چشم انداز مدیریت مالی (و حسابداری)

هدف: این مطالعه به ارزیابی و مقایسه عملکرد الگوریتم های فراابتکاری با مدل کلاسیک مارکوویتز برای بهینه سازی سبد سهام در بازار سهام ایران که دارای نوسانات بالا و ناکارآمدی است، می پردازد. هدف اصلی، شناسایی تخصیص بهینه دارایی از بین ۶۴ شرکت پذیرفته شده در بورس اوراق بهادار تهران طی یک دوره پنج ساله (1398-1403) و ارزیابی منتقدانه بده بستان های ارائه شده توسط هر روش از نظر ریسک، بازده و کارایی محاسباتی است. این نکته نشان می دهد که راه حل های فراابتکاری می توانند در کنار مدل کلاسیک مارکوویتز عملکرد بهتری در برخی جنبه های عملی سرمایه گذاری ارائه دهند، ضمن اینکه انتخاب نهایی باید مطابق با اولویت های سرمایه گذار باشد. این مطالعه چارچوبی کارآمد برای مدیران پرتفوی فراهم می کند تا ابزار بهینه سازی را بر اساس هدف ریسک-بازده و مهلت های تصمیم گیری خود ترکیب کنند. روش: این مطالعه از یک چارچوب تحلیلی مقایسه ای استفاده می کند و مدل بهینه سازی میانگین -واریانس کلاسیک مارکوویتز را در مقابل دو الگوریتم فراابتکاری قرار می دهد: الگوریتم چرخه آب (WCA) و بهینه ساز گرگ خاکستری (GWO). با استفاده از داده های تاریخی پنج ساله از ۶۴ شرکت در بورس اوراق بهادار تهران (1398-1403)، سبدهای سهام بهینه را بر اساس هر روش ایجاد می شود. سپس یک دستورالعمل جامع ارزیابی ریسک اعمال می گردد تا عملکرد سبد سهام را نه تنها از طریق معیارهای سنتی مانند نسبت شارپ و انحراف معیار، بلکه با ترکیب معیارهای پیشرفته ریسک مانند ارزش در معرض ریسک (VaR)، ارزش در معرض ریسک شرطی (CVaR) و حداکثر افت سرمایه (MDD) برای ارائه یک ارزیابی چندوجهی موردمطالعه و بررسی قرار دهد. در این راستا کارایی محاسباتی هر الگوریتم نیز به طور دقیق محک زده شد. یافته ها: نتایج به دست آمده، نکات ظریفی و قابل تأملی را ارائه می دهند. الگوریتم چرخه آب مزیت قابل توجهی در کارایی محاسباتی نشان می دهد که تقریباً 6.7 برابر سریع تر از بهینه ساز گرگ خاکستری است. علاوه بر این، در به حداقل رساندن حداکثر افت سرمایه ، یک معیار ریسک حیاتی برای حفظ سرمایه در درازمدت، عملکرد فوق العاده ای داشت. با این حال، برخلاف فرضیه اولیه، مدل مارکوویتز در کنترل نوسانات روزانه (انحراف معیار) و کاهش ریسک دنباله افراطی از WCA بهتر عمل کرد. GWO به طور مداوم در تمام معیارهای کلیدی عملکرد ضعیف تری داشت. این یافته ها تأکید می کنند که برتری الگوریتم به شدت به معیار ریسک خاصی که توسط سرمایه گذار اولویت بندی می شود، وابسته است، نه اینکه یک برنده مطلق را ارائه دهد. نتیجه گیری: از نتایج این تحقیق آن است که روش های فراابتکاری مدرن مانند WCA جایگزین های کاملی نیستند، بلکه مکمل های قدرتمندی برای مدل های کلاسیک هستند.WCA به عنوان ابزاری برتر برای سرمایه گذارانی که سرعت محاسباتی و انعطاف پذیری در برابر رکودهای طولانی مدت بازار را در اولویت قرار می دهند، پدیدار می شود. در مقابل، مدل مارکوویتز همچنان یک انتخاب قوی برای مدیریت نوسانات کوتاه مدت است. این مطالعه بر لزوم همسو کردن انتخاب ابزار بهینه سازی با اهداف سرمایه گذاری خاص و تعاریف ریسک تأکید می کند و یک چارچوب عملی برای سرمایه گذاران و مدیران پرتفوی در بازارهای نوظهور مانند ایران ارائه می دهد. این تحقیق با ارائه چارچوب مقایسه ای منسجم، به کارفرمایان و سرمایه گذاران نشان می دهد که پیاده سازی آزمایشی و ارزیابی مستمر با در نظر گرفتن ابعاد مختلف ریسک (VaR، CVaR، MDD) و معیارهای کارایی محاسباتی، می تواند به بهبود کیفیت تصمیم گیری ها در بازارهای با اطلاعات ناقص کمک کند.

هدف: بازار سهام یکی از کلیدی ترین عناصر اقتصادهای در حال توسعه است. به همین جهت مطالعات گسترده ای با استفاده از تحلیل های تکنیکال و بنیادی، به پیش بینی سری های زمانی مالی پرداخته اند تا بتوانند به سرمایه گذاران در معاملاتشان یاری رسانند. در همین راستا مدل های یادگیری ماشین توانسته اند به عنوان ابزاری کارآمد برای مسائل گوناگون، نقش آفرینی کنند. اما علی رغم عملکرد قابل توجه مدل های یادگیری ماشین در این حوزه، دو ایراد مهم به آنها وارد است. مسئله اول تفسیرناپذیری نتایج است که در این مدل ها نحوه تبدیل ورودی ها به خروجی ها و یا سهم هر یک از ورودی ها در شکل دادن به خروجی مدل مشخص نمی باشد. دوم، قابل اتکا بودن نتایج حاصل از پیش بینی این مدل هاست که به طور مستقیم از مدل قابل استخراج نمی باشد. به همین جهت در این پژوهش از جدیدترین روش های ارائه شده در حوزه یادگیری ماشین برای پاسخ گویی به این دو مسئله استفاده شده است. روش: با توجه به اینکه در این مدل ها انتخاب ویژگی های ورودی از اهمیت بسیار زیادی در شکل دهی خروجی مدل برخوردار است، در این پژوهش با روشی نظام مند، از طریق مرور سیستماتیک ویژگی های به کارگرفته شده در پژوهش های مرتبط در پنج سال اخیر استخراج شده و نهایتاً 34 ویژگی که داده های آنها به شکل روزانه موجود می باشند به عنوان ورودی مدل انتخاب شده اند. در گام بعد، از مدل تقویت گرادیان طبیعی برای پیش بینی داده های شاخص کل بورس اوراق بهادار تهران از ابتدای سال 1389 تا سال 1403 استفاده شده است. عملکرد این مدل با استفاده از معیارهای RMSE، MAE و MAPE سنجیده شده و با جدیدترین روش های یادگیری ماشین برای پیش بینی سری های زمانی مقایسه شده است. در ادامه از مقادیر SHAP برای تفسیر نتایج مدل تقویت گرادیان طبیعی استفاده شده است و سهم هر یک از ویژگی ها در تخمین خروجی مدل ارزیابی شده است. مقادیر SHAP ابزاری قدرتمند برای سنجش اثرگذاری هر یک از ویژگی های ورودی بر تخمین خروجی فراهم می آورد که اطلاعات ارزشمندی را در اختیار کاربران مدل های یادگیری ماشین قرار می دهد. یافته ها: مقایسه مقادیر خطای مدل ارائه شده با سایر مدل های یادگیری ماشین، نشان از عملکرد بهتر این مدل در پیش بینی دارد. این مدل، برخلاف سایر مدل های یادگیری ماشین که یک پیش بینی به عنوان بهترین حدس را به عنوان خروجی ارائه می دهند، یک توزیع احتمال که بر اساس پارامترهای آن قابل توصیف است ارائه می دهد. شکل توزیع پارامتریک در نظر گرفته شده در این پژوهش تابع توزیع نرمال است که با پارامترهای میانگین و انحراف معیار قابل توصیف می باشد. در واقع مقدار پیش بینی شده، همان میانگین توزیع تخمین زده شده می باشد. برای پیش بینی شاخص بورس اوراق بهادار تهران، اثرگذارترین ویژگی ها قیمت پایانی، اندیکاتور EMA و اندیکاتور SMA هستند. تفسیر پارامتر انحراف معیار پیش بینی انجام شده، نشان می دهد که بیشترین اثرگذاری در این پارامتر را اندیکاتور ATR، قیمت پایانی و TEMA دارند که هر چقدر مقدار نسبی این متغیرها بیشتر باشد، انحراف معیار توزیع تخمینی بیشتر بوده و بنابراین پیش بینی انجام شده قابلیت اتکای کمتری خواهد داشت. نتیجه گیری: مدل تقویت گرادیان طبیعی می تواند به عنوان ابزاری مؤثر در پیش بینی شاخص کل بورس اوراق بهادار تهران مورد استفاده قرار گیرد. تفسیر نتایج با استفاده از مقادیر SHAP، امکان شناسایی مهم ترین ویژگی های ورودی و همچنین نحوه تشکیل خروجی از ویژگی های ورودی را فراهم کرده و به بهینه سازی مدل کمک می نماید. این رویکرد نه تنها دقت پیش بینی را بهبود می بخشد، بلکه به فعالان بازار سرمایه و سیاست گذاران کمک می کند تا تصمیم گیری های آگاهانه تری در مدیریت ریسک و تخصیص منابع داشته باشند. در نهایت، مقایسه با سایر مدل ها نشان می دهد که این روش می تواند به عنوان یک راهکار عملی و قابل اعتماد در تحلیل بازارهای مالی به کار گرفته شود.

هدف: ریسک پذیری بانکی یکی از مؤلفه های بنیادین در سنجش پایداری مالی نظام های اقتصادی به شمار می رود و تحت تأثیر عوامل متعددی از جمله ساختار مالکیت، نوع سهامداران و رفتار سرمایه گذاران قرار دارد. در این میان، افق سرمایه گذاری نهادی—اعم از کوتاه مدت یا بلندمدت—می تواند نقش تعیین کننده ای در نحوه مواجهه بانک ها با انواع ریسک های بازار ایفا کند. سرمایه گذاران نهادی با افق های متفاوت، رویکردهای گوناگونی در نظارت، تخصیص منابع و واکنش به نوسانات بازار اتخاذ می کنند که این تفاوت ها می تواند پیامدهای مستقیم بر سطح ریسک پذیری بانک ها داشته باشد. با توجه به پیچیدگی، چندبعدی بودن و غیرخطی بودن رابطه میان افق سرمایه گذاری و ریسک پذیری، استفاده از مدل های سنتی تحلیل مالی نظیر رگرسیون خطی یا شبکه های عصبی پیش خور با محدودیت هایی مواجه است. این مدل ها غالباً در شناسایی الگوهای پنهان، روابط غیرخطی و ویژگی های محلی داده های مالی ناکارآمد هستند. از این رو، هدف اصلی پژوهش حاضر، بهره گیری از شبکه های عصبی کانولوشنالی (CNN) برای مدل سازی دقیق تر رابطه افق سرمایه گذار نهادی با ریسک پذیری بانکی در داده های ساختاریافته بانک های پذیرفته شده در بورس اوراق بهادار تهران است. روش: این مطالعه از نوع کاربردی بوده و با رویکرد توصیفی-همبستگی انجام شده است. جامعه آماری شامل کلیه بانک های فعال در بورس تهران طی سال های ۱۳۹۳ تا ۱۳۹۹ بود. داده های مربوط به افق سرمایه گذاری نهادی (کوتاه مدت و بلندمدت) و شاخص های ریسک پذیری بانکی استخراج گردید و به منظور پردازش توسط شبکه های کانولوشنالی، به ماتریس های ۴×۴ تبدیل شدند. سه مدل CNN با تعداد فیلترهای 64، 128 و 256 طراحی و آموزش داده شدند تا عملکرد آن ها در شناسایی الگوهای پیچیده و پیش بینی دقیق تر رابطه مورد نظر ارزیابی شود. برای سنجش کیفیت مدل ها از معیارهای دقت (Accuracy)، امتیاز F1 و سطح زیر منحنی ROC (AUC) استفاده شد. یافته ها: نتایج حاصل از مدل سازی نشان داد که همبستگی میان افق سرمایه گذاری کوتاه مدت و ریسک پذیری بانکی برابر با 0.86 بوده که به مراتب قوی تر از همبستگی افق بلندمدت با ریسک پذیری (0.72) است. این یافته حاکی از آن است که سرمایه گذاران نهادی با افق کوتاه مدت، به دلیل واکنش پذیری سریع تر نسبت به تغییرات بازار، نقش مؤثرتری در کاهش ریسک های بانکی ایفا می کنند. از میان سه مدل طراحی شده، شبکه 64 فیلتری (CNN64) با دقت 0.829، امتیاز F1 برابر با 0.815 و AUC برابر با 0.842، بالاترین عملکرد را در مدل سازی رابطه مورد نظر داشت. این مدل توانست با استخراج ویژگی های محلی و شناسایی الگوهای پیچیده در داده های مالی، عملکردی به مراتب بهتر از مدل های سنتی ارائه دهد و اثربخشی شبکه های کانولوشنالی در تحلیل های مالی را به اثبات رساند. نتیجه گیری: پژوهش حاضر نشان داد که شبکه های عصبی کانولوشنالی، به ویژه در ساختارهای سبک تر مانند CNN64، ابزار قدرتمندی برای تحلیل روابط پیچیده و غیرخطی در داده های مالی هستند. استفاده از این مدل ها در تحلیل افق سرمایه گذاری نهادی و ریسک پذیری بانکی، نه تنها دقت پیش بینی را افزایش می دهد، بلکه امکان تفسیر بهتر رفتار بازار، شناسایی الگوهای پنهان و اتخاذ تصمیمات سرمایه گذاری آگاهانه تر را فراهم می سازد. تمرکز بر افق کوتاه مدت به عنوان عامل مؤثر در کاهش ریسک های بانکی، می تواند راهگشای تدوین سیاست های نظارتی، طراحی ابزارهای کنترلی و توسعه راهبردهای سرمایه گذاری هوشمندانه تر در صنعت بانکداری باشد. پیشنهاد می شود در مطالعات آتی، از مدل های یادگیری ماشین متنوع تری مانند درخت های تصمیم گیری، مدل های تصادفی و شبکه های عمیق تر استفاده شود و تأثیر عوامل کلان اقتصادی نظیر نرخ بهره، تورم و سیاست های پولی نیز در تحلیل ها لحاظ گردد. همچنین، گسترش دامنه تحقیق به سایر بازارهای مالی، نمونه های بین المللی و بازه های زمانی بلندمدت می تواند به تعمیم پذیری نتایج، افزایش اعتبار بیرونی و توسعه نظری در حوزه مدیریت ریسک بانکی کمک شایانی نماید.

هدف: رابطه بین نوآوری و ریسک پذیری، موضوعی پیچیده و دووجهی است. از یک طرف، نوآوری می تواند ریسک پذیری را افزایش دهد و از طرف دیگر، با ایجاد مزیت رقابتی و عملکرد بالا، می تواند ریسک پذیری را کاهش دهد. شرکت ها برای حفظ مزیت رقابتی ناچار به پذیرش نوآوری های ریسکی هستند و برند قوی می تواند به عنوان سپر دفاعی در برابر پیامدهای منفی ریسک عمل کند. این موضوع در تقاطع دو حوزه کلیدی مدیریت یعنی مدیریت برند و مدیریت نوآوری قرار دارد. بررسی تعامل این ابعاد می تواند به توسعه راهکارهای جامع تری برای سیاست گذاری نوآوری و مدیریت ریسک بینجامد. با توجه به نبود بررسی های مستقیم پیرامون اثر برند در ساختار تصمیم گیری نوآورانه تحت شرایط ریسکی، پژوهش حاضر می تواند به توسعه مدل های تلفیقی بین مفاهیم بازاریابی (برند) و کارآفرینی (نوآوری و ریسک پذیری) کمک کند. در نتیجه، شناخت این نقش برای مدیران و تصمیم گیرندگان حیاتی است. هدف پژوهش حاضر بررسی تأثیر ارزش برند بر رابطه بین محرک ها و موانع نوآوری با ریسک پذیری شرکت های پذیرفته شده بورس تهران است. روش شناسی: پژوهش حاضر، از لحاظ هدف کاربردی و از لحاظ روش جزو پژوهش های توصیفی-پس رویدادی است. برای آزمون فرضیه های پژوهش از داده های پانلی و مدل رگرسیون خطی چندگانه استفاده شده و برای سنجش متغیر ارزش برند از مدل داموداران(2015) و برای سنجش محرک ها و موانع نوآوری از الگوی نمازی و مقیمی(1398) استفاده شده است. جامعه آماری این پژوهش، کلیه شرکت های بورس تهران از ابتدای سال 1395 تا 1402 هستند که به روش حذف سیستماتیک، 139 شرکت انتخاب و مورد مطالعه قرار گرفتند. نتایج: نتایج پژوهش نشان داد منابع مشهود و منابع نامشهود به عنوان محرک های نوآوری تأثیر مثبتی بر ریسک پذیری دارند، از بین متغیرهای مربوط به موانع نوآوری، موانع بازار و موانع مالی دارای تأثیر منفی معنی دار بر ریسک پذیری هستند ولی متغیر موانع دانشی تأثیر معنی داری بر ریسک پذیری ندارد. اثر تعاملی منابع مشهود و نامشهود با ارزش برند بیانگر عدم تأثیرگذاری منابع مشهود و تأثیرگذاری مثبت معنی دار منابع نامشهود بر ریسک پذیری شرکت های مورد مطالعه است. اثر تعاملی ارزش برند با موانع نوآوری(موانع بازار و مالی) حاکی از این است که برند قوی، اثر منفی موانع بر ریسک پذیری شرکت را کاهش می دهد ولی اثر تعاملی ارزش برند با موانع دانشی تأثیر معنی داری بر ریسک پذیری شرکت ها ندارد. یافته ها: ارزش برند درکنار منابع نامشهود با ایجاد هم افزایی بیشتر، سبب افزایش توان فنی شرکت ها برای ورود به پروژه های نوآورانه با ریسک بالا می شود. با افزایش ارزش برند، موانع بازار و موانع مالی نمی تواند سبب کاهش ریسک پذیری شرکت های مورد مطالعه شود که حاکی از این است که برند قوی، با ایجاد سهولت بیشتر در حوزه بازار و مالی، رفتار ریسک پذیری را تقویت می کند. می توان گفت ارزش برند به عنوان شمشیر دولبه عمل کرده و فشار زیاد برای حفظ برند، افزایش تمایل به بدهی بالا و سرمایه گذاری تهاجمی تر، هزینه بالای حفظ برند در شرایط رقابتی، سبب افزایش ریسک پذیری شرکت های مورد مطالعه می شود. با وجود موانع دانشی، ارزش برند قوی نیز نمی تواند ریسک پذیری شرکت ها را تحت تأثیر قرار دهد و موانع دانشی خود عاملی در عدم تعریف درست ارزش برند می باشد که مانع از ایجاد برند قوی می شود. همچنین ارزش برند نمی تواند کمبود دانش فنی را جبران و جایگزین دانش فنی ضعیف باشد و نیز موانع دانشی خود عاملی برای اجتناب از فعالیت های نوآورانه و جسورانه می شود.

هدف: این پژوهش، ارائه ی مدلی جامع و کل نگر برای شناسایی و تحلیل عوامل بنیادین ناهم سانی اطلاعاتی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران، با رویکرد تلفیقی کمّی–کیفی در چارچوب نظریه نمایندگی است. نابرابری اطلاعات میان مدیران و سهامداران، تحت تأثیر ساختار مالکیت، انگیزه های فردی و فضای نهادی وفرهنگی، می تواند موجب افزایش هزینه های نمایندگی و کاهش شفافیت شود. این مطالعه با تلفیق منسجم یافته های پیشین، تصویری کل نگر از ریشه های این پدیده ارائه می دهد. روش: این پژوهش کاربردی با رویکرد تلفیقی کمی- کیفی و روش پیمایشی انجام شد؛ ابتدا بر مبنای چارچوب نظریه نمایندگی و اطلاعات نامتقارن، با مرور نظام مند ادبیات و تحلیل محتوای ساختاریافته متون و مقررات گزارشگری مالی، و نیز با انجام مصاحبه های نیمه ساخت یافته با خبرگان حسابداری و گزارشگری مالی، متغیرهای بنیادین ناهم سانی اطلاعاتی شناسایی و پرسشنامه ای بر مبنای آن ها تدوین و پس از تأیید روایی صوری و محتوایی توسط جمعی از اساتید و کارشناسان، آماده شد. جامعه آماری تحقیق شامل اعضای هیئت علمی و اساتید اقتصاد، مدیریت مالی ،حسابداری و آمار دانشگاه های تهران ، کارشناسان بورس اوراق بهادار و نهادهای مالی و حسابرسی مستقر در استان تهران و مدیران مالی و حسابداری شرکت های بورس اوراق بهادار تهران بودند که روش نمونه گیری گروهی به عنوان نمونه انتخاب شدند. در مجموع تعداد 168 نفر به پرسشنامه ها به صورت کامل پاسخ دادند که در تحلیل داده های پژوهشی مورد استفاده قرار گرفت داده های جمع آوری شده ابتدا از طریق شاخص های توصیفی و استنباطی و ضریب آلفای کرونباخ برای سنجش ویژگی های اولیه و قابلیت اعتماد داده ها ارزیابی شد و سپس با تحلیل عاملی اکتشافی، متغیرها به عوامل محدود و بنیادین ناهم سانی اطلاعاتی تقلیل یافتند. این فرایند تحلیلی، بستری مستحکم و منسجم برای طراحی مدل نهایی عوامل بنیادین ناهم سانی اطلاعاتی فراهم آورد. یافته ها: در مدل ارائه شده 4 عامل که 90.306 درصد از واریانس کل متغیرها را تبیین کردند و 40 متغیر با تعیین بارعاملی بصورت رتبه بندی شده بعنوان عوامل موثر بر عدم تقارن اطلاعاتی شرکت های بورسی شناسایی شد. عوامل سازمانی و ساختاری با مجموع بارعاملی 7.49 و تبیین 28.14 درصد از تبیین واریانس، عوامل قانونی و حقوقی با مجموع بارعاملی7.37و تبیین22.746درصد از واریانس کل، عوامل اقتصادی،مالی و ساختار بازار با مجموع بارعاملی7.05و تبیین20.38 درصد از واریانس کل، عوامل مدیریتی با مجموع بارعاملی62.6و تبیین19.04درصد ار واریانس کل، به ترتیب مهمترین عوامل موثر بر عدم تقارن داخلی در شرکت های بورسی تعیین شدند. این چهار عامل 306/90 درصد از واریانس کل متغیرها را تبیین کردند. نتیجه گیری: نتایج نشان می دهد که برای کاهش معنادار سطح عدم تقارن اطلاعاتی، تنها تمرکز بر ابزارهای سنتی نظیر بهبود گزارشگری مالی کافی نیست. بلکه ضروری است سیاست گذاران و مدیران شرکت ها، مجموعه ای هماهنگ از اقدامات در حوزه های متنوعی همچون تقویت کنترل های داخلی، بهبود ساختار هیئت مدیره، ارتقاء شفافیت قوانین افشا، بهبود شرایط رقابتی بازار، اصلاح نظام پاداش و ترویج فرهنگ شفافیت را در دستور کار قرار دهند. نتایج این پژوهش می تواند برای سازمان بورس و اوراق بهادار، نهادهای ناظر مالی، حسابرسان مستقل، و همچنین مدیران ارشد شرکت ها به عنوان نقشه ای جامع از عوامل مؤثر بر عدم تقارن اطلاعاتی ایفای نقش کند و مبنایی برای تدوین سیاست ها و مداخلات اثربخش در جهت بهبود محیط اطلاعاتی بازار سرمایه فراهم آورد. همچنین، پیشنهاد می شود پژوهش های آتی با بهره گیری از رویکردهای مقایسه ای و مدل سازی ساختاری، روابط علّی میان عوامل شناسایی شده را بررسی کنند تا بستر سیاست گذاری مبتنی بر شواهد علمی بیش از پیش تقویت شود.

هدف: خصوصی سازی دارایی های دولتی از طریق صندوق های قابل معامله در بورس به عنوان روشی نوین، توجه کشورهای بسیاری را به خود جلب کرده است و اغلب از آن به عنوان ابزار دموکراتیک سازی اقتصاد یاد می شود. به کارگیری این شیوه باعث افزایش عمق بازار سرمایه و رونق بورس خواهد شد و زمینه توسعه اقتصادی و رفاه اجتماعی را فراهم می نماید. هدف این پژوهش شناسایی موانع و بسترهای حیاتی در اجرای موفق این شیوه از خصوصی سازی است. در اجرای فرآیند خصوصی-سازی امکان بهره مندی از شیوه های مختلف وجود دارد که ازجمله ی آن می توان به ظرفیت بورس و ابزارهای مختلف آن اشاره نمود. صندوق های قابل معامله (ETF) به عنوان یکی از روش های نوین خصوصی سازی، امکان مشارکت عموم مردم در فرآیند خصوصی سازی را فراهم می آورند و به رونق بیشتر بازار سرمایه کمک می نماید. بااین حال به علت نوظهور بودن صندوق های(ETF) و نوین بودن استفاده از آن در فرآیند خصوصی سازی، لازم است قبل از استفاده از این شیوه در کشور، این ابزار موردمطالعه دقیق قرار گیرد؛ چراکه اجرای موفق این مدل مستلزم وجود بسترهای مناسب و رفع موانع ساختاری، قانونی و اجرایی است. پژوهشگران به این باورند که اگرچه بورس اوراق بهادار و ابزارهای مالی نوین مانند ETF پتانسیل بالایی برای تحول در فرآیند خصوصی سازی دارند، اما بدون رفع چالش های مرتبط، ممکن است نتایج مطلوب حاصل نشود؛ لذا این مقاله به بررسی این موانع و بسترهای حیاتی می پردازد تا کمکی جهت پر کردن خلأ مطالعاتی در این زمینه باشد. روش: روش تحقیق به صورت ترکیبی (کیفی-کمی) طراحی شده است. در مرحله اول، با استفاده از روش کیفی تحلیل مضمون و انجام مصاحبه های نیمه ساختاریافته با ۲۰ تن از خبرگان حوزه اقتصاد، مالی و بورس، مجموعه ای از موانع و بسترهای کلیدی شناسایی شد. در مرحله دوم، به منظور اعتبارسنجی و اولویت بندی یافته های کیفی، از روش دلفی فازی و توزیع پرسشنامه میان ۱۷ خبره استفاده شد. این رویکرد ترکیبی به تقویت اعتبار نتایج و دستیابی به یافته های معتبر و قابل اتکا کمک شایانی کرد. یافته ها: یافته های پژوهش نشان می دهد که مهم ترین مانع در اجرای موفق خصوصی سازی از طریق صندوق های ETF، دست اندازی های گسترده دولت در اقتصاد و بازار سرمایه است. دخالت دولت به اشکال مختلف ازجمله دخالت در اقتصاد، دخالت در قیمت سهام، دخالت در مدیریت شرکت های خصوصی شده، و همچنین حضور غیرمستقیم دولت از طریق سهامداری شرکت های دولتی در صندوق هاست که می تواند استقلال عملکردی صندوق ها را تضعیف کند. در کنار آن سطح دانش و آگاهی پایین سرمایه گذاران، ریسک سرمایه گذاری را افزایش داده است. عدم تقارن اطلاعاتی، مدیریت سود، سطح پایین آگاهی و دانش مدیران مالی به ویژه در مورد بورس، مانع بزرگی بر سر راه موفقیت این مدل محسوب می شود. در مقابل، یافته ها بیانگر آن است که فراهم کردن بسترهای مناسب می تواند تأثیر بسزایی در موفقیت این مدل داشته باشد.ایجاد بسترهای مرتبط با صندوق های قابل معامله ازجمله سهولت انجام معاملات با ETF، تنوع بالای ترکیب دارایی ها، دانش و آگاهی مدیران صندوق ها، حجم ورود سرمایه به صندوق ها، امنیت صندوق ها و نظارت سازمان بورس و قدرت نقدشوندگی بالا در صندوق های ETF در کاهش ریسک سرمایه گذاران و افزایش جذب سرمایه گذاران و موفقیت روش بیشترین اثر را دارد. نتیجه گیری: پژوهش بر این نکته تأکید دارد که اجرای موفق مدل خصوصی سازی از طریق ETF مستلزم یک رویکرد جامع و نظام مند است. این رویکرد باید شامل اصلاحات قانونی برای کاهش دخالت های غیرضروری دولت، توسعه فرهنگ سرمایه گذاری و آموزش عمومی، تقویت شفافیت و نظارت مستقل، و همچنین تربیت نیروی متخصص در حوزه مدیریت صندوق های سرمایه گذاری باشد. این پژوهش با شناسایی دقیق موانع و بسترهای موفقیت، گامی مهم در جهت تدوین سیاست های آگاهانه و مبتنی بر شواهد در حوزه خصوصی سازی از طریق ابزارهای نوین مالی برداشته و به عنوان مرجعی مفید برای سیاست گذاران، نهادهای ناظر و پژوهشگران اقتصادی ارائه می شود.