اندیشکده مدیریت و اقتصاد تدبیر نیکان هوشمندسازی در حسابداری، اقتصاد و مدیریت مالی 1 پیاپی 2 1404 04 01 Developing an Integrated Framework for Intelligent Financial Risk Management Using Predictive Analytics, Machine Learning, and Real-Time Data ارائه چارچوب یکپارچه هوشمندسازی مدیریت ریسک مالی با بهره‌گیری از تحلیل پیش‌بینانه، یادگیری ماشین و داده‌های بلادرنگ 56 68 FA آیدا سادات رحیمی فر گروه حسابداری، دانشگاه رازی، کرمانشاه، ایران محمد جواد طاهری گروه حسابداری، دانشگاه رازی، کرمانشاه، ایران پریسا سادات کمالی گروه حسابداری، دانشگاه رازی، کرمانشاه، ایران Journal Article <p>This study aimed to develop an integrated framework for intelligent financial risk management using predictive analytics, machine learning, and real-time data in financial and economic firms located in Tehran. This qualitative study was conducted using thematic analysis. The participants consisted of 22 financial managers, risk managers, data analysts, fintech specialists, internal auditors, and experts in intelligent financial systems in Tehran. They were selected through purposive and snowball sampling. Data were collected through semi-structured interviews and continued until theoretical saturation was achieved. The data were analyzed through open, axial, and selective coding using NVivo software. Trustworthiness was ensured through member checking, constant comparison, peer review, and maintaining an audit trail of the analytical process. Data analysis led to the extraction of five main categories: real-time data-driven risk infrastructure, predictive modeling and machine learning, algorithmic governance and model explainability, organizational integration and risk-oriented decision-making, and agile response to emerging risks. The findings indicated that intelligent financial risk management is not limited to the deployment of advanced algorithms. Rather, it requires the simultaneous integration of data quality, technological architecture, model interpretability, data-driven decision-making culture, and human oversight. The proposed framework suggests that intelligent financial risk management becomes effective when predictive analytics, machine learning, and real-time data are embedded within a governable, explainable, and organization-oriented system. Such a framework can facilitate early risk detection, reduce human error, improve response speed, and enhance the financial resilience of firms under volatile and uncertain conditions.</p> <p>هدف پژوهش حاضر ارائه چارچوبی یکپارچه برای هوشمندسازی مدیریت ریسک مالی با اتکا بر تحلیل پیش‌بینانه، الگوریتم‌های یادگیری ماشین و داده‌های بلادرنگ در بنگاه‌های مالی و اقتصادی شهر تهران بود. این پژوهش با رویکرد کیفی و روش تحلیل مضمون انجام شد. مشارکت‌کنندگان شامل ۲۲ نفر از مدیران مالی، مدیران ریسک، تحلیلگران داده، متخصصان فناوری مالی، حسابرسان داخلی و خبرگان سامانه‌های هوشمند مالی در شهر تهران بودند که به‌صورت 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 داده‌ها از طریق بازبینی مشارکت‌کنندگان، مقایسه مستمر داده‌ها، بازبینی همکار پژوهشی و ثبت مسیر تحلیل تضمین شد. تحلیل داده‌ها به استخراج پنج مقوله اصلی منجر شد: زیرساخت داده‌محور و بلادرنگ ریسک، مدل‌سازی پیش‌بینانه و یادگیری ماشین، حکمرانی الگوریتمی و توضیح‌پذیری مدل، یکپارچگی سازمانی و تصمیم‌گیری ریسک‌محور، و چابکی پاسخ به ریسک‌های نوظهور. یافته‌ها نشان داد که هوشمندسازی مدیریت ریسک مالی صرفاً به استقرار الگوریتم‌های پیشرفته محدود نیست، بلکه نیازمند پیوند هم‌زمان میان کیفیت داده، معماری فناوری، قابلیت تفسیر مدل‌ها، فرهنگ تصمیم‌گیری داده‌محور و نظارت انسانی است. چارچوب پیشنهادی پژوهش نشان می‌دهد که مدیریت ریسک مالی هوشمند زمانی اثربخش خواهد بود که تحلیل پیش‌بینانه، یادگیری ماشین و داده‌های بلادرنگ در قالب یک نظام حکمرانی‌پذیر، قابل توضیح و سازمان‌محور ادغام شوند. چنین چارچوبی می‌تواند شناسایی زودهنگام ریسک، کاهش خطای انسانی، بهبود سرعت واکنش و افزایش تاب‌آوری مالی بنگاه‌ها را تسهیل کند.</p> <p><strong>کلیدواژه‌ها:</strong> هوشمندسازی مالی؛ مدیریت ریسک مالی؛ تحلیل پیش‌بینانه؛ یادگیری ماشین؛ داده‌های بلادرنگ؛ حکمرانی الگوریتمی.</p> https://jsaefm.com/index.php/jsaefm/article/download/12/11