اندیشکده مدیریت و اقتصاد تدبیر نیکان هوشمندسازی در حسابداری، اقتصاد و مدیریت مالی 1 پیاپی 4 1404 08 01 Developing an Artificial Intelligence-Based Investment Decision-Support Model for Portfolio Management Under Severe Market Volatility ارائه مدل تصمیم‌یار سرمایه‌گذاری مبتنی بر هوش مصنوعی برای مدیریت پرتفوی در شرایط نوسان شدید بازار 52 65 FA سارا سادات کریمی پور گروه اقتصاد، دانشگاه خوارزمی، تهران، ایران محمد مهدی ابراهیمی نسب هدف این پژوهش ارائه مدل تصمیم‌یار سرمایه‌گذاری مبتنی بر هوش مصنوعی برای پشتیبانی از تصمیم‌های مدیریت پرتفوی در شرایط نوسان شدید بازار، با تأکید بر پیش‌بینی ریسک، بازتخصیص دارایی، کنترل زیان دنباله‌ای، و افزایش قابلیت توضیح‌پذیری تصمیم‌های الگوریتمی است. این پژوهش با رویکرد کیفی و طرح اکتشافی انجام شد. مشارکت‌کنندگان شامل ۲۲ نفر از خبرگان بازار سرمایه، مدیران پرتفوی، تحلیلگران سرمایه‌گذاری، متخصصان ریسک مالی، کارشناسان فناوری مالی و استادان دانشگاه در شهر تهران بودند که با روش نمونه‌گیری هدفمند و معیارمحور انتخاب شدند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته گردآوری شد و فرایند مصاحبه تا دستیابی به اشباع نظری ادامه یافت؛ اشباع نظری در مصاحبه نوزدهم حاصل شد و سه مصاحبه تکمیلی برای اطمینان از پایداری مقوله‌ها انجام گرفت. داده‌ها با روش تحلیل مضمون و با کمک نرم‌افزار NVivo تحلیل شدند. تحلیل داده‌ها به استخراج پنج مقوله اصلی منجر شد: «یکپارچه‌سازی داده‌های چندمنبعی و تشخیص رژیم بازار»، «پیش‌بینی هوشمند ریسک و بازده در شرایط نوسان شدید»، «بهینه‌سازی تطبیقی پرتفوی و کنترل ریسک دنباله‌ای»، «توضیح‌پذیری، اعتماد و نقش ناظر انسانی»، و «حاکمیت داده، زیرساخت اجرایی و کنترل خطای الگوریتمی». یافته‌ها نشان داد که مدل تصمیم‌یار مطلوب نباید صرفاً یک ابزار پیش‌بینی قیمت باشد، بلکه باید به‌صورت سامانه‌ای چندلایه عمل کند که داده‌های تاریخی، داده‌های رفتاری، شاخص‌های کلان، اخبار، احساسات بازار و محدودیت‌های ریسک سرمایه‌گذار را همزمان پردازش کند. نتایج پژوهش نشان می‌دهد که تصمیم‌یار سرمایه‌گذاری مبتنی بر هوش مصنوعی در شرایط نوسان شدید بازار زمانی اثربخش است که میان دقت الگوریتمی، توضیح‌پذیری تصمیم، کنترل ریسک، قابلیت انطباق با تغییرات رژیم بازار، و قضاوت انسانی توازن برقرار کند. مدل پیشنهادی می‌تواند برای شرکت‌های مدیریت دارایی، صندوق‌های سرمایه‌گذاری، کارگزاری‌ها و نهادهای مالی به‌عنوان چارچوبی کاربردی برای طراحی سامانه‌های هوشمند مدیریت پرتفوی مورد استفاده قرار گیرد. Journal Article <p>This study aimed to develop an artificial intelligence-based investment decision-support model for portfolio management under severe market volatility, with emphasis on risk prediction, adaptive asset allocation, tail-risk control, and explainability of algorithmic investment decisions. This study adopted a qualitative exploratory design. The participants consisted of 22 experts from Tehran, including portfolio managers, investment analysts, financial risk specialists, fintech professionals, capital market experts, and university academics. Participants were selected using purposive and criterion-based sampling. Data were collected through semi-structured interviews and the interview process continued until theoretical saturation was achieved. Saturation occurred at the nineteenth interview, followed by three confirmatory interviews to ensure the stability and adequacy of the extracted categories. Data were analyzed using thematic analysis with the support of NVivo software. Trustworthiness was enhanced through member checking, peer review, audit trail, and continuous comparison of codes and categories. The analysis resulted in five main categories: “multi-source data integration and market regime detection,” “intelligent prediction of risk and return under severe volatility,” “adaptive portfolio optimization and tail-risk control,” “explainability, trust, and human oversight,” and “data governance, operational infrastructure, and algorithmic error control.” The findings indicated that an effective AI-based investment decision-support model should not be limited to price forecasting. Rather, it should operate as a multi-layered system capable of processing historical market data, behavioral data, macroeconomic indicators, news, market sentiment, liquidity conditions, and investor-specific risk constraints simultaneously. The results suggest that an AI-based investment decision-support system is effective under turbulent market conditions only when it balances algorithmic accuracy, interpretability, risk control, adaptability to market regime shifts, and human judgment. The proposed model can serve as a practical framework for asset management companies, investment funds, brokerage firms, and financial institutions seeking to design intelligent portfolio management systems in highly volatile markets.</p> <p>هدف این پژوهش ارائه مدل تصمیم‌یار سرمایه‌گذاری مبتنی بر هوش مصنوعی برای پشتیبانی از تصمیم‌های مدیریت پرتفوی در شرایط نوسان شدید بازار، با تأکید بر پیش‌بینی ریسک، بازتخصیص دارایی، کنترل زیان دنباله‌ای، و افزایش قابلیت توضیح‌پذیری تصمیم‌های الگوریتمی است. این پژوهش با رویکرد کیفی و طرح اکتشافی انجام شد. مشارکت‌کنندگان شامل ۲۲ نفر از خبرگان بازار سرمایه، مدیران پرتفوی، تحلیلگران سرمایه‌گذاری، متخصصان ریسک مالی، کارشناسان فناوری مالی و استادان دانشگاه در شهر تهران بودند که با روش نمونه‌گیری هدفمند و معیارمحور انتخاب شدند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته گردآوری شد و فرایند مصاحبه تا دستیابی به اشباع نظری ادامه یافت؛ اشباع نظری در مصاحبه نوزدهم حاصل شد و سه مصاحبه تکمیلی برای اطمینان از پایداری مقوله‌ها انجام گرفت. داده‌ها با روش تحلیل مضمون و با کمک نرم‌افزار NVivo تحلیل شدند. تحلیل داده‌ها به استخراج پنج مقوله اصلی منجر شد: «یکپارچه‌سازی داده‌های چندمنبعی و تشخیص رژیم بازار»، «پیش‌بینی هوشمند ریسک و بازده در شرایط نوسان شدید»، «بهینه‌سازی تطبیقی پرتفوی و کنترل ریسک دنباله‌ای»، «توضیح‌پذیری، اعتماد و نقش ناظر انسانی»، و «حاکمیت داده، زیرساخت اجرایی و کنترل خطای الگوریتمی». یافته‌ها نشان داد که مدل تصمیم‌یار مطلوب نباید صرفاً یک ابزار پیش‌بینی قیمت باشد، بلکه باید به‌صورت سامانه‌ای چندلایه عمل کند که داده‌های تاریخی، داده‌های رفتاری، شاخص‌های کلان، اخبار، احساسات بازار و محدودیت‌های ریسک سرمایه‌گذار را همزمان پردازش کند. نتایج پژوهش نشان می‌دهد که تصمیم‌یار سرمایه‌گذاری مبتنی بر هوش مصنوعی در شرایط نوسان شدید بازار زمانی اثربخش است که میان دقت الگوریتمی، توضیح‌پذیری تصمیم، کنترل ریسک، قابلیت انطباق با تغییرات رژیم بازار، و قضاوت انسانی توازن برقرار کند. مدل پیشنهادی می‌تواند برای شرکت‌های مدیریت دارایی، صندوق‌های سرمایه‌گذاری، کارگزاری‌ها و نهادهای مالی به‌عنوان چارچوبی کاربردی برای طراحی سامانه‌های هوشمند مدیریت پرتفوی مورد استفاده قرار گیرد.</p> https://jsaefm.com/index.php/jsaefm/article/download/25/23