استناد به مقاله

ابراهیمی ن. س. ., & صادقی راد ع. ا. . (1404). طراحی سیستم پشتیبان تصمیم‌گیری مالی مبتنی بر هوش مصنوعی برای بهینه‌سازی ساختار سرمایه در شرکت‌های بورسی. هوشمندسازی در حسابداری، اقتصاد و مدیریت مالی, 1(2), 29-41. https://jsaefm.com/index.php/jsaefm/article/view/10