اندیشکده مدیریت و اقتصاد تدبیر نیکان هوشمندسازی در حسابداری، اقتصاد و مدیریت مالی 1 پیاپی 2 1404 04 01 Designing an Artificial Intelligence-Based Financial Decision Support System for Optimizing Capital Structure in Listed Companies طراحی سیستم پشتیبان تصمیم‌گیری مالی مبتنی بر هوش مصنوعی برای بهینه‌سازی ساختار سرمایه در شرکت‌های بورسی 29 41 FA نیلوفر سادات ابراهیمی گروه حسابداری، دانشگاه مازندران، بابلسر، ایران علی اکبر صادقی راد گروه حسابداری، دانشگاه مازندران، بابلسر، ایران Journal Article <p>This study aimed to design a conceptual model of an artificial intelligence-based financial decision support system for optimizing capital structure in listed companies. This qualitative study was conducted using thematic analysis. The participants consisted of 18 financial managers, capital market analysts, risk specialists, artificial intelligence experts, and corporate finance academics located in Tehran, Iran. Participants were selected through purposive and snowball sampling. Data were collected using semi-structured interviews, and the interview process continued until theoretical saturation was achieved. Data analysis was performed through open, axial, and selective coding using NVivo software. Trustworthiness was enhanced through member checking, peer review, audit trail documentation, and constant comparison of interview data. The analysis resulted in five main categories: financial data infrastructure and information integration, the AI analytical core for forecasting and capital structure simulation, transparency and explainability of algorithmic decisions, risk management and adaptation to capital market conditions, and organizational implementation capability and human–machine collaboration. Participants emphasized that the proposed system should not merely function as a computational tool; rather, it should simultaneously analyze financing scenarios, cost of capital, default risk, regulatory constraints, and market reactions. The findings suggest that an AI-based financial decision support system can contribute to capital structure optimization in listed companies when predictive models, reliable data, explainable outputs, human oversight, and compatibility with the specific characteristics of the Iranian capital market are integrated within a coherent architecture</p> <p>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.</p> https://jsaefm.com/index.php/jsaefm/article/download/10/9