اندیشکده مدیریت و اقتصاد تدبیر نیکان هوشمندسازی در حسابداری، اقتصاد و مدیریت مالی 2 پیاپی 7 1405 02 01 Designing an Intelligent Corporate Credit Rating Model Using Financial Data, Non-Financial Data, and Corporate Governance Indicators طراحی مدل هوشمند رتبه‌بندی اعتباری شرکت‌ها با استفاده از داده‌های مالی، غیرمالی و شاخص‌های حکمرانی شرکتی 54 66 FA سید امیر حسین جعفری گروه اقتصاد اسلامی، دانشگاه علامه طباطبائی، تهران، ایران فاطمه اکبری نیا گروه اقتصاد اسلامی، دانشگاه علامه طباطبائی، تهران مریم کریمی راد گروه اقتصاد اسلامی، دانشگاه علامه طباطبائی، تهران، ایران Journal Article <p>This study aimed to design an intelligent corporate credit rating model based on the integration of financial data, non-financial data, and corporate governance indicators from the perspective of financial, credit, and technology experts. This qualitative study was conducted using thematic analysis. The participants consisted of 18 experts in credit risk management, financial analysis, auditing, corporate governance, and financial technology in Tehran, selected through purposive and snowball sampling. Data were collected through semi-structured interviews and continued until theoretical saturation was achieved. The interviews were transcribed verbatim and analyzed using NVivo software through open coding, subtheme development, and main theme extraction. Trustworthiness was strengthened through member checking, peer review, audit trail documentation, and constant comparison of codes. Data analysis led to the identification of four main categories: integration of financial and non-financial data in credit assessment, the role of corporate governance indicators in moderating credit risk, intelligent rating architecture and algorithmic explainability, and organizational and regulatory requirements for implementation. Participants emphasized that models based solely on financial ratios cannot fully represent repayment capacity, management quality, cash flow sustainability, operational risk, and information transparency. Board independence, audit committee quality, ownership concentration, disclosure transparency, and history of commitment fulfillment were also identified as key governance indicators in corporate credit rating. The findings indicate that designing an intelligent corporate credit rating model requires a transition from traditional ratio-based approaches to a multidimensional, data-driven, and explainable framework. Such a model can support reliable credit decision-making only when predictive accuracy is accompanied by data quality, algorithmic transparency, human oversight, regulatory compliance, and interpretability for credit managers.</p> <p>هدف پژوهش حاضر طراحی مدل هوشمند رتبه‌بندی اعتباری شرکت‌ها بر پایه ادغام داده‌های مالی، داده‌های غیرمالی و شاخص‌های حکمرانی شرکتی از منظر خبرگان مالی، اعتباری و فناورانه بود. این پژوهش با رویکرد کیفی و روش تحلیل مضمون انجام شد. مشارکت‌کنندگان شامل 18 نفر از خبرگان فعال در حوزه مدیریت ریسک اعتباری، تحلیل مالی، حسابرسی، حکمرانی شرکتی و فناوری مالی در شهر تهران بودند که به‌صورت هدفمند و با راهبرد گلوله‌برفی انتخاب شدند. داده‌ها از طریق مصاحبه‌های نیمه‌ساختاریافته گردآوری شد و فرایند مصاحبه تا دستیابی به اشباع نظری ادامه یافت. متن مصاحبه‌ها پس از پیاده‌سازی، با استفاده از نرم‌افزار NVivo کدگذاری و در سه سطح کدهای اولیه، مضامین فرعی و مضامین اصلی تحلیل شد. اعتبار یافته‌ها از طریق بازبینی مشارکت‌کنندگان، مرور همتایان، ثبت مسیر تحلیل و مقایسه مستمر کدها تقویت شد. تحلیل داده‌ها به استخراج چهار مقوله اصلی منجر شد: یکپارچه‌سازی داده‌های مالی و غیرمالی در ارزیابی اعتبار، نقش شاخص‌های حکمرانی شرکتی در تعدیل ریسک اعتباری، معماری هوشمند رتبه‌بندی و توضیح‌پذیری الگوریتمی، و الزامات پیاده‌سازی سازمانی و نظارتی مدل. مشارکت‌کنندگان تأکید کردند که مدل‌های صرفاً مبتنی بر نسبت‌های مالی قادر به بازنمایی کامل توان بازپرداخت، کیفیت مدیریت، پایداری جریان نقد، ریسک عملیاتی و شفافیت اطلاعاتی شرکت‌ها نیستند. همچنین، استقلال هیئت‌مدیره، کیفیت کمیته حسابرسی، تمرکز مالکیت، شفافیت افشا و سابقه رعایت تعهدات به‌عنوان شاخص‌های کلیدی حکمرانی در رتبه‌بندی اعتباری شناسایی شدند. نتایج نشان داد که طراحی مدل هوشمند رتبه‌بندی اعتباری شرکت‌ها مستلزم حرکت از الگوی سنتیِ نسبت‌محور به الگوی چندبعدی، داده‌محور و توضیح‌پذیر است. چنین مدلی زمانی می‌تواند در تصمیم‌گیری اعتباری قابل اعتماد باشد که علاوه بر دقت پیش‌بینی، از کیفیت داده، شفافیت الگوریتمی، نظارت انسانی، انطباق مقرراتی و قابلیت تفسیر برای مدیران اعتباری برخوردار باشد.</p> https://jsaefm.com/index.php/jsaefm/article/download/43/41