تحلیل تأثیر رباتهای مشاور مالی بر رفتار سرمایهگذاران خرد با نقش میانجی اعتماد دیجیتال و سواد مالی
کلمات کلیدی:
ربات مشاور مالی, سرمایهگذاران خرد, اعتماد دیجیتال, سواد مالی, ؛ رفتار سرمایهگذاری, تصمیمگیری الگوریتمیچکیده
هدف پژوهش حاضر تحلیل تأثیر رباتهای مشاور مالی بر رفتار سرمایهگذاران خرد با تمرکز بر نقش میانجی اعتماد دیجیتال و سواد مالی در زمینه تصمیمگیری سرمایهگذاری بود. این پژوهش با رویکرد کیفی و طراحی اکتشافی انجام شد. جامعه پژوهش شامل سرمایهگذاران خرد ساکن شهر تهران بود که تجربه استفاده مستقیم یا ارزیابی عملی رباتهای مشاور مالی، سامانههای توصیهگر سرمایهگذاری، پلتفرمهای تحلیل الگوریتمی یا ابزارهای هوشمند مدیریت پرتفوی را داشتند. مشارکتکنندگان به روش نمونهگیری هدفمند و گلولهبرفی انتخاب شدند و پس از انجام ۲۲ مصاحبه نیمهساختاریافته، اشباع نظری حاصل شد. دادهها از طریق مصاحبههای عمیق گردآوری و با روش تحلیل مضمون در نرمافزار NVivo تحلیل شدند. اعتبار یافتهها از طریق بازبینی مشارکتکنندگان، بررسی همتای پژوهشی، ثبت مسیر تحلیل و مقایسه مستمر کدها تقویت شد. تحلیل دادهها به استخراج چهار مقوله اصلی منجر شد: بازآرایی الگوی تصمیمگیری سرمایهگذاران خرد، شکلگیری اعتماد دیجیتال مشروط، نقش تعدیلگر سواد مالی در پذیرش یا مقاومت نسبت به توصیه الگوریتمی، و پیامدهای رفتاری استفاده از رباتهای مشاور مالی. یافتهها نشان داد رباتهای مشاور از طریق کاهش اتکا به هیجان، افزایش نظم در ارزیابی ریسک، سادهسازی اطلاعات و تقویت مقایسهپذیری گزینههای سرمایهگذاری، رفتار سرمایهگذاران خرد را تغییر میدهند؛ بااینحال، اعتماد کاربران به این ابزارها مطلق نیست و به شفافیت الگوریتم، قابلیت توضیح، تجربه عملکردی، امنیت داده و امکان مداخله انسانی وابسته است. رباتهای مشاور مالی میتوانند رفتار سرمایهگذاران خرد را به سمت تصمیمگیری ساختارمندتر، کمتر هیجانی و مبتنی بر داده سوق دهند، اما اثربخشی آنها به سطح اعتماد دیجیتال و سواد مالی کاربران وابسته است. سرمایهگذارانی که سواد مالی بالاتری دارند، توصیههای الگوریتمی را نه بهعنوان جایگزین کامل قضاوت انسانی، بلکه بهعنوان ابزار پشتیبان تصمیم به کار میگیرند. بنابراین توسعه رباتهای مشاور در بازار سرمایه مستلزم طراحی شفاف، آموزش مالی، نظارت نهادی و سازوکارهای پاسخگویی الگوریتمی است
دانلودها
مراجع
Abraham, F., Schmukler, S. L., & Tessada, J. (2019). Robo-advisors: Investing through machines. World Bank Research and Policy Briefs, No. 21. World Bank Group.
Aristei, D., & Gallo, M. (2026). Financial literacy, robo-advising, and the demand for human financial advice: Evidence from Italy. Journal of Behavioral and Experimental Finance, 49, 101125. https://doi.org/10.1016/j.jbef.2025.101125
Barber, B. M., & Odean, T. (2001). Boys will be boys: Gender, overconfidence, and common stock investment. The Quarterly Journal of Economics, 116(1), 261–292. https://doi.org/10.1162/003355301556400
Belanche, D., Casaló, L. V., & Flavián, C. (2019). Artificial intelligence in FinTech: Understanding robo-advisors adoption among customers. Industrial Management & Data Systems, 119(7), 1411–1430. https://doi.org/10.1108/IMDS-08-2018-0368
Bhatia, A., Chandani, A., & Chhateja, J. (2020). Robo advisory and its potential in addressing the behavioral biases of investors: A qualitative study in Indian context. Journal of Behavioral and Experimental Finance, 25, 100281. https://doi.org/10.1016/j.jbef.2020.100281
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77–101. https://doi.org/10.1191/1478088706qp063oa
Brenner, L., & Meyll, T. (2020). Robo-advisors: A substitute for human financial advice? Journal of Behavioral and Experimental Finance, 25, 100275. https://doi.org/10.1016/j.jbef.2020.100275
Creswell, J. W., & Poth, C. N. (2018). Qualitative inquiry and research design: Choosing among five approaches (4th ed.). SAGE Publications.
D’Acunto, F., Prabhala, N., & Rossi, A. G. (2019). The promises and pitfalls of robo-advising. The Review of Financial Studies, 32(5), 1983–2020. https://doi.org/10.1093/rfs/hhz014
Filiz, I., Judek, J. R., Lorenz, M., & Spiwoks, M. (2022). Algorithm aversion as an obstacle in the establishment of robo advisors. Journal of Risk and Financial Management, 15(8), 353. https://doi.org/10.3390/jrfm15080353
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
Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. SAGE Publications.
Lusardi, A., & Mitchell, O. S. (2014). The economic importance of financial literacy: Theory and evidence. Journal of Economic Literature, 52(1), 5–44. https://doi.org/10.1257/jel.52.1.5
Mayer, R. C., Davis, J. H., & Schoorman, F. D. (1995). An integrative model of organizational trust. Academy of Management Review, 20(3), 709–734. https://doi.org/10.2307/258792
Nourallah, M., Öhman, P., & Amin, M. (2023). One size does not fit all: Young retail investors’ initial trust in financial robo-advisors. Journal of Business Research, 156, 113470. https://doi.org/10.1016/j.jbusres.2022.113470
Rossi, A. G., & Utkus, S. P. (2024). The diversification and welfare effects of robo-advising. Journal of Financial Economics, 157, 103869. https://doi.org/10.1016/j.jfineco.2024.103869
Shefrin, H., & Statman, M. (1985). The disposition to sell winners too early and ride losers too long: Theory and evidence. The Journal of Finance, 40(3), 777–790. https://doi.org/10.1111/j.1540-6261.1985.tb05002.x
van Rooij, M., Lusardi, A., & Alessie, R. (2011). Financial literacy and stock market participation. Journal of Financial Economics, 101(2), 449–472. https://doi.org/10.1016/j.jfineco.2011.03.006