چشم انداز مدیریت مالی (و حسابداری)

هدف: منحنی بازده یکی از ابزارهای کلیدی در تحلیل های اقتصادی به شمار می رود که نقش مهمی در تفسیر انتظارات بازار نسبت به سیاست های پولی، وضعیت اقتصادی و تورم در بازه های زمانی مختلف ایفا می کند. این منحنی همچنین در حوزه هایی چون سیاست گذاری مالی، مدل سازی کسب وکار نهادهای مالی و تصمیم گیری های سرمایه گذاری مانند ارزش گذاری دارایی ها و مدیریت ریسک کاربرد فراوانی دارد. با وجود اهمیت بالای موضوع، پیش بینی و تحلیل منحنی بازده در ایران کمتر مورد توجه قرار گرفته است درحالیکه اقتصاد ایران با چالش هایی مانند تورم مزمن، نوسانات ارزی، تحریم ها و وابستگی به درآمدهای نفتی مواجه است. هدف این پژوهش، پیش بینی منحنی بازده اوراق دولتی بدون ریسک در ایران است. در این راستا، پیش بینی با توجه به دو بعد زمان و سررسید انجام شد به طوریکه ضمن بررسی رفتار بازده اوراق با سررسید مختلف در هر زمان، روند تغییرات هر سررسید در طول زمان نیز تحلیل شد. روش: با وجود توسعه روش های مختلف برای پیش بینی منحنی بازده، مدل عاملی نلسون-سیگل پویا به دلیل تفسیرپذیری بالا، کاهش ابعاد و توانایی خلاصه سازی منحنی در سه عامل کلیدی سطح، شیب و انحنا، به عنوان چارچوب پایه برآورد انتخاب شد. این عوامل به دلیل دلالت های اقتصادی و مالی مشخص، نقشی مهم در تصمیم گیری های سیاستی و راهبردی ایفا می کنند. در این پژوهش، با استفاده از داده های اسناد خزانه اسلامی در بازار سرمایه ایران، تلاش شد تا عوامل مذکور با مجموعه مدل ها ازجمله مدل خود رگرسیون برداری-گارچ (به عنوان مدل مبنا) و سایر مدل ها ذیل یادگیری ماشین مانند الگوریتم مبتنی بر تقویت گرادیان به عنوان مدل سطحی و مدل های شبکه عصبی پیچشی – حافظه طولانی کوتاه-مدت و واحد بازگشتی دارای دروازه به عنوان مدل یادگیری عمیق پیش بینی شوند. در نهایت با جایگذاری مقادیر پیش بینی شده سه عامل در معادله نلسون–سیگل پویا منحنی بازده آینده بازسازی گردد. شایان ذکر است که هر یک از مدل ها از نظر پیچیدگی، تفسیرپذیری، نیازهای داده ای، الزامات محاسباتی و نوع روابط (خطی -غیرخطی)، ویژگی هایی متفاوت دارند. یافته ها: یافته های پژوهش نشان می دهد که مدل خودرگرسیون برداری-گارچ در پیش بینی عامل سطح عملکرد بهتری نسبت به سایر مدل ها دارد. این برتری به دلیل ساختار خودرگرسیو این مدل است که برای تحلیل روندهای پایدار و طولانی مدت مناسب تر عمل می کند. در مقابل، مدل های یادگیری عمیق به دلیل محدودیت داده و ضعف در شناسایی روندهای طولانی مدت، دقت کمتری در پیش بینی این عامل داشته اند. اما در مورد عامل های شیب و انحنا که بیشتر تحت نوسانات کوتاه مدت و میان مدت قرار دارند، مدل های یادگیری عمیق عملکرد بهتری نسبت به مدل های سنتی از خود نشان داده اند. این برتری به توانایی آن ها در درک الگوهای پیچیده و غیرخطی در طول زمان بازمی گردد، درحالی که مدل های آماری کلاسیک به دلیل مفروضات سخت گیرانه در مواجهه با چنین نوساناتی دچار خطا می شوند. در مرحله بعد، پیش بینی سه عامل در معادله نلسون–سیگل پویا جای گذاری شده و دقت بازسازی منحنی بازده با معیار ریشه میانگین مربعات خطا سنجیده شد. نتایج نشان داد که هیچ یک از مدل ها به تنهایی برتری مطلق در پیش بینی هر سه عامل را ندارند. بنابراین، استفاده از ترکیب بهینه از مدل ها – به گونه ای که هر عامل توسط مدلی با کمترین خطا پیش بینی شود – می تواند دقت بازسازی منحنی بازده را افزایش دهد و این رویکرد با ساختار مدل نلسون–سیگل، مبتنی بر فرض استقلال عامل ها از یکدیگر، نیز سازگار است. نتایج نشان داد در صورتیکه عامل سطح با مدل خود رگرسیون برداری – گارچ یا شبکه عصبی پیچشی – حافظه طولانی کوتاه مدت، شیب با واحد بازگشتی دارای دروازه و انحنا با مدل خود رگرسیون برداری-گارچ یا الگوریتم مبتنی بر تقویت گرادیان برآورد شوند به بهترین نتایج یعنی کمترین انحراف از واقعیت معادل حدود نیم درصد منجر خواهد شد. نتیجه گیری: این پژوهش با هدف ارائه مدلی دقیق برای پیش بینی منحنی بازده در بازار مالی ایران انجام شد. بدین منظور، مدل نلسون-سیگل پویا انتخاب شد که منحنی بازده را در قالب سه عامل سطح، شیب و انحنا مدل سازی می کند. این تحقیق از مجموعه مدل های سنجی و یادگیری ماشین جهت برآورد استفاده کرد. در مرحله نخست، عملکرد مدل ها در پیش بینی عامل های نلسون-سیگل ارزیابی شد. نتایج نشان داد که مدل خودرگرسیون برداری-گارچ برای پیش بینی عامل سطح عملکرد برتری دارد، در حالی که مدل های یادگیری عمیق در پیش بینی عامل های شیب و انحنا، که نوسانات کوتاه مدت و میان مدت دارند، دقیق تر عمل کردند. در مرحله دوم، دقت بازسازی منحنی بازده بر اساس عامل های پیش بینی شده سنجیده شد. یافته ها نشان داد که بهترین ترکیب برای پیش بینی منحنی زمانی حاصل می شود که عامل سطح با مدل خودرگرسیون برداری – گارچ یا شبکه عصبی پیچشی – حافظه طولانی کوتاه مدت، عامل شیب با واحد بازگشتی دارای دروازه و عامل انحنا با خودرگرسیون برداری-گارچ یا الگوریتم مبتنی بر تقویت گرادیان پیش بینی شود که منجر به خطای بازسازی کمتر از نیم درصد خواهد شد

هدف اصلی این پژوهش، بررسی الگوهای مدیریت سود از طریق اقلام تعهدی اختیاری جاری و بلندمدت در سال پس از عرضه اولیه سهام و سنجش اثر این الگوها بر عملکرد بلندمدت سهام شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. مدیریت سود به عنوان یکی از ابزارهای رفتاری مدیران، می تواند در دوره های حساس مانند پس از عرضه اولیه سهام، اثرات عمیقی بر شفافیت گزارشگری مالی، تصمیم گیری سرمایه گذاران و کارایی بازار داشته باشد. در این پژوهش، با بهره گیری از نظریه های نمایندگی، علامت دهی، زمان بندی بازار و شفافیت اطلاعات، چهار فرضیه کلیدی طراحی شد تا تغییرات در سطح مدیریت سود و اثرات آن بر عملکرد سهام بررسی شود. جامعه آماری این پژوهش شامل شرکت هایی است که در بازه زمانی 1389 تا 1398 برای نخستین بار در بورس اوراق بهادار تهران عرضه اولیه شده اند. با اعمال محدودیت های ساختاری و اطلاعاتی، تعداد 35 شرکت به عنوان نمونه نهایی انتخاب شد. در این پژوهش، اقلام تعهدی اختیاری جاری و بلندمدت به تفکیک اندازه گیری شده اند و بازده غیرعادی سهام طی دوره 36 ماهه پس از عرضه اولیه به عنوان معیار عملکرد بلندمدت سهام در نظر گرفته شده است. برای آزمون فرضیه ها، از آزمون ناپارامتریک ویلکاکسون (برای مقایسه سطح اقلام تعهدی بین دو دوره) و مدل های رگرسیونی چندگانه (با و بدون کنترل اثرات سال و صنعت و خوشه بندی خطاها در سطح شرکت) استفاده شده است. نتایج آزمون فرضیه های اول و دوم نشان داد که تفاوت معناداری در سطح مدیریت سود از طریق اقلام تعهدی اختیاری جاری و بلندمدت بین سال عرضه اولیه و سال پس از آن وجود ندارد. این یافته ها با پیش بینی های نظری برخی از مطالعات پیشین همخوانی ندارد و نشان دهنده تأثیر شرایط خاص محیط اقتصادی و نهادی ایران است؛ جایی که فشارهای مالی، نظارتی و اطلاعاتی تنها به سال عرضه محدود نبوده و در دوره پس از آن نیز تداوم دارد. در مقابل، نتایج آزمون فرضیه های سوم و چهارم نشان داد که مدیریت سود از طریق اقلام تعهدی اختیاری جاری در سال پس از عرضه اولیه، تأثیر منفی و معناداری بر عملکرد بلندمدت سهام دارد. این یافته با نظریه نمایندگی و علامت دهی همخوان است، زیرا استفاده کوتاه مدت و فرصت طلبانه از اقلام تعهدی جاری می تواند منجر به ارسال اطلاعات گمراه کننده به بازار شود و در بلندمدت، اعتماد سرمایه گذاران را کاهش دهد. به ویژه در بازار سرمایه ایران، که سرمایه گذاران اتکای بیشتری به اطلاعات حسابداری دارند، واکنش منفی به چنین رفتارهایی شدیدتر است. از سوی دیگر، برخلاف انتظار، مدیریت سود از طریق اقلام تعهدی اختیاری بلندمدت تأثیر مثبت و معناداری بر عملکرد بلندمدت سهام دارد. این یافته می تواند به دلیل برداشت مثبت بازار از هموارسازی سود در فضای عدم اطمینان اقتصادی ایران باشد. همچنین ضعف ساختارهای نظارتی ممکن است منجر به تأخیر در شناسایی رفتارهای مدیریتی شده و در نتیجه، اثرات مثبت کوتاه مدت آن در بازار مشهود شود. در مجموع، نتایج پژوهش نشان می دهد که تحلیل رفتار مدیریت سود در ایران نیازمند درک عمیق تری از شرایط نهادی و ساختاری بومی است. همچنین، یافته ها می توانند برای سیاست گذاران، ناظران بازار سرمایه و سرمایه گذاران نهادی در تدوین سیاست های نظارتی مؤثر و تصمیم گیری های آگاهانه مفید واقع شوند.

هدف این پژوهش بررسی تأثیر سرمایه انسانی بر توان توضیح دهندگی مدل سه عاملی فاما و فرنچ (1993) در بورس اوراق بهادار تهران است. با توجه به این که سرمایه انسانی به عنوان یکی از دارایی های کلیدی شرکت ها شناخته می شود و می تواند تأثیر قابل توجهی بر عملکرد مالی و ریسک های مرتبط با آن داشته باشد، این پژوهش به دنبال پر کردن شکاف های موجود در مدل های قیمت گذاری دارایی است که به این عامل توجهی نمی کنند. روش پژوهش شامل تحلیل داده های مربوط به شرکت های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1393 تا 1402 با استفاده از مدل های رگرسیونی و روش های آماری مناسب است. برای اندازه گیری سرمایه انسانی، از رشد حقوق و دستمزد نیروی کار به عنوان معیاری برای تحلیل این عامل استفاده شده است. همچنین، مدل سه عاملی فاما و فرنچ به مدل چهارعاملی با افزودن عامل سرمایه انسانی گسترش یافته است تا تأثیر آن بر تغییرات بازده سهام بررسی شود. یافته های پژوهش نشان می دهد که افزودن عامل سرمایه انسانی به مدل سه عاملی فاما و فرنچ، به طور معناداری توانایی مدل را در توضیح تغییرات بازده سهام افزایش می دهد. به ویژه، ضریب تعیین تعدیل شده برای مدل چهارعاملی بالاتر از مدل سه عاملی است و این نشان دهنده بهبود قدرت توضیح دهندگی مدل در پیش بینی بازده سهام می باشد. همچنین، نتایج نشان می دهد که شرکت های کوچک با نسبت های بالای ارزش دفتری به ارزش بازار و رشد بالای حقوق و دستمزد، بازده بیشتری دارند. نتیجه گیری این پژوهش تأکید می کند که نادیده گرفتن سرمایه انسانی در مدل های قیمت گذاری می تواند منجر به ارزیابی نادرست ریسک و بازده باشد. به همین دلیل، به سرمایه گذاران و پژوهشگران توصیه می شود که به اهمیت سرمایه انسانی در تحلیل های مالی توجه بیشتری داشته باشند و این عامل را در مدل های خود لحاظ کنند. همچنین پیشنهاد می شود که در مطالعات آینده، عواملی مانند تحصیلات، مهارت ها و تجربیات شغلی نیز مورد بررسی قرار گیرد تا درک بهتری از تأثیر سرمایه انسانی بر عملکرد مالی شرکت ها فراهم شود. هدف این پژوهش بررسی تأثیر سرمایه انسانی بر توان توضیح دهندگی مدل سه عاملی فاما و فرنچ (1993) در بورس اوراق بهادار تهران است. با توجه به این که سرمایه انسانی به عنوان یکی از دارایی های کلیدی شرکت ها شناخته می شود و می تواند تأثیر قابل توجهی بر عملکرد مالی و ریسک های مرتبط با آن داشته باشد، این پژوهش به دنبال پر کردن شکاف های موجود در مدل های قیمت گذاری دارایی است که به این عامل توجهی نمی کنند. روش پژوهش شامل تحلیل داده های مربوط به شرکت های پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1393 تا 1402 با استفاده از مدل های رگرسیونی و روش های آماری مناسب است. برای اندازه گیری سرمایه انسانی، از رشد حقوق و دستمزد نیروی کار به عنوان معیاری برای تحلیل این عامل استفاده شده است. همچنین، مدل سه عاملی فاما و فرنچ به مدل چهارعاملی با افزودن عامل سرمایه انسانی گسترش یافته است تا تأثیر آن بر تغییرات بازده سهام بررسی شود. یافته های پژوهش نشان می دهد که افزودن عامل سرمایه انسانی به مدل سه عاملی فاما و فرنچ، به طور معناداری توانایی مدل را در توضیح تغییرات بازده سهام افزایش می دهد. به ویژه، ضریب تعیین تعدیل شده برای مدل چهارعاملی بالاتر از مدل سه عاملی است و این نشان دهنده بهبود قدرت توضیح دهندگی مدل در پیش بینی بازده سهام می باشد. همچنین، نتایج نشان می دهد که شرکت های کوچک با نسبت های بالای ارزش دفتری به ارزش بازار و رشد بالای حقوق و دستمزد، بازده بیشتری دارند. نتیجه گیری این پژوهش تأکید می کند که نادیده گرفتن سرمایه انسانی در مدل های قیمت گذاری می تواند منجر به ارزیابی نادرست ریسک و بازده باشد. به همین دلیل، به سرمایه گذاران و پژوهشگران توصیه می شود که به اهمیت سرمایه انسانی در تحلیل های مالی توجه بیشتری داشته باشند و این عامل را در مدل های خود لحاظ کنند. همچنین پیشنهاد می شود که در مطالعات آینده، عواملی مانند تحصیلات، مهارت ها و تجربیات شغلی نیز مورد بررسی قرار گیرد تا درک بهتری از تأثیر سرمایه انسانی بر عملکرد مالی شرکت ها فراهم شود.

هدف: پژوهش حاضر نقش ماهیت بازده عامل های سرمایه گذاری در رویکرد سرمایه گذاری مبتنی بر عامل را مورد بررسی قرار می دهد. بازده بالاتر عامل های سرمایه گذاری یا ناهنجاری های مالی ممکن است ناشی از ریسک بالاتر باشند یا ناشی از یک خطای قیمت گذاری که از ناکارائی بازار یا رفتارهای سوگیرانه و خطاهای شناختی سرمایه گذاران نشات می گیرد. بررسی ادبیات نشان می دهد که برای بسیاری از عامل های سرمایه گذاری، پاسخ قطعی برای این سوال که منشا بازده این عامل ها ریسک است یا خطای قیمت گذاری وجود ندارد و این مساله همچنان یک پرسش باز محسوب می شود. از طرفی استراتژی های مختلف سرمایه گذاری در عامل ها در بستر یک تفسیر مبتنی بر ریسک توسعه یافته است. در این پژوهش به این مساله پرداخته می شود که آیا تفکیک و در نظر گرفتن ماهیت بازدهی عوامل بر عملکرد رویکرد سرمایه گذاری مبتنی بر عامل تاثیر دارد یا خیر. به عبارت دیگر هدف آن است که ابتدا برای بعضی از رایج ترین عوامل سرمایه گذاری، دوگانه تفسیر مبتنی بر ریسک و تفسیر مبتنی بر خطای قیمت گذاری مورد ارزیابی قرار گرفته و سپس بررسی شود که آیا استفاده از تفسیر مبتنی بر خطای قیمت گذاری در کنار تفسیر مبتنی بر ریسک، بر پیش بینی بازدهی عامل ها و در نهایت بر عملکرد سرمایه گذاری در عامل ها تاثیرگذار است یا خیر. روش: در این پژوهش یک دیدگاه نوین که در آن بازدهی عوامل سرمایه گذاری می تواند همزمان از دو مولفه ریسک و خطای قیمتگذاری تشکیل شده باشد به عنوان جایگزین دیدگاه سنتی تر که در آن منشا بازده صرفا به ریسک یا خطای قیمتگذاری نسبت داده می شود، مورد استفاده قرار گرفته است. با توجه به عدم توسعه مدل های چند عاملی رفتاری در بازار سرمایه ایران، در این پژوهش از داده های بازار سرمایه آمریکا و عوامل سرمایه گذاری رایج در این بازار استفاده شده است. به این منظور ابتدا یک عامل خطای قیمتگذاری مشترک با استفاده از عوامل رفتاری معرفی شده در مدلهای قیمت گذاری رفتاری ارائه شده در ادبیات مالی رفتاری ساخته شده و در گام بعد ویژگی های ریسک و خطای قیمتگذاری هر عامل سرمایه گذاری به ترتیب بوسیله بتای مدل CAPM و بتای عامل خطای قیمت گذاری مورد محاسبه قرار گرفته و به هر عامل در هر ماه نسبت داده می شود. در گام پایانی از مدل بهینه سازی پارامتریک برنت و همکاران (2009) برای بررسی تاثیر استفاده از ویژگی های ریسک و خطای قیمتگذاری بازده عاملها در کنار متغیرهای پیشبینی کننده وضعیت ریسک و ذائقه رفتاری بازار، برای بهبود عملکرد رویکرد سرمایه گذاری در عوامل بهره گرفته شده است. مقایسه خروجی روش بهینهسازی در سناریوهای مختلف و همچنین با استراتژی تخصیص وزن برابر مرحله پایانی روش پژوهش است. یافته ها: در بخش محاسبه ویژگی خطای قیمت گذاری عوامل مختلف سرمایه گذاری با رویکرد ارائه شده در پژوهش نتایج نشان می دهد که بخش فروش عامل های ارزش و مومنتوم بیشتر از بخش خرید در معرض خطای قیمت گذاری قرار دارند اما در عامل اندازه وضعیت برعکس است. در خصوص عامل ارزش و اندازه نتایج مطابق انتظارات و شهود است. چرا که در بخش فروش عامل ارزش سهام رشدی قرار دارند و در بخش خرید آن سهام ارزشی. بنابراین انتظار داریم سهام رشدی بیشتر از ویژگی سهام سفته بازی برخوردار بوده و درنتیجه بیشتر در معرض خطای قیمت گذاری قرار داشته باشد. در خصوص عامل اندازه نیز سبد خرید شامل سهام کوچک بوده و اندازه کوچک شرکت پتانسیل سفته بازی را افزایش خواهد داد که این نهایتا بزرگتر بودن خطای قیمت گذاری در بخش خرید عامل ها توجیه می کند. تاثیر استفاده از ویژگی های ریسک و خطای قیمت گذاری در قالب استراتژی های بهینه سازی مورد و در سناریوهای مختلف نشان می دهد استفاده از ویژگی های ریسک و خطای قیمت گذاری به تنهایی بهبودی در عملکرد استراتژی های سرمایه گذاری ایجاد نکرده و در قیاس با روش وزن برابر نیز عملکرد قابل قبولی ندارد. اما استفاده از ویژگی ریسک و خطای قیمت گذاری بازده عوامل در حضور متغیرهای پیش بینی کننده ریسک و خطای قیمت گذاری در سطح بازار به شکل معناداری بر عملکرد سرمایه گذاری در عامل ها موثر است. بطوریکه میانگین بازدهی و نسبت شارپ را به شکل معناداری نسبت به عملکرد هر کدام از عامل ها و روش وزن برابر افزایش می دهد. نتیجه گیری: نتایج این پژوهش نشان می دهد تجزیه بازده به دو مولفه ریسک و خطای قیمت گذاری می تواند درک بهتری از رفتار بازدهی عامل ها در طول زمان ایجاد کند. در نظر گرفتن ویژگی ریسک و خطای قیمت گذاری به همراه متغیرهای پیش بینی کننده وضعیت بازار از نظر سطح ریسک و ذائقه رفتاری سرمایه گذاران می تواند عملکرد رویکرد سرمایه گذاری در عوامل را ارتقا دهد. در مجموع نتایج این پژوهش نشان می دهند عبور از نگاه تک مولفه ای مبتنی بر تفسیر ریسکی از بازدهی عوامل و در نظر گرفتن مولفه خطای قیمت گذاری برای بازدهی عوامل، موجب توسعه ادبیات سرمایه گذاری در عامل ها شود.

هدف: پژوهش حاضر با هدف بررسی تأثیر هم زمان سرمایه های فکری (فیزیکی، انسانی و ساختاری) و میزان مسئولیت پذیری اجتماعی شرکت ها در خلق ارزش افزوده اقتصادی انجام شده است تا با ارائه راهکارهای عملی، به مدیران و سیاست گذاران در تخصیص بهینه منابع و تدوین راهبرد های یکپارچه برای خلق ارزش پایدار و بلندمدت کمک کند. روش: برای دستیابی به هدف پژوهش، تعداد ۱۲۹ شرکت پذیرفته شده در بورس اوراق بهادار تهران برای دوره زمانی ۱۳۸۶ تا ۱۴۰۲ انتخاب شد و روش آزمون فرضیه ها، مدل رگرسیون چندگانه در مجموعه داده های ترکیبی و مدل داده کاوی شبکه های عصبی است. یافته ها: نتایج پژوهش نشان می دهند که با وجود آنکه ایفای مسئولیت های اجتماعی تأثیری مثبت و معنادار بر ارزش افزوده اقتصادی دوره جاری و یک دوره آتی دارد، اما تأثیر آن در دو دوره آتی معنادار نیست و لذا نمی توان به شواهدی کافی در خصوص تأثیرگذاری معنادار مسئولیت های اجتماعی بر ارزش افزوده اقتصادی آتی دست یافت. همچنین کارایی سرمایه های فکری علاوه بر ارزش افزوده اقتصادی دوره جاری، در دوره های آتی نیز تأثیر مثبت و معنادار دارد و با افزایش آن، ارزش افزوده اقتصادی شرکت ها به طور قابل توجهی افزایش می یابد. سایر یافته ها حاکی از آن است که ضرایب کارایی سرمایه انسانی و کارایی سرمایه فیزیکی تأثیرگذاری معناداری بر ارزش افزوده اقتصادی دوره های جاری و آتی دارند، اما ضریب کارایی سرمایه ساختاری فقط بر ارزش افزوده اقتصادی دوره جاری اثرگذار است. نتیجه گیری: با افزایش کارایی سرمایه های فکری، ارزش افزوده اقتصادی شرکت های نمونه به طور معناداری افزایش یافته است. همچنین، بر اساس روش های رگرسیون و داده کاوی، کارایی سرمایه فکری تأثیر مثبت و معناداری بر ارزش افزوده اقتصادی آتی دارد که نشان دهنده تأثیرات بلندمدت آن بر ارزش افزوده اقتصادی و نقش مهم کارایی سرمایه های فکری در خلق ارزش افزوده شرکت ها است. اهرم مالی نیز جزو متغیرهای با بالاترین تأثیرگذاری بر ارزش افزوده اقتصادی در دوره های مختلف است. دانش افزایی: در حوزه مدیریت و اقتصاد، نقش سرمایه های فکری و مسئولیت های اجتماعی شرکت ها در خلق ارزش افزوده اقتصادی به عنوان دو عامل کلیدی مورد توجه گسترده قرار گرفته است. سرمایه های فکری شامل سرمایه انسانی، سرمایه ساختاری و سرمایه فیزیکی، به عنوان منابع نامشهودی که دانش، مهارت ها و فرآیندهای سازمانی را شکل می دهند، توانایی سازمان ها را در ایجاد مزیت رقابتی پایدار و افزایش بهره وری به طور چشمگیری ارتقاء می دهند. از سوی دیگر، ایفای مسئولیت های اجتماعی که شامل تعهدات اخلاقی و زیست محیطی شرکت ها نسبت به ذینفعان و جامعه است، علاوه بر بهبود تصویر سازمانی، می تواند اعتماد و وفاداری مشتریان را تقویت کرده و در نهایت به افزایش ارزش اقتصادی سازمان کمک کند. مطالعه اخیر نشان می دهد که ترکیب بهینه سرمایه های فکری با مسئولیت پذیری اجتماعی منجر به خلق ارزش افزوده اقتصادی پایدار و بلندمدت می شود، چرا که سرمایه های فکری با تأثیرات بلندمدت خود در بهره وری و نوآوری همراه با تأثیرات مثبت کوتاه مدت مسئولیت های اجتماعی در افزایش رضایت ذینفعان، مکمل یکدیگر هستند. بنابراین، ادغام راهبردی این دو مؤلفه می تواند شرکت ها را در مسیر توسعه پایدار و رقابت پذیری جهانی قرار دهد.

هدف: در این پژوهش، طراحی و ارائه یک چارچوب ترکیبی پیشرفته برای مدل سازی پویایی های ریسک سیستماتیک در بازارهای مالی ایران مد نظر قرار گرفته است. اقتصاد ایران به دلیل ماهیت ساختاری شکننده، نوسانات شدید سیاسی-اقتصادی و تغییرات ناگهانی در سیاست های پولی و ارزی، زمینه ای ایده آل برای بررسی تأثیر متقابل دارایی های مختلف و نحوه انتقال ریسک در رژیم های رفتاری گوناگون فراهم می کند. در چنین بستری، وابستگی ها و شدت انتقال شوک های مالی در دوره های کم نوسان، نیمه بی ثبات و بحرانی کاملاً متفاوت است. بنابراین، هدف اصلی مطالعه حاضر، تحلیل ساختار وابستگی و انتقال ریسک میان سه دارایی کلیدی(طلا، نرخ ارز آزاد (دلار آمریکا) و شاخص کل بورس اوراق بهادار تهران)در قالب یک چارچوب چندسطحی و چندمدلی است؛ به طوری که بتوان با دقت بیشتری رژیم های رفتاریِ پنهان را شناسایی و میزان ریسک سیستمیک را تحت شرایط مختلف بازار اندازه گیری کرد. روش : در گام نخست، سری های زمانی بازده روزانه سه دارایی یادشده با استفاده از مدل های ARIMA پالایش شدند تا مؤلفه های روندی و خودهمبستگی های خطی حذف شوند و سری های باقیمانده تنها متغیرهای تصادفی و غیرخطی را در خود جای دهند. سپس برای هر سری از مدل GARCH(1,1) جهت برآورد و پیش بینی نوسانات شرطی (Conditional Volatility) بهره گرفته شد. در مرحله سوم، به منظور استخراج ماتریس همبستگی های شرطی پویا میان دارایی ها، مدل DCC-GARCH به کار رفت. برای شناسایی تغییرات ساختاری رفتار بازار و جدا کردن دوره های کم نوسان از پرنوسان، دو روش مکمل استفاده شد: اول، مدل مارکوف سوئیچینگ با قابلیت تقسیم بندی زمان به رژیم های نوسان پایین و نوسان بالا بر مبنای احتمال های انتقال (Transition Probabilities)، و دوم، مدل ترکیب گاوسی (GMM) که با تحلیل خوشه ای داده ها، هر مشاهده را به صورت احتمالاتی به چند رژیم رفتاری منسوب می سازد. در نهایت، با محاسبه شاخص ارزش در معرض ریسک شرطی (COVAR) برای هر جفت دارایی در هر رژیم رفتاری، شدت ریسک سیستماتیک و میزان انتقال شوک ها به شکلی جامع بررسی شد. یافته ها: تحلیل داده های روزانه دوره ۱۳۹۴–۱۴۰۳ نشان داد شدت و ساختار انتقال ریسک سیستمیک در بازارهای مالی ایران کاملاً به رژیم رفتاری بازار بستگی دارد. در رژیم های «آرام»، همبستگی های شرطی بین طلا و دلار و نیز میان طلا و شاخص بورس به زیر ۰٫۳ کاهش یافته و متوسط COVARها کمتر از ۰٫۱۵ است، اما با افزایش نوسانات به سطح «نیمه بی ثبات»، این مقادیر به حدود ۰٫۴ تا ۰٫۵ می رسند. در «بحران» ساختار چهاررژیمی، همبستگی طلا–دلار به بیش از ۰٫۸ و طلا–بورس به بیش از ۰٫۳ افزایش یافت و COVAR طلا⇄دلار تا ۰٫۷۸ و طلا⇄بورس تا ۰٫۳۰ بالا رفت که نشانگر پدیده «فرار به ارز» و «فرار به طلا» در اوج تنش هاست. همچنین، روابط دلار⇄بورس و دلار⇄طلا در رژیم های میانی نه تنها سیگنال های هشدار اولیه از افزایش ریسک می دادند، بلکه گاهی در برخی دوره های ظاهراً آرام، COVAR بالاتری نسبت به رژیم های نیمه بی ثبات ثبت می شد؛ پدیده ای که می تواند منعکس کننده انتظارات منفی پنهان یا سیاست گذاری ناپایدار باشد. به طور کلی، ترکیب DCC-GARCH، مارکوف سوئیچینگ و GMM امکان تفکیک دقیق تر رژیم ها و سنجش توانایی ریسک را فراهم ساخت و نشان داد که رفتار غیرخطی و چندلایه انتقال ریسک باید در تحلیل ریسک سیستمیک اقتصادهای ناپایدار مد نظر قرار گیرد. نتیجه گیری: این پژوهش تأکید می کند که در اقتصادهایی با نوسانات ساختاری و سیاسی-اقتصادی شدید، استفاده از چارچوب های رژیم محور و پویا برای تحلیل ریسک سیستمیک الزامی است. این چارچوب نه تنها قابلیت شناسایی زودهنگام دوره های پرخطر و میان بحرانی را دارد، بلکه می تواند به عنوان ابزاری کارا برای سیاست گذاران، نهادهای نظارتی و سرمایه گذاران حرفه ای در طراحی سیاست های کلان، تخصیص بهینه سرمایه و مدیریت ریسک سیستماتیک به کار رود.