تحلیل عاملی تاییدی مدل بالندگی رهبری زنان در سازمان ملّی استاندارد ایران

محورهای موضوعی : مدیریت

ثریا سهیلی ¹ , ودادی، احمد ودادی ^{2 *} , محمدرضا ربیعی مندجین ³ , محمود رضایی زاده ⁴

1 - دانشجوی دکتری
2 - گروه مدیریت دولتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران.
3 - استادیار گروه مدیریت، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران
4 - انشگاه آزاد اسلامی - دانشکده معماری و شهرسازی- واحد تهران مرکزی

تاریخ دریافت : 1403/08/11 تاریخ پذیرش : 1403/09/13 تاریخ انتشار : 1404/02/23

کلید واژه: بالندگی رهبری زنان, تحلیل عامل تاییدی, رهبری زنان ,

چکیده مقاله :

باوجود اینکه میزان ورودی زنان به رشته‌های مختلف دانشگاهی افزایش یافته اما تعداد اندک زنان در جایگاه‌هاي رهبري و مدیریت در سال‌هاي اخیر، مورد توجه بسیاری از محققان مدیریت دولتی قرار گرفته ‌است. هدف تحقیق حاضر تحلیل عاملی تاییدی مدل بالندگی رهبری زنان در سازمان ملی استاندارد ایران می باشد. این پژوهش از منظر روش‌شناسی، یک پژوهش آميخته است. به روش كيفی فراتركيب، مدل تببين و ارائه گردید. در بخش كمی، جامعه مورد بررسی شامل مدیران سازمان ملی استاندارد ایران بود كه حجم نمونه از طریق  فرمول كلاین 200 نفر و نمونه‌گيري بصورت تصادفی ساده انجام شد. با استفاده از پرسشنامه محقق‌ساخته، اطلاعات جمع‌آوري و توسط نرم افزار Smart-PLS اعتبار بيرونی و درونی مدل مورد بررسی قرارگرفت. یافته ها نشان داد بالندگی رهبری زنان در سازمان ملّی استاندارد ایران یک سازه چند بعدي شامل ابعاد سازمانی، رفتاري و فردی می‌باشد. در مدل بيرونی، پایایی تركيبی و روایی همگرا تایيدگردید و در تحليل عاملی مرتبه اول بارهاي عاملی تمام شاخص‌ها بالاي 0/4 برآورد شد. یافته‌هاي تحليل عاملی مرتبه دوم در مدل بيرونی نشان داد ضرایب تمام مسيرها معنادار بوده و ارتباط عِلی ابعاد و مولفه‌ها تایيد گردید. توسعه رهبران زن توانمند برای بهبود عملکرد سازمان ملی استاندارد ایران ضروری است. مدل پژوهش در قالب یک سازه چندبعدی، چارچوب مفیدی برای درک ماهیت بالندگی رهبری زنان در سازمان ملی استاندارد ایران برای مسئولان، مدیران و متخصصان این حوزه فراهم می کند.

چکیده انگلیسی:

The small number of women in leadership and management positions in recent years has attracted the attention of many public administration researchers. The aim of the current research is confirmatory factor analysis of the growth model of women's leadership in Iran's national standards organization. This research is a mixed research from the methodological point of view. The model was explained and presented using the qualitative meta-composite method. In the quantitative part, the studied population included the managers of the National Organization of Standards of Iran, the sample size was 200 people using Klein's formula and simple random sampling was done. Using a researcher-made questionnaire, data was collected and the external and internal validity of the model was examined by Smart-PLS software. The findings showed that the development of women's leadership is a multi-dimensional structure. In the external model, composite reliability and convergent validity were confirmed, and in the first-order factor analysis, the factor loadings of all indicators were estimated above 0.4. The findings of the second-order factor analysis in the external model showed that the coefficients of all paths were significant and the causal relationship of dimensions and components was confirmed. The development of capable female leaders is necessary to improve the performance of the National Standards Organization. The research model, in the form of a multidimensional structure, provides a useful framework for understanding the nature of women's leadership growth in Iran's national standards organization for officials, managers and experts in this field.

منابع و مأخذ:

[1]Alikoli, Mansoura. (2015). Investigating the relationship between women's participation in the workforce and the economic development of Islamic countries. Women's Psychological Social Studies, 14(2), 63-86. (Persian)
[2]Barreto, M., Ryan, M. K., And Schmitt, M. T. (2009). The Glass Ceiling In The 21st Century: Understanding Barriers To Gender Equality. Washington, DC: American Psychological Association.
[3]Burke, R. J. (2009). Cultural Values And Women’s Work And Career Experiences. In R. S. Bhagat And R. M. Steers (Eds.), Culture, Organizations, And Work (Pp. 442– 461). Cambridge: Cambridge University Press.
[4]Cerezo, A., Cummings, M., Holmes, M., & Williams, C. (2020). Identity As Resistance: Identity Formation At The Intersection Of Race, Gender Identity, And Sexual Orientation. Psychology Of Women Quarterly, 44(1), 67–83. Https://Doi.Org/10.1177/0361684319875977.
[5]Chikazhe, L., Bhebhe, T., Tukuta, M., Chifamba, O., & Nyagadza, B. (2023). Procurement Practices, Leadership Style And Employee-Perceived Service Quality Towards The Perceived Public Health Sector Performance In Zimbabwe. Cogent Social Sciences, 9(1), 2198784. Https://Doi.Org/10.1080/23311886.2023.2198784
[6]Farhan, B. Y. (2022). Women Leadership Effectiveness: Competitive Factors And Subjective And Objective Qualities. Cogent Social Sciences, 8(1), 2140513. Https://Doi.Org/10.1080/23311886.2022.2140513
[7]Zarghami Fard, Mozhgan, and Behbodhi, Mohammad Reza. (2013). The phenomenon of the glass cliff: examining the experiences and challenges of women in organizational leadership positions. Managing Organizational Culture, 12(2(32)), 191-211.
[8]Janadele, Ali And Pooya, Zahra, 2018, Obstacles To Women's Job Promotion In Iran: Role Requirements Or Structural Limitations (Qualitative Meta-Analysis Of Recent Decade Studies).
[9]Håkansson, S. (2021). Do Women Pay A Higher Price For Power? Gender Bias In Political Violence In Sweden. The Journal Of Politics, 83(2), 515–531. Https://Doi.Org/10.1086/709838.
[10]Hawkins, Dell, Best Roger and Connie Keneth, (2016), Consumer Behavior of Marketing Strategy Formulation, Ahmad, Rusta and Atieh, Batahai, Tehran, Sargol Publications, first edition.
[11]Hubbard, M. G. (2018). Where Are The Women? An Investigation Into Why Women Are Not Attaining Top Leadership Positions Within The Financial Services Industry (Doctoral Dissertation, Temple University).
[12]Helfat, C. E., Harris, D., & Wolfson, P. J. (2006). The Pipeline To The Top: Women And Men In The Top Xecutive Ranks Of US Corporations. Academy Of Management Perspectives, 20(4), 42-64
[13]Liu, Y., Wei, S., & Xu, J. (2021). COVID-19 And Women-Led Businesses Around The World. Finance Research Letters, 102012. Https://Doi.Org/10.1016/J.Frl.2021.102012
[14]Mccauley, C.D., & Palus, C.J. (2020). Developing The Theory And Practice Of Leadership Development: A Relational View. The Leadership Quarterly, 101456. Https://Doi.Org/10.1016/J.Leaqua.2020.10145 6
[15]Omair, K. (2011). Women's Managerial Careers In The Context Of The United Arab Emirates. Jyväskylä Studies In Business And Economics, (106).
[16]Riggio, R. E. (2010). Cutting-Edge Leadership. Retrieved From Http://Www.Psychologytoday.Com/Blog/Cutting-Edge-Leadership/201003/Whywomenmake-Better-Leaders-Than Men.
[17]Safiri, Khadijah And Mansourian Ravandi, Fatemeh. (2014) Gender Stereotypes And Social Health. Women's Psychological Social Studies, 13(2), 37-66. (Persian)
[18]Salvaj, E., And Kuschel, K. (2020). Opening The “Black Box”: Factors Affecting Women’s Journey To Senior Management Positions—A Literature Review. In The New Ideal Worker (Pp. 203-222). Springer, Cham.
[19]Shalaby, M. M. (2018). Women’s Representation In The Middle East And North Africa. Oxford Bibliographies In Political Science, 1–4. Https://Doi.Org/10.1093/Obo/9780199756223-0252.
[20]Shukrbeigi, Aaliyah (2007). Modernism And Its Relationship With The Social Capital Of The Iranian Family "Research In The City Of Tehran". Sociological Study, Volume 8, Number 1, 183-207. (Persian)
[21]Simpson, W. G., Carter, D. A., And D’Souza, F. (2010). What Do We Know About Women On Boards? .Journal Of Applied Finance, 20, 27–39.
[22]Solati, F.(2017), Women, Work, And Patriarchy In The Middle East And North Africa, Cham, Switzerland, Palgrave Macmillan.
[23]Smith, J. E., And Van Vugt, M. (2020). Leadership And Status In Mammalian Societies: Context Matters. Trends Cogn. Sci. 24, 263–264. Doi: 10.1016/J.Tics. 2020.01.003.
[24]Sumbas, A. (2020). Gendered Local Politics: The Barriers To Women’s Representation In Turkey. Democratization, 27(4), 570–587. Https://Doi.Org/10.1080/13510347.2019.1706166.
[25]Van Der Vleuten, A., & Van Eerdewijk, A. (2020). The Fragmented Inclusion Of Gender Equality In Au-Eu Relations In Times Of Crises. Political Studies Review, 18(3), 444–459. Https://Doi.Org/10.1177/1478929920918830.
[26]World Economic Forum. (2021). Global Gender Gap Report 2021. Https://Gtmarket.Ru/Ratings/Global-Gendergap-Index.
[27]Woetzel, J., Madgavkar, A., Ellingrud, K., Labaye, E., Devillard, S., Kutcher, E., Manyika, J., Dobbs, R., & Krishnan, M. (2015). The Power Of Parity: How Advancing Women’s Equality Can Add $12 Trillion To Global Growth. Global Institute. Https://Conectadas.Org/Wp-Content/ Uploads/ 2018/05/ MGI-Power-Ofparity_Executive-Summary_September- 2015-1.Pdf.

متن کامل:



 

 

 

 

ﺑﻪ ﻧﺎم ﺧﺪاوﻧﺪ ﺟﺎن و ﺧﺮد

 

 

 

فهرست مقالات

طراحی مدل عملکرد مالی صنعت بانکداری برای حمایت از کسب و کارهای کوچک و متوسط(SMEs) با تأکید بر کارآفرینی: انوشیروان محرابی، بابک حاجی‌کریمی و امیر نجفی....................................................................................................................................................................3

بهینه­سازی سبد سهام با استفاده از روش میانگین- واریانس تکنیکالی و جنگل تصادفی: لیلا برومندی، سعید آقاسی و محمدرضا شریفی قزوینی.........................................................................25

ارائه رتبه بندی اعتباری شرکت­های پذیرفته شده در بورس اوراق بهادار تهران و تاثیر ویژگی های حسابرس مستقل بر آن با به‌کارگیری الگوریتم تجمع ذرات: هانی قاروی آهنگر، سید حسن نسل موسوی و علی‌اکبر رمضانی............................................................................48

بررسی عوامل علی و معلول در سیستم ارزیابی عملکرد سازمانی با رویکرد پویایی‌شناسی: یزدان کرمی مال‌امیری، المیرا مشایخی نظام‌آبادی و داود قراخانی ..................................72

تعیین وزن بهینه سبد دارایی‌های بانکی با استفاده از ارزش در معرض خطر (مطالعه موردی: بانک دی): شهرام کردی، فرزانه خلیلی، فرید عسکری و مهدی صادقی .................................................95

تعیین کارایی زنجیره تامین سبز در شرکت‌های منتخب لوازم خانگی ایران: سمیه سازگاری، سید محمدرضا داودی و علیرضا گلی .............................................................................................................. 111

تحلیل عاملی تاییدی مدل بالندگی رهبری زنان در سازمان ملی استاندارد ایران: ثریا سهیلی، احمد ودادی و محمدرضا ربیعی مندجین ........................................................................................142

ارائه مدلی برای متعادل‌سازی سبد پروژه ساختمانی در سازمان‌های پروژه‌محور مبتنی بر بودجه سازمان و تورم‌های ساخت و مسکن ایران: رضا رجبی و سیامک حاجی‌یخچالی...............162

 

 

طراحی مدل عملکرد مالی صنعت بانکداری برای حمایت از کسب‌وکارهای کوچک و متوسط(SMEs)  با تأکید بر کارآفرینی

 

انوشیروان محرابی¹، بابک حاجی‌کریمی² و امیر نجفی³

تاریخ دریافت: 6/6/1403 و تاریخ پذیرش: 27/8/۱۴۰۳

 

چکیده

 

هدف از پژوهش حاضر طراحی مدل عملکرد مالی صنعت بانکداری برای حمایت از کسب‌وکارهای کوچک و متوسط (SMEs) با تأکید بر کارآفرینی در بانک ملت می‌باشد. در بخش کیفی جامعه آماری موردنظر را خبرگان آشنا به موضوع پژوهش (اساتید دانشگاه در حوزه بانکداری و کارآفرینی و مدیران ارشد بانک ملت) تشکیل می‌دادند. نمونه­گیری به‌صورت نظری انجام شد، بنابراین با 12 نفر از صاحب‌نظران (اساتید دانشگاه در حوزه بانکداری و کارآفرینی و مدیران ارشد بانک ملت) مصاحبه و حالت اشباع حاصل شد. رویکرد پژوهش گراندد تئوری یا تئوری داده بنیاد بود که با مصاحبه با خبرگان و انجام سه نوع کدگذاری باز، محوری و انتخابی انجام شد. جمع‌آوری داده­ها از طریق مصاحبه با خبرگان بوده است. برای سطح‌بندی و رتبه‌بندی عوامل و تعیین نوع متغیرها و همچنین بررسی روابط بین متغیرهای مدل، تعیین شدت روابط و شناسایی تأثیرگذاری و تأثیرپذیری معیارها از روش ترکیبی ISM-DEMATEL استفاده شد در بخش کمی بعد از جمع‌آوری اطلاعات، داده‌ها با نرم‌افزار SPSS و Smart PLS مورد آنالیز قرار گرفت. نتایج نشان داد که مقوله‌های اصلی مدل شامل اعتبارسنجی، زیرساخت، سیاست مالی، سرمایه‌گذاری، ریسک و شفافیت می‌باشد. همچنین بر اساس یافته‌های تحقیق در سطح اول شامل مدیریت ریسک، سطح دوم شامل سرمایه‌گذاری و شفافیت مالی، سطح سوم شامل زیرساخت، سطح چهارم شامل اعتبار سنجی و سطح پنجم شامل سیاست‌های مالی می‌باشد. شاخص GOF در این پژوهش 416/0 به دست آمد که نشان‌دهنده قوی بودن برازش مدل ساختاری می‌باشد.

 

واژه‌های کلیدی: عملکرد مالی، صنعت بانکداری ،کسب‌وکارهای کوچک و متوسط، گراندد تئوری، مدل‌سازی ساختاری.

مقدمه

امروزه صنعت بانکداری، ازجمله صنایع مهم و مطرح دنیاست و گسترش روزافزون دانش بشری درزمینه علوم الکترونیکی سبب شده است که این صنعت نیز از این دانش بهره فراوان داشته باشد. امروزه بانک‌ها در کشورهای پیشرفته به‌عنوان رهگشا، مشاور حرفه‌ای، متخصص در افزایش منابع مالی شرکت‌ها و جمع‌آوری و تبادل اطلاعات لازم برای مشتریان خود عمل می‌کنند و یکی از موتورهای محرک اقتصادی هر کشور محسوب می‌شوند. این امر سبب شده است تا فضای رقابتی تنگاتنگی میان آن‌ها برقرار شود (منشن و باوش⁴، 2020).

از طرفی دیگر کارآفرینی نیروی عمده‌ای برای پیشبرد توسعه اقتصادی، اجتماعی و فرهنگی به شمار می‌رود و مفهومی است که همواره کنار بشر بوده و به‌عنوان یک پدیده نوین نقش مؤثر در توسعه و پیشرفت اقتصادی کشورها داشته است. ازاین‌رو تضمین حیات و بقاء کشورها نیازمند نوآوری، ابداع و خلق محصولات و خدمات جدید می‌باشد و یکی از ویژگی‌های مشترک این دسته الگوها، توجه به عوامل محیطی اثرگذار بر کارآفرین و جریان کارآفرینی است (سودی و همکاران، 1396). نگرش کارآفرینانه یکی از قابلیت‌های درونی شرکت‌ها است که موجب بهبود عملکرد می‌شود. گرایش کارآفرینی به تمایل شرکت‌ها برای کشف فرصت‌ها تازه در بازار اشاره دارد و از طریق تمایل شرکت‌ها به پذیرش خلاقیت، رقابت تهاجمی، استقلال و ریسک‌پذیری آشکار می‌گردد (کوین و همکاران⁵، 2020). درواقع گرایش کارآفرینانه یک فرایند ایجاد راهبرد می‌باشد که شرکت‌ها را به‌سوی نوآوری مستمر هدایت می‌کند. این مهم به جایگاه‌یابی سازمان در بازار کمک نموده و پذیرش سرمایه‌گذاری‌های ریسک دار را افزایش می‌دهد (ریورا و رومر⁶، 2021). گرایش کارآفرینانه به‌عنوان گرایشی راهبردی در سطح بنگاه تلقی می‌شود و استراتژی‌های شرکت، فلسفه مدیریتی شرکت و رفتار شرکت با ماهیت کارآفرینانه را شامل می‌شود. گرایش کارآفرینانه بعد از حدود دو دهه به یکی از کاربردی‌ترین مؤلفه‌ها در ادبیات کارآفرینی مبدل شده و به‌عنوان مؤلفه‌ای مستقل در بسیاری از پژوهش‌ها استفاده‌شده است (ولز و همکاران⁷، 2019).

این در حالی است که گسترش کسب‌وکارهای کارآفرینانه در ایران سابقه چندانی ندارند. تا مدت‌ها قبل، اقتصاد ایران بر اساس اولویت‌دهی به صنایع بزرگ و کارخانه‌های مهم بود و نقش کسب‌وکارهای کارآفرینانه و سازمان‌های نوپا در اقتصاد، جدی گرفته نمی‌شد. از سویی دیگر مطالعات نشان می‌دهند که کسب‌وکارهای کارآفرینانه نقش بسزایی در صادرات و تجارت بین‌الملل ایفاء می‌نمایند. بر این اساس، ضروری است مؤلفه‌هایی که موفقیت کسب‌وکارهای کارآفرینانه را در بازارهای بین‌المللی تضمین می‌کند، شناسایی گردند. بااین‌وجود، مطالعات داخلی توجه چندانی به این مسئله نداشته و از این منظر یک شکاف تحقیقاتی وجود دارد (مقدم و همکاران، 1401).

سازمان همکاری و توسعه اقتصادی (۲۰۲۰) میزان و تأثیر وام‌های اهدایی بانک‌ها به شرکت‌های کوچک و متوسط را بررسی کردند. نتایج آن‌ها نشان داد که در سال‌های اخیر حجم وام‌های اعطایی به کسب‌وکارهای کوچک و متوسط از طریق بانک‌ها افزایش قابل‌توجهی داشته است. استيبيل و وبنر⁸ (2020) با به‌کارگیری داده‌های تابلویی از شرکت‌های اروپایی به تحلیل آثار داخلی و بین‌المللی سرمایه‌گذاری در تحقیق و توسعه پرداختند تا رشد و محدودیت‌های مالی شرکت‌های هدف را بیابند بر اساس نتایج بنگاه‌های موردبررسی دسترسی به منابع مالی خارجی بهتری دارند و در صورت دستیابی به این منابع مالی وابستگی کمتری به سرمایه‌گذاری و پس‌انداز پول را نشان می‌دهند.

لي و ژانگ⁹ (2019) در پژوهش خـود، روابـط علـت و معلـولي بـين نا اطمینانی سیاست‌های اقتصادي و تصميم‌گيري درباره تأمين مالي سرمايه‌گذاري بنگاه‌هـا بـا اسـتفاده از اصـلاح سـاختاري سمت عرضه در چين را شناسايي كرده‌اند. نتايج اين پژوهش نشان مي‌دهد كه سیاست‌های اقتصادي به‌طور معناداري مانع از سرمايه‌گذاري واقعـي مـي‌شـود و صـدور خـالص بـدهي بـراي بنگـاه‌هـاي خصوصي را كاهش مي‌دهد. نهاد بین‌المللی مالی- (۲۰۱۹) که یکی از مؤسسات آموزشی و مشاوره‌ای زیر نظر بانک جهانی است فرصت‌ها و تهدیدهای ارائه خدمات بانکی به بنگاه‌های کوچک و متوسط را موردبررسی قرار داده و عوامل تأثیرگذار بر تأمین مالی بانکی این کسب‌وکارها را واکاوی نموده است. نتایج آن‌ها نشان داد که تأمین مالی خوب شرکت‌های کوچک و متوسط خصوصاً در سال‌های ابتدایی می‌تواند باعث شکوفایی شرکت‌ها شود. گامپاتريا و مانيكاواساگما¹⁰ (2011) مدل رتبه‌بندي اعتباري در كسب‌وكارهاي كوچك و متوسط بر اساس قوانين و مقررات موجود در كميته بازل را توسعه داده‌اند. نتایج اين پژوهش نشان مي‌دهد كـه علاوه بر فاكتورها و مؤلفه‌هاي كمي، براي رتبه‌بندي اعتباري اين نوع شركت‌ها به مؤلفه‌هاي كيفـي از قبيل ثبات مديريتي، تعهد مديريتي و... نيز بايد در نظر گرفته شوند.

عملکرد نهادهای مالی در پرداخت وام به بنگاه‌های کوچک و متوسط باوجودآنکه بنگاه‌های کوچک و متوسط می‌توانند بخشی از وجوه موردنیاز خود را به شکل وام‌هایی از مؤسسات مالی به‌ویژه بانک‌های تجاری دریافت نمایند که این وجوه می‌تواند از بازارهای داخلی و بين‌المللی فراهم شود؛ اما با توجه به وثایقی که بانک‌ها برای ارائه تسهيلات به این بنگاه‌ها دریافت می‌کنند، معمولاً آن‌ها نمی‌توانند به این منابع دسترسی آسان و ارزان داشته باشند؛ زیرا بانک‌ها اغلب ترجيح می‌دهند با صنایع بزرگ که توليدات آن‌ها تأمین‌شده است، وارد معامله و وام‌دهی شوند و توليدکنندگان کوچک که معمولاً آینده قابل تضمينی نداشته و احتمال ورشکستگی بالایی دارند، چندان از طرف بانک‌های تجاری موردحمایت قرار نمی‌گيرند و ميزان وام پرداختی به آن‌ها بسيار پایين است و این واحدهای کوچک صنعتی تنها بعد از مستحکم کردن موقعيت خود درصحنه توليد و جلب اعتماد مشتریان است که بانک‌ها و مؤسسات مالی حاضر به مشارکت مالی با این واحدهای کوچک توليدی می‌شوند. درراه رسيدن به این مرحله از استحکام و اعتمادسازی، واحدهای توليدی کوچک بسیاری از پا درمی‌آیند و از گردونه‌ی کسب‌وکار حذف می‌شوند (آزاده و همکاران، 1401)؛ بنابراین این واحدهای کوچک توليد همواره برای تأمين سرمایه و منابع مالی لازم برای خرید مواد اوليه، خرید ماشين‌آلات جدید و گسترش خط توليد با مشکل مواجه هستند و نياز به مراجعی دارند که یا این منابع را برای آن‌ها فراهم کنند یا نزد بانک‌ها ضمانت واحدهای توليدی کوچک را کنند تا آن‌ها بتوانند از منابع مالی بانک‌ها و سایر مؤسسات مالی استفاده کنند

مبانی نظری و پیشینه پژوهش

ضرورت نظری و علمی انجام این مطالعه در این است که بسیاری از جنبه‌های عملکرد مالی بانک‌ها در برابر کسب‌وکارهای کوچک هنوز برای محققان مبهم است و داشتن مدلی جامع در این زمینه می‌تواند در این زمینه بسیار شفاف‌سازی کند. برای بانک مهمی همچون بانک ملت، ارائه مدلی برای عملکرد مالی جهت حمایت از کسب‌وکارهای کوچک و متوسط می‌تواند بیش‌ازپیش مسئولان و مدیران این بانک را نسبت به اهمیت بحث حمایت از این شرکت‌ها و همچنین کارآفرینی آگاه کرده و اقدامات جدی‌تری را در این زمینه بکار گیرند.

همچنین ازنظر عملی بحث عملکرد مالی سازمان‌ها هرروز اهمیت بیشتری پیدا می‌کند و برای بانک‌ها این موضوع باید با حساسیت بیشتری دنبال شود؛ بنابراین نتایج این مطالعه می‌تواند درزمینه علمی برای محققانی که در این زمینه و زمینه‌های مربوط به حمایت از شرکت‌های کوچک و متوسط و کارآفرینی، پژوهش می‌کنند بسیار مفید بوده و ابعاد جدیدی را برای آن‌ها روشن کند. همچنین درزمینه کاربردی نتایج مطالعه می‌تواند برای سازمان‌ها و شرکت‌های مختلف و بخصوص بانک‌ها پیام شفافی داشته باشد که بتوانند برنامه‌ریزی‌های بهتری برای حمایت از کسب‌وکارهای کوچک و متوسط و همچنین کارآفرینی داشته باشند.

بنگاه‌های کوچک و متوسط یکی از اجزای حیاتی رشد در اقتصاد جهانی بوده و اهمیت آن‌ها در رشد اقتصادی کشورهای توسعه‌یافته و درحال‌توسعه به‌خوبی شناخته‌شده است. بنگاه‌های کوچک و متوسط به‌طور میانگین بیش از نیمی از نیروی انسانی شاغل در اقتصاد را به کار گمارده‌اند و نیمی از کل مشاغل جدید را فراهم می‌آورند. علاوه بر این 46 درصد تولید ناخالص ملی و 55 درصد محصولات نوآورانه و جدید نیز توسط بنگاه‌های کوچک و متوسط ایجاد می‌شود. در هر کشوری بنگاه‌های کوچک و متوسط بیش از 80% از جامعه تجاری را تشکیل می‌دهند (موسوی و همکاران، 13۹3). بنگاه‌های کوچک و متوسط در مقایسه با شرکت‌های بزرگ و شرکت‌های دارای ثبات عملیاتی با مسائل و مشکلات شدیدی در ارتباط با کنترل و نظارت روبه‌رو هستند. زمانی که اقتصاد در وضعیت انحصاری به سر می‌برد، مشکلات SMEها در اخذ تأمین مالی دوچندان خواهد بود (کرکه آبادی و عسگری نژاد، 1401). یکی از راهبردهای مؤثر در مواجهه با چالش‌های کسب‌وکار، استفاده از سرمایه‌های اقتصادی، ارتقای بهره‌وری و توانمندسازی کسب‌وکارهای کوچک است؛ ازاین‌رو، بسیاری از دولت‌ها متقاعد شده‌اند که از طریق برنامه‌ریزی‌های صحیح و اصولی، بستر رشد را برای واحدهای کوچک و متوسط فراهم کنند و آن‌ها را تا زمان تبدیل به شرکتی مستقل و توانمند موردحمایت قرار دهند (گلقندشتی و آقابابائی، 1397).

صنایع کوچک و متوسط ایران نیز از این قضیه مستثنا نبوده و در دوران فعالیت خود با چالش‌های متعدد درزمینه‌هایی چون تأمین مالی، بازاریابی، فناوری، کیفیت تولیدات، رقابت‌پذیری و بعضاً ضعیف بودن پیوندشان با صنایع بزرگ کشور دست‌به‌گریبان هستند؛ شدت این فشارها به حدی است که طبق برآوردهای به‌عمل‌آمده، معادل 20 درصد بنگاه‌های جدید کوچک و متوسط که به بازار وارد می‌شوند، پس از یک سال از بازار خارج می‌شوند و 50 درصد آن‌ها پس از 5 سال مجبور به خروج می‌شوند. ازجمله مهم‌ترین مشکلات این دسته از واحدهای صنعتی می‌توان به "کمبود نقدینگی (71 درصد)، کمبود بازار (17درصد)، گرانی مواد اولیه (5 درصد)، نقصان ماشین‌آلات (2 درصد)" و برخی دیگر از موارد اشاره داشت (پیروز و شفیعی، 1395).

بنگاه‌هاي کوچک و متوسط در سراسر جهان، به‌ویژه در کشورهاي درحال‌توسعه با چالش‌هاي مختلفي روبه‌رو هستند و دسترسي به منابع مالي رسمي يكي از اصلي‌ترين موانعي است که با آن روبه‌رو هستند. طبق IFC تحقيقات نشان مي‌دهد، نزديک به 45 تا 55 درصد از SMEهاي رسمي در بازارهاي نوظهور، عليرغم نياز به وام‌هاي سازماني يا وام‌هاي آزاد رسمي دسترسي ندارند (مرکز تأمين مالي اسلامي بين‌المللي مالزي، فوريه 2016). محدوديت مالي براي بنگاه‌هاي خرد و غيررسمي بيشتر است؛ 55-68 درصد از کل SMEها در بازارهاي نوظهور دسترسي محدودي به اعتباردارند. به‌علاوه، حدود 5 درصد از بنگاه‌هاي کوچک و متوسط در کشورهاي درحال‌توسعه ازنظر مالي کمبود دارند يا از خدمات برخوردار نيستند و درنتیجه فرصت ازدست‌رفته براي تحقق کامل پتانسيل خود ندارند (گروه بانک جهاني و بانک توسعه اسلامي، 2015).

دسترسي به منابع مالي يک چالش جهاني است که بايد به‌طور دقيق‌تري توسط نهادها و آژانس‌هاي مختلف مرتبط حل شود. چالش جهاني را مي‌توان از طريق ارائه محصولات مالي نوآورانه و متنوع برطرف کرد. در مورد منابع مالي نوآورانه و متنوع براي SMEها، تأمين مالي اسلامي پتانسيل بالايي دارد. برخي از ابزارهاي مختلف اقتصادي اجتماعي که در امور مالي اسلامي مي‌تواند بيشتر استفاده شود شامل زکات، وقف و قرض‌الحسنه (وام خيرخواهانه) و همچنين ابزارهاي مالي اقتصادي-اجتماعي طراحي‌شده براي حمايت مالي از فقرا و بنگاه‌های سازگار با شريعت است (مرکز مالي اسلامي بين‌المللي مالزي، 2016).

سهم قابل‌توجهی از بنگاه‌هاي کوچک و متوسط منحصراً به دنبال محصولات بانكي اسلامي براي تأمين نيازهاي مالي خود هستند و به دليل عدم مطابقت با قوانين شريعت، محصولات بانكي متعارف را انتخاب نمي‌کنند. مشكل تقاضا در صورت ارزيابي از طرف عرضه بيشتر مي‌شود. متوسط سهم وام‌هاي SME در پرتفوي بانک‌هاي تنها 6/7 درصد است، زيرا فعاليت‌هاي اعطاي وام بيشتر به مشتريان بزرگ بنگاه‌هاي بزرگ و اوراق قرضه دولتي معطوف شده است (گروه بانک جهاني و بانک توسعه اسلامي، 2015).

گرایش کارآفرینانه رویه‌ای است که راه‌های نوینی را برای گسترش تجاری‌سازی محصولات، حرکت نمودن به سمت بازارهای تازه و ارائه نمودن خدمات جدید به مشتریان خلق می‌نماید. داشتن گرایش کارآفرینانه شرکت‌ها را از طریق مواجهه با تحولات نوین درزمینه چالش‌های بازار، هوشیار نگه‌داشته و به آن‌ها در ارزیابی امکانات جدید کمک شایانی می‌کند (مبینی و همکاران، 1395). دانش و گرایش کارآفرینانه جهت موفقیت در عرصه بین‌الملل امری حیاتی است. معمولاً یک شرکت کارآفرین در عرصه بین‌الملل، قابلیت رشد بیشتری نسبت به یک شرکت جاافتاده دارد (مالکی¹¹، 2018).

عوامل متعددی بر فعالیت شرکت‌های کارآفرین در بازارهای بین‌المللی تأثیرگذار هستند که در این میان نقش فرهنگ کارآفرینانه بسیار برجسته است. نقش فرهنگ کارآفرینانه به‌ویژه در تدوین استراتژی‌های ورود به بازارهای بین‌المللی قابل‌لمس است. درواقع این فرهنگ کسب‌وکار است که موفقیت یا شکست فعالیت‌های بین‌المللی را رقم می‌زند (کانیلی و جیانینی¹²، 2019).

کارآفرینی و رشد اقتصادی از شاخص‌های مستقیم سنجش توسعه اقتصادی هر کشور محسوب می‌شود و کارآفرینی از طریق ایجاد نوآوری، خلاقیت و افزایش رقابت به رشد اقتصادی کمک می‌کند (دیما و همکاران¹³، 2016). به‌بیان‌دیگر، کارآفرینان می‌توانند با سرمایه‌گذاری در اقتصاد داخلی، به رشد اقتصادی، اجتماعی و سیاسی جامعه خود منجر شوند. در کشورهای توسعه‌یافته سهم چشمگیری از میزان رشد اقتصادی، به کارآفرینانی اختصاص دارد که برای ایجاد ارزش سرمایه‌گذاری می‌کنند و این عامل در کشورهای درحال‌توسعه کمتر دیده می‌شود (آلینا و همکاران¹⁴، 2021).

روش شناسی پژوهش

پژوهش حاضر ازنظر هدف کاربردی و ازنظر روش، يک پژوهش آمیخته (کیفی-کمی) می‌باشد. همچنین ازآنجاکه این تحقیق درصدد طراحی مدل می‌باشد، اکتشافی ا‌ست. رویکرد بخش کیفی گراندد تئوری یا تئوری داده بنیاد بود که با مصاحبه با خبرگان و انجام سه نوع کدگذاری باز، محوری و انتخابی انجام شد. برای سطح‌بندی و رتبه‌بندی عوامل و تعیین نوع متغیرها و همچنین بررسی روابط بین متغیرهای مدل، تعیین شدت روابط و شناسایی تأثیرگذاری و تأثیرپذیری معیارها از روش ترکیبی ISM-DEMATEL استفاده شد.

بخش کیفی پژوهش شامل مصاحبه با خبرگان بوده است، بنابراین جامعه آماری موردنظر را خبرگان آشنا به موضوع پژوهش (اساتید دانشگاه در حوزه بانکداری و کارآفرینی و مدیران ارشد بانک ملت) تشکیل می‌دادند. در این بخش، نمونه­گیری به‌صورت نظری انجام شد. اگرچه قاعده خاصی برای حجم نمونه درراهبرد کیفی وجود ندارد ولی برای گروه­های همگون 6 تا 8 واحد و برای گروه­های ناهمگون 12 تا 20 واحد پیشنهادشده است. مصاحبه­ها نیز تا اطمینان از اشباع نظری ادامه پیدا کرد. در این مطالعه با 12 نفر از صاحب‌نظران (اساتید دانشگاه در حوزه بانکداری و کارآفرینی و مدیران ارشد بانک ملت) حالت اشباع حاصل شد. نمونه‌گیری در چهارچوب منطق روش کیفی و به‌صورت هدفمند انجام شد. در نمونه‌گیری از دو روش نمونه‌گیری هدفمند و گلوله برفی استفاده گردید. انتخاب شرکت‌کننده‌ها بر اساس روش نمونه‌گیري هدفمند از مدیران ارشد و صاحب‌نظران حوزه موردمطالعه در دانشگاه و صنعت که مایل به مصاحبه نیز بودند، انجام شد. با در نظر گرفتن اطلاعات گفته‌شده و با استفاده از نظرات استاد راهنما و استاد مشاور، مصاحبه‌ای در قالب 7 سؤال اصلی باز تهیه شد. برای سطح‌بندی و رتبه‌بندی عوامل و تعیین نوع متغیرها و همچنین بررسی روابط بین متغیرهای مدل، تعیین شدت روابط و شناسایی تأثیرگذاری و تأثیرپذیری معیارها از روش ترکیبی ISM-DEMATEL استفاده شد.

در بخش کمی بعد از جمع‌آوری اطلاعات، داده‌ها با نرم‌افزار SPSS و Smart PLS مورد آنالیز قرار گرفت. در این بخش از روش‌های حداقل مربعات جزئی و تحلیل عاملی استفاده شد. در این بخش تنظیم پرسشنامه با استفاده از طیف 5 درجه‌ای لیکرت انجام پذیرفت. در بخش کمی برای بررسی و سنجش روایی، ازنظر استاد راهنما و مشاور و تائید آن‌ها و همچنین بررسی روایی سازه (روایی همگرا، روایی واگرا) استفاده شد و برای سنجش پایایی از روش محاسبه آلفای کرونباخ و پایایی مرکب استفاده شد.

یافته‌های پژوهش

به‌منظور مدل‌سازی سطح تأثيرات موانع شناسايى و تأییدشده بر هدف پژوهش نيز رويكرد مدل‌سازی ساختارى تفسيرى مورداستفاده قرار گرفت. همچنين شدت تأثيرات كلى مابین عوامل شناسايى و تأییدشده نیز با استفاده از روش دیماتل فازی شناسایی گردید. بر مبنای یافته­ها مشاهده می‌شود که 142 کدباز بر اساس مصاحبه­های انجام‌شده با خبرگان شناسایی گردید و وارد مرحله کدگذاری مقوله‌ای گردید. همچنین با توجه به یافته‌ها مشاهده می‌شود که برای 142 کدباز شناسایی‌شده 18 مقوله شناسایی گردید که وارد مرحله کدگذاری محوری گردیدند.

با توجه به یافته‌های تحقیق مشاهده می‌شود که عملکرد مالی بانک ملت دارای 142 کدباز، 18 کد مقوله‌ای و 6 کد محوری نهایی می‌باشد که در ادامه در شکل (1) ارائه‌شده است.

 

شکل شماره 1- مدل نهایی شناسایی‌شده عملکرد مالی صنعت بانکداری برای حمایت از کسب کارهای کوچک و متوسط (SMEs) با تأکید بر کارآفرینی در بانک ملت

 

شکل شماره 2- مدل پارادایمی عملکرد مالی صنعت بانکداری برای حمایت از کسب کارهای کوچک و متوسط (SMEs) با تأکید بر کارآفرینی در بانک ملت

عوامل نهایی شناسایی‌شده عملکرد مالی صنعت بانکداری برای حمایت از کسب کارهای کوچک و متوسط (SMEs) با تأکید بر کارآفرینی در بانک ملت پس از مرحله گرندد تئوری و تحلیل داده‌ها درنهایت 6 عامل به‌عنوان عوامل نهایی عملکرد مالی صنعت بانکداری برای حمایت از کسب کارهای کوچک و متوسط (SMEs) با تأکید بر کارآفرینی در بانک ملت به‌عنوان مؤلفه‌های اصلی تحقیق شناسایی شدند و به این مرحله از تحقیق وارد شدند.

تعيين شدت و قدرت تأثيرات مستقيم موانع بر یکدیگر. اين قدرت تأثيرات از طريق مقايسات زوجی میان دوبه‌دوی موانع صورت می‌گیرد. فرايند تعيين شدت تأثير توسط نظرات و قضاوت‌های ذهنى خبرگان و مبتنی بر مقیاس‌های زبانى فازى معرفی‌شده می‌باشد. در اين زمينه پرسشنامه مربوطه در اختیار افراد خبره قرار گرفت تا مبتنی بر مقادیر ۵ گانه موجود، یکی از آن‌ها به‌عنوان شدت تأثير میان اجزاء مدل انتخاب شود. هدف از این بخش گرداورى نظرات خبرگان درزمینه شدت تأثير عوامل بر یکدیگر، تجمیع این نظرات و نهایتاً دستیابی به ماتریس فازی قضاوت خبرگان می‌باشد. پس از گرداورى نظرات خبرگان، این نظرات (ماتریس‌های فازی) با استفاده از فرمول میانگین هندسی فازى تجمیع و تحت قالب یک ماتریس قضاوت مورداستفاده قرار می‌گیرند.

جهت فازی سازی مؤلفه‌های شناسایی‌شده به تفکیک درایه‌های موجود، بر اساس فرمول فازی سازی برای مؤلفه‌های تحقیق محاسبه گردید.

 

جدول شماره 1- فازی سازی شاخص اول برای مؤلفه‌های تحقیق

اعتبار سنجی Validation	ریسک Risk	سیاست مالی Financial policy	زیرساخت Infrastructure	سرمایه‌گذاری Investment	شفافیت مالی Financial transparency
0.34	0.36	0.27	0.34	0.27	0.21	شفافیت مالی Financial transparency
0.31	0.30	0.27	0.28	0.18	0.31	سرمایه‌گذاریInvestment
0.25	0.29	0.27	0.19	0.28	0.38	زیرساختInfrastructure
0.32	0.26	0.15	0.30	0.31	0.25	سیاست مالی Financial policy
0.32	0.17	0.20	0.27	0.26	0.26	ریسک Risk
0.22	0.35	0.26	0.34	0.33	0.35	اعتبارسنجی Validation

     ماخذ: یافته‌های تحقیق

 

جدول شماره 2- فازی سازی شاخص دوم برای مؤلفه‌های تحقیق

اعتبار سنجی Validation	ریسک Risk	سیاست مالی Financial policy	زیرساخت Infrastructure	سرمایه‌گذاری Investment	شفافیت مالی Financial transparency
0.71	0.72	0.60	0.70	0.64	0.56	شفافیت مالی Financial transparency
0.65	0.62	0.58	0.60	0.48	0.65	سرمایه‌گذاری Investment
0.59	0.64	0.59	0.51	0.61	0.73	زیرساخت Infrastructure
0.66	0.60	0.43	0.64	0.64	0.60	سیاست مالی Financial policy
0.65	0.48	0.50	0.60	0.58	0.60	ریسک Risk
0.57	0.72	0.60	0.71	0.70	0.73	اعتبار سنجی Validation

     ماخذ: یافته‌های تحقیق

جدول شماره 3- فازی سازی شاخص سوم برای مؤلفه‌های تحقیق

اعتبار سنجی Validation	ریسک Risk	سیاست مالی Financial policy	زیرساخت Infrastructure	سرمایه‌گذاری Investment	شفافیت مالی Financial transparency
2.18	2.21	2	2.21	2.12	2.06	شفافیت مالی Financial transparency
1.98	1.9	1.84	1.97	1.80	2.03	سرمایه‌گذاری Investment
1.95	2.01	1.87	1.88	1.98	2.11	زیرساخت Infrastructure
2.02	2	1.71	2.04	2.01	2.02	سیاست مالی Financial policy
1.99	1.18	1.78	1.97	1.93	1.99	ریسک Risk
2.03	2.22	2	2.22	1.18	2.25	اعتبارسنجی Validation

     ماخذ: یافته‌های تحقیق

در ادامه با استفاده از دی فازی سازی نظرات خبرگان، ماتریس نرمال شده از حالت فازی خارج‌شده و درایه‌های تحقیق با فرمول دی فازی سازی از حال فازی خارج می‌شوند.

 

جدول شماره 4- ماتریس دی فازی شده نظرات خبرگان

اعتبار سنجی Validation	ریسک Risk	سیاست مالی Financial policy	زیرساخت Infrastructure	سرمایه‌گذاری Investment	شفافیت مالی Financial transparency
0.99	1	0.88	0.97	0.90	0.85	شفافیت مالی Financial transparency
0.90	0.88	0.82	0.97	0.90	0.91	سرمایه‌گذاری Investment
0.85	0.89	0.81	0.79	0.77	0.99	زیرساخت Infrastructure
0.92	0.87	0.72	0.90	0.90	0.87	سیاست مالی Financial policy
0.91	0.73	0.76	0.86	0.84	0.86	ریسک Risk
0.84	1	0.88	1	0.98	1.02	اعتبار سنجی Validation

      ماخذ: یافته‌های تحقیق

محاسبه حد آستانه و تشکیل ماتریس وقوع. پس از دیفازی نمودن تمامی اعداد فازی موجود در ماتریس نرمال تجمیع نظرات و به دست آوردن ماتريس دىفازى شده، يك حد آستانه از طريق میانگین حسابی از تمامی عناصر و درایه‌های موجود در ماتریس به دست می‌آید. مبتنى بر محاسبات، میانگین حسابی مجموعه درایه‌های ماتریس فوق برابر با 8917/0 می‌باشد. به‌منظور تشكيل ماتريس وقوع، تک‌تک درایه‌های موجود در ماتریس قضاوت دیفازی شده را با ميزان حد آستانه مشخص‌شده مقايسه می‌نماییم. درصورتی‌که درایه موردنظر بزرگ‌تر یا مساوی این حد آستانه باشد در درايه نظير در ماتريس وقوع عدد ١ و در غیر این صورت عدد صفر قرار می‌گیرد. مبتنی بر این رویكرد، ماتریس وقوع روش مدل‌سازی ساختارى تفسیری ماتریسی باینری (صفر و یک) می‌باشد. این ماتریس دروازه ورود به بخش نهایی و تشکیل ماتریس دسترس‌پذیری می‌باشد.

 

جدول شماره 5- ماتریس وقوع

اعتبار سنجی Validation	ریسک Risk	سیاست مالی Financial policy	زیرساخت Infrastructure	سرمایه‌گذاری Investment	شفافیت مالی Financial transparency
1	1	0	1	1	0	شفافیت مالی Financial transparency
1	0	0	1	1	1	سرمایه‌گذاری Investment
0	1	0	0	0	1	زیرساخت Infrastructure
1	0	0	1	1	0	سیاست مالی Financial policy
1	0	0	0	0	0	ریسک Risk
0	1	0	1	1	1	اعتبار سنجی Validation

  ماخذ: یافته‌های تحقیق

پس از تشکیل ماتریس وقوع، به‌منظور ساخت مدل ساختاری تفسیری می‌بایست مبتنی بر این ماتریس دسترسی‌پذیری اولیه شکل گیرد. ماتریس دسترس‌پذیری اولیه برابر است با جمع ماتریسی ماتریس وقوع و ماتریس همانی. به‌بیان‌دیگر، ماتریس دسترس‌پذیری اولیه همان ماتریس وقوع است با عناصر روی قطر اصلی یک. بدین ترتیب ماتریس دسترس‌پذیری اولیه شکل می‌گیرد (جدول 6).

جدول شماره 6- ماتریس دسترسی اولیه

اعتبار سنجی Validation	ریسک Risk	سیاست مالی Financial policy	زیرساخت Infrastructure	سرمایه‌گذاری Investment	شفافیت مالی Financial transparency
1	1	0	1	1	1	شفافیت مالی Financial transparency
1	0	0	1	1	1	سرمایه‌گذاری Investment
0	1	0	1	0	1	زیرساخت Infrastructure
1	0	1	1	1	0	سیاست مالی Financial policy
1	1	0	0	0	0	ریسک Risk
1	1	0	1	1	1	اعتبار سنجی Validation

ماخذ: یافته‌های تحقیق

تشکیل مجموعه ورودی، خروجی، مشترک و سطح‌بندی؛ در این مرحله با استفاده از ماتریس دسترس‌پذیری نهایی، مجموعه ورودی، خروجی و مشترک به دست می‌آید. مجموعه ورودی برای هر عامل، ستون آن عامل و مجموعه خروجی برای هر عامل سطر آن عامل می‌باشد. به‌بیان‌دیگر، مجموعه عوامل اثرپذیر از عامل مجموعه خروجی و مجموعه عوامل اثرگذار بر عامل مجموعه ورودی را شکل می‌دهند (جدول 7).

 

جدول شماره 7- سطح‌بندی مؤلفه‌های شناسایی‌شده در تحقیق

سطح level	مشترک Joint	خروجی Output	ورودی input	عوامل factors	ردیف row
دوم Second	1،2،3،6	1،2،3،5،6	1،2،3،6	شفافیت مالی	1
دوم Second	1،2،6	1،2،3،6	1،2،4،6	سرمایه‌گذاری	2
سوم Third	1،3	1،3،5	1،2،3،4،6	زیرساخت	3
پنجم Fifth	4	2،3،4،6	4	سیاست مالی	4
اول First	5،6	5،6	1،3،5،6	ریسک	5
چهارم Fourth	1،2،5،6	1،2،3،5،6	1،2،4،5،6	اعتبار سنجی	6

ماخذ: یافته‌های تحقیق

بر اساس یافته‌های تحقیق مشاهده می‌شود که سطح اول شامل مدیریت ریسک، سطح دوم شامل سرمایه‌گذاری و شفافیت مالی، سطح سوم شامل زیرساخت، سطح چهارم شامل اعتبار سنجی و سطح پنجم شامل سیاست‌های مالی می‌باشد.

پس از انجام محاسبات مربوط به مدل‌سازی ساختاری تفسیری فازی و دستیابی به ماتریس دسترسی نهایی و مدل سطح‌بندی شده موانع درزمینه سطح اثرگذاری این موانع و اثرات مستقیم و غیرمستقیم موجود مابین آن‌ها، گام بعد به‌عنوان گامی تکمیلی برای مدل‌سازی ساختاری تفسیری، به دنبال دسته‌بندی عوامل در قالب میزان اثرگذاری و اثرپذیری درونی آن‌ها بر یکدیگر می‌باشد. هدف از این تحلیل ترسیم نمودار قدرت نفوذ – وابستگی موانع، از روی ماتریس دسترس‌پذیری نهایی و تجزیه‌وتحلیل آن می‌باشد. در این مرحله عوامل در چهار گروه طبقه‌بندی می‌شوند: عوامل خودمختار، پیوندی، وابسته و نفوذی.

عوامل در قالب این چهار دسته با توجه به سطح اثرگذاری و اثرپذیری آن‌ها طبقه‌بندی‌شده و بدین ترتیب می­توان دید جام عتری درزمینه اثرات مستقیم و غیرمستقیم درونی این عوامل به دست آورد. بدین منظور در این تحلیل از ماتریس دسترس‌پذیری نهایی که شامل اثرات مستقیم و غیرمستقیم موانع بر یکدیگر می‌باشد استفاده‌شده است (جدول 8).

جدول شماره 8- ماتریس نفوذ و وابستگی

نفوذ influence	اعتبار سنجی Validation	ریسک Risk	سیاست مالی Financial policy	زیرساخت Infrastructure	سرمایه‌گذاری Investment	شفافیت مالی Financial transparency
5	1	1	0	1	1	1	شفافیت مالی Financial transparency
4	1	0	0	1	1	1	سرمایه‌گذاری Investment
3	0	1	0	1	0	1	زیرساخت Infrastructure
4	1	0	1	1	1	0	سیاست مالی Financial policy
2	1	1	0	0	0	0	ریسک Risk
5	1	1	0	1	1	1	اعتبار سنجی Validation
	5	4	1	5	4	4	وابستگی dependency

ماخذ: یافته‌های تحقیق

در ادامه عوامل بر اساس قدرت نفوذ و قدرت وابستگی خود می‌توانند در چهار دسته خودمختار، وابسته، پیوندی و نفوذی قرار بگیرند. بر اساس نتایج تجزیه‌وتحلیل میک مک می‌توان عوامل را به چهار دسته تقسیم نمود که این تقسیم‌بندی در ادامه در جدول (9) ارائه‌شده است.

جدول شماره 9- دسته‌بندی عوامل بر اساس تحلیل میک مک

پیوندی Associative	وابسته Dependent	نفوذی Influential	خودمختار Autonomous	عوامل Factors
*				شفافیت مالی Financial transparency
*				سرمایه‌گذاری Investment
	*			زیرساخت Infrastructure
		*		سیاست مالی  Financial policy
	*			ریسک Risk
*				اعتبار سنجی Validation

    ماخذ: یافته‌های تحقیق

بر اساس یافته‌ها مشاهده می‌شود که عوامل شفافیت مالی، سرمایه‌گذاری و اعتبار سنجی از عوامل پیوندی، عوامل زیرساخت و ریسک از عوامل وابسته و سیاست‌های مالی از عوامل نفوذی می‌باشند. در ادامه ابتدا ابزار تحقیق که بر مبنای 36 مؤلفه تحقیق تهیه گردیده موردبررسی قرار گرفت و به روش تحلیل عاملی تأییدی ارزیابی شد.

جدول شماره 10- نتایج آزمون KMO و آزمون بارتلت

اندازه KMO KMO size	مجذور کای آزمون بارتلت Bartlett's chi-square test	سطح معنی‌داری Significant level
0.911	0.961	0.0001

ماخذ: یافته‌های تحقیق

چنانچه در جدول شاخص‌های معنی‌داری داده­ها را نشان می‌دهد، مقدار شاخص KMO برای ابزارهای پژوهش به یک نزدیک می‌باشد. همچنین با توجه به مقدار آماره بارتلت (که تقریبی از آماره کای دو است) و مقدار ضریب معناداری که از 5% کوچک‌تر بوده است، نشان می‌دهد که تحلیل عاملی برای شناسایی ساختار پرسشنامه‌ها مناسب بوده و تعداد نمونه انتخاب‌شده برای تحلیل عاملی ابزار دارای کفایت می‌باشد.

جدول شماره 11- بررسی پایایی و روایی همگرا

AVE	پایایی ترکیبی Composite reliability	آلفای کرونباخ Cronbach's alpha	نام متغیر Variable name
0.764	0.912	0.821	سرمایه‌گذاری Investment
0.720	0.913	0.816	زیرساخت Infrastructure
0.714	0.888	0.810	سیاست‌های مالی Financial policies
0.721	0.813	0.799	شفافیت Transparency
0.756	0.900	0.841	اعتبارسنجی Validation
0.763	0.916	0.816	ریسک Risk

ماخذ: یافته‌های تحقیق

 

در جدول (11) با توجه به اينکه مقدار مناسب براي آلفاي کرونباخ 7/0، براي پايايي ترکيبي 7/0 و براي AVE، 5/0 مي‌باشد و تمامي معيارها در قسمت سنجش بارهاي عاملي مقدار مناسبي دارند، مي‌توان مناسب بودن وضعيت پايايي و روايي همگراي تحقيق را تائید ساخت.

 

جدول شماره 12- بررسی روایی واگرایی مؤلفه‌های اصلی پژوهش به روش فورنل و لاکر

نام متغیر Variable name	1	2	3	4	5	6
سرمایه‌گذاری Investment	0.836
زیرساخت Infrastructure	0.782	0.852
سیاست‌های مالی Financial policies	0.755	0.751	0.836
شفافیت Transparency	0.722	0.773	0.718	0.852
اعتبارسنجی Validation	0.664	0.647	0.752	0.722	0.812
ریسک Risk	0.719	0.732	0.714	0.685	0.785	0.794

ماخذ: یافته‌های تحقیق

همان‌گونه که در جدول ‌(12) نشان داده‌شده است مقادیر روی قطر اصلی از مقادیر سطر زیرین خود بيشتر است؛ بنابراین روایی واگرای تحقیق را به روش فورنل و لاکر تائید می‌کنیم.

 

شکل شماره 3- مدل در حالت معناداری

نتایج جدول (13) نشان می­دهد که متغیرهای مستقل از قدرت پیش‌بینی قوی برخوردارمی‌باشند؛ بنابراین مدل پیش‌بینی قوی دارد.

جدول شماره 13- مقدار ضریب تعیین و شاخص تناسب پیش‌بین

Q2	R2	سرمایه‌گذاریInvestment
0.216	0.402	زیرساختInfrastructure
0.230	0.416	سیاست‌های مالی Financial policies
0.220	0.451	شفافیتTransparency
0.204	0.410	اعتبارسنجیValidation
0.134	0.395	ریسک Risk
0.125	0.411	سرمایه‌گذاریInvestment

ماخذ: یافته‌های تحقیق

در این پژوهش مقدار GOF برابر است با:

GOF = √average (AVE) × average (R2)= 416/0

شاخص GOF پژوهش 416/0 به دست آمد که نشان‌دهنده قوی بودن برازش مدل ساختاری می‌باشد.

نتیجه­گیری و پیشنهاد

هدف از این پژوهش، طراحی مدل عملکرد مالی صنعت بانکداری برای حمایت از کسب کارهای کوچک و متوسط (SMEs) با تأکید بر کارآفرینی در بانک ملت بود. نتایج نشان داد که مقوله‌های اصلی مدل شامل اعتبارسنجی، زیرساخت، سیاست مالی، سرمایه‌گذاری، ریسک و شفافیت می‌باشد. این نتایج موافق با یافته­های شبابی (1401)، تمیزی فر و همکاران (1401)، محمودی و همکاران (1401)، لی و ایکرام¹⁵ (2022) و شیوتی و همکاران¹⁶ (2021) بوده است. اعتبارسنجی بانک‌ها برای حمایت از کسب‌وکارهای کوچک نقش بسیار مهمی جهت جلوگیری از ریسک نکول می‌باشد. مؤسسه‌هاي مالي، از قبيل بانك‌هـا، در اعتبارسنجي اين نوع كسب‌وكارها به‌منظور تخصيص اعتبار، مشكلات مختلفي دارند. بانك‌ها و مؤسسه‌هاي مالي بـراي شناسايي گيرنده تسهيلات و تعيين ارزش وثيقـه لازم، از مـدل‌هـاي مختلـف امتيـازدهي اعتبـاري اسـتفاده مـي‌كننـد. SMEsها ازنظر مديريت داده‌هاي مالي در مقايسه با شركت‌هاي بزرگ، سازمان‌دهی نشده تلقـي مـي‌شـوند؛ ازاین‌رو ارزيابي ريسك اعتباري فقط بر اساس داده‌هاي مالي، نگراني‌هاي متعـددي در خصـوص نحـوه بازپرداخـت تسـهيلات توسط كسب‌وكارهاي كوچك و متوسط ايجاد مي‌كند (ملایی و منکاوی، 1400).

بر اساس یافته‌های تحقیق مشاهده می‌شود که سطح اول شامل مدیریت ریسک، سطح دوم شامل سرمایه‌گذاری و شفافیت مالی، سطح سوم شامل زیرساخت، سطح چهارم شامل اعتبار سنجی و سطح پنجم شامل سیاست‌های مالی می‌باشد. بر اساس یافته‌ها مشاهده می‌شود که عوامل شفافیت مالی، سرمایه‌گذاری و اعتبار سنجی از عوامل پیوندی، عوامل زیرساخت و ریسک از عوامل وابسته و سیاست‌های مالی از عوامل نفوذی می‌باشند. همین نتایج توسط مران جوری و همکاران (1401)، کریمی و همکاران (1401)، ستایش و همکاران (1401)، پرومونو و همکاران¹⁷ (2021) و روي و شاي¹⁸ (2021) گزارش شد. مدیریت ریسک در سطح اول متغیرها قرار دارد. ارزیابی و سنجش ریسک اعتباری سبد وام‌های بانک با در نظر گرفتن اثرات متنوع سازی و ارتباط ميان موقعيت‌های مختلف موجود در سبد وام و اداره‌ی سبد اعتبارات بر این اساس، "مدیریت سبد اعتباری " نام دارد. بانک‌های موفق در سطح جهان، سيستم‌های اعتبارسنجی و مدیریت سبد اعتباری متناسب خود را توسعه می‌دهند. چنين سيستم‌هایی مدیران بانک را در جهت اتخاذ هرچه بهتر تصميمات اعتباری یاری می‌دهد؛ تصميماتی که بر پایه‌ی ارزیابی‌های کيفی و کمی وام‌های انفرادی و سبد اعتباری بانک قرار دارد. باوجودآنکه صنایع کوچک و متوسط برای شروع به کار و فعالیت، نیازمند سرمایه کمتری در مقایسه با شرکت‌های بزرگ هستند، اما به دلایلی ازجمله مقیاس کوچک فعالیت، سابقه کم، نداشتن اعتبار کافی، عدم برخورداری از صورت‌های مالی حسابرسی شده و عدم شفافیت مالی، عدم دسترسی به وثیقه کافی با مشکلات زیادی در تأمین مالی مواجه‌اند. یکی از دلایل اصلی عدم تمایل بانک‌ها به اعطای تسهیلات به صنایع کوچک و متوسط، ناتوانی این واحدها در بازپرداخت اقساط تسهیلات عنوان می‌شود که در همین راستا بر اساس بررسی‌های انجام‌شده توسط بانک مرکزی، علت بالا بودن مطالبات غیر جاری بنگاه‌های کوچک زودبازده و کارآفرین در ایران، انحراف بالای تسهیلات اعطایی به این بنگاه‌ها و عدم نظارت کافی گزارش‌شده است.

شرکت‌های کوچک و متوسط به‌عنوان گردانندگان اصلی چرخ‌های اقتصادی در تقریباً تمامی کشورها محسوب گردیده و اهمیت و نقش کلیدی این شرکت‌ها درزمینه بهبود شاخص‌هایی چون تولید ناخالص داخلی و کاستن از فقر و بهبود آمار اشتغال ملی بر کسی پوشیده نمی‌باشد؛ اما این بنگاه‌های اقتصادی به دلیل ماهیت و ویژگی‌های خاص خود دارای محدودیت‌هایی درزمینه‌های گوناگونی چون منابع انسانی، منابع مالی، ارتباطات برون‌سازمانی و این‌گونه موارد می‌باشند که منجر به ورود بازیگران دولتی و غیردولتی در راستای حمایت از آن‌ها و در جهت بهبود عملکردهای مالی و غیرمالی این شرکت‌ها گردیده است. این بازیگران عمدتاً متشکل از بانک‌ها، دولت و مجلس بوده و مبتنی بر اقدامات مستقیم و غیرمستقیم قادر به اثرگذاری بر عملکردهای این بنگاه‌ها می‌باشند (کریمی و همکاران، 1401).

علیرغم اهمیت بالای موضوع حمایت از بنگاه‌های کوچک و متوسط، به دلیل پراکندگی مطالعات داخلی و خارجی در حیطه اقدامات حمایتی از این کسب‌وکارها و تنوع بالای روش‌ها و کانال‌های اقدام و عمل در قبال بهبود عملکردهای شرکت‌های کوچک و متوسط، نیاز است تا این اقدامات پراکنده در مطالعات تجمیع و تحت یک قالب منظم ارائه گردد تا دقیقاً معین شود که در ایران و جهان مبتنی بر چه رویکردها و به چه طرقی از شرکت‌های کوچک و متوسط حمایت به‌عمل‌آمده و چگونه می‌توان رویکردهای مورداستفاده را توسعه بخشید و یا رویکردهای مورداستفاده در سایر کشورها را در ایران پیاده‌سازی نمود (کریمی و همکاران، 1401).

نظر به اینکه نتایج نشان داد که سطح اول شامل مدیریت ریسک، سطح دوم شامل سرمایه‌گذاری و شفافیت مالی، سطح سوم شامل زیرساخت، سطح چهارم شامل اعتبار سنجی و سطح پنجم شامل سیاست‌های مالی می‌باشد. بر اساس یافته‌ها مشاهده می‌شود که عوامل شفافیت مالی، سرمایه‌گذاری و اعتبار سنجی از عوامل پیوندی، عوامل زیرساخت و ریسک از عوامل وابسته و سیاست‌های مالی از عوامل نفوذی می‌باشند، پیشنهاد می‌گردد که بانک‌ها در درجه اول مدیریت ریسک را در نظر بگیرند و برای سرمایه‌گذاری در بخش‌های مختلف صنعت از بررسی شفافیت مالی غافل نشوند، زیرساخت‌های بنگاه‌ها را بررسی و به اعتبارسنجی دقیق آن‌ها با مؤلفه‌ها و فاکتورهای موجود بپردازند.

یکی از محدودیت‌های پژوهش ممکن نبودن وارد شدن متغیرهای مداخله‌گر مهم دیگر به تحقیق به علت پیچیدگی‌های زیاد آن‌ها می‌باشد.

منابع و مآخذ

آزاده، سهیلا؛ اصلی‌زاده، احمد؛ خاکزار بفروئی، مرتضی؛ اعتمادی، احمدرضا. (1401). توسعه مدل پویاي استراتژي بانک در شرایط عدم قطعیت با رویکرد پویایی‌شناسی سیستم (SD)، فصلنامه راهبرد مدیریت مالی دانشگاه الزهرا سال یازدهم، شماره چهل و یکم، صفحات 226-203.

پیروز، الهام و افسانه شفیعی (1395)، ارتقای جایگاه بنگاه‌های کوچک و متوسط در زنجیره‌های ارزش جهانی: درس‌هایی برای ایران، تحولات جهانی صنعت، معدن و تجارت، مؤسسه مطالعات و پژوهش‌های بازرگانی، شماره 39.

تمیزی فر، مهدی.، توحیدی، محمد و شکری، مسعود. (1401). شناسایی و اولویت‌بندی راهکارهای ارتقاء دسترسی کسب‌وکارهای کوچک و متوسط به خدمات بانکی در ایران. توسعه کارآفرینی، 15 (4): 627-639.

ستایش، هدیه؛ معمارنژاد، عباس؛ هژبرکیانی، کامبیز؛ ترابی، تقی. (1401). بررسی اثر کارگاه‌های صنعتی کوچک و متوسط بر رشد ارزش‌افزوده بخش صنعت در اقتصاد ایران، فصلنامه اقتصاد مالی، دوره 16، شماره 2، (پیاپی 59)، صفحه 221 تا 252.

سودی، حورا؛ ملکی آوارسین، صادق؛ سید نظری، نیر. (1396). بررسی نقش آموزش‌های کاردانش در ایجاد نگرش کارآفرینانه در هنر جویان، فصلنامه نوآوری و ارزش آفرینی، شماره 12، سال 6، صص 121-99.

شبابی، هومن (1401). ارائه الگوی عوامل مؤثر در تأمین مالی خارجی نوآوری شرکت‌های کوچک و متوسط با استفاده از روش فراترکیب، فصلنامه سیاست‌نامه علم و فناوری، دوره 12، شماره 2، صفحات 25-44.

کرکه‌آبادی، مهدیه؛ عسگری‌نژاد، خلیل. (1401). نقش سرمایه‌گذاری پرریسک در وام‌های شرکت‌های کوچک و متوسط (SME)، کنکاش مدیریت و حسابداری، جلد 2، شماره 3، ص 78-95.

کریمی، آصن؛ بوذرجمهری، شهریار (1392). "تحلیل موانع تأمین مالی برای شرکت‌های کوچک و متوسط "، نشریه توسعه کارآفرینی، 6(1): 144-125.

گلقندشتی، مریم و محمدابراهیم آقابابائی (1397). تأثیر منابع تأمین مالی بر رشد شرکت‌های کوچک و متوسط پذیرفته شده در بورس اوراق بهادار تهران، فصلنامه اقتصاد مالی، سال دوازدهم شماره 44، 160-143.

محمودی، وحید؛ بابایی، علی؛ عباسیان، عزت‌اله. (1401). رتبه‎بندی آلترناتیوهای تأمین مالی بنگاه‌های کوچک و متوسط بر حسب ریسک اعتباری، نشريه علمی سیاست‌گذاری اقتصادی، مقاله پژوهشی/ سال چهاردهم، شماره بیست و هشتم، ص 246-217.

مران‌جوری، مهدی؛ عنایت‌پورشیاده، ابراهیم؛ درخشان، جواد. (1401). تأثیر عملکرد مالی بر استفاده شرکت‌های کوچک و متوسط از اعتبار تجاری، نشریه تحقیقات حسابداری و حسابرسی، شماره 54 (ب/ISC)، صفحات 39-49.

مرکز ملی مطالعات، پایش و بهبود محیط کسب‌وکار (1397). گزارش بررسی وضعیت ایران در شاخص سهولت انجام کسب‌وکار سال 2019 میلادی بانک جهانی، وزارت امور اقتصادی و دارایی، معاونت امور اقتصادی.

مقدم، ندا؛ ضیاء، بابک؛ صادقی، حسین؛ سجادی، سید مجتبی. (1401). طراحی و اعتبار سنجی الگوی گرایش کارآفرینانه بین‌الملل در کسب‌وکارهای ایرانی، فصلنامه نوآوری و ارزش آفرینی، دوره 11، شماره 22، صص 84-63.

ملایی، زینب؛ منکاوی، مهدی. (1400). شناسايي و اولويت‌بندي معيارهاي اعتبارسنجي شركت‌هاي كوچك و متوسط با استفاده از تكنيك AHP، فصلنامه مطالعات مالي و بانكداري اسلامي، دوره 7، شماره 16صفحه 17-42.

موسوی، سید محسن، فرهادی، روح الله، هنرکار، حمیدرضا (1393). روش‌های تأمین مالی بنگاه‌های کوچک و متوسط، اندیشه اقتصادی، شماره ۲.

Alina, V., Florin, C., & Nicoleta-Claudia, M. (2021). The impact of good governance on entrepreneurship in terms of sustainable development. In Contemporary Issues in Social Science, 106, pp. 307-325. https://doi.org/10.1108/S1569-375920210000106019

Cainelli, G., & Giannini, V. (2019). Small firms and bank financing in bad times. Springer science +Business Media, LLC, part of Springer Nature, 1-11.

Covin, J. G., Rigtering, J. C., Hughes, M., Kraus, S., Cheng, C. F., & Bouncken, R. B. (2020). Individual and team entrepreneurial orientation: Scale development and configurations for success. Journal of Business Research, 112, 1-12.https://doi.org/10.1016/j.jbusres.2020.02.023

Dima, B., Lobonţ, O. R., & Moldovan, N. C. (2016). Does the quality of public policies and institutions matter for entrepreneurial activity? Evidences from the European Union’s member states. Panoeconomicus, 63(4), 425-439.https://doi.org/10.2298/PAN1604425D

Gumparthi, S., Khatri, S., & Manickavasagam, V. (2011). Design and development of credit rating model for public sector banks in India: Special reference to small and medium enterprises. Journal of Accounting and taxation, 3(3), 105-124.

Le, T. T., & Ikram, M. (2022). Do sustainability innovation and firm competitiveness help improve firm performance? Evidence from the SME sector in vietnam. Sustainable Production and Consumption, 29, 588-599. https://doi.org/10.1016/j.spc.2021.11.008

Li, Z., & Zhong, J. (2020). Impact of economic policy uncertainty shocks on China's financial conditions. Finance Research Letters, 35, 101303.https://doi.org/10.1016/j.frl.2019.101303

Malecki, E. J. (2018). Entrepreneurship and entrepreneurial ecosystems. Geography compass, 12(3), e12359. https://doi.org/10.1111/gec3.12359

Mansion, S. E., & Bausch, A. (2020). Intangible assets and SMEs’ export behavior: a meta-analytical perspective. Small Business Economics, 55, 727-760.https://doi.org/10.1007/s11187-019-00182-5

Pramono, R., Sondakh, L. W., Bernarto, I., Juliana, J., & Purwanto, A. (2021). Determinants of the small and medium enterprises progress: A case study of SME entrepreneurs in Manado, Indonesia. The Journal of Asian Finance, Economics and Business, 8(1), 881-889.

Riviere, M., & Romero-Martínez, A. M. (2021). Network embeddedness, headquarters entrepreneurial orientation, and MNE international performance. International Business Review, 30(3), 101811.https://doi.org/10.1016/j.ibusrev.2021.101811

Roy, P. K., & Shaw, K. (2021). A multicriteria credit scoring model for SMEs using hybrid BWM and TOPSIS. Financial Innovation, 7(1), 77.https://doi.org/10.1186/s40854-021-00295-5

Shiyuti, H. A., Zainol, F. A., & Ishak, M. S. I. (2021). Why business fail? A thematic review analysis on SMEs. The Journal of Management Theory and Practice (JMTP),2(2), 1-11.https://doi.org/10.37231/jmtp.2021.2.2.98

Stiebale, J., & Wößner, N. (2020). M&As, investment and financing constraints. International Journal of the Economics of Business, 27(1), 49-92.https://doi.org/10.1080/13571516.2019.1653719

Wales, W., Gupta, V. K., Marino, L., & Shirokova, G. (2019). Entrepreneurial orientation: International, global and cross-cultural research. International Small Business Journal, 37(2), 95-104.https://doi.org/10.1177/0266242618813423

 

 

Designing a banking industry financial performance model to support small and medium-sized businesses (SMEs) with an emphasis on entrepreneurship

Anoushirvan Mehrabi¹⁹, Babak Haji Karimi²⁰and Amir Najafi²¹

Abstract

The aim of this study is to create a financial performance model for the banking industry, with a focus on providing better assistance to small and medium enterprises (SMEs) and promoting entrepreneurship at Bank Mellat. The qualitative part of the study involved experts in banking and entrepreneurship, including university professors and senior management personnel from Bank Mellat. The theoretical sampling involved interviewing twelve experts, including university professors specializing in banking and entrepreneurship, as well as senior managers from Mellat Bank. This process has reached saturation. The research used grounded theory framework, expert interviews, and three forms of coding: open coding, axial coding, and selective coding. Data collection was conducted through interviews with subject matter experts. The ISM-DEMATEL integrated approach was used to categorize and prioritize the factors. It was employed to determine the nature of the variables, analyze the interconnections among the model's variables, evaluate the strength of these relationships, and assess the influence and effectiveness of the established criteria. Following the completion of data collection, an analysis was conducted utilizing SPSS and Smart PLS software. The findings indicated that the primary components of the model encompass validation, infrastructure, financial policy, investment, risk, and transparency. Research findings suggest that the initial level encompasses risk management, the subsequent level pertains to investment and economic transparency, the third level addresses infrastructure, the fourth level involves validation, and the fifth level pertains to financial policies. The GOF index for this study is recorded at 0.416, indicating a significant fit of the structural model.

 

Keywords: financial performance, Banking industry, small and medium businesses, grounded theory, structural modeling

---

[1] 1. دانشجوی دکتری مدیریت صنعتی گرایش مالی، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ایران، [e-mail]  

[2] . استادیار گروه مدیریت صنعتی، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ایران (نویسنده مسئول)؛ [e-mail]

[3]  دانشیار گروه مدیریت صنعتی، واحد زنجان، دانشگاه آزاد اسلامی، زنجان، ایران، [e-mail]

[4] 1-Mansion, S. E., & Bausch,

[5] - Covin, et al.

[6] - Riviere & Romero

[7] - Wales, et al.

[8]  - Stiebale and Wobner

[9] 2- Liu & Zhang

[10]  - Gumparthi, Khatri, Swetha & Manickavasagam

[11]  - Mainela, et al.

[12] 2-Cainelli, G., & Giannini, V.

[13]  - Dima, et al.

[14]  - Alina, et al.

[15]  - Le & Ikram

[16]  - Shiyuti et al.

[17]  - Promono et al.

[18]  - Roy & Shaw

[19]  PhD student in industrial management, finance major, Abhar Branch, Islamic Azad University, Abhar, Iran, [e-mail].

[20]  Assistant Professor, Department of Industrial Management, Abhar Branch, Abhar Islamic Azad University, Iran, [e-mail].

[21]  Associate Professor, Department of Industrial Management, Zanjan Branch, Zanjan Islamic Azad University, Iran, [e-mail].

 

 

بهینه­سازی سبد سهام با استفاده از روش میانگین- واریانس تکنیکالی و جنگل تصادفی 

لیلا برومندی¹، سعید آقاسی² و محمدرضا شریفی قزوینی³

تاریخ دریافت: 22/5/1403 و تاریخ پذیرش: 27/8/1403

 

چکیده

 

هدف از انجام این پژوهش بهینه­سازی سبد سهام با استفاده از روش میانگین- واریانس تکنیکالی و جنگل تصادفی(RF) است. روش پژوهش حاضر بر اساس هدف از نوع کاربردی و ازنظر نوع داده‌ها، پس رویدادی می‌باشد. جامعه آماری این پژوهش شامل کلیه شرکت‌ای فعال در بورس اوراق بهادار تهران طی سال‌های 1390 الی 1402 می‌باشد.در تحقیق حاضر تعداد 40 سهم از سهام فعال در بازار سهام که داده‌های پیوسته و کامل داشته­اند انتخاب شده است. برای بررسی بهینه­سازی سبد سهام از اطلاعات قیمت سهام 5 شرکت پذیرفته شده در بورس اوراق بهادار استفاده شد. ملاک انتخاب این 5 شرکت بالا بودن میزان میانگین قیمت، میانگین بازده و تعداد روزهای معامله شده نسبت به سایر شرکت­های حاضر در بورس اوراق بهادار است. این پژوهش، برای بهینه­سازی میانگین- واریانس سبد سهام بر اساس تحلیل سیگنال­های تکنیکی از شاخص قدرت نسبی (RSI) از نوع شاخص­های هدایت­گر استفاده کرده و برای مدلسازی از دو روش تحلیل میانگین-واریانس مارکوویتز تکنیکالی و الگوریتم جنگل تصادفی استفاده شده است. برای ارزیابی عملکرد مدل پیشنهادی، میانگین خطای مطلق(MAE)، درصد میانگین مطلق خطا(MAPE) و خطای میانگین مربع ریشه(RMSE) به کار رفته است. نتایج به دست آمده نشان می‌دهد که مقادیر شاخص­های مطروحه برای شبکه مدل میانگین- واریانس تکنیکالی نسبت به الگوریتم RF از مقادیر کمتری برخوردار هستند. و این موضوع دقت بالاتر این شبکه عصبی بازگشتی نسبت به الگوریتم جنگل تصادفی را در مدلسازی و پیش‌بینی مقادیر بهینه­سازی سبد سهام نشان می‌دهد. نتایج به دست آمده نشان می دهد که نمودار R2 برای داده‌های مربوط به بهینه­سازی سبد سهام برای مدل میانگین- واریانس تکنیکالی دارای مقادیر نزدیکتری نسبت به 1 دارند در حالی که الگوریتم RF دارای مقادیر کمتری از R2  برای داده‌های مربوط به مدل میانگین- واریانس تکنیکالی می‌باشد که این موضوع نشان دهنده دقت بالای مدل میانگین- واریانس تکنیکالی است.

 

واژه‌های کلیدی: بورس اوراق بهادار، جنگل تصادفی، سبد سهام، میانگین- واریانس تکنیکالی.

مقدمه

زمانی که سرمایه‌گذار تصمیم می­گیرد تا سرمایه خود را بین چند دارایی مالی تقسیم کند، مسئله انتخاب سبد‌سهام بهینه خود را نشان می­دهد. سوال اساسی این است که سرمایه اولیه به چه نسبتی بین دارایی­ها تقسیم گردد تا سرمایه­گذار بتواند به هدف خود دست یابد. این هدف غالباً رسیدن به یک حداقل سطح بازده یا ثروت مشخص در ضمن تحمل کمترین ریسک ممکن می‌باشد و مدل سبد‌سهام مارکویتز⁴ (مدل میانگین-واریانس) اولین بار به مدل­سازی چنین مسئله­ای پرداخت(ژانگ⁵،2022). مدل­های مختلفی از انتخاب بهینه سبد‌سهام وجود دارند که در تابع هدف، محدودیت­ها، تک دوره­ای بودن یا چند دوره­ای بودن، وجود یا عدم وجود هزینه­های معاملاتی و ... با هم متمایز هستند. پس از بسته شدن سبد، تغییرات قیمتی دارایی­های سبد در گذر زمان رخ می­دهد و برای سبد در انتهای افق زمانی سرمایه­گذاری، بازده­ای را حاصل می­کند. این بازده ممکن است بعلت تغییرات شدید قیمتی تعدادی از دارایی­ها، از بازده­ای که در مرحله نظری مورد انتظار بوده، فاصله زیادی داشته باشد. در واقع آنچه رخ داده فاصله زیاد پیش­بینی تا واقعیت است و از این رو با نوعی عدم استواری در انتخاب سبد‌سهام مواجه هستیم. در کشور ما همواره بازار سرمایه با ریسک­های زیادی خصوصاً ریسک سیاسی و تغییر قوانین مواجه است که این ریسک­ها می­تواند دارایی­های سبد سرمایه گذاران را با تغییرات قیمتی شدید ‌پیش‌بینی نشده­ای مواجه کرده و احیاناً منجر به افت­های شدیدی در ارزش سبد‌سهام گردد. در برنامه‌ریزی ریاضی معمولاً مسائل با پیش فرض قطعی بودن پارامترهای مدل بهینه می‌گردند. حال آنکه در دنیای واقعی اکثر داده‌ها دچار عدم قطعیت‌اند. پیش فرض اصلی برنامه‌ریزی‌های ریاضی توسعه مدل بر اساس داده‌های صریحاً معین و برابر با مقداری اسمی است(جی و همکاران⁶،2022). در پژوهش حاضر اقدام به استفاده از مدل میانگین­- واریانس با رویکرد تحلیل تکنیکال و الگوریتم جنگل تصادفی (RF) شده است. نتایج این بهینه­سازی سبد سهام می­تواند به سرمایه‌گذاران کمک ‌کند تا ریسک سبد سرمایه‌گذاری خود را کنترل کنند. با استفاده از این مدل، سرمایه‌گذاران می‌توانند ترکیبی از سهام‌ها را انتخاب کنند که ریسک کل سبد را کاهش داده و بهینه‌ترین تراز بین ریسک و عایدی را فراهم ‌کند. بنابراین ، هدف پژوهش حاضر بهینه‌سازی سبد سهام با استفاده از روش میانگین- واریانس تکنیکالی و جنگل تصادفی است.

مبانی نظری و پیشینه پژوهش

بازارهای سرمایه یکی از مهمترین و پویاترین بخش‌های اقتصاد هر کشور است. در این بازار، ارزش‌های مالی و سرمایه‌ای مانند سهام، اوراق قرضه و مشتقات مالی، خرید و فروش می‌شوند. این بازار، به سرمایه‌گذاران و شرکت‌ها امکان می‌دهد تا منابع مالی خود را تأمین کنند و سرمایه خود را در سراسر اقتصاد گسترش دهند (بلجان⁷ و همکاران، 2022).

در میان بازارهای مالی، بازار بورس اوراق بهادار نقش بسیار مهمی را ایفا می نماید. زیرا این بازار، به عنوان یکی از اصلی‌ترین و پررونق‌ترین بازارهای سرمایه، عملکرد و تأثیر قابل توجهی در اقتصاد و سرمایه‌گذاری دارد. بازار بورس اوراق بهادار به عنوان یک محیط معاملاتی مطمئن و نظام‌مند برای خرید و فروش اوراق بهادار عمل می‌کند. این بازار فضایی فراهم می‌کند که سرمایه‌گذاران (شامل سرمایه‌گذاران حقیقی و حقوقی) بتوانند اوراق بهادار را به صورت عمومی و مشروع معامله کنند. این بورس امکان دسترسی آسان و تسهیل فرآیند خرید و فروش را به سرمایه‌گذاران می‌دهد (ژو⁸ و همکاران، 2022). اما نکته بسیار مهمی که در بازراهای سرمایه و خصوصا در بازار بورس اوراق بهادار باید به آن توجه داشت، انتخاب یک سبد سهام مفید و موثر است. این سبد سهام بر اساس ترکیبی از رویکردهای مختلف شامل استراتژی سرمایه‌گذاری، هدف‌های مالی، زمانبندی سرمایه‌گذاری و تحلیل بازار انتخاب می‌شوند. بنابراین انتخاب یک سبد سهام قوی، نقش بسیار مهمی در تثبیت، تقویت و بهینه­سازی دارایی­های افراد سرمایه­گذار دارد (آراشی⁹  همکاران، 2022).

انتخاب یک سبد سهام نقش مهمی در میزان حفظ و توسعه سرمایه­های افراد سرمایه­گذار دارد. بهینه‌سازی سبد سهام در بازار بورس اوراق بهادار یک رویکرد بسیار مهم است تا سبد سهامی با عملکرد بهتر و ریسک کمتر را تشکیل داده و به سرمایه‌گذاران کمک کند تا بازدهی بهینه را از سرمایه خود کسب کنند (فرناندز¹⁰ و همکاران، 2019).

یکی از کاربردهای بهینه‌سازی سبد سهام، تنوع سرمایه‌گذاری است.  با بهینه‌سازی سبد سهام، سرمایه‌گذاران می‌توانند تنوع بیشتری در سبد سهام خود ایجاد کنند. این به معنای سرمایه‌گذاری در صنایع و شرکت‌های مختلف، محصولات مالی مختلف یا مناطق جغرافیایی مختلف است. با داشتن تنوع در سبد سهام، سرمایه‌گذاران می‌توانند ریسک سرمایه‌گذاری خود را کاهش داده و از فرصت‌های بازار بهره‌برداری کنند (سوکونو¹¹ و همکاران، 2024).

همچنین با بهینه‌سازی سبد سهام، می‌توان ریسک سیستماتیک (ریسک بازار) را کاهش داد. با ترکیب سهام‌هایی که در برابر ریسک‌های مختلف مستقل هستند، می‌توان ریسک کلی سبد سهام را کاهش داده و به ازای هر سطح بازار، عملکرد بهتری را نسبت به یک سهم تکی داشت. با استفاده از روش‌های بهینه‌سازی، می‌توان سبد سهامی را تشکیل داد که در دوره‌های طولانی‌تر بازدهی بهتری داشته باشد. با توجه به تاریخچه قیمت و اطلاعات مالی شرکت‌ها، می‌توان به سرمایه‌گذاری در سهام‌هایی که انتظار می‌رود در آینده عملکرد بهتری داشته باشند، تمرکز کرد (پوروانداری¹² و همکاران، 2023).

در کل، بهینه‌سازی سبد سهام در بازار بورس اوراق بهادار به سرمایه‌گذاران کمک می‌کند تا تنوع، کاهش ریسک، بهبود بازدهی و رعایت استراتژی‌های سرمایه‌گذاری خود را در نظر بگیرند. برای دستیابی به این هدف، معمولاً از روش‌های مختلف بهینه‌سازی مانند بهینه‌سازی مارکویتز و استفاده از مدل‌های ریاضی و روش‌های شبیه‌سازی استفاده می‌شود (چاوال و چاوزبدویا¹³، 2019).

همچنین انتخاب سهام ناپراکنده یا در صنایع ضعیف می‌تواند منجر به کاهش بازدهی سرمایه‌گذاری شود. عدم تنوع کافی در سبد سهام ممکن است باعث افزایش ریسک و کاهش بازدهی کلی سرمایه‌گذاری شود. از سوی دیگر، انتخاب سهام بدون تحلیل کافی از عملکرد شرکت‌ها و زمینه فعالیت آنها می‌تواند به ناپایداری سبد سهام و عدم استحکام در طول زمان منجر شود (ادریس¹⁴ و همکاران، 2019). همچنین اگر سبد سهام انتخاب شده تطابق کافی با اهداف و نیازهای سرمایه‌گذار نداشته باشد، سرمایه‌گذار ممکن است به دستیابی به اهداف مالی خود نرسد و ناامید شود. عدم دقت در انتخاب سبد سهام می‌تواند آسیب‌پذیری سرمایه‌گذار را در برابر تغییرات ناگهانی در شرایط بازار و نوسانات قیمتی بورس افزایش دهد (شاه¹⁵ و همکاران، 2019).

پیشینه پژوهش

تاکنون پژوهش­های مختلفی با هدف بررسی و بهینه­سازی سبد سهام انجام شده است. آدینه­وند و همکاران (1402) در پژوهشی دیگر، به بررسی کارآمدی مدل های بهینه‌سازی فرا ابتکاری الگوریتم ژنتیک چندهدفه تحت معیار ریسک MSV و الگوریتم ازدحام ذرات تحت معیار ریسک CVaR در تعیین سبد سهام شرکت­های پذیرفته شده در سازمان بورس اوراق بهادار اقدام کردند. نتایج نشان می­دهد که مدل الگوریتم ژنتیک چند هدفه تحت معیار ریسک MSV دارای بازده بیشتر و ریسک کمتری می‌باشد، در نتیجه مدل الگوریتم ژنتیک تحت معیار ریسک MSV از مدل الگوریتم ازدحام ذرات تحت معیار ریسک CVaR کارآمدتر می‌باشد. همچنین جعفری و همکاران (1402) ­بهینه­سازی سبد سهام با استفاده از مدل ارزش در معرض خطر شرطی با رویکرد شبیه­سازی­ را بررسی کردند. با بررسی نتایج تخمین­های بدست آمده از مدل­ها با داده­های بازار این نتیجه حاصل می‌شود که این مدل نتایجی نزدیکتر به واقعیت برای سرمایه­گذاران ایجاد می­کند.

آنونو¹⁶ و همکاران (2024) در پژوهشی ­آزمایش بهینه‌سازی پرتفوی توسط استراتژی سرمایه‌گذاری پرتفوی در بازار سهام­ را بررسی کردند. ارزیابی پرتفوی بهینه با استفاده از پارامترهای متعدد نشان داد که بیشترین بازده مورد انتظار و کمترین ریسک به ترتیب 22/1 و 12/3 درصد بوده است. جینگ¹⁷ و همکاران (2023) در پژوهشی دیگر، ­انتخاب بهینه پرتفوی سهام با استفاده از روش­های تصمیم­گیری چند معیاره­ را مورد بررسی قرار دادند. از شاخص موجود در بورس اوراق بهادار تهران می توان برای ارائه مدلی جامع و بهینه برای سبد سهام استفاده کرد. روش های مختلف تصمیم گیری چند شاخصی همگی می­توانند سبد سهام بهینه و بهترین سبد سهام را برای بالاترین بازدهی شناسایی کنند. برویوآگا¹⁸ و همکاران (2023) در پژوهشی ­بهینه­سازی پورتفولیو با استفاده از مدل درخت پوشای حداقل در بازار بورس مراکش­ را ارزیابی کردند. یافته‌ها نشان می‌دهد که روش پیشنهادی می‌تواند عملکرد پرتفوی را افزایش دهند، شواهدی از بازار سرمایه که می‌تواند به سرمایه‌گذاران یا مدیران فعال در هنگام بهینه‌سازی پرتفوی کمک کند.

ژو¹⁹ و همکاران (2023) در پژوهش خود به این نتیجه رسیدند که مدل بهینه‌سازی میانگین - واریانس از ریاضیات پایه استفاده می‌کند و محدودیت‌های ریاضی را در نظر می‌گیرد. این مدل قادر است به طور دقیق ، محدودیت‌های ریاضی را در رابطه با ترکیب بهینه از دارایی‌ها براساس اهداف ترسیمی در نظر بگیرد. پارک²⁰ (2021) بیان داشت که تحلیل سیگنال‌های تکنیکی امکان تجزیه و تحلیل دقیق‌تر بازار را در زمان واقعی فراهم می‌کند. با استفاده از این تحلیل، می‌توان الگوها، روندها و سیگنال‌های بازار را تشخیص داد و در مدل بهینه‌سازی میانگین - واریانس لحاظ کرد. تحلیل سیگنال‌های تکنیکی در این مدل می‌تواند الگوها و سیگنال‌های قیمتی را در داده‌های سهام تشخیص دهد. این الگوها ممکن است شامل سیگنال‌های خرید یا فروش، تغییر روندهای قیمتی، سطوح پشتیبانی و مقاومت و سایر الگوهای فنی باشند. با شناخت این الگوها، می‌توان سبد سهام را براساس سیگنال‌های قوی و قابل اعتماد بهبود داد. همچنین فبریانتی²¹ و همکاران (2023) در یافتند که تحلیل سیگنال‌های تکنیکی در این مدل می‌تواند به تعیین زمان ورود و خروج از سهام کمک کند. با تحلیل نمودارهای قیمتی، می‌توان نقاط ورود و خروج استراتژی‌های سرمایه‌گذاری را تعیین کرد. برای مثال، می‌توان نقاط ورود را در زمانی تعیین کرد که سیگنال‌های خرید قویتری وجود دارد و نقاط خروج را در زمانی که سیگنال‌های فروش قویتری مشاهده می‌شود.  با استفاده از تحلیل سیگنال‌های تکنیکی در این مدل ، می‌توان ریسک سبد سرمایه را پایش کرده و مدیریت کرد. مورتاس²² و همکاران (2022) در پژوهش خود به این نتیجه رسیدند که با توجه به سیگنال‌های تکنیکی، می‌توان میزان واریانس و نوسانات بازدهی سبد سهام را پیش‌بینی کرد و بر اساس آن، ترکیب بهینه از دارایی‌ها را تعیین کرد. 

استفاده از ابزارهای تحلیل تکنیکال در بازار سرمایه به سرعت در حال گسترش است و این ابزارها امکان سنجش روزانه بازار را فراهم می‌کنند. تحلیل تکنیکال به سرمایه‌گذاران کمک می‌کند تا زمان ورود و خروج خود را مشخص کنند و با بررسی الگوها و شاخص‌ها، نقاط ورود مطمئن‌تری را شناسایی کنند. همچنین، این تحلیل به شناسایی روندهای بازار (صعودی، نزولی یا جانبی) کمک کرده و ریسک‌ها را کاهش می‌دهد(نور و همکاران²³، 2023). در این پژوهش، بهینه‌سازی سبد سهام با استفاده از الگوریتم جنگل تصادفی (RF) انجام شده است. این الگوریتم یک روش یادگیری ماشینی نظارت شده است که از ترکیب چندین مدل تصمیم‌گیری ساده (درخت تصمیم) برای پیش‌بینی استفاده می‌کند. هر درخت تصمیم به صورت مستقل از داده‌ها آموزش دیده و در نهایت نتایج این درختان با هم ترکیب می‌شوند تا پیش‌بینی نهایی صورت گیرد(سه و همکاران²⁴،2018).

روش شناسی پژوهش

روش پژوهش حاضر بر اساس هدف از نوع کاربردی و ازنظر نوع داده‌ها، پس رویدادی می‌باشد. جامعه آماری این پژوهش شامل کلیه شرکت­های فعال در بورس اوراق بهادار تهران طی سال‌های 1390 الی 1402 می‌باشد.در تحقیق حاضر تعداد 40 سهم از سهام فعال در بازار سهام که داده‌های پیوسته و کامل داشته­اند انتخاب شده است. بازده زمانى مورد نظر از تاریخ 1 فروردین 1390 تا 29 اسفند 1402 بوده است. به منظور دستیابى به نوسانات قابل توجه بازه زمانى براى محاسبه ریسک و بازده دوره­هاى سه روز کارى در نظر گرفته شده است. بر این اساس 410 مشاهده براى هر سهم که هر ده روز کارى را می­توان براى ایجاد یک سبد سهام بکار گرفت. در واقع میانگین و واریانس یک ماهه براى تشکیل هر پرتفوى بکار گرفته می‌شود. داده یک ماه آخر یعنى پرتفوى آخر بر خلاف دیگر مشاهده­ها تنها به منظور محاسبه بازده یک ماه پس از پرتفوى 40­- ام بکار گرفته شد و در تابع بهینه­یابى وارد نمی‌شود. برای بررسی بهینه­سازی سبد سهام از اطلاعات قیمت سهام 5 شرکت پذیرفته شده در بورس اوراق بهادار استفاده شد. ملاک انتخاب این 5 شرکت بالا بودن میزان میانگین قیمت، میانگین بازده و تعداد روزهای معامله شده نسبت به سایر شرکت­های حاضر در بورس اوراق بهادار است. اطلاعات مربوط به این شرکت­ها در جدول 1 ارائه شده است.

جدول 1- اﻃﻼﻋﺎت ﻗﻴﻤﺖ 5 سهم پذیرفته ﺷﺪه در ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬﺮان

شماره سهم	میانگین قیمت	میانگین بازده	انحراف معیار بازده(ϭ)	نیم­انحراف معیار بازده(Σ)	تعداد روزهای معامله شده
1	3/4912	0009/0-	0261/0	0204/0	2450
2	5/1352	0011/0-	0352/0	0219/0	2136
3	6/2553	0008/0-	0112/0	0098/0	2511
4	1/4382	0010/0-	0246/0	0168/0	2064
5	5/1982	0005/0-	0119/0	0101/0	2278

    ماخذ: یافته‌‌های تحقیق

 

متغیر مورد بررسی

در این پژوهش، برای بهینه­سازی میانگین- واریانس سبد سهام بر اساس تحلیل سیگنال­های تکنیکی از شاخص قدرت نسبی²⁵ (RSI) از نوع شاخص­های هدایت­گر استفاده شده است. RSIt,P  که همان شاخص قدرت نسبی در زمان t و مربوط به دوره p می‌باشد تنها با استفاده از قیمت­های بسته شدن بدست می­آید:

الف) ابتدا تغییر قیمت روزانه را حساب کرده و اگر مقدار آن مثبت بود آن را در ستون افزایش­ها ­نوشته­ و اگر مقدار آن منفی بود، در ستون کاهش­ها نوشته می‌شود.

ب) سپس میانگین افزایش­ها برای یک دوره ۱۴ روزه حساب می­گردد. در محاسبات روزانه از میانگین­های ۱۴ روزه و در محاسبات هفتگی از میانگین­های ۱۴ هفته­ای استفاده می‌شود، در این پژوهش نیز از میانگین­های ۱۴ روزه استفاده شده است.

برای به دست آوردن مقدار میانگین افزایش میزان تغییرات ( Ut.p) در ۱۴ روز گذشته روزهای مثبت قیمت (up-Closes یا Ui) را با هم جمع کرده (منظور از روزهای مثبت روزهایی است که قیمت سهام افزایش داشته است و حاصل بر۱۴ تقسیم می‌شود. همچنین میانگین کاهشها را برای همان دوره محاسبه کرده برای محاسبه میانگین کاهش میزان تغییرات ( Dt.p) در ۱۴ روز گذشته روزهای منفی قیمت (down Closes یا Di) را با هم جمع کرده و حاصل بر عدد ۱۴ تقسیم می‌شود. بدین ترتیب اولین عددهایی که بدست می­آید برای روز چهاردهم است و برای روز پانزدهم به بعد از فرمول دیگری استفاده می‌شود که بر خلاف یک میانگین ساده وزن آخرین عدد را بیشتر منظور می­کند. بدین ترتیب به قیمت آخرین روز بیشتر تاکید شده و باعث بالا رفتن حساسیت شاخص می‌شود. لازم به ذکر است که این فرآیند برای همه روزها انجام می‌شود و بعد از روز چهاردهم برای کلیه روزها دارای میانگین افزایش­ها و میانگین کاهشها خواهد بود.

RSI نوسان نمایی به صورت It.p = {i­:­t - p≤ i ≤ t} می‌باشد.

(1) } Di=

که برای هر It,p ϵ i یک قیمت بسته شدن برای دوره i است.

(2)         میانگین Ui بالاتر از It,p= Ut,p و میانگین Di بالاتر از It,p = Dt,p

ج) حال باید قدرت نسبی را حساب کرد برای این کار باید برای هر روز میانگین افزایش­ها را بر میانگین کاهش­های آن روز تقسیم کرد (بدون در نظر گرفتن علامت). بنابراین قدرت نسبی (RS) عبارت است از حاصل تقسیم میانگین افزایش بر میانگین کاهش.

(3)                                 RSt,p =   = قدرت نسبی روز tام

د) با داشتن قدرت نسبی، شاخص قدرت نسبی را حساب کرده و عدد به دست آمده برای RS در فرمول RSI قرار داده شد:

(4)              100 -   = RSIt,P  = شاخص قدرت نسبی در زمان t برای دوره p

مقدار  RSI=100 دلالت بر حرکت روند قیمت به طرف بالا دارد یعنی بازار با حالت خرید بیش از حد مواجه است و زمان مناسبی برای فروش است و مقدار RSI=0  دلالت بر یک کاهش خالص در حرکات قیمت دارد یعنی بازار با حالت فروش بیش از حد مواجه است و زمان مناسبی برای خرید است (دیاز²⁶ و همکاران، 2022).

روش تحلیل میانگین-واریانس مارکوویتز تکنیکالی

روش تحلیل میانگین-واریانس مارکوویتز تکنیکالی بر اساس دو مفهوم اصلی میانگین و واریانس قیمت‌ها، قصد دارد با مقایسه تغییرات و ارتباط بین آن‌ها در بازه‌های زمانی مختلف، الگوها و سیگنال‌هایی را برای تصمیم‌گیری در معاملات مالی ارائه دهد. با توجه به میانگین و واریانس، الگوها و تغییراتی در رفتار قیمت‌ها شناسایی می‌شوند که می‌تواند به عنوان سیستمی برای تصمیم‌گیری در معاملات مورد استفاده قرار گیرد. برای به دست آوردن انتخاب سبد سرمایه بهینه در روش میانگین-واریانس مارکوویتز تکنیکالی که حداقل واریانس برای سطح خاصی از بازده است، مدل برنامه­ریزی خطی زیر مورد استفاده قرار گرفته است (چاووی­وانسون و چایسیری²⁷، 2022):

(5)                                                                                            Min z=

St : rp=

 

wj > 0

در رابطه بالا داریم:

wi= وزن مربوط به سهم iام در سبد سهام؛

rp= بازدهی مورد انتظار سبد سهام؛

ri= بازدهی سهم iام؛

= واریانس بازده سبد سهام

واریانس بازده سبد سهام طبق رابطه زیر محاسبه می‌شود:

(6)                                       

 

الگوریتم جنگل تصادفی

جنگل تصادفی یکی از روش های درخت تصمیم است. RF مجموعه از روش های یادگیری است که می تواند به منظور رگرسیون و طبقه بندی داده‌ها از آن استفاده کرد. اصل اساسی روش شناسی در جنگل تصادفی، ساختن جنگلی از درختان تصادفی است که از این طریق در هر گره and C یک درخت تصمیم ایجاد می‌شود. RF استحکام چندین درخت منفرد را با هم ادغامی‌کند تا با استفاده از رویکرد بدست آمده و جدیئ، مدل دقیق تری را بسازد. مطالعات بسیاری در مهندسی کاربرد RF را مورد بررسی قرار دادند.همچنین در فرآیند پیش بینی، کاربرد و قابلیت روش جنگل تصادفی را مورد پژوهش قرار دادند. تحت روش بوت استرپینگ²⁸ ، داده‌ها به طور مستقل و تصادفی برای مرحله آموزش انتخاب می‌شوند. در فرآیند انتخاب متغیر، مدل داده‌های آزمایشی را کنار گذاشته که آن ها را به عنوان نمونه های خارج از کیسه (OOB)²⁹ نامیده می‌شوند. با توجه به طبقه بندی جنگل تصادفی که شامل چندین پارامتر مانند تعداد درخت، حداقل بهره و حداکثر عمق درخت می بایست این روش بهینه شود (سکولیچ³⁰ و همکاران، 2020).

پیاده­سازی مدل کدنویسی در نرم­افزار متلب انجام شده است.

یافته‌های پژوهش

در ارائه مدل برای بهینه­سازی سبد سهام با رويکرد میانگین-واريانس تکنیکالی باید به این نکته توجه داشت که این مدل در مورد انتخاب وزن پرتفوی است که مبادله بهینه بین میانگین (به عنوان معیار سود) و واریانس (به عنوان معیار ریسک) بازده پرتفوی را برای یک دوره آتی فراهم می­کند. برای پورتفولیوی متشکل از m دارایی از سهام­های مورد بررسی با بازده مورد انتظار μi، باید مقدار wi وزن ارزش سبد سرمایه گذاری شده در دارایی i باشد به طوری که رابطه  و w=(w1,….,wm)T، μ=(μ1,…,μm) در طول مدلسازی برقرار باشد. بازده پرتفوی دارای میانگین wTμ و واریانس wTΣ w است که ماتریس کوواریانس بازده دارایی را تعیین می­کند. در این مدل با توجه به مقدار هدف μ برای میانگین بازده یک سبد، یک پورتفولیوی کارآمد با وزن بردار weff مشخص می­کند که چگونه روند بهینه‌سازی سبد سهام طی شود که مطابق رابطه زیر داریم:

(7) 0 ≤w   ، wT1=1  ، wTμ=μ*    weff=arg min wTΣ w ;

هنگامی که فروش کوتاه مجاز است، محدودیت 0 ≤w  (یعنی 0 ≤w  برای همه i) در رابطه بالا را می توان حذف کرد و مشکل زیر را ایجاد کرد که یک راه حل صریح دارد:

(8) weff= min wTΣ w={B

که در رابطه بالا:

(9)                                                     A=μT

(10)                                                                                                       B=

(11)                                                                                          C=

(12)                                                                                                             D=BC-A2

در مدل مارکویتز دو پارامتر μ  و Σ به عنوان پارامترهای شناخته شده فرض می‌شوند. از آنجایی که در عمل μ  و Σ ناشناخته هستند، یک رویکرد رایج مورد استفاده تخمین μ  و Σ از روی داده­های تاریخی است. مقدار A یک مدل استاندارد برای قیمت Pit از دارایی i و در زمان t است که در تئوری مالی، حرکت هندسی براونی dPit/Pit = θidt + σid است، که در آن {} حرکت براونی استاندارد است.

برای محاسبه بردار وزن بهینه در رویکرد میانگین-واريانس تکنیکالی فرض شده است که μn و Vn ماتریس میانگین خلفی و گشتاور دوم با توجه به مجموعه Rn بازده فعلی و مجموعه r1,….,rn باشد. از آنجایی که w بر اساس Rn است، از E(rn+1|Rn)= μn و E(rn+1+ نتیجه می‌شود که:

(13)                                                                                                  E(WTrn+1)=E(WT μn)

(14)                                                             E{(WTrn+1)}2=E(WT Vnw)

بدون فروش کوتاه، بردار وزن w(η) توسط آنالوگ زیر ارائه شده است.

(15)                               =argw:WT1=1,w>0 min{ λWTVnw- η WTμn} w(η)               

که این رابطه با برنامه نویسی درجه دوم محاسبه شده است (توسط quadprog در متلب). هنگامی که فروش کوتاه مجاز است، محدودیت w0 را می­توان حذف کرد و w(η) را به صراحت توسط رابطه زیر محاسبه کرد:

(16) =argw:WT1=1min{ λWTVnw- η WTμn}= w(η) 

که در آن برابری دوم را می­توان با استفاده از ضریب لاگرانژ و رابطه زیر محاسبه می‌شود:

(17)                An=;  Bn=; Cn=1T     

لازم به ذکر است که در روابط 15، 16 و 17 اساساً تخمین‌های بایس از μ و V=Σ+μμT را به بردار وزن بهینه که μ  و Σ را فرض می‌کند و باید شناخته شود متصل می‌کند. با این حال، بر خلاف مرز کارآ، ابتدا مسئله بهینه‌سازی نمونه کارها با میانگین واریانس اصلی به یک مسئله بهینه‌سازی "میانگین در مقابل لحظه دوم" تبدیل شد که دارای یک پارامتر اضافی η است.

(18)            +λE{( WT(η)μn)2}- λE{ WT(η)Vn w(η)} C(η)=E{WT(η)μn}

که برابر با E[wT (η)r]-λVar[wT (η)r] در 20 است، می‌توان از روش برنت³¹  برای به حداکثر رساندن C(η) استفاده کرد. لازم به ذکر است که این استدلال به طور ضمنی فرض می­کند که ماکزیمم 17 با مقداری w بدست می­آید و متناهی است. این فرض زمانی به آن استناد می‌شود که عدم وجود فروش کوتاه مدت برآورده شده باشد و زمانی که فروش کوتاه مدت مجاز باشد، به این فرض استناد نمی‌شود. بنابراین حداکثر مقدار بازدهی از رابطه زیر به دست می­آید:

(19)                                                                          E{(Bn-

در مورد­E{(Bn-، C(η) به جای آن یک حداقل دارد و به 1 به عنوان |η| نزدیک می‌شود. 1 در این مورد، دارای یک مقدار بی نهایت است و باید به جای حداکثر به عنوان یک مقدار برتر (که به دست نمی­آید) تعریف شود. Σn نشان دهنده ماتریس کوواریانس خلفی داده شده Rn باشد. باید توجه داشت که قانون انتظارات مشروط تکرار شده، که در رابطه 18 و 19 آمده است، آنالوگ زیر را برای Var(W) دارد:

(20)                  = E(wTΣnw)+Var(wTμn) + Var{E(W|Rn)} Var(w)=E{Var(W|Rn)}

استفاده از n برای جایگزینی در بردار وزن بهینه که μ را فرض می‌کند و شناخته می‌شود. بنابراین، واریانس wTμn در رابطه فوق را نادیده می‌گیرد، و این حذف یک دلیل اصلی مهم برای معمای بهینه‌سازی مارکوویتز مربوط به مرزهای کارآمد است.

برای مدل‌سازی انعطاف‌پذیرتر، می‌توان به توزیع قبلی در رویکرد بیزی اجازه داد که شامل فراپارامترهای نامشخص باشد، که می‌تواند از نمونه آموزشی با حداکثر احتمال، یا روش لحظه‌ها یا روش‌های دیگر تخمین زده شود. به عنوان مثال، برای مزدوج قبلی بیز و برآوردگرهای انقباضی، می­توان ν و را توابعی از فراپارامترهای خاص فرض کرد که با یک مدل چند عاملی مرتبط هستند. این به معنای استفاده از یک مدل تجربی بیز برای (μ  و Σ) در مسئله بهینه‌سازی تصادفی است. برای ارزیابی (wT rn+1) VarμΣ، Eμ,Σ(wT rn+1)  می­توان از یک روش ناپارامتریک برای ارزیابی این مقادیر استفاده کرد که در زیر توضیح داده شده است.

باید توجه داشت که می­توان عملکرد مکرر بیز یا سایر قوانین تخصیص دارایی را با استفاده از روش بوت استرپ ارزیابی کرد. نمونه­های بوت استرپ{} با جایگزینی از نمونه مشاهده شده ,1≤b≤B{r1,…,rn} ترسیم شده است، می­تواند برای تخمین= Eμ,Σ()  Eμ,Σ=() و Varμ,Σ()=Eμ,Σ()+ Varμ,Σ()  از پورتفولیوهای مختلف که بردارهای وزن آنها مختلف است، استفاده کند.

 بسط مدل­های سری زمانی بازده در رويکرد میانگین-واريانس تکنیکالی

یک فرض مهم در اصلاح رويکرد میانگین-واريانس تکنیکالی این است کهrt   با میانگین μ و ماتریس کوواریانس Σ دارای ارتباط است. بررسی­های تشخیصی میزان نقض این فرض باید در عمل انجام شود. تئوری بهینه­سازی تصادفی در بخش قبل در واقع به این فرض نیاز ندارد و فقط به میانگین خلفی و ماتریس گشتاور دوم بردار بازگشتی برای دوره بعدی نیاز دارد. بنابراین بر این اساس بررسی های تشخیصی نشان می ­هد چنین تغییراتی مورد نیاز است. یک روش ساده برای معرفی چنین اصلاحی، استفاده از مدل رگرسیون تصادفی فرم است که در ادامه عبارت است از:

(21)                                                                                                                  rit=

که در آن اجزای xit شامل 1، متغیرهای عاملی مانند بازده پرتفوی بازار مانند S&P500 در زمان t­−­1، و متغیرهای با تاخیر ri,t−1,ri,t−2,….. است. ایده اصلی زیربنای رابطه بالا این است که متغیرهای کمکی را معرفی کند (از جمله متغیرهای تاخیری برای در نظر گرفتن اثرات سری زمانی) به طوری که خطاهای را بتوان به عنوان یک رویه تکنیکالی در نظر گرفت. پارامتر رگرسیون  را می­توان با روش گشتاورها که معادل حداقل مربعات است تخمین زد. همچنین می‌توانیم با فرض اینکه ،  با میانگین 0 و واریانس 1 ناهمگونی را رفع کرد.  γi بردار پارامتری است که می‌توان آن را با حداکثر احتمال یا روش تعمیم‌یافته گشتاورها تخمین زد و یک تابع معین است که به ri,t−1,ri,t−2,….. بستگی دارد. مثال شناخته شده مدل GARCH(1,1) است که عبارت است از:

(22)                                                                

(23)                                                                 

که در این رابطه  است.

چنانچه مدل رگرسیون تصادفی 23 در نظر گرفته شود. همانطور که اشاره شد، یک عنصر کلیدی در بردار وزن بهینه که مسئله بهینه‌سازی  را حل می‌کند (μn,Vn) است، که در آن μn=E(rn+1|Rn) و Vn= E(rn+1 |Rn) است. به جای مدل کلاسیک بازده، می‌توان دانش دامنه m دارایی‌ها را با مدل‌سازی سری‌های زمانی ترکیب کرد تا پیش‌بینی‌کننده‌های بهتری از بازده‌های آتی از طریق μn و Vn به دست آورد.

رگرسیورهای خروجی در رابطه 21 را می توان برای ساخت یک مدل تجربی-ماهوی ترکیبی برای پیش بینی انتخاب کرد. باید توجه داشت که روابط 21، 22 و 23 بازده دارایی را به طور جداگانه مدل می­کند. این روابط به جای اینکه به طور مشترک در یک مدل رگرسیون چند متغیره یا چند متغیره GARCH که مشکل داشتن پارامترهای بیش از حد برای برآورد را دارد، بازده را جداگانه بررسی می­کنند. در حالی که بردارهای  (یا zt) در روابط 22 و 23 اجزای آن‌ها را نامرتبط فرض نمی‌کند، زیرا مؤلفه‌ها را به‌جای مشترکاً، به‌طور مجزا بررسی می‌کند. کوواریانس مقطعی مشروط بین بازده دارایی‌های i و j با Rn توسط رابطه زیر به دست می­آید:

 (24) Cov(ri,n+1, rj,n+1|Rn) = si,n+1(γi)sj,n+1(γj)Cov(zi,n+1, zj,n+1|Rn)

برای مدل 21، 22 و 23 باید توجه داشت که در روابط مذکور،  را به صورت بازگشتی از Rn تعیین می­کند و zn+1 مستقل از Rn است و بنابراین ماتریس کوواریانس آن را می توان به طور پیوسته از باقیمانده­های تخمین زد. در روابط فوق رویکرد تکنیکالی از فرمول­های زیر برای μn و Vn در روابط 22 و 23 استفاده می­کند:

(25)                                                                       μn=(

(26)                                                                                    Vn=μn+

که در آن βi حداقل مربعات تخمین βi است، و sl,n+1 و σij برآوردهای معمول sl,n+1 و Cov(zi,1, zj,1) بر اساس Rn هستند.

مدلسازی داده‌های بهینه­سازی سبد سهام با الگوریتم جنگل تصادفی

الگوریتم جنگل تصادفی یک الگوریتم گروهی با مجموع‌های از درختان تصمیم است. دقت طبقه‌بندی روش جنگل تصادفی با ساخت مجموعه‌ای از درختان و رای‌گیری بین آنها برای به دست آوردن رده‌ای با بیشترین تعداد رای، پیشرفت‌های قابل‌ توجهی داشته است. دو ویژگی مهم در ساخت جنگل‌های تصادفی، روش بگینگ³² و انتخاب تصادفی در هر گره است. در ادامه، ویژگی‌ها و خصوصیات جنگل تصادفی مورد استفاده در این پژوهش توضیح داده شده‌ است.

روش بگینگ

روش بگینگ توسط لئو بريمن در سال 1996 مطرح شد. اين روش يک فرا الگوريتم بر مبناي مفاهیم خود راه‌ انداز و ترکیب، براي بهبود يادگيري ماشين است. الگوریتم‌های گروهی در یادگیری ماشین، چند یادگیرنده ضعیف را ترکیب می‌کنند تا به یک یادگیرنده قوی دست یابند. این روش از بیش برازش داده‌ها جلوگیری می‌کند. در بگینگ نتایج خوب زمانی تولید می‌شود که طبقه‌بندهای پایه جزء الگوریتم‌های یادگیری ناپایدار باشند (مانند درخت تصمیم گیری یا شبکه عصبی)، به طوری که تغییرات کوچک در داده‌های آموزشی منجر به تغييرات عمده ای در مدل ساخته شده توسط آن الگوریتم شود.

فرآیند الگوریتم بگینگ در پژوهش حاضر بدین شرح می‌باشد:

یک مجموعه آموزش از داده‌های سبد سهام با نام  D‌و به اندازه 50=m تشکیل شد. بگینگ با نمونه گیری یکنواخت و با جایگزینی نمونه‌ها ازn، D  مجموعه آموزشی جدید با اندازه اولیه m تولید می‌کند. نمونه گیری با جایگزینی این امکان را می‌دهد که در هر Di بعضی از نمونه‌ها امکان تکرار داشته باشند. این نوع نمونه‌گیری به عنوان نمونه‌گیری خود راه انداز شناخته می‌شود. خروجی ترکیب n مدل با میانگین‌گیری برای رگرسیون و رأی‌گیری برای طبقه بندی به دست می‌آید. بنابراین با استفاده از نمونه گیری دوباره و تولید مجموعه داده‌های مختلف، تنوع مورد نیاز حاصل خواهد شد.

در مرحله دوم اقدام به تشکیل و بررسی ویژگی‌های تصادفی شده است. خصوصیت ویژگیهای تصادفی بدین صورت است که در هر گره از ساخت هر درخت به تصادف یک گروه کوچک از ویژگی‌های ورودی انتخاب می‌شود و برای تقسیم گره به جای جستجو از میان همه ویژگی‌ها، از میان ویژگی‌های این زیرگروه بهترین ویژگی با بیشترین بهره اطلاعاتی برای رشد درخت انتخاب می‌شود. تعداد این ویژگی‌ها کمتر از تعداد ویژگی‌های اصلی ‌است. هر درخت در جنگل تصادفی با استفاده از الگوریتم درخت تصمیم کارت و با حداکثر اندازه و بدون هرس رشد می‌کند. در این پژوهش در هر گره از تعداد [log2M]+1  استفاده کرده است که در آن M تعداد کل ویژگیهای ورودی است.

جنگل تصادفی یک طبقه بند مجموعه‌ای متشکل از طبقه‌بندهای درخت تصمیم است. هر طبقه‌بند برای هر نمونه ورودی به صورت h(x,θk) است کهx  یک نمونه ورودی و θk مجموعه آموزش برای درخت kام است. θها مستقل از یکدیگر ولی با توزیع یکسان هستند. برای هر نمونه x هر درخت یک پیش بینی را برای رده نمونه x ارائه می‌دهد و در نهایت رده‌ای با بیشترین تعداد رأی درختان روی ورودی x به عنوان ردۀ نمونه انتخاب می‌شود. با تشکیل طبقه‌بندی‌های از داده‌ها اقدام به تشکیل یک فرآیند تخمین داده‌ها از خارج کیسه(OOB) شده است. نمونه‌های آموزش در مجموعه داده آموزش اصلی که در مجموعه آموزش طبقه‌بند k نیست،

نمونه‌های خارج از کیسه طبقه‌بند‌ k- ام نامیده می‌شود که با استفاده از رابطه زیر حاصل شده است:

 

(27) y(x)=arg maxc (

  1 hk(x)=c  ,  0 otherwise

که K تعداد درختان، c نشان دهنده رده hk(x) پیش‌بینی درخت k- ام روی نمونه x را نشان می‌دهند و OOBk  مجموعه نمونه‌های OOB  درخت  k-ام می‌باشند. رابطه بالا نشان می‌دهد که مقدار تابع شاخص 1 یک خواهد بود اگر x در مجموعه نمونه‌های درخت k- ام قرار گیرد (عضو مجموعه آموزش درخت k- ام نیست) و همچنین درخت k- ام نمونه x را به رده c طبقه‌بندی کند. در غیر این صورت، مقدار تابع شاخص، صفر می‌شود.

برای به دست آوردن تخمین نمونه‌های OOB روی جنگل از  erorrk(OOB) در رابطه زیر استفاده می‌شود که خطای طبقه بندی جنگل روی نمونه‌های OOB درخت k- ام می‌باشد:

(28)                                   OOBk   1 (xi , yi)       OOBk   I((yi , xi) OOBk    0 (xi , yi)   

(29)                                                           erorrk(OOB)=

N تعداد همه نمونه‌های مجموعه آموزش اصلی، xi نمونه i- ام روی مجموعه آموزش اصلی، yi رده‌ واقعی (xi)y، xi رده پیش بینی شده برای xi است. در رابطه 28 مقدار تابع I یک خواهد بود اگر نمونه متعلق به مجموعه  OOB درخت k باشد و در غیر این صورت، صفر است.

در جنگل تصادفی برای خطا، یک کران بالا در نظر گرفته می‌شود. دو پارامتر برای این کران بالا اندازه‌گیری می‌شود. پارامتر ‌اول قدرت طبقه‌بندهای فردی و پارامتر دوم، وابستگی بین درختان جنگل است.

(30)                                                                                  (1-S2)/S2  PE*

در رابطه S قدرت طبقه بندهای فردی در جنگل و   وابستگی بین درختان جنگل را نشان می‌دهد. بر اساس این رابطه برای خطای PE* هرچه مقدار S بیشتر و مقدار  کمتر باشد میزان خطا نیز کمتر خواهد بود. نسبت برای جنگل تصادفی در درک عملکرد آن یک راهنمای مفید است. این نسبت تقسیم وابستگی بر مربع قدرت است و هر چه کوچک تر باشد عملکرد جنگل بهتر و خطا نیز کمتر است.

در ساخت الگوریتم جنگل تصادفی در پژوهش حاضر از دو معیار بهره اطلاعات و مرحله آموزش استفاده شده است که روابط به دست آمده در ادامه تشریح شده است.

بهرۀ اطلاعات Information Gain(S,A) برای یک ویژگی نظیر A نسبت به مجموعه نمونه‌های S در رابطه 32 تعریف می‌شود که در آن  Values(A) مجموعه همه مقدار ویژگی‌های A بوده و SV زیرمجموعه‌ای از S است که برای آن ویژگی A دارای مقدار v   است. تعداد نمونه‌ها با مقدار v روی ویژگی A در مجموعه S و تعداد کل نمونه‌ها روی مجموعه S است.

(31) =Entropy(S) - Information Gain(S,A)

(32)                                                                         Entropy(S)=

pi نسبت نمونه‌ها در S که به رده i-ام تعلق دارد، می‌باشد.

مرحله آموزش(IRF): در فرآیند ایجاد جنگل، در ساخت هر درخت و برای تقسیم هر گره، یک زیرمجموعه از ویژگی‌های ورودی را به تصادف انتخاب کرده و برای به دست آوردن بهترین ویژگی در گره برای ایجاد شاخه، از معیار بهرۀ اطلاعات استفاده شده است. هر درخت روی جنگل مجموعه نمونه OOB  مخصوص به خود را دارد. دقت هر درخت را با استفاده از نمونه‌های OOB آن درخت به دست آورده و آن را به عنوان وزن آن درخت در نظر گرفت. وزن هر درخت از رابطه زیر به دست می‌آید:

(33)                                                                               Wk=

مرحله آخر در استفاده از الگوریتم جنگل تصادفی، مرحله آزمایش IRF است. در این مرحله برای ارزیابی الگوریتم از مجموعه داده آزمایشی استفاده شده است که رده نمونه‌های آزمایشی بر اساس وزن درختان جنگل پیش‌بینی می‌شود. برای به دست آوردن رده هر نمونه همه درختان جنگل شرکت دارند و از رابطه 34 استفاده شده است که براساس وزن درختان به دست آمده در مرحله آموزش است. برای هر ردۀ c مجموعه وزن درختانی که ردۀ c را برای نمونه x  پیش‌بینی می‌کنند به دست می‌آید و سپس رده‌ای با بیشترین میانگین وزن روی درختان به عنوان رده آزمایشی در نظر گرفته شده است. در رابطه زیر y(x) رده پیش‌بینی‌شده توسط جنگل تصادفی بهبودیافته برای نمونه x است، K تعداد درختان و Wk وزن درخت k-ام است.

(34)                                           y(x)=arg maxc{

در شکل 1 دیاگرام نحوه فعالیت الگوریتم جنگل تصادفی در مدلسازی بهینه­سازی سبد سهام مورد بررسی نشان داده شده است.

 

شکل1- دیاگرام نحوه فعالیت الگوریتم جنگل تصادفی در داده‌های بهینه­سازی سبد سهام

ارزیابی نتایج به دست آمده توسط مدل‌ها

برای ارزیابی عملکرد مدل پیشنهادی، میانگین خطای مطلق³³(MAE)، درصد میانگین مطلق خطا³⁴ (MAPE) و خطای میانگین مربع ریشه³⁵ (RMSE) به کار رفته است. این خطاها در ادامه تشریح شده‌اند.

(35)                                                                                         MAE=

(36)                                                                                              MAPE=

(37)                                                                                           RMSE=

که در آن N اندازه آموزش یا نمونه‌های آزمون است و  و   به ترتیب مقدار پیش‌بینی شده و مقدار واقعی هستند. در این روابط، MAE  میانگین خطاهای مطلق بین مقادیر پیش‌بینی شده و مقادیر واقعی است که نشان دهنده خطای واقعی مقدار پیش‌بینی شده است. MAPE همچنین نسبت بین خطا و مقدار واقعی را در نظر می‌گیرد. RMSE نشان دهنده انحراف استاندارد نمونه از تفاوت بین مقادیر پیش‌بینی شده و مقادیر مشاهده شده واقعی است. هرچه مقادیر‌MAE ، MAPE  و RMSE کوچکتر باشد‌، عملکرد مدل‌ها در پیش‌بینی بهتر است.

جدول 2 نتایج تجربی به دست آمده میانگین خطای مطلق(MAE) در مورد بهینه­سازی سبد سهام برای شبکه ‌مورد بررسی را نشان داده است.

 

جدول 2- نتایج تجربی به دست آمده میانگین خطای مطلق(MAE) برای بهینه­سازی سبد سهام

شماره سهام	Mean-variance Technical model	RF
1	025/223	119/296
2	114/319	344/361
3	442/267	064/328
4	003/301	112/367
5	649/318	096/401

    ماخذ: یافته‌‌های تحقیق

جدول 3 نتایج تجربی به دست آمده میانگین خطای مطلق(MAPE) در مورد بهینه­سازی سبد سهام برای شبکه ‌مورد بررسی را نشان داده است.

 

جدول3- نتایج تجربی به دست آمده میانگین خطای مطلق(MAPE) برای بهینه­سازی سبد سهام

شماره سهام	Mean-variance Technical model	RF
1	0620/0	0864/0
2	0711/0	0966/0
3	0597/0	0772/0
4	0795/0	0927/0
5	0664/0	0811/0

    ماخذ: یافته‌‌های تحقیق

جدول 4 نتایج تجربی به دست آمده میانگین خطای مطلق(RMSE) در مورد بهینه­سازی سبد سهام برای شبکه ‌مورد بررسی را نشان داده است.

جدول4- نتایج تجربی به دست آمده میانگین خطای مطلق(RMSE) برای بهینه­سازی سبد سهام

شماره سهام	Mean-variance Technical model	RF
1	519/1685	0784/2016
2	034/1556	864/1964
3	164/1826	079/1963
4	006/1637	177/1834
5	274/1733	019/1983

    ماخذ: یافته‌‌های تحقیق

نتایج به دست آمده نشان می‌دهد که مقادیر مقادیر‌MAE ، MAPE و  RMSE برای شبکه مدل میانگین- واریانس تکنیکالی نسبت به الگوریتم RF از مقادیر کمتری برخوردار هستند که این موضوع دقت بالاتر این شبکه عصبی بازگشتی نسبت به الگوریتم جنگل تصادفی را در مدلسازی و پیش‌بینی مقادیر بهینه­سازی سبد سهام نشان می‌دهد.

در شکل 2 نمودارهای به دست آمده برای مقادیر R2 در داده‌های بهینه­سازی سبد سهام نشان داده شده است.

 

نمودار R2 برای داده‌های بهینه­سازی سبد سهام شبکه RF

نمودار R2 برای داده‌های بهینه­سازی سبد سهام میانگین- واریانس تکنیکالی

شکل2- نمودارهای به دست آمده برای مقادیر R2 در داده‌های بهینه­سازی سبد سهام

نتایج به دست آمده نشان داده است که نمودار R2 برای داده‌های مربوط به بهینه­سازی سبد سهام برای مدل میانگین- واریانس تکنیکالی دارای مقادیر نزدیکتری نسبت به 1 دارند در حالی که الگوریتم RF دارای مقادیر کمتری از R2  برای داده‌های مربوط به مدل میانگین- واریانس تکنیکالی می‌باشد که این موضوع نشان دهنده دقت بالای مدل میانگین- واریانس تکنیکالی است. این نتایج نشان داده است که مدل میانگین- واریانس تکنیکالی دارای دقت بالاتری در بهینه­سازی سبد سهام است.

نتیجه­گیری و پیشنهاد

در این پژوهش، مدل بهینه‌سازی میانگین-واریانس برای سبد سهام بر اساس تحلیل سیگنال‌های تکنیکی ارائه شده است.  براساس نتایج به دست آمده از پژوهش، در بهینه­سازی سبد سهام با رويکرد میانگین - واريانس تکنیکالی باید به این نکته توجه داشت که این مدل در مورد انتخاب وزن پرتفوی است که مبادله بهینه بین میانگین (به عنوان معیار سود) و واریانس (به عنوان معیار ریسک) بازده پرتفوی را برای یک دوره آتی فراهم می­کند. رویکرد تکنیکالی استفاده شده در این پژوهش، میزان توزیع را برای (μ  و Σ ) فرض می‌کند و بهینه‌سازی پورتفولیوی میانگین واریانس را به عنوان یک مسئله بهینه‌سازی تصادفی فرموله می‌کند. این مشکل بهینه‌سازی زمانی که توزیع قبلی منحط است به مشکل مارکوویتز کاهش می‌یابد. از همین رو، رویکرد تکنیکالی در رويکرد میانگین-واريانس از توزیع پسین مشاهدات فعلی و گذشته استفاده می‌کند تا عدم قطعیت‌های μ  و Σ  در واریانس بازده پورتفولیو wT rn+1 را وارد کند. برای به کارگیری این مدل در عمل، سرمایه گذار باید ضریب ریسک گریزی خود را مشخص کند که ممکن است کار دشواری باشد. نظریه مارکوویتز با در نظر گرفتن مرز کارآمد، که منحنی (σ، μ) پرتفوی کارآمد است، دور می‌زند، زیرا λ در تمام مقادیر ممکن تغییر می‌کند، که μ میانگین و σ2 واریانس بازده پرتفوی است. با این حال، سرمایه گذاران اغلب ترجیح می دهند از نسبت شارپ (μ−μ0)/σ به عنوان معیاری برای عملکرد پرتفوی استفاده کنند، جایی که μ0 نرخ بهره بدون ریسک یا بازده مورد انتظار پرتفوی بازار است. باید توجه داشت که نسبت شارپ با μ - μ0 متناسب و با σ نسبت معکوس دارد و می تواند به عنوان بازده اضافی در واحد ریسک در نظر گرفته شود. یک فرض مهم در اصلاح رويکرد میانگین - واريانس تکنیکالی این است کهrt   با میانگین μ و ماتریس کوواریانس Σ دارای ارتباط است. بررسی­های تشخیصی میزان نقض این فرض باید در عمل انجام شود. تئوری بهینه­سازی تصادفی در بخش قبل در واقع به این فرض نیاز ندارد و فقط به میانگین خلفی و ماتریس گشتاور دوم بردار بازگشتی برای دوره بعدی نیاز دارد. بنابراین بر این اساس بررسی های تشخیصی نشان می­د­هد چنین تغییراتی مورد نیاز است. یک روش ساده برای معرفی چنین اصلاحی، استفاده از مدل رگرسیون تصادفی فرم است.

نتایج به دست آمده نشان می‌دهد که مقادیر شاخص­های مطروحه برای شبکه مدل میانگین- واریانس تکنیکالی نسبت به الگوریتم RF از مقادیر کمتری برخوردار هستند. و این موضوع دقت بالاتر این شبکه عصبی بازگشتی نسبت به الگوریتم جنگل تصادفی را در مدلسازی و پیش‌بینی مقادیر بهینه­سازی سبد سهام نشان می‌دهد. نتایج به دست آمده نشان می دهد که نمودار R2 برای داده‌های مربوط به بهینه­سازی سبد سهام برای مدل میانگین- واریانس تکنیکالی دارای مقادیر نزدیکتری نسبت به 1 دارند در حالی که الگوریتم RF دارای مقادیر کمتری از R2  برای داده‌های مربوط به مدل میانگین- واریانس تکنیکالی می‌باشد که این موضوع نشان دهنده دقت بالای مدل میانگین- واریانس تکنیکالی است.

پژوهش حاضر با پژوهش های ژو و همکاران(2023)، پارک و همکاران(2021)، فبریانتی و همکاران (2023)، مورتاس(2022) همراستا می باشند.

بهینه‌سازی سبد سهام با استفاده از روش میانگین-واریانس و جنگل تصادفی به تحلیل دقیق داده‌های تاریخی و پیش‌بینی بازده سهام کمک می‌کند. در ابتدا، با جمع‌آوری داده‌های قیمتی و محاسبه میانگین و واریانس بازده هر سهام، می‌توان ریسک و بازده مورد انتظار را تعیین کرد. سپس با استفاده از روش میانگین-واریانس، سبد سهام به گونه‌ای بهینه می‌شود که حداکثر بازده و حداقل ریسک را فراهم کند. این فرآیند شامل تنظیم وزن‌های هر سهام در سبد است تا تعادل مناسبی بین ریسک و بازده ایجاد شود. در مرحله بعد، تکنیک جنگل تصادفی به عنوان یک ابزار پیشرفته یادگیری ماشین به کار گرفته می‌شود تا الگوهای پیچیده و غیرخطی در داده‌های بازده سهام شناسایی شود. این مدل می‌تواند به شناسایی ویژگی‌های کلیدی که بر بازده تأثیر دارند، کمک کند و به شما امکان می‌دهد تا سبد بهینه‌تری طراحی کنید. با ترکیب نتایج به‌دست‌آمده از جنگل تصادفی با روش میانگین-واریانس، می‌توان وزن‌های بهینه‌ای برای هر سهام تعیین کرد و سبد سهام را به‌طور مداوم نظارت و به‌روزرسانی کرد تا در شرایط متغیر بازار عملکرد بهتری داشته باشد.

منابع و مآخذ

Adinevand,Dariush,Razini,EbrahimAli,Khodam,Mahmoud,Ohadi,Fereydoun,Hashemizadeh,Elham Elsadat. (2023) .Examining the Efficiency Models, Genetic Algorithm under MSV Risk and Particle Swarm Optimization Algorithm under CVAR Risk Criterion in Selection Optimal Portfolio Shares Listed Firms on Stock Exchange.Financial Economics ,65(4),307-322.( Persian)

Anuno, F.; Madaleno, M.; Vieira, E. Testing of Portfolio Optimization by Timor-Leste Portfolio Investment Strategy on the Stock Market. J. Risk Financial Manag. 2024, 17, 78.

Arashi, M.; Mahdi, M. Analysis of market efficiency and fractal feature of NASDAQ stock exchange: Time series modelling and forecasting of stock index using ARMA-GARCH model. Future Bus. J. 2022, 8, 14.

Beljan, K.; Brener, M.; Dolinar, D. The Long-Term Capital-Market Performance of the Forestry Sector: An Investors’ Perspective. Forests 2022, 13, 1329. https://doi.org/10.3390/f13081329

Berouaga, Y.; El Msiyah, C.; Madkour, J. Portfolio Optimization Using Minimum Spanning Tree Model in the Moroccan Stock Exchange Market. Int. J. Financial Stud. 2023, 11, 53. https://doi.org/10.3390/ijfs11020053

Čeh, M.; Kilibarda, M.; Lisec, A.; Bajat, B. Estimating the Performance of Random Forest versus Multiple Regression for Predicting Prices of the Apartments. ISPRS Int. J. Geo-Inf. 2018, 7, 168.

Chavalle, L.; Chavez-Bedoya, L. The Impact of Transaction Costs in Portfolio Optimization. J. Econ. Financ. Adm. Sci. 2019, 24, 288–311.

Chaweewanchon, A.; Chaysiri, R. Markowitz Mean-Variance Portfolio Optimization with Predictive Stock Selection Using Machine Learning. Int. J. Financial Stud. 2022, 10, 64. https://doi.org/10.3390/ijfs10030064

Díaz, R.; Solares, E.; de-León-Gómez, V.; Salas, F.G. Stock Portfolio Management in the Presence of Downtrends Using Computational Intelligence. Appl. Sci. 2022, 12, 4067. https://doi.org/10.3390/app12084067

Febrianti, W.; Sidarto, K.A.; Sumarti, N. Solving Constrained Mean-Variance Portfolio Optimization Problems Using Spiral Optimization Algorithm. Int. J. Financial Stud. 2023, 11, 1. https://doi.org/10.3390/ijfs11010001

Fernandez, E.; Navarro, J.; Solares, E.; Coello, C.C. A novel approach to select the best portfolio considering the preferences of the decision maker. Swarm Evol. Comput. 2019, 46, 140–153.

Idrees, S.M.; Alam, M.A.; Agarwal, P. A Prediction Approach for Stock Market Volatility Based on Time Series Data. IEEE Accesss 2019, 7, 17287–17298.

Jafari, Fatemeh, Ali Beigi Bani, Nazanin, Karimkhani, Mehdi, Izdiyar, Amin. (2023). Optimizing the stock portfolio using the conditional value-at-risk model with a simulation approach, 8th National Conference on Management and Economics Studies in Human Sciences, Tehran. ( Persian)

Ji, R., Lejeune, M. A., & Fan, Z. (2022). Distributionally robust portfolio optimization with linearized STARR performance measure. Quantitative Finance, 1-15. https://doi.org/10.1080/14697688.2021.1993623

Jing, D.; Imeni, M.; Edalatpanah, S.A.; Alburaikan, A.; Khalifa, H.A.E.-W. Optimal Selection of Stock Portfolios Using Multi-Criteria Decision-Making Methods. Mathematics 2023, 11, 415. https://doi.org/10.3390/math11020415

Mourtas, S.D.; Kasimis, C. Exploiting Mean-Variance Portfolio Optimization Problems through Zeroing Neural Networks. Mathematics 2022, 10, 3079. https://doi.org/10.3390/math10173079

Nor, S.M.; Zawawi, N.H.M.; Wickremasinghe, G.; Halim, Z.A. Is Technical Analysis Profitable on Renewable Energy Stocks? Evidence from Trend-Reinforcing, Mean-Reverting and Hybrid Fractal Trading Systems. Axioms 2023, 12, 127. https://doi.org/10.3390/axioms12020127

Park, H. Modified Mean-Variance Risk Measures for Long-Term Portfolios. Mathematics 2021, 9, 111. https://doi.org/10.3390/math9020111

Purwandari, T.; Riaman; Hidayat, Y.; Sukono; Ibrahim, R.A.; Hidayana, R.A. Selecting and Weighting Mechanisms in Stock Portfolio Design Based on Clustering Algorithm and Price Movement Analysis. Mathematics 2023, 11, 4151. https://doi.org/10.3390/math11194151

Sekulić, A.; Kilibarda, M.; Heuvelink, G.B.M.; Nikolić, M.; Bajat, B. Random Forest Spatial Interpolation. Remote Sens. 2020, 12, 1687. https://doi.org/10.3390/rs12101687

Shah, D.; Isah, H.; Zulkernine, F. Stock Market Analysis: A Review and Taxonomy of Prediction Techniques. Int. J. Financ. Stud. 2019, 7, 26.

Sukono; Lesmana, E.; Napitupulu, H.; Hidayat, Y.; Saputra, J.; Ghazali, P.L.B. Mean-VaR Portfolio Optimisations: An Application of Multiple Index Models with Non-Constant Volatility and Long Memory Effects. Int. J. Innov. Creat. Chang. 2019, 9, 364–381.

Xu, S.; Shen, J.; Hua, H.; Li, F.; Yu, K.; Li, Z.; Gao, X.; Dong, X. Trading Portfolio Strategy Optimization via Mean-Variance Model Considering Multiple Energy Derivatives. Processes 2023, 11, 532. https://doi.org/10.3390/pr11020532

Zhang, X. (2022). Distributional Robust Portfolio Construction based on Investor Aversion. arXiv preprint arXiv:2203.13999. https://doi.org/10.48550/arXiv.2203.13999

 

Optimizing the stock portfolio using the technical mean-variance method and random forest

 

Leila Boroomandi³⁶, Saeed Aghasi³⁷and Mohammad Reza Sharifi Qazvini³⁸

 

Abstract

purpose of this research is to optimize the stock portfolio using the technical mean-variance method and random forest. The method of the present research is based on the purpose of the applied type and in terms of the type of data, it is post-event. The statistical population of this research includes all companies active in the Tehran Stock Exchange during the years 1390 to 1402. In this research, 40 active stocks in the stock market that have continuous and complete data have been selected. To check the optimization of the stock portfolio, the stock price information of 5 companies admitted to the stock exchange was used. The criteria for selecting these 5 companies is the high average price, average yield and number of trading days compared to other companies in the stock exchange. This research has been used to optimize the mean-variance of the stock portfolio based on the analysis of technical signals from the relative strength index (RSI) of the type of guiding indicators. Two methods of mean-variance technical Markowitz analysis and random forest algorithm were used for modeling. To evaluate the performance of the proposed model, mean absolute error (MAE), mean absolute percentage error (MAPE) and root mean square error (RMSE) have been used. The obtained results show that the values of the proposed indices for the technical mean-variance model network have lower values compared to the RF algorithm, which shows the higher accuracy of this recurrent neural network than the random forest algorithm in modeling and predicting optimal values. It shows the creation of the stock portfolio. The obtained results have shown that the R2 chart for the data related to stock portfolio optimization for the technical mean-variance model has values closer to 1, while the RF algorithm has lower values than R2 for the data related to the mean-variance model. It is technical, which shows the high accuracy of technical mean-variance model.

Keywords: Stock exchange, Random forest, Stock portfolio, Technical mean-variance.    

---

[1] 1. دانشجوی دکتری مدیریت صنعتی، گروه مدیریت، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران؛ [e-mail]

[2] . استادیار، گروه مدیریت، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران. (نویسنده مسئول)؛ [e-mail] 

[3]  استادیار، گروه مهندسی صنایع، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران، [e-mail].

[4] 1Markowitz

[5]  Zhang

[6]  Ji et al.

[7]  Beljan

[8]  Xu

[9]  Arashi

[10]  Fernandez

[11]  Sukono

[12]  Purwandari

[13]  Chavalle and Chavez-Bedoya

[14]  Idrees

[15]  Shah

[16]  Anuno

[17]  Jing

[18]  Berouaga

[19]  Xu

[20]  Park

[21]  Febrianti

[22]  Mourtas

[23] Nor

[24]  Seh

[25]  Relative Strength Index

[26]  Díaz

[27]  Chaweewanchon and Chaysiri

[28]  Bootstrapping method

[29]  Out Of Bag

[30]  Sekulić

[31]  Brent

[32]  Bagging

[33]  Mean Absolute Error

[34]  Mean Absolute Percentage Error

[35]  Root Mean Square Error

[36]  PhD Candidate of Industrial Management, Department of Management, Dehaghan Branch, Islamic Azad University, Dehaghan, Iran. Email:[e-mail].

[37]  Assistant Professor, Department of Management ,Dehaghan Branch, Islamic Azad University, Dehaghan, Iran. (Corresponding Author), Email: [e-mail].

[38]  Assistant Professor, Department of Indastrial Engineering, Dehaghan Branch, Islamic Azad University, Dehaghan, Iran. Email:[e-mail]

 

 

ارائه رتبه بندی اعتباری شرکت­های پذیرفته شده در بورس اوراق بهادار تهران و تاثیر ویژگی های حسابرس مستقل بر آن با به‌کارگیری الگوریتم تجمع ذرات

 

هانی قاروی آهنگر¹، سید حسین موسوی*² و علی‌اکبر رمضانی ³

تاریخ دریافت: 23/11/1402 و تاریخ پذیرش: 27/8/۱۴۰3

 

چکیده

 

رتبه اعتباری، قضاوت کلی از توانایی و تمایل ناشر برای انجام تعهدات مالی خود مطابق با شرایط آن تعهدات است. از آنجایی که این قضاوت کلی مبتنی بر تجزیه و تحلیل پیچیده و عمیق اطلاعات کمی و کیفی شرکت رتبه‌بندی شده است، لذا به اطلاعات منتشر شده شرکت حساس است. در این بین حسابرسان مستقل نقش مهمی در کسب اطمینان نسبت به عاری بودن اطلاعات مالی از تحریف های با اهمیت، بازی می­کنند. بدین ترتیب هدف این پژوهش بررسی ویژگی های حسابرس مستقل بر رتبه ­اعتباری با به‌کارگیری الگوریتم تجمع ذرات است. لذا برای دستیابی به هدف پژوهش، با 101 شرکت نمونه در بازه زمانی 9 ساله از 1390 تا 1398 جمع آوری شد. رتبه اعتباري از طريق مدل امتياز بازار نوظهور و ویژگی های حسابرس با اندازه و تخصص حسابرس در صنعت اندازه گیری شد و فرضیه پژوهش به شیوه بهینه یابی مبتنی بر حداقل مربعات جملات اخلال با استفاده از الگوریتم بهینه یابی تجمع ذرات (PSO)  مورد تجزیه و تحلیل قرار گرفتند.آزمون آماری مربوط به نتایج حاکی از وجود روابط معنادار بین ویژگی های حسابرس مستقل و رتبه اعتباری می‌باشد.

 

واژه‌های کلیدی: رتبه اعتباری، ویژگی های حسابرس مستقل، الگوریتم تجمع ذرات.

 

مقدمه

برخلاف اکثر مطالعات حسابداری که بر بازار سهام و ادراک سرمایه‌گذاران در مورد ویژگی های حسابرس مستقل تمرکز دارند؛ در این پژوهش تمرکز بر بازار بدهی خواهد بود. به این دلیل که بدهی به عنوان یکی از منابع مهم تامین مالی خارجی در دسترس شرکت ها قرار دارد و وام دهندگان ممکن است به عنوان یکی از کاربران کلیدی اطلاعات شرکت‌ها، نگران کیفیت و صحت اطلاعات مالی باشند. لذا بررسی ادراک بازار بدهی در مورد ویژگی های حسابرسان مستقل ضرورت دارد. سازمان­های رتبه بندی اعتباری به عنوان یکی از بازیگران کلیدی در بازار بدهی در نظر گرفته می‌شوند و رتبه بندی آنها نقش مهمی در بررسی احتمال ریسک نکول شرکت ها و تعیین هزینه ها ایفا می­کند (زلاتا و رابرتز ⁴، 2017). سازمان های رتبه‌بندی اعتباری، سازمان های مستقلی هستند که اعتبار یک شرکت یا اوراق بهادار را در تاریخ خاصی مبنی بر توانایی ناشر برای انجام تعهدات مالی ارزیابی و رتبه اعتباری حاصل از آن را منعکس می‌کنند(جان⁵، 2016). ممکن است استدلال شود که وام دهندگان به احتمال زیاد مانند سرمایه­گذاران رفتار می کنند و در نتیجه آنها نیز به همان اطلاعاتی که منتشر شده، نیاز دارند و نسبت به آن واکنش مشابهی نشان می­دهند. با این حال، بازار سهام و کاربران بازارهای بدهی اغلب نیازهای اطلاعاتی متفاوتی دارند( وو و ژانگ⁶، 2014). هلتاوزن و واتس⁷ (2001) اشاره کردند که آن اطلاعاتی که برای یک گروه کاربری در نظر گرفته می‌شود، ممکن است برای سایر کاربران مرتبط نباشد و توصیه می کنند که صرفاً بر داده‌های بازار سهام تمرکز نکنید؛ زیرا آنها به طور کامل نیازهای بسیاری از کاربران دیگر از اطلاعات مالی را برطرف نمی کنند. مسلماً، مؤسسات رتبه‌بندی اعتباری کمتر احتمال دارد که تصمیم خود را بر اساس اطلاعات منتشر شده برای ارزیابی اعتبار شرکت‌ها قرار دهند( زالاتا و همکاران، 2020).

این موضوع می‌تواند از یک مزیت اطلاعاتی در رابطه با چشم انداز شرکت مرتبط باشد و در نتیجه آنها کاربران پیچیده‌تری محسوب شوند، که کم‌تر به اطلاعات گزارش‌شده برای تخصیص رتبه اعتباری تکیه می‌کنند. به عنوان مثال، سازمان­های رتبه­بندی اعتباری به اطلاعات منتشر نشده ای مانند؛ صورت­جلسات هیئت مدیره، تخصیص سرمایه داخلی و تفکیک سود بر اساس محصول دسترسی دارند (جیانگ⁸، 2008).

علی­رغم مفاهیم نظری مبنی بر اینکه وام دهندگان و سازمان های رتبه بندی اعتباری از منابع اطلاعاتی دیگری به جای اطلاعات عمومی موجود استفاده می کنند، اکثر پژوهش های حسابداری تجربی نشان می دهند که رتبه اعتباری یک شرکت به اطلاعات گزارش شده آن حساس است. وو و ژانگ (2014) نشان می‌دهند که رتبه اعتباری شرکت‌ها با عوامل پیش‌فرض حسابداری برای شرکت‌هایی که به‌طور داوطلبانه یا اجباری، استانداردهای گزارشگری مالی بین‌المللی را اتخاذ می‌کنند، مرتبط است. علاوه بر این، زلاتا و رابرتز(2017) نشان می دهند که سازمان­های رتبه بندی اعتباری برای جلوگیری از گزارش زیان، رتبه خود را برای شرکت­هایی که درگیر مدیریت سود هستند، کاهش می دهند. بنابراین، به نظر می‌رسد سازمان های رتبه‌بندی اعتباری، اطلاعات منتشر شده شرکت‌ها را در نظر گرفته و برای اطلاعات با کیفیت بالا رتبه بالاتری در نظر می گیرند. علاوه بر این، سایر مطالعات نشان دادندکه وام دهندگان به اطلاعات و عملکرد حسابداری حساس هستند(ابرار⁹، 2019؛ الیوا، عبود و صالح¹⁰، 2019؛ الیوا، گریگوریوو و پاترسون¹¹، 2019). در این بین حسابرسان مستقل نقش مهمی در کسب اطمینان نسبت به عاری بودن اطلاعات مالی از تحریف های با اهمیت، بازی می کنند(دی­آنجلو¹²، 1981). بنابراین، این سوال مطرح می‌شود که آیا رتبه اعتباری تحت تاثیر ویژگی های حسابرس مستقل قرار می گیرد یا خیر؟

بدیهی است که حضور حسابرس با کیفیت بالا باید به اعتبار اطلاعات گزارش شده کمک کند، که به نوبه خود باید شرایط قراردادهای مختلف بین شرکت و سهامداران مختلف از جمله سازمان های رتبه بندی اعتباری را تحت تأثیر قرار دهد. در مورد اینکه آیا انتخاب حسابرس نقش مهمی در تنظیم قراردادهای بدهی ایفا می‌کند یا خیر، اتفاق نظر کمتری وجود دارد. این پژوهش با ارائه اولین شواهد در مورد نقش اطلاعاتی ویژگی های حسابرس مستقل بر سازمان‌های رتبه‌بندی اعتباری با تمرکز بر محیط ایران، به ادبیات حسابرسی کمک می‌کند. همچنین مفهوم استخدام حسابرسان با کیفیت بالا را برای بازارهای بدهی روشن می­نماید. لذا در اين پژوهش برای اولين بار از الگوريتم تجمع ذرات برای سنجش روابط معناداری بین رتبه اعتباری و ویژگی های حسابرس مستقل پرداخته است.

از آنجا که حسابرسان مستقل نقش مهمی در کسب اطمینان نسبت به عاری بودن اطلاعات مالی از تحریف های با اهمیت، بازی می کنند. لذا حضور حسابرس با کیفیت بالا باید به اعتبار اطلاعات گزارش شده کمک کند، که به نوبه خود باید شرایط قراردادهای مختلف بین شرکت و سهامداران مختلف از جمله سازمان های رتبه­اعتباری را تحت تأثیر قرار دهد. در مورد این که آیا انتخاب حسابرس نقش مهمی در تنظیم قراردادهای بدهی ایفا می‌کند یا خیر، اتفاق نظر کمتری وجود دارد. این پژوهش با ارائه اولین شواهد در مورد نقش اطلاعاتی ویژگی های حسابرس مستقل بر سازمان های رتبه بندی اعتباری با تمرکز بر محیط ایران به ادبیات حسابرسی کمک می‌کند. همچنین مفهوم استخدام حسابرسان با کیفیت بالا را برای بازارهای بدهی روشن می نماید.  لذا در این پژوهش برای اولین بار از الگوریتم تجمع ذرات برای سنجش روابط معناداری بین رتبه اعتباری و ویژگی های حسابرس مستقل پرداخته است.

از طرفی عدم وجود پژوهش در مورد تأثیر اجتناب مالیاتی بر رتبه اعتباری در کشورهای توسعه یافته و در حال توسعه، شکافی است که این پژوهش قصد دارد به آن بپردازد. باتوجه به دیدگاه فوق در پژوهش حاضر تلاش شده با روشی غیر از روش های خطی به بررسی عوامل فوق با استفاده از الگوریتم های فرا ابتکاری مبتنی بر جمعیت ذرات استفاده شود. چرا که روش های غیرخطی در یافته های پژوهش های پیشین عملکرد بهتری را نسبت به روش های خطی نشان داده است. همچنین با گذشت زمان و پیچیده تر شدن مسائل دنیای واقعی نیاز به روش هایی که از نظر زمان و هزینه به صرف بوده و دقت خوبی داشته باشد افزایش یافته است.

مبانی نظری و پیشینه پژوهش

ادبیات پیشین استدلال می‌کندکه رتبه اعتباری نشان‌دهنده نقدینگی و عملکرد یک شرکت به عنوان ساز وکار‌های حاکمیت شرکتی و نظارت بر عملکرد شرکت است (گل و گودوین¹³، ۲۰۱۰). مشخص است که سازمان های رتبه‌بندی برای بررسی عملکرد یک شرکت به شدت به اطلاعات صورت های مالی حسابرسی شده متکی هستند( ویویانی¹⁴، 2013). شرکت استاندارد و پورز¹⁵ در فرآیند رتبه بندی، صورت های مالی حسابرسی شده پنج سال گذشته را الزامی می­داند. این امر به وضوح نشان دهنده وابستگی تجزیه و تحلیل سازمان های رتبه بندی به کار حسابرسان مستقل در تأیید گزارش قابلیت اطمینان اطلاعات مالی شرکت است. در شرایط فوق، اطلاعات در مورد ویژگی های حسابرس با کیفیت، مهم‌ترین مساله برای سازمان‌های رتبه‌بندی  جهت ارائه ارزیابی بی­طرفانه از ریسک نکول شرکت‌ است( دی کرابتری، براندن و ماهر ¹⁶ ، 2006).

بدیهی است که اندازه و تخصص حسابرس از جمله ویژگی‌های حسابرسان با کیفیت است. مؤسسات حسابرسی بزرگ به دلیل ویژگی‌های کیفی قابل مشاهده مانند ارائه آموزش‌های تخصصی به کارکنان، احتمال بیشتری برای کشف اشتباهات و تحریف‌های با اهمیت دارند. بنابراین کمتر احتمال دارد که انتخاب های حسابداری شک برانگیز را بپذیرند و احتمال بیشتری وجود دارد که اشتباهات را کشف و گزارش کنند. بنابراین حسابرسان مستقل می توانند سازوکار کنترلی برای مدیران به منظور ارائه اطلاعات مالی قابل اتکا و عاری از شیوه های حسابداری متقلبانه باشند. هرچه اعتبار حسابرس بهتر باشد، کیفیت حسابرسی نیز بهتر خواهد بود. از این سو ویژگی های حسابرس مستقل نقش مهمی در کاهش هرگونه فرصت‌طلبی بالقوه مدیران ایفا می‌کند و در نتیجه به افزایش اعتبار صورت‌های مالی کمک می‌کند. بنابراین، انتظار می رود که شرکت هایی که حسابرس با کیفیت بالا دارند، رتبه اعتباری بالایی را به خود اختصاص دهند، که به نوبه خود ممکن است هزینه بدهی آتی آنها را کاهش دهد( زالاتا و همکاران، 2020).

مانسی، ماکسول و میلر¹⁷ (2004) دریافتند که واحدهایی که توسط "چهار شرکت بزرگ حسابرسی" حسابرسی شده بودند، رتبه اعتباری بهتری دریافت کردند. فورتین و پیتمن¹⁸ (2007) شواهدی پیدا نکردند که استخدام یکی از «چهار شرکت بزرگ حسابرسی» بر رتبه‌بندی اعتباری شرکت‌های خصوصی تأثیر بگذارد. اکثر این مطالعات بر شرکت‌هایی در ایالات متحده متمرکز شده‌اند که با محیط‌های دعوی قضایی بالا مشخص می‌شوند که در آن حسابرسان بیشتر نگران شهرت، اعتبار و پیامدهای دعوی حقوقی ناشی از تحریف های با اهمیت در گزارش سالانه شرکت ها هستند و بنابراین سازمان­های رتبه بندی اعتباری به احتمال زیاد نقش نظارتی حسابرسان را ارزش گذاری می­کنند( زالاتا¹⁹ و همکاران، 2020). به گفته ستیانینگروم²⁰ (2005) شرکت هایی که توسط چهار شرکت بزرگ، حسابرسی می‌شوند دارای رتبه اعتباری بالاتری نسبت به شرکت های غیر چهار بزرگ هستند. این اثر به این دلیل رخ می­دهد که چهار شرکت بزرگ حسابرسی به عنوان یک بخش مستقل عمل می کنند و کیفیت حسابرسی بهتری را ارائه می­دهند. به این ترتیب، آنها می توانند شک و تردید اعتباردهندگان را در مورد کیفیت صورت های مالی کاهش دهند و در نهایت ریسک نکول را کاهش و رتبه اعتباری را افزایش دهند( تاریگان و فیتریانی²¹، 2017). براساس پژوهش آلمیلیا و دیوی²² (2007) اندازه، رشد، سودآوری، نقدینگی، سررسید بدهی و اندازه حسابرس عواملی هستند که بر رتبه اعتباری تاثیر می­گذارند. همچنین نتایج پژوهش های نویسندگانی چون، ویدواتی²³ (2013)، معاریج، ذوالبهریدار و الاظهار ²⁴ (2014)، و تامیدا و لوکمن²⁵ (2013) اندازه حسابرس تأثیر مثبتی بر رتبه اعتباری دارد. از طرفی نتایج متفاوتی توسط فبریانی، نوگراها وسریدی²⁶ (2012)؛ سجاتی²⁷ (2010)؛ پاندوتاما²⁸ (2012) به دست آمد؛ مبنی بر اینکه که اندازه حسابرس تأثیر منفی بر رتبه اعتباری دارد. در همین حال، در اندونزی، ناشرانی که توسط چهار شرکت بزرگ، حسابرسی می‌شوند، رتبه بندی اعتباری بهتری دارند. بنابراین هر چه اعتبار حسابرس بالاتر باشد، انتظار می­رود که نتایج حسابرسی صورت های مالی بهتر باشد. بنابراین حسابرسان بزرگ می­توانند بر رتبه اعتباری تاثیر بگذارند(رزا و مصحلیفه²⁹، 2016).

از طرفی حسابرسان متخصص در صنعت به دلیل توانایی که در کشف اشتباهات با اهمیت یا تحریف در صورت­های مالی دارند، به نوبه خود، حسابرسی با کیفیت بالاتری را ارائه می­نمایند. با توجه به ادبیات پیشین، می توان استدلال کرد که تخصص حسابرس در صنعت در ارتباط با کیفیت حسابرسی است. اگر حسابرسان متخصص در صنعت با کیفیت حسابرسی بالاتر مرتبط باشند و در نتیجه کیفیت گزارشگری مالی را برای مشتریان خود بهبود بخشند، این شرکت‌ها باید محیط اطلاعاتی بهتری داشته باشند و ریسک اطلاعاتی کمتری داشته باشند. بنابراین اگر شرکتی از یک حسابرس با کیفیت بالا یا متخصص در صنعت استفاده کند و از مزایای گزارش کیفیت سود بهتر و حاکمیت خارجی قوی تری بهره مند شود، می توان تصور کرد که چنین شرکتی در مقایسه با یک شرکت مشابه با یک حسابرس غیرمتخصص(کیفیت سود و حاکمیت خارجی ضعیف‌تر)، توسط سازمان‌های رتبه‌بندی اعتباری قوی‌تر در نظر گرفته می‌شوند و احتمالاً رتبه اعتباری بالاتری نسبت به شرکت مشابه دریافت می‌کنند( براوینگ³⁰، 2017). لذا این گونه از حسابرسان به دلیل دانش و تخصص خود در صنایع خاص می توانند قضاوت بهتری داشته باشند. علاوه بر این، حسابرسان متخصص در صنعت به احتمال زیاد نگران شهرت خود به عنوان متخصص در چنین صنایعی هستند، که ممکن است آنها را تشویق کند تا مسائل فنی حسابداری را با جزئیات بیشتری بررسی کنند و تصمیمات گزارشگری مالی مدیران را به چالش بکشند.

براساس نتایج پژوهش المطیری³¹ (2008) بین تخصص حسابرس در صنعت و رتبه اعتباری رابطه منفی وجود دارد. یافته او در تمامی موارد مربوط به سنجش تخصص حسابرس در صنعت ثابت است و این امر نشان می‌دهد که ناشران در استخدام متخصصان، رتبه اعتباری بهتری نسبت به استخدام غیر متخصص، دریافت می‌کنند. همچنین، تخصص حسابرس در صنعت رابطه منفی با هزینه بدهی دارد. این نتیجه زمانی برقرار است که تخصص حسابرس در صنعت با استفاده از سهم پورتفولیوی حسابرس سنجیده شود، نه از سهم بازار حسابرس و تعداد مشتریان. تجزیه و تحلیل های تکمیلی اضافی شواهد بیشتری در مورد ارتباط منفی بین تخصص حسابرس در صنعت و هزینه بدهی ارائه می دهد. به عنوان مثال، تخصص حسابرس در صنعت، که توسط سهم بازار مشخص می‌شود، ارتباط منفی و معناداری با هزینه بدهی دارد. این ارتباط حتی پس از کنترل رتبه اعتباری نیز برقرار است.

پیشینه پژوهش

هو و جونگ(2023) در پژوهشی به بررسی رتبه بندی اعتباری در پاسخ پویا به ماهیت شرکت ها و مدل کسب و کار آژانس های رتبه بندی: شواهدی از بازار اوراق قرضه چینی پرداختند. نتایج تجربی نشان می‌دهد (1) احتمال یک رتبه اعتباری بالاتر و افزایش رتبه اعتباری به عنوان یک "U معکوس" در چرخه عمر شرکت نشان می دهد. در صورتی که شرکت با موفقیت وارد فاز رشد شود، رتبه اعتباری افزایش می‌یابد، در صورتی که شرکت در مرحله سقوط قرار گیرد کاهش می‌یابد. (2) در مدل پرداخت سرمایه‌گذار، شرکت‌ها احتمال بیشتری برای کسب رتبه اعتباری بالاتر در مرحله بلوغ و رتبه اعتباری پایین‌تری در دوره کاهش دارند. در مدل صادرکننده-پرداخت، اگرچه بنگاه به دلیل قرار گرفتن در مرحله افول، رتبه اعتباری کمتری دریافت می‌کند، اما رتبه اعتباری همچنان دارای احتمال بالایی برای تعلق به رتبه اعتباری بالا است. (3) شرکت های دولتی احتمال بیشتری برای کسب رتبه اعتباری بالا در دوره بلوغ دارند و احتمال بیشتری دارد که رتبه اعتباری پایینی در دوره کاهش داشته باشند. به طور کلی، کیفیت رتبه بندی اعتباری آنها بهتر از شرکت های غیر دولتی است. علاوه بر این، در شرایط دوره فشار تامین مالی، رتبه اعتباری شرکت‌های غیردولتی با سقوط آنها به مرحله کاهش کاهش می‌یابد.

سو (2023) در پژوهشی به بررسی" مدل‌سازی رتبه‌بندی اعتباری دولتی و ارزیابی بی‌طرفی: مطالعه موردی چین" 

در این مطالعه یک سیستم شاخص جدید ایجاد می‌کند، متغیرهای رتبه‌بندی را به عوامل بلندمدت و کوتاه‌مدت تقسیم می‌کند، برازش و پیش‌بینی رتبه‌بندی را انجام می‌دهد، و عدالت چین و کشورهای مربوطه را بررسی می‌کند. یافته‌های ما نشان می‌دهد که رتبه‌بندی اعتباری دولتی به دلیل اثر سقف و ویژگی‌های کالاهای شبه عمومی، یک اثر بازدارنده بر بازار مالی جهانی دارد. یک رتبه اعتباری بالا و پایدار مستلزم بهبود بلندمدت در مبانی اقتصادی، ترازهای بودجه، مازادهای خارجی و توان پرداخت کلی است. همزمان، استراتژی‌های مدیریت کوتاه‌مدت بدهی، از جمله کاهش، بازپرداخت و سوآپ ضروری است. علاوه بر این، ما مفهوم «شکاف رتبه‌بندی» را برای ارزیابی عدالت رتبه‌بندی معرفی می‌کنیم که هم کم‌ارزش‌گذاری و هم بیش‌ارزش‌گذاری را در بین کشورها آشکار می‌کند.

کیم و همکاران (2022) در این مطالعه تأثیر مسئولیت اجتماعی شرکت (CSR) و حاکمیت شرکتی را بر رتبه اعتباری آن بررسی می‌کند. نتایج تحلیل رگرسیون به رتبه‌بندی اعتباری با متغیرهای مستقل اولیه مرتبط نشان می‌دهد که هر دو عامل بر آن تأثیر معناداری دارند. همانطور که پیش‌بینی کرده‌ایم، علائم هر دو ضریب رگرسیون دارای علامت مثبت (+) هستند که نشان می‌دهد شرکت‌هایی با نمرات عالی CSR و شاخص حاکمیت (CGI) دارای رتبه اعتباری بالاتری هستند و بالعکس. نتایج نشان می‌دهد که اطلاعات غیرمالی نیز ممکن است بر رتبه اعتباری شرکت‌ها تأثیر بگذارد. سرمایه‌گذاری در حفاظت از داده‌های شخصی می‌تواند نمونه‌ای از فعالیت‌های CSR/CGI باشد که اثرات مثبتی بر رتبه‌بندی اعتباری شرکت‌ها دارد.

الخوالده ³²و همکاران(2021) در پژوهشی به بررسی تأثیر حاکمیت شرکتی بر رتبه‌بندی اعتباری شرکت‌ها پرداختند. نتایج تجربی نشان می‌دهد که متغیرهای کنترلی(ساختار سرمایه، اندازه شرکت ها و مزیت های رقابتی شرکت ها)، تعیین‌کننده رتبه‌ اعتباری هستند.

 

زالاتا و همکاران(2020) در پژوهشی به بررسی کیفیت حسابرسی مستقل و رتبه اعتباری شرکت ها پرداختند.آنها شواهدی مبنی بر ارتباط بین رتبه اعتباری شرکت ها و کیفیت حسابرسی مستقل نیافتند. با این حال، هنگامی که شرکت ها مشکوک به درگیرشد در تحریفات مدیریتی هستند، به نظر می رسد رتبه اعتباری شرکت ها با کیفیت حسابرسی مستقل مرتبط باشد. به ویژه، شرکت­های مشکوک زمانی که توسط یکی از حسابرسان متخصص در صنعت، حسابرسی می‌شوند، رتبه اعتباری بالایی کسب می کنند.

آندریوان و ستیاوان³³(2020) در پژوهشی به بررسی اقدامات مدیریت سود و سود مشروط به عنوان تلاش های مدیریتی برای حفظ رتبه اعتباری پرداخت. این مطالعه نشان می دهد که تا حدی اندازه شرکت، رشد شرکت و اندازه حسابرس تأثیر قابل توجهی بر رتبه بندی اعتباری دارند، در حالی که مدیریت سود تأثیر معنی داری بر رتبه بندی ندارد.

نایجل سیرگار، صفتیانا و کلثوم ³⁴ (2019) در پژوهشی به بررسی تأثیر عملکرد مالی، اندازه حسابرس و نظر حسابرسی بر رتبه بندی اعتباری پرداختند. نتایج این مطالعه نشان می دهد که نقدینگی بر رتبه بندی اعتباری تاثیر دارد در حالی که سودآوری، اهرم، اندازه حسابرس و نظر حسابرسی هیچ تاثیری بر رتبه بندی اعتباری ندارند.

جئون³⁵ (2018) در پژوهشی به بررسی تاثیر مسئولیت اجتماعی شرکت ها و اندازه حسابرسی در رتبه اعتباری پرداختند. نتایج نشان داد که هر چه امتیاز مسئولیت اجتماعی شرکت بالاتر باشد، امتیاز رتبه اعتباری شرکت بالاتر است. این نشان می دهد که سازمان­های رتبه بندی اعتباری ارزیابی خوبی از فعالیت های اجتماعی ارائه می دهند و آنها را در ارزیابی رتبه بندی اعتباری منعکس می کنند. با این حال ، تضادی بین رضایت از حفاظت از محیط زیست و رتبه بندی اعتباری شرکت وجود دارد. در میان فعالیت های مسئولیت اجتماعی، هرچه سطح انصاف و مشارکت در توسعه اقتصادی بالاتر باشد، بیشتر توسط حسابرسان بزرگ حسابرسی می‌شوند در نتیجه امتیاز رتبه اعتباری شرکت به طور قابل توجهی بالاتر است. از طرف دیگر، هرچه حسابرسی توسط حسابرسان بزرگ بالاتر باشد، میزان رتبه اعتباری شرکت نیز پایین می آید.

رفای³⁶ و همکاران(2018) در پژوهشی به تجزیه و تحلیل تأثیر رتبه اعتباری بر عملکرد شرکت و بازده سهام پرداختند. نتایج نشان داد که رتبه اعتباری توسط عوامل مهم شرکت مانند اندازه و فرصت های رشد، شدت سرمایه، بازده دارایی ها و غیره پیش­بینی می‌شود. نتایج همچنین نشان داد که شرکت هایی با رتبه اعتباری بالاتر عملکرد بهتری دارند.

تاریگان، فیتریانی³⁷(2017) در پژوهشی به بررسی تأثیر حاکمیت شرکتی بر رتبه اعتباری پرداختند. نتایح نشان داد که افزایش اندازه هیئت مدیره، مالکیت نهادی، کمیته حسابرسی و اندازه حسابرس مستقل تأثیر مثبتی در رتبه اعتباری شرکت ها دارد، در حالی که نسبت مستقل تعداد مدیران و اندازه سهامداران تأثیر منفی دارد. این پژوهش نشان داد که تعداد مدیران با رتبه اعتباری رابطه معکوس "U" دارند. تا حدی مشخص، هرچه تعداد مدیران بیشتر باشد، رتبه اعتباری نیز بالاتر خواهد بود، زیرا نظارت و تصمیم گیری موثرتر خواهد بود. با این حال، هنگامی که به نقطه مطلوب (پنج نفر) رسید مدیران اضافی به دلیل مشکلات هماهنگی، رتبه اعتباری را کاهش می­دهند.

نوری فرد و بسحاق (1398)؛ در پژوهشی به بررسی "رابطه بین رتبه بندی اعتباری شرکت‌ها با دستکاری فعالیت‌های واقعی، کیفیت حسابرسی و حاکمیت شرکتی" پرداختند. نتایج نشان داد که هر سه فرضیه تحقیق تایید می گردد که عبارتند از: الف- بین دستکاری فعالیت­های واقعی و رتبه­بندی اعتباری شرکت­ها رابطه منفی وجود دارد. ب- بین کیفیت حسابرسی و رتبه­بندی اعتباری شرکت­ها رابطه معناداری وجود دارد. ج- بین حاکمیت شرکتی و رتبه­بندی اعتباری شرکت­ها رابطه معناداری وجود دارد.

احمدوند، رضایی وتملکی(1396) درپژوهشی به بررسی" شناسایی و تبیین فاکتورهای تعیین کننده رتبه اعتباری مورد مطالعه : بورس اوراق بهادار تهران" پرداختند. نتایج نشان داد که متغیرهای اهرم مالی و سود آوری در سطح اطمینان 99 درصد، متغیرهای رشد و مالکیت دولتی در سطح اطمینان 95 درصد و متغیر پوشش مالی در سطح اطمینان 90 درصد از نظر آماری معنی دار هستند و می­توان آنها را به عنوان فاکتورهای تعیین کننده رتبه اعتباری شرکت های پذیرفته شده در بورس اوراق بهادار تهران معرفی نمود.

جعفری و احمدوند(1394) در پژوهشی به بررسی رتبه بندی اعتباری شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از رویکرد امتیاز بازار نوظهور پرداختند. نتایج پژوهش نشان داد که برخی از شرکت‌های منتخب، در منطقه تردید و یا درماندگی مالی قرار دارند و این موضوع می‌تواند توجه سرمایه­گذاران و اعتباردهندگان را به خود‏ جلب کند.

فرضیه پژوهش

بین ویژگی های حسابرس مستقل و رتبه اعتباری ارتباط معناداری وجود دارد.

روش شناسی پژوهش

داده‌های این پژوهش از صورت های مالی حسابرسی شده شرکت های پذیرفته شده در بورس اوراق بهادار تهران، پایگاه­های اینترنتی مانند تارنمای کدال وپایگاه رسمی بورس استخراج شده است. جهت تعیین نمونه آماری پژوهش محدودیت هایی بدین شرح اعمال شد: 1- دوره مالی آنها منتهی به پایان اسفند هر سال می‌باشد. 2- سال مالی درطی دوره های مورد نظر تغییر نداشته باشد. 3- سهام شرکت حداقل شش ماه در سال مورد معامله قرار گرفته باشد. 4- جزء شرکت­های سرمایه گذاری، واسطه گری و مالی نباشد. 5- اطلاعات مورد نیاز برای انجام این پژوهش در دوره زمانی مورد بررسی در دسترس باشد. در نهایت اطلاعات مالی مربوط به 101 شرکت به طور نمونه در دوره زمانی 9 ساله از سال 1390 الی 1398 با اعمال محدودیت های فوق به عنوان نمونه مورد تجزیه و تحلیل قرار گرفت.

روش اجرای پژوهش

الگوسازی تجربی و روش پژوهش

به لحاظ نظری الگوی رگرسیون خطی فرضیه پژوهش به صورت زیر تشریح می گردد:

رابطه(1)            

رابطه (1) یک الگوی اقتصادسنجی رگرسیونی داده‌های پانل است. در داده‌های پانل علیرغم نیرومندی این الگو ها، امکان برآورد چنین الگوی انعطاف پذیری به دلیل محدودیت درجه آزادی الگو، وجود ندارد. با این توصیف الگوی(1)و(2) را می توان به صورت الگوی غیرخطی ارائه نمود:

الگوی(1)

الگوی(2)

در این الگو به تعداد شرکت ها و متغیرهای مستقل ضریب β محاسبه می گردد. در ظاهر الگوی فوق یک الگوی خطی است اما از آنجا که0β ها می توانند آزادانه برای هر مقطع (i) و حتی برای هر دوره (t)  برآورد شوند، الگوی فوق یک الگوی غیرخطی محسوب می گردد. از آنجا که هدف در این مقاله بررسی اثرات زمانی متغیرهای مستقل بر وابسته نیست، ضرایب تنها برای شرکت­­ها و متغیرهای مستقل برآورد شده است. همان­طور که در ادبیات اقتصاد سنجی می دانیم 0β ها اغلب با استفاده از روش بهینه یابی مبتنی بر حداقل مربعات جملات اخلال( پسماند در نمونه) برآورد می‌شوند. لذا در این مقاله از الگوریتم بهینه یابی تجمع ذرات (PSO) استفاده شده است. الگوریتم تجمع ذرات از پرواز گروهی پرندگان الهام گرفته شده است. هر پرنده یا ذره در گروه از یک رفتار بسیار ساده پیروی می­کند، تکرار و تقلید تجربه موفقیت آمیز پرندگان همسایه. تابع هدف در اینجا همانند الگوی خطی مجموع مربعات خطا( پسماند در نمونه) است که باید حداقل گردد؛ به عبارت دیگر هدف عبارت است از:

 

 

 

در حقیقت در این مقاله به جای بهینه‌سازی حداقل مربعات در مدل خطی از بهینه‌سازی بر مبنای الگوریتم تجمع ذرات برای برآورد اثر هر متغیر مستقل بر متغیر وابسته استفاده شده است. در این مقاله هر ذره نمایانگر یک شاخص رتبه اعتباری در شرکت­های فعال بورس اوراق بهادار تهران است.

 

 

 

جدول 1- پارامترهای الگوریتم تجمع ذرات

جمعیت ذرات	nPop=909; % Population Size (Swarm Size)
ماکزیمم تکرار	MaxIt=1000
ضریب یادگیری شخصی ضریب یادگیری جمعی	c1=2; % Personal Learning Coefficient c2=2.0; % Global Learning Coefficient
وزن اینرسی	wdamp=0.99; % Inertia Weight Damping Ratio
سرعت اولیه ذرات	صفر
تابع تکثیر	Repmat

             ماخذ: یافته‌های تحقیق

متغیرهای پژوهش

متغیرهای مستقل

-اندازه حسابرس

اگر شرکت توسط یک موسسه حسابرسی بزرگ( موسسات بزرگ، موسساتی هستند که تعداد شرکاء آنها بیش از 20 نفر باشند) حسابرسی شده باشد برابر یک در غیر این صورت صفر در نظر گرفته شده است (شرودر و شپردسن³⁸،2016؛ نمازی و بایزدی و جبارزاده کنگرلویی،1390؛ بنی مهد و جعفری معافی، 1392).

-تخصص حسابرس در صنعت

در اين پژوهش از سهم بازار به عنوان شاخصی برای تخصص حسابرس در صنعت بهره گرفته شده است؛ زيرا اولويت صنعت را نسبت به ساير حسابرسان نشان می­دهد. هر چه سهم بازار حسابرس بیشتر باشد، تخصص صنعت و تجربه حسابرس نسبت به ساير رقیبان بیشتر است. داشتن سهم غالب بازار اشاره دارد به اينکه حسابرس به طور موفقیت آمیزی خود را از ساير رقیبان از لحاظ کیفیت حسابرسی متمايزکرده است. سهم بازار حسابرسان به صورت زيرمحاسبه شده است:

AUD_SPEC

مؤسساتی در اين پژوهش به عنوان متخصص صنعت در نظرگرفته شده است که سهم بازارشان (یعنی معادله فوق) بیش از مقدار{2/1× ( تعداد شرکت های موجود/ 1) } باشد (پالم رز³⁹، 1986). در صورتی که شرکت­های مورد مطالعه، حسابرس متخصص در صنعت را داشته باشند متغیر مجازی یک و در غیر این صورت مقدار صفر در نظر گرفته شده است.

متغیر وابسته- رتبه اعتباری

براي تعيين رتبه اعتباري، از مدلي به نام مدل امتياز بازار نوظهور، براساس چهار مرحله به ترتیب زیر استفاده شده است (جعفری و احمدوند،1394):

مرحله اول: تعیین مقادیر معادل رتبه های اعتباری شرکت های امریکایی

بدین منظور، ابتدا با استفاده از مدل امتیاز بازار نوظهور( معادله1 )، امتیاز شرکت مورد نظر در بازار نوظهور محاسبه شد؛ سپس این امتیاز با مقادیر جدول 2 مقایسه شدند و رتبه اعتباری معادل بدست می آید. همان­طورکه ذکر شد، سنگ بنای رویکرد امتیاز بازار نوظهور، مدل امتیاز ˝Z" است که در فرآیند تحلیل کیفیت اعتباری انواع شرکت­ها، اعم از سهامی عام، سهامی خاص، تولیدی، غیرتولیدی، امریکایی و غیرامریکایی از آن استفاده می‌شود. امتیاز بازار نوظهور با استفاده از مدل زیر به­دست آمد(آلتمن و هاچکیس⁴⁰، 2005):

معادله (1)                                                                    EMS = 3/25+6/56X1+3.26X2+6.72X3+1.05X4

که درآن: X1 : نسبت سرمایه درگردش به کل دارایی ها/ X2 : نسبت سود انباشته به کل دارایی ها

X3: نسبت سود قبل از بهره و مالیات به کل دارایی ها/ X4 : نسبت ارزش دفتری مجموع حقوق صاحبان سهام به ارزش دفتری مجموع بدهی­ها

جدول2- امتیاز" Z " و رتبه های اعتباری معادل

رتبه اعتباری معادل	امتیاز" Z "		رتبه اعتباری معادل	امتیاز" Z "
AAA	15/8≤	منطقه سلامت مالی	B-	75/3 – 15/4			منطقه درماندگی مالی
AA+	60/7- 15/8		CCC+	20/3 – 75/3
AA	30/7 – 60/7		CCC	50/2 – 20/3
AA-	00/7 – 30/7		CCC-	75/1 -50/2
A+	85/6 – 00/7		D	75/1≥
A	65/6 – 85/6		BBB-		65/5 – 85/5	منطقه تردید
A-	40/6 -65/6		BB+		25/5 – 65/5
BBB+	25/6 – 40/6		BB		95/4 -25/5
BBB	85/5 – 25/6		BB-		75/4 – 95/4
			B+		50/4 – 75/4
			B		15/4- 50/4

 ماخذ: یافته‌های تحقیق

مرحله دوم: تعدیل رتبه اعتباری معادل، بر اساس آسيب پـذيري شـركت در مقابل نوسان هاي نرخ ارز

در این مرحله، رتبه اعتباری معادل که در مرحله قبل تعیین شد، براساس آسیب پذیری شرکت درمقابل نوسانات نرخ ارز و بروز مشکل در بازپرداخت بدهی­های ارزی تعدیل می‌شود.آسیب­پذیری باتوجه به رابطه سود ارزی(درآمدهای ارزی منهای هزینه­های ارزی) با هزینه بهره بدهی­های ارزی، و درآمدهای ارزی با بدهی­های ارزی، ارزیابی می‌شود. سرانجام نیز میزان نقدینگی موجود با حجم بدهی­های کوتاه­مدتی که در سال آینده سررسید می‌شوند، مقایسه می‌شود. اگر شرکت مورد نظر، ضعیف و دارای آسیب­پذیری بالایی باشد، یعنی اگر درآمدهای ارزی نداشته یا نسبت درآمدهای ارزی به بدهی­های ارزی آن خیلی پایین باشد و یا حجم قابل ملاحظه­ای بدهی­های ارزی نزدیک به سررسید و نقدینگی اندکی داشته باشد، در این­صورت، رتبه اعتباری معادل آن(که در مرحله اول تعیین شد)، به اندازه سه درجه تنزل پیدا می­کند؛ برای مثال: از BB+ به B+ می­رسد.

 اگر آسیب­پذیری شرکت در وضعیت خنثی باشد، کاهش یک درجه­ای در رتبه اعتباری معادل رخ می­دهد(برای مثال: از BB+ به BB) و در صورتی که ریسک ِکاهش ارزش ناشی از نوسانات نرخ ارز برای شرکت ناچیز باشد، تغییری در رتبه اعتباری معادل آن ایجاد نمی‌شود. براي تعديل اين مرحله، مطابق پژوهش جعفري و احمدوند (1394)، از تأثير تغييرهاي نرخ ارز بـر فعاليت تأمين مالي مندرج در صورت جريان وجه نقد و همچنين ميزان نقدينگي در مقايسه با بدهي هاي جاري آن استفاده شده است.

مرحله سوم: تعدیل رتبه اعتباری معادل براساس صنعت

در مرحله سوم، رتبه معادل که در مرحله اول تعیین شد، با مقدار معادل رتبه امنیت اعتباری صنعت مربوط(جدول 3) مقایسه می‌شود. به ازای اختلاف یک تا سه درجه­ای بین دو رتبه مذکور، رتبه اعتباری معادل محاسبه شده در مرحله دوم به اندازه یک درجه تغییر می­کند. برای مثال، اگر رتبه اعتباری به دست آمده از مرحله اول BBB و رتبه صنعت BB+ ،  BBB- یا BB باشد، در این صورت، رتبه اعتباری معادل محاسبه شده در مرحله دوم به اندازه یک درجه تعدیل منفی می­یابد. چنانچه اختلاف بین رتبه معادل تعیین شده در مرحله اول و مقدار معادل رتبه امنیت اعتباری صنعت مربوط بیش از سه و کمتر از شش درجه باشد، یک تعدیل دو درجه­ای در رتبه اعتباری معادل مرحله دوم روی می­دهد. درصورت وجود اختلاف شش درجه­ای و بیشتر، رتبه اعتباری معادل محاسبه شده در مرحله دوم به اندازه سه درجه تعدیل(مثبت یا منفی) می‌شود. به این ترتیب، محیط صنعت کشور نوظهور مورد بررسی در تحلیل کیفیت اعتباری شرکت لحاظ می‌شود.

 

 

 

جدول 3- میانگین رتبه اعتباری صنعت

صنعت	میانگین رتبه امنیت اعتباری	صنعت	میانگین رتبه امنیت اعتباری
مخابرات	A+	انرژی	A-
سرمایه گذاری ها	A+	محصولات کاغذی	BBB
استخراج نفت و گاز	A+	بیمه و بازنشستگی	BBB
دستگاه های برقی	A+	رایانه	BBB
حمل و نقل	A+	وسایل ارتباطی	BB+
مواد غذایی	A	قطعات خودرو	BB+
قند وشکر	A	منسوجات	BB+
محصولات دارویی	A	هتل و رستوران	BB
بانک ها	A-	انبوه سازی	BB
چند رشته ای صنعتی	A-	سیمان	BB
لیزینگ	A-	کانه های فلزی	BB
خودرو	A-	کانه های غیرفلزی	BB
محصولات شیمیایی	A-	کاشی و سرامیک	BB
فرآورده های نفتی	A-	فلزات اساسی	B+

                ماخذ: یافته‌های تحقیق

مرحله چهارم: تعدیل رتبه اعتباری معادل براساس توان رقابتی

در این مرحله، به توان رقابتی شرکت توجه شده و بسته به پاسخ این سؤال که آیا شرکت در صنعت خود، غالب و برجسته بوده یا از نظر اندازه، نفوذ سیاسی و کیفیت مدیریت یک قدرت داخلی محسوب می‌شود یا نه، رتبه اعتباری مرحله سوم یک درجه تغییر می­کند. به علاوه، ممکن است توان رقابتی شرکت خنثی باشد که در این صورت، تغییری در رتبه اعتباری آن اعمال نمی‌شود. در اين پژوهش به پيروي از پژوهش (جعفري و احمدوند، 1394)، برای بررسي رقابتي بودن شركت در صنعت، از سهم بازار شركت(نسبت فروش شرکت به مجموع فروش صنعت در هر سال) استفاده شده است.

در آخر رتبه های اعتباری که بر حسب طبقات( AA,AAA و غیره) گزارش شده اند، چون از نوع متغیرهای ترتیبی گسسته بوده، آنها را به عنوان برآمد یک مقیاس پیوسته به نام « توان بازپرداخت تعهدات بدهی» در نظر می توان گرفت. تعدادی از پژوهشگران به منظور استفاده از اطلاعات در رگرسیون های رتبه بندی، رتبه های اعتباری را به مقادیر عددی تبدیل کرده اند. با انجام این کار، یک متغیر ترتیبی گسسته به دست می آید. تبدیل رتبه های اعتباری به مقادیر عددی، بین رتبه های منتشرشده توسط موسسات گوناگون توازن برقرار می سازد. در برخی از مطالعات گذشته امتیازات تخصیص یافته به رتبه های اعتباری در هفت طبقه جای گرفته اند( مارسیا⁴¹ و همکاران، 2014). در پژوهش حاضر نیز از همین طبقه بندی استفاده شده است( احمدوند و همکاران، 1396) (وظیفه دوست و همکاران، 1395).

جدول 4- امتیازات تخصیص یافته به رتبه های اعتباری

امتیاز	رتبه اعتباری		امتیاز	رتبه اعتباری
7	AAA	سطح سرمایه گذاری خوب (منطقه سلامت مالی)	3	BB+	سطح سرمایه گذاری پایین (منطقه تردید)
6	AA+		3	BB
6	AA		3	BB-
6	AA-		2	B+
5	A+		2	B
5	A		2	B-
5	A-		1	CCC+	سطح سوداگرانه (منطقه درماندگی مالی )
4	BBB+		1	CCC
4	BBB		1	CCC-
4	BBB-		1	D

             (برگرفته از: اشبوق اسکایف و همکاران،2006)

یافته‌های پژوهش

جدول شماره 5 آمار توصیفی مجازی شرکت های موجود در نمونه را ارائه می نماید. با توجه به مجازی بودن اندازه حسابرس با میانگین 259/0 می توان دریافت که 26 درصد حسابرسان در شرکت های مورد مطالعه پژوهش توسط حسابرسان بزرگ بررسی شده اند. متغیر حسابرس متخصص در صنعت با میانگین 268/0 نشان می دهد که 27 درصد حسابرسان موجود در شرکت های مورد مطالعه پژوهش توسط حسابرسان متخصص در صنعت مورد رسیدگی قرار گرفته اند.

جدول 5- تحلیل توصیفی مقادیر مربوط به متغیرهای مجازی

تعداد مشاهدات	درصد فراوانی	فراوانی	مقادیر مجازی	نماد	متغیر
909	741/0	674	0	AS	اندازه حسابرس
	259/0	235	1
	732/0	665	0	AUD_SPEC	تخصص حسابرس در صنعت
	268/0	244	1

  ماخذ: یافته‌های تحقیق

جدول شماره 6 آمار توصیفی شرکت های موجود در نمونه را ارائه می نماید.با توجه به میانگین محاسبه شده برای رتبه اعتباری 364/2 می­توان نتیجه گرفت که رتبه اعتباری شرکت­ها به طور میانگین در طبقه دوم(B+ ،B،B-) قرار دارند. به بیان دیگر به طور میانگین شرکت­ها در منطقه تردید مالی قرار دارند.

جدول 6- آمار توصیفی متغیرهای پژوهش

کمینه	بیشینه	چولگی	کشیدگی	انحراف معیار	میانگین	نماد	نام متغیر
6	1	714/0	974/1	618/0	364/2	CR	رتبه اعتباری
تعداد مشاهدات :909

  ماخذ: یافته‌های تحقیق 

نتایج بهینه‌سازی الگوریتم تجمع ذرات(pso)

در این مقاله، بهینه یابی مبتنی بر حداقل مربعات جملات اخلال( پسماند در نمونه)بر مبنای الگوریتم تجمع ذرات برای برآورد اثر هر متغیر مستقل بر متغیر وابسته، استفاده شده است. با اجرای الگوریتم تجمع ذرات نتایج زیر حاصل شد: نتایج حاصل از ارائه الگوریتم بعد از تعداد تکرار 2000 نسل، باعث همگرایی مناسب شد و نمودار (1)، (2) و (3) مسیر پیموده شده توسط تابع ارزیابی برای رسیدن به نقطه بهینه را توسط الگوریتم تجمع ذرات نمایش می دهد. با افزايش تعداد تكرارها مقدار خطا كاهش مي­يابد اما در تكرارهاي پاياني تقريبا هيچ­گونه بهبودي حاصل نمي­شود و اصطلاحا در اين نواحي برازش بيش از حد وجود دارد. در شکل (2) خط رسم شده توسط الگوی رگرسیونی عرض از مبدأ 0β و شیب خط 1β بدست آمده است. که این خط بهترین خطی است که می تواند خطاهای باقیمانده را مینیمم سازی نماید. همان طور که در شکل (3) مشاهده می‌شود بهینه‌سازی به نحو مطلوبی انجام گرفته است.

 

 

شکل 1- نتایج نمودار مقادیر داده‌های آموزش الگوی(1) سمت راست و الگوی(2) سمت چپ

 

شکل 2- فرآیند یادگیري مقادیر داده‌ها با الگوریتمPSO براساس عرض از مبدا و شیب خط الگوی (1) الگوی(1) سمت راست و الگوی(2) سمت چپ

 شکل 3- نتایج نمودار سطح همگرایی رتبه اعتباری بر اساس اندازه حسابرس(الگوی1)

 شکل 4- نتایج نمودار سطح همگرایی رتبه اعتباری بر اساس تخصص حسابرس در صنعت(الگوی2)

معيارهاي ارزيابي

جهت ارزيابي صحت و دقت پيش­بيني از شاخص­های ضریب تبیین( R2)، مجذور میانگین مربعات خطا((RMSE استفاده شده است. کم بودن مقدار RMSE و بالا بودن ضریب R2 بیانگر دقت قابل قبول الگو و برتری آن نسبت به الگوی دیگر و توانایی پیش­بینی آن الگو با توجه به آن معیار بهتر است. مقادير(RMSE) و (R2) براي الگوهاي مذكور به شرح جدول (7) آمده است. فرضيه اين پژوهش، در مورد تاثیر ویژگی های حسابرس مستقل بر رتبه اعتباری با توجه به توانايي الگوريتم بهينه­سازي حركت تجمعي ذرات جهت پيش­بيني رتبه اعتباری شركت­هاي پذيرفته شده در بورس اوراق بهادار تهران است. با توجه به اينكه نتايج به دست آمده از آزمون عملكرد الگوها نشان مي­دهد كه الگوی(1) با دقت 99 % و الگوی(2) با دقت 99 % رتبه اعتباری شركت­ها را پيش­بيني مي­كند، از اين­رو فرضيه پژوهش تایید می‌شود و مي­توان نتيجه گرفت كه ویژگی های حسابرس( اندازه حسابرس و تخصص حسابرس در صنعت) تاثیر معناداری بر رتبه اعتباری شرکت های پذیرفته شده در بورس اوراق بهادار تهران دارد و همچنین استفاده از الگوريتم بهينه سازي حركت تجمعي ذرات جهت پيش­بيني رتبه اعتباری از دقت پيش­بيني قابل قبولي برخوردار است.

 جدول 7- پارامترهاي آماري مورد بررسی با الگوریتم تجمع ذرات(pso)  براساس تاثیر ویژگی های حسابرس مستقل

عنوان	R2	RMSE
اندازه حسابرس	999/0	093/0
تخصص حسابرس در صنعت	996/0	095/0

   ماخذ: یافته‌های تحقیق

نتیجه­گیری و پیشنهاد

هدف از پژوهش حاضر ارائه رتبه بندی اعتباری شرکت­های پذیرفته شده در بورس اوراق بهادار تهران و تاثیر ویژگی های حسابرس مستقل بر آن با به‌کارگیری الگوریتم تجمع ذرات طی سال های 1390 الی 1398 است. با توجه به نتایج حاصل از تجزیه و تحلیل آماری پژوهش، نشان از تاثیر معنادار ویژگی های حسابرس( اندازه حسابرس و تخصص حسابرس در صنعت) بر رتبه اعتباری دارد. به نظر می رسد سازمان های رتبه بندی اعتباری برای تجزیه و تحلیل بنیادی شرکت، به شدت بر اطلاعات صورت های مالی حسابرسی شده، متکی هستند. لذا بازار بدهی هنگام ارزیابی کیفیت حسابرسی، تخصص در صنعت و اندازه حسابرس مستقل را در نظر می‌گیرد. این امر به وضوح نشان دهنده وابستگی تحلیل سازمان های رتبه بندی به کار حسابرسان مستقل با کیفیت بالا در تأیید قابلیت اطمینان گزارش‌های مالی شرکت است. بنابراین ویژگی های حسابرس مستقل (اندازه حسابرس و حسابرسان متخصص در صنعت) در کاهش ریسک اطلاعاتی بین شرکت ها و بازار بدهی نقش مهمی ایفا می‌کند. نتایج پژوهش با نتایج پژوهش زالاتا و همکاران(2020) و ایگناتیوس رونی ستیاوان (2020) مطابقت دارد و با نتایج پژوهش نایجل سیرگار و همکاران(2019) و جئون (2018) مغایر است.

با توجه به نتایج پژوهش مبنی بر اثرگذار بودن ویژگی های حسابرس مستقل (اندازه و تخصص حسابرس در صنعت) بر رتبه اعتباری، پیشنهاد می‌شود که شرکت هایی که قصد افزایش سرمایه از طریق تامین مالی بدهی را دارند، حسابرسانی را در نظر بگیرند که متخصص در صنعت یا از حسابرسان بزرگ هستند، زیرا هزینه سرمایه بدهی کمتری در ارتباط با این حسابرسان وجود دارد. همچنین با توجه به کیفیت بالاتر حسابرسی مرتبط با این حسابرسان، اعتباردهندگان ممکن است استخدام این­گونه از حسابرسان را به عنوان یک سیگنال مثبت ببینند. پیشنهاد می‌شود سرمایه گذاران در سهامی سرمایه گذاری نمایند که دارای رتبه اعتباری بالاتری است زیرا از امنیت بالاتری برخوردار است. در نهایت به سازمان بورس پیشنهاد می‌شود که تخصص حسابرس در صنعت را به عنوان یک سازوکار نظارتی ارزشمند جهت ارائه قابلیت اطمینان اعداد حسابداری گزارش شده در نظر بگیرد و از این جهت، شرکت های پذیرفته شده در بورس را رتبه بندی نماید تا از این طریق از حقوق سهامداران و دارندگان اوراق قرضه محافظت کند و موجب شفافیت محیط تصمیم گیری شود.

پیشنهادات برای پژوهش های آتی

در این پژوهش از ویژگی های حسابرسان جهت بررسی پیش بینی رتبه اعتباری استفاده گردید، پیشنهاد می‌شود در پژوهش های آتی از متغیرهای مرتبط با عوامل غیرحسابداری مانند سرمایه گذاری، سطح امنیت سیاسی و سیاست­های دولت و عوامل حسابداری مانند بهره وری، اندازه شرکت، فروش خالص و نقدینگی با استفاده از نسبت سریع استفاده گردد.

 منابع و مآخذ

احمدوند، میثم؛ رضایی، شعیب؛ تملکی، حسین(1396). شناسایی و تبیین فاکتورهای تعیین کننده رتبه اعتباری مورد مطالعه: بورس اوراق بهادار تهران. مطالعات کاربردی در علوم مدیریت و توسعه. 1، 135-154. 

بنی مهد، بهمن؛ جعفری معافی، رضا(1392). کیفیت اقلام تعهدی و انتخاب حسابرس. مطالعات تجربی حسابداری مالی. 11(37)،98-81.

جعفری، سیده محبوبه؛ احمدوند، میثم.(1394).رتبه بندی اعتباری شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از رویکرد امتیاز نوظهور. پژوهشنامه اقتصاد و کسب و کار، 10 ،37-5.

وظیفه دوست، حسین؛ احمدوند، میثم؛ ساده وند، محمد جواد.(1395). آزمون تاثیر عوامل حاکمیت شرکتی بر رتبه اعتباری در قالب مدل امتیاز بازار نوظهور( مورد مطالعه: بورس اوراق بهادار تهران). دانش مالی تحلیل اوراق بهادار، 30، 95-113.

نوری فرد، یداله؛ بسحاق، ابراهیم.(1398). رابطه بین رتبه بندی اعتباری شرکت‌ها با دستکاری فعالیت‌های واقعی، کیفیت حسابرسی و حاکمیت شرکتی. پژوهش در حسابداری و علوم اقتصادی. 3، 11-22.

نمازی، محمد؛ بایزدی، انور؛ جبارزاده کنگرلوئی، سعید.(1390). بررسی رابطه بین کیفیت حسابرسی و مدیریت سود شرکت های پذیرفته شده در بورس اوراق بهادار تهران. فصلنامه تحقیقات حسابداری، 9،21-4.

Andriawan,A., Setyawan,I.R.(2020). Earning Management Actions and Conditional Revenue as Managerial Efforts to Maintain Bond Rating. HE INDONESIAN Journal of Accounting Research , 23(3), 349 – 372.

Ashbaugh-skaife, H., Collins, W., Lafond, R. (2006). The effects of corporate governance on firms’ credit ratings. Journal of accounting and economics, 42(1-2), 203-243.

Altman, E., & Hotchkiss, E. (2005). Corporate Financial Distress and Bankruptcy: Predict and Avoid Bankruptcy, Analyze and Invest in Distressed Debt. New Yourk: John Wiley and Sons.

Almutairi,A.R.(2008). Does Auditor Industry Specialization Matter? Evidence from the Bond Market. SSRN Electronic Journal. https://www.researchgate.net/publication/255996423.

Alkhawaldeh, A.A.K., Jaber, J.J, Boughaci, D., Ismail, N. (2021) A novel investigation of the influence of corporate governance on firms’ credit ratings. PLoS ONE, 6(5).

Almilia, L. S.., & Devi,V. (2007). Faktor -Faktor Yang Mempengaruhi Prediksi Peringkat Obligasi Pada Perusahaan Manufaktur Yang Terdaftar Di Bursa Efek Jakarta. Proceeding Seminar Nasional Manajemen SMART. Bandung: Universitas Kristen Maranatha.Bulan November.

Abrar, A. (2019). The impact of financial and social performance of microfinance institutions on lending interest rate: A cross-country evidence. Cogent Business & Management, 6(1).

Browning,L.(2017). An Examination of the Association of Firm Credit Ratings with Real Activities Manipulation, Audit Quality, Corporate Governance, and Credit Default Swaps. College of Business Administration.http://etd.ohiolink.edu/apexpord/rws-etd/send?accession.

DeAngelo, L. E. (1981). Auditor size and audit quality. Journal of Accounting and Economics, 3(3), 183–199.

De Crabtree, A,, Brandon,DM., & Maher,JJ.(2006), ‘The impact of auditor tenure on initial bond rating’, Advance on Accounting, 22, 97-121.

Eliwa, Y., Aboud, A., & Saleh, A. (2019). ESG practices and the cost of debt: Evidence from EU countries. Critical Perspectives on Accounting, Forthcoming. doi:10.1016/ j.cpa. 2019.102097.

Eliwa, Y., Gregoriou, A., & Paterson, A. (2019). Accruals quality and the cost of debt: The European evidence. International Journal of Accounting & Information Management, 27(2), 333–351.

Febriani, I., Nugraha,H.S.,& Saryadi,D. (2012). Analisis Faktor-Faktor yang Memengaruhi Peringkat Obligasi pada Lembaga Keuangan Bank yang Terdaftar di Bursa Efek Indonesia.

Fortin, S., & Pittman, J. A. (2007). The role of auditor choice in debt pricing in private firms. Contemporary Accounting Research, 24(3), 859–896.

Frost, C. A. (2007). Credit rating agencies in capital markets: A review of research evidence on selected criticisms of the agencies. Journal of Accounting, Auditing and Finance, 469-492.

Gul, F., & Goodwin, J. (2010). Short-term Debt Maturity Structures, Credit Ratings, and the Pricing of Audit Services. The Accounting Review, 85(3), 877-909.

Holthausen, R. W., & Watts, R. L. (2001). The relevance of the value-relevance literature for financial accounting standard setting. Journal of Accounting and Economics, 31(1–3), 3–75.

John, R.J. (2016). Corporate Credit Ratings, Earnings Management and the passage of SOx and Dodd-Frank. Economics. The following website was accessed: http://hdl. handle.net/2105/37781.

Jiang, J. (2008). Beating earnings benchmarks and the cost of debt. The Accounting Review, 83(2), 377–416.

Jeon, J-H.(2018). The Effect of Corporate Social Responsibility and Audit Size on Credit Rating. Journal of the Korea Convergence Society, 9(1), 1-8.

Mansi, S. A., Maxwell, W. F., & Miller, D. P. (2004). Does auditor quality and tenure matter to investors? Evidence from the bond market. Journal of Accounting Research, 42(4), 755–793.

Ma’Arij, A, Zulbahridar,M., Al Azhar A. (2014). Analisis Faktor Akuntansi dan Non Akuntansi yang Mempengaruhi Prediksi Peringkat Obligasi pada Perusahaaan Non Keuangan yang Terdaftar di BEI dan diperingkat Oleh Pefindo Periode 2009-2013. Jom Fekon, 1(2).

Murcia, F, C, S., Fernando, D, M., Suliani, R., & José, A, B, (2014), The Determinants of Credit Rating: Brazilian Evidence.Retrievedfromhttp://www.anpad. org.br/bar.

Nigel Siregar,M., Saftiana,Y., Kalsum,U.(2019). The Effect of Financial Performance, Auditor Reputation and Audit Opinion on Bond Ratings. Advances in Economics, Business and Management Research, 142, 235-242.

Pandutama, A. (2012). Faktor-Faktor yang Mempengaruhi Prediksi Peringkat Obligasi pada Perusahaan Manufaktur di BEI. Jurnal Ilmiah Mahasiswa Akuntansi. 1(4).

Palmrose, Z. V.(1986). Audit fees and auditor size: Further evidence. Journal of Accounting Research . 24(1).

Rosa ,V.M., Musdholifah.M.(2016). The Effect of Leverage, Liquidity, Profitability, Coverage, Growth, and Firm Size With Auditor’s Reputation As A Moderating To Bond Rating of Banking Firm. Jurnal Bisnis & Manajemen, 17(1), 48-57.

Rafay,A. , Chen,Y. , A.B.Naeem,M. , Ijaz,M.(2018). Analyzing the Impact of Credit Ratings on Firm Performance and Stock Returns: An Evidence from Taiwan. Iran. Econ. Rev. 22(3), 771-790.

Setyaningrum,D.(2005). Pengaruh mekanisme corporate governance terhadap peringkat surat utang perusahaan di Indonesia. Jurnal Akuntansi dan Keuangan Indonesia, 2(2) , 73-102.

Sejati, G. P. (2010). Analisis Faktor Akuntansi dan Non Akuntansi dalam Memprediksi Peringkat Obligasi Perusahaan Manufaktur. Bisnis dan Birokrasi, Jurnal Ilmu Administrasi dan Organisasi. 17(1), 70-78.

Schroeder ,J .H., Shepardson ,M. L. (2016). Do SOX 404 Control Audits and Management Assessments Improve Overall Internal Control System Quality? The Accounting Review. 91(5), 1513–1541.

Tarigan,C.K., Fitriany,F.(2017). Impact of Corporate Governance on Credit Rating. Advances in Economics, Business and Management Research (AEBMR), 55, 248-253.

Thamida, N., Lukman,D.H. .(2013). Analisis Faktor-Faktor yang Mempengaruhi Peringkat Obligasi pada Industri Perbankan yang Terdaftar di Bursa Efek Indonesia Periode 2008-2012. Jurnal Akuntansi. 17(2), 198-211.

Wu, J. S., & Zhang, I. X. (2014). The adoption of internationally recognized accounting standards: Implications for the credit markets. Journal of Accounting, Auditing & Finance, 29(2), 95–128.

Widowati, D. (2013). Analisis Faktor Keuangan dan Non Keuangan yang Berpengaruh pada Prediksi Peringkat Obligasi di Indonesia (Studi pada Perusahaan Non Keuangan yang Terdaftar di BEI dan di Daftar Peringkat PT Pefindo 2009-2011). Jurnal Manajemen, 13(1).

Wahyuni,S.(2013). The Effect of Auditor Quality on Bond Rating: The Testing of “Information Role” Auditors in Indonesia, Journal of Economics, Business, and Accountancy Ventura , 16(1), 171 – 186.

Zalata, A. M., & Roberts, C. (2017). Managing earnings using classification shifting: UK evidence. Journal of International Accounting, Auditing and Taxation, 29, 52–65.

Zalata,A.M., Elzahar,H., & McLaughlin,C.(2020). External audit quality and firms’ credit score. Cogent Business & Management , 7, 1-16.

 

Provide Credit Rating of Companies Listed on the Tehran Stock Exchange and the Effect of Characteristics of an Independent Auditor on it by Using the Particle Aggregation Algorithm

Hani gharavi ahangar⁴², Seyed Hossein Nasl mousavi⁴³* and Ali Akbar Ramezani⁴⁴

 

Abstract

Credit ratings are an overall judgment of an issuer’s ability and willingness to meet its financial obligations in accordance with the terms of those obligations. Since this overall judgment is based on a complex, in-depth analysis of quantitative as well as qualitative information of the rated firm, Therefore, it is sensitive to the published information of the company. Independent auditors, meanwhile, play an important role in ensuring that financial information is free from material misstatement. Thus, the purpose of this study is to investigate the characteristics of an independent auditor on the credit rating using a particle aggregation algorithm. Therefore, to achieve the research goal, with 101 sample companies in a period of 9 years from 2011 to 2019 were collected and Credit rating was measured by the emerging market score model and auditor characteristics were measured by the size and expertise of the auditor in the industry. The research hypothesis was analyzed using the least squares optimization method of perturbation sentences using particle aggregation optimization (PSO) algorithm. The statistical test related to the results indicates a significant relationship between the characteristics of the independent auditor and the credit rating.

 

 

Keywords: Credit Rating, Characteristics of an Independent Auditor, Particle Aggregation Algorithm.

 

---

[1] . دانشجوی دکتری، گروه حسابداری، واحد قائم‌شهر، دانشگاه آزاد اسلامی، قائم‌شهر، ایران. [e-mail]

[2] . استادیار، گروه حسابداری، واحد قائم‌شهر، دانشگاه آزاد اسلامی، قائم‌شهر، ایران، (نویسنده مسئول)؛ [e-mail]

[3] . استادیار، گروه حسابداری، واحد قائم‌شهر، دانشگاه آزاد اسلامی، قائم‌شهر، ایران: [e-mail]

[4]  Zalata and Roberts

[5]  John

[6]  Wu and Zhang

[7]  Holthausen and Watts

[8]  Jiang

[9]  Abrar

[10]  Eliwa, Aboud and Saleh

[11] Gregoriou and Paterson

[12]  DeAngelo

[13]  Gul and Goodwin

[14]  Wahyuni

[15]  Standard and Poor's

[16]  De Crabtree, Brandon and Maher

[17]  Mansi, Maxwell,and Miller

[18]  Fortin and Pittman

[19]  Zalata

[20]  Setyaningrum

[21]  Tarigan and Fitriany

[22]  Almilia and Devi

[23]  Widowati

[24]  Ma’Arij, Zulbahridar and Al Azhar

[25]  Thamida and Lukman

[26]  Febriani, Nugraha and Saryadi

[27]  Sejati

[28]  Pandutama

[29]  Rosa and Musdholifah

[30]  Browning

[31]  Almutairi

[32]  Alkhawaldeh

[33]  Andriawan and Setyawnan

[34]  Nigel Siregar, Saftiana and Kalsum

[35]  Jeon

[36]  Rafay

[37]  Tarigan and Fitriany

[38]  Schroeder and Shepardson

[39]  Palmrose

[40]  Altman and Hotchkiss

[41]  Murcia

[42] Ph.D Student, Department Of Accounting, Qaemshahr Branch, Islamic Azad University, Qaemshahr, Iran. Email: [e-mail]

[43] Corresponding Author, Assistant Professor, Department Of Accounting, Qaemshahr Branch, Islamic Azad University, Qaemshahr, Iran. Email: [e-mail]

[44] Assistant Professor, Department Of Accounting, Qaemshahr Branch, Islamic Azad University, Qaemshahr, Iran. Email: [e-mail]

 

 

بررسی عوامل علی و معلول در سیستم ارزیابی عملکرد سازمانی با رویکرد پویایی‌شناسی

یزدان کرمی مال‌امیری¹ ، المیرا مشایخی نظام‌آبادی² و داود قراخانی³

تاریخ دریافت: 4/2/1403 و تاریخ پذیرش: 3/9/1403

 

چکیده

با مطالعه بر روی پژوهش ها نشان می دهد، چرخه ارزیابی عملکرد سازمانی در قالب یک سیستم پویا مدل سازی نگردیده است. لزوم بررسی فعالیت های ارزیابی عملکرد سازمانی در قالب یک سیستم پویا در صنعت مورد مطالعه  بر اساس عملکرد و استفاده از روشهای نوين علمي تحليل داده از مهم ترين خلاهاي پژوهشي مي باشد. روش تحقیق اکتشافی و تحلیلی می‌باشد مبتنی بر نظر خبرگان می‌باشد. جهت پایش متغیرهای موثر در ارزیابی عملکرد سامانی از روش دلفی مبتنی بر نظر خبرگان استفاده گردید. جهت شناسایی متغیرهای علی و معلولی از روش دیماتل استفاده گردید. 3 متغیر شامل سرمایه گذاری، توسعه بازار، یادگیری سازمانی به عنوان عوامل علی در سیستم ارزیابی عملکرد می باشند و 5 متغیر شامل متغیرهای تحقیق و توسعه، بهره وری، عملکرد تولید، پروژه های بهبود، توسعه محصول جدید به عنوان عوامل معلول در سیستم ارزیابی عملکرد سازمان می باشند. سپس بر اساس رویکرد پویایی سیستم یک مدل مفهومی مبتنی بر هشت حلقه طراحی گردید.

 

واژه‌های کلیدی: ارزیابی عملکرد سازمانی، پویا شناسی سیستم ، صنعت خودرو.

مقدمه

ارزيابي عملکرد سازمانی عبارت است از سنجش سيستماتيك و منظم كار افراد، فرایندها و واحدهای سازمانی در رابطه با نحوه انجام وظيفه آن­ها در وظایف محوله و تعيين پتانسيل موجود در آن­ها جهت رشد و بهبود می‌باشد. فرايند ارزیابی عملکرد سازمانی از يك سلسله اقدامات رسمي به­منظور بررسي عملكرد كارمند در فاصله زماني معين و شامل تمامي رفتارهاي فردي در ارتباط با كار كرد او در آن دوره زماني مي­شود (راس و همکاران،2023). به عبارتی دیگر ارزيابي عملکرد از سنجش نسبي عملكرد انساني در رابطه با نحوه ي انجام كار مشخص در يک دوره ي زماني معين، در مقايسه با استاندارد انجام كار و همچنين تعيين استعداد و ظرفيتهاي بالقوه ي فرد به منظور برنامه ريزي در جهت به فعاليت در آوردن آن­ها می‌باشد (گلریزگشتی و همکاران،2023). ارزیابی عملکرد سازمانی در بُعد نحوه استفاده از منابع و امکانات در قالب شاخص­های کارایی بیان می‌شود. اگر در ساده­ترین تعریف، نسبت داده به ستاده را کارایی بدانیم، نظام ارزیابی عملکرد در واقع میزان کارایی تصمیمات مدیریت در خصوص استفاده بهینه از منابع و امکانات را مورد سنجش قرار می­دهد (ژانگ و همکاران،2021). ارزیابی عملکرد سازمانی در بعد سازمانی معمولاً مترادف با اثربخشی فعالیت­ها است. منظور از اثربخشی میزان دستیابی به اهداف و برنامه­ها با ویژگی کارا بودن فعالیت­ها و عملیات است(اوازانی و همکاران،2023). یک رویکرد پویا برای ارزیابی عملکرد سازمانی می‌تواند به سازمان‌ها کمک کند تا با ایجاد یک حلقه بازخورد پیوسته که اجازه می‌دهد تنظیمات در زمان واقعی انجام شود، با تغییرات سازگار شوند. در اینجا چند راه وجود دارد که از طریق آنها یک رویکرد پویا به ارزیابی عملکرد سازمانی می تواند به سازمان ها کمک کند تا با تغییرات سازگار شوند:

-تقویت رفتارها و انتظارات جدید: فرآیند ارزیابی عملکرد سازمانی باید برای تقویت رفتارها و انتظارات جدید تطبیق داده شود.این به کارکنان کمک می‌کند تا بفهمند از آنها چه انتظاری می رود و چگونه می توانند به موفقیت سازمان کمک کنند(سان و همکاران،2022) .

-فراهم کردن دسترسی به تجربیاتی که رفتارهای مطلوب را تقویت می‌کند: فراهم کردن دسترسی افراد به تجربیاتی که رفتارهای مطلوب را تقویت می‌کند، مهم است. این می تواند شامل برنامه های آموزشی، مربیگری و راهنمایی باشد که به کارکنان کمک می‌کند تا مهارت های مورد نیاز خود را برای موفقیت در یک محیط پویا توسعه دهند(مرادی و همکاران،2021).

-همسو کردن شناخت و پاداش ها با رفتارهای جدید و نتایج مورد انتظار: شناخت و پاداش ها باید با رفتارهای جدید و نتایج مورد انتظار همسو باشد. این به کارکنان انگیزه می دهد تا بهترین عملکرد خود را داشته باشند و به موفقیت سازمان کمک می‌کند(آساموا و همکاران،2021).

-توسعه شایستگی های رهبری برای یک محیط پویا و متغیر: رهبران کاتالیزورهای تغییر هستند و شایستگی های کلیدی رهبری برای یک محیط پویا و متغیر باید در محیط کار پرورش داده شوند.. این شامل تقویت مشارکت، ایجاد اجماع و تعهد، مدیریت مخالفت، تشویق نوآوری و ریسک پذیری، و همسویی با اهداف فردی و تجاری است(راچ و همکاران،2023).

امروزه، ورود به ارزیابی عملکرد سازمانی ، براي كليه سازمانها و در همه سطوح، امري اجتناب ناپذير اسـت و علـت آن، رقابـت شـديد سازمانهاست و واردنشدن به اين حوزه، سازمان را با مشكلات جديد مواجه خواهد كـرد(ژانگ و همکاران،2021). در همـين راسـتا، مـدل هـاي مختلف ارزیابی عملکرد ، مانند مدل EFQM، مدل مالكوم بالدريج، مدل دمينگ و... به سازمانها معرفي شده انـد كـه هـر يك از مدلها با معرفي معيارهايي براي رسيدن به تعالي سازماني، آنها را ارزيابي می نماید. در همين راستا، سازمان به پياده سازي رويكردهاي مختلف بـا عنـاوين پـروژه بهبـود و... و در جهـت معيارهـاي ارزیابی عملکرد اقدام ميكند؛ اما مسـئله اصـلي ايـن اسـت كـه استقرار کدام يك از مدل ها، به بهبود عملکرد بر حسب معيارهاي مندرج در مدل هاي ارزیابی عملکرد سازمانی كمـك می نماید. اين مساله به اين دليل اهميت دارد كه اجرای هر يك از مدل ها، مسـتلزم صـرف هزينـه هـاي مـالي و غيرمالي براي سازمان ها می‌باشد و انتخاب بهترين رويكرد، به صرفه جويي در هزينه منجر شده و بهبود عملکرد را در پي خواهد داشت. نكته اين است كه استقرار هر يك از رويكردهـا، رفتـار سيسـتم را در حـوزه بهبود عملکرد تحت تأثير قرار خواهد داد و اين رفتار در طول زمان تغييرپذير است. همچنين، پیاده سازی يك مدل، سـاير مدل ها و رویکردها را تحت تأثير قرار داده و در چندين معيار ، تأثير مستقيم يا غيرمستقيم خواهد گذاشـت. بـه همـين دليـل، بررسي رفتار سيستم در طول زمان، در اثر اجراي رويكردها، ضروري و مهم است و تحليل جامعي از وضـعيت سـازمان را ارائه می نماید. با مطالعه بر روی پژوهش ها نشان می دهد، چرخه ارزیابی عملکرد سازمانی در قالب یک سیستم پویا مدل سازی نگردیده است. هدف از پژوهش حاضر، ارائه یک مدل پويا به منظور بررسي رفتار يک سيستم ارزیابی عملکرد سازمانی مي باشد. بدین منظور ابتدا متغیرهای مؤثر بر ارزیابی عملکرد سازمانی پس از بررسی مطالعات و تحقيقات گذشته مورد بررسی قرارگرفته و با استفاده از رویکرد پويايي شناسي در قالب یک مدل پویا ارائه خواهد گرديد. سپس سیاست های مختلف بر عملکرد چرخه ارزیابی عملکرد سازمانی در قالب شبيه سازي مورد تحليل قرار مي گيرد. بنابراین اهداف ذیل دنبال می‌شود:

الف) شناسایی متغیرهای مؤثر در سیستم ارزیابی عملکرد سازمانی

ب) تحلیل متغیرهای علی و معلول در سیستم ارزیابی عملکرد سازمانی

ج) طراحی مدل مفهومی سیستم ارزیابی عملکرد سازمانی

مبانی نظری و پیشینه پژوهش

مقصودی و همکاران(2023) با بررسی اندازه گیری پذیرش پیاده‌سازی هوش تجاری در سازمان‌ها با رویکرد پویایی سیستم، میزان اهمیت عوامل کلیدی که بر موفقیت پیاده‌سازی BI تأثیر می‌گذارند را شناسایی و راهنمایی‌های عملی را برای سازمان‌هایی که به دنبال استفاده از قدرت BI در محیط تجاری رقابتی امروز هستند، را ارائه می‌کند.اوازانی و همکاران(2023) سطوح بلوغ فرآیند مدیریت برای بهبود عملکرد صنعتی  را اندازه گیری نمودند آنها بیان نموند در دنیایی که به طور فزاینده ای متنوع و پویا است، رقابتی ماندن و برآورده ساختن نیازهای رو به رشد مشتریان و بازار به یک چالش واقعی برای هر شرکتی که برای برتری تلاش می‌کند تبدیل شده است. بنابراین، اتخاذ یک سیستم مدیریت عملکرد یک تصمیم ضروری برای رویارویی با تغییرات غیرمنتظره بازار است. بنابراین، کیفیت باید بر روی رویکردها و شیوه‌ها پیش‌بینی شود که عمدتاً با درجه بالایی از بلوغ مشخص می‌شوند، که به شرکت توانایی دستیابی به بهبود مستمر فرآیند و برآوردن نیازهای بیان شده و ضمنی مشتریان را می‌دهد. یانین و همکاران(2023) در پژوهش خود به بررسی مدیریت عملکرد تجاری پایدار در قالب یک چارچوب عملیاتی پرداختند. آنها یک الگوی پایداری و ارتباط آن با مدیریت عملکرد کسب‌وکار و یک چارچوب عملیاتی بر اساس مدل کارت امتیازی متوازن را پیشنهاد نمودند. چنگ و همکاران(2020) در پژوهش خود با عنوان مطالعه پویایی ارتقا و کارایی سازمانی، یک مدل محاسباتی جدید برای مشاهده کارایی سازمانی و پویایی ارتقا پیشنهاد نمودند. بر خلاف تحقیق قبلی، این پژوهش تأثیر درجه همبستگی بین سطوح مختلف موقعیت‌ها و عدم قطعیت در فرآیند ارتقاء را بر کارایی سازمانی مطالعه نموده است. مدل در سه منظر تنظیم گردید: کلی، سطح به سطح و مسیر شغلی فردی در داخل سازمان. همچنین دو مکانیسم ارزیابی ارتقاء معرفی کردند: نزدیک بینی و آینده نگر. نتایج شبیه‌سازی نشان می‌دهد که با افزایش درجه همبستگی، کارایی سازمانی افزایش می‌یابد و با افزایش عدم اطمینان در سیستم ارزیابی برای ارتقاء، کاهش می‌یابد. سونگکاجورن و همکاران(2022) در پژوهش خود با عنوان بررسی استراتژیک سازمانی برای عملکرد بالا: نقش قابلیت های پویا مبتنی بر دانش و تحول دیجیتال  بیان نموند این مطالعه نقش درک استراتژیک سازمانیو روابط با قابلیت‌های پویا مبتنی بر دانش ، تحول دیجیتال  و سازمان‌های با عملکرد بالا را بررسی می‌کند. راس و همکاران(2023) در پژوهش خود با عنوان مدل‌سازی سیستم‌های پویا تطبیقی تغییر سازمانی تحول‌آفرین با تمرکز بر فرهنگ سازمانی و یادگیری سازمانی  بیان نموند تغییر سازمانی دگرگون‌کننده هم از نظر عملی و هم از نظر آکادمیک، به‌ویژه در زمینه فرهنگ و یادگیری سازمانی، بیشتر و بیشتر اهمیت می‌یابد. نتایج این پژوهش با استفاده از تحلیل کیفی و مقایسه با رفتارهای نوظهور مورد انتظار بر اساس ادبیات دانشگاهی موجود مورد بررسی قرار گرفت. شبیه‌سازی‌های انجام‌شده با ارائه یادگیری مکرر و مؤثر و تغییرات در فرآیندهای سازمانی، وقوع یک تغییر تحول سازمانی را به سمت فرهنگ یادگیری ثابت تأیید کرد. سان و همکاران(2022) در پژوهش خود با عنوان عملکرد سازمانی پایدار از طریق پذیرش فناوری بلاک چین و مدیریت دانش در چین بیان نموند رقابت جهانی همه صنایع را تشویق می‌کند تا با توسعه مستمر کالاها و فرآیندهای خود، به عملکردی پیشرفته دست یابند. آیسه و همکاران(2022) در پژوهش خود با عنوان سرمایه اجتماعی و عملکرد سازمانی: نقش واسطه ای فعالیت های نوآورانه و سرمایه فکری بیان نموند در حالی که تأثیر مثبت سرمایه فکری بر نوآوری در ادبیات موجود به خوبی تثبیت شده است، تحقیقات در مورد چگونگی تأثیر فعالیت های نوآوری بر سرمایه فکری نسبتاً کمیاب است. علاوه بر این، حتی اگر تحقیقات فراوانی وجود دارد که رابطه مثبت بین سرمایه اجتماعی و عملکرد سازمانی را نشان می‌دهد، اهمیت آن به طور کلی توسط شاغلین نادیده گرفته می‌شود. این پژوهش با بررسی تأثیر فعالیت‌های نوآورانه بر عمق سرمایه فکری و نقشی که در رابطه سرمایه اجتماعی و عملکرد سازمانی ایفا می‌کند، با استفاده از بیمارستان‌های دولتی ترکیه به‌عنوان یک مورد کاربردی نمونه، به ادبیات کمک می‌کند.

مرادی  و همکاران(2021) در پژوهش خود با عنوان تأثیر اینرسی سازمانی بر نوآوری مدل کسب و کار، نوآوری باز و عملکرد شرکت بیان نموند طراحی مدل کسب و کار به منبعی ضروری برای نوآوری شرکت در دنیای رقابتی کنونی تبدیل می‌شود. نوآوری مدل کسب‌وکار به ایجاد یا اختراع مجدد مدل‌های کسب‌وکار موجود با طراحی سیستم‌های ارزش‌آفرینی جدید، پیشنهاد ارزش‌های پیشنهادی جدید و ایجاد مکانیسم‌های جذب ارزش اصلی اشاره دارد. با این حال، برای اتخاذ مدل کسب و کار نوآورانه در هر سازمان، اینرسی برای تغییر یک مانع اساسی است و نقش آن به طور کامل بررسی نشده است. الفاری و همکاران(2018) در پژوهش خود با عنوان مدل سازی عملکرد کارکنان تولید بر اساس رویکرد پویایی سیستم  بیان نموند عملکرد کارکنان یک عامل کلیدی برای موفقیت هر سازمان مدرن است. کارکنان دارایی هستند که توسط رقبا قابل تقلید نیست و بنابراین باید با ارزش ترین منبع در نظر گرفته شوند. مطالعات قبلی در سازمان های تولیدی این را ثابت کرده است. ابتکارات بهبود عملکرد با طیف گسترده ای از رویکردها در تلاش برای بهبود عملکرد کارکنان استفاده می‌شود. انگیزه یا تعهد سازمانی نمونه هایی از این گونه برنامه ها هستند. با این حال، اکثریت واضح روی تصویر بزرگتر تمرکز نمی کنند. یک مدل مفهومی از طریق پویایی سیستم عوامل موثر بر عملکرد کارکنان و ابتکارات مختلف بهبود در این مقاله ارائه شده است.ریچارد و همکاران(2018) در پژوهش خود با عنوان یک پایه طبقه بندی برای تحقیقات مبتنی بر شواهد در مورد مدیریت عملکرد کارکنان بیان نموند این مطالعه یک پایه طبقه بندی برای تحقیق در مورد شیوه های مدیریت عملکرد کارکنان بر اساس بررسی جامع ادبیات  ارائه می دهد. قلاتی و همکاران(2022) در پژوهش خود با عنوان عملکرد کارکنان تحت رهبری تحول آفرین و رفتار شهروندی سازمانی: یک مدل واسطه بیان نموند در سطح جهانی، شرکت‌های کوچک و متوسط (SMEs) برای بقا و شکوفایی با یکدیگر رقابت می‌کنند و روی پایداری خود کار می‌کنند. نویمی پور و همکاران(2018) در پژوهش خود با عنوان الگویی برای بررسی نقش عوامل موثر بر عملکرد سازمانها  بیان نموند هدف مقاله حاضر ارائه مدلی جدید برای بررسی تأثیر فرهنگ سازمانی، فناوری اطلاعات (IT) و رضایت کارکنان بر عملکرد سازمان است. همچنین از این مدل برای ارزیابی روابط بین این متغیرها و عملکرد سازمانی استفاده شده است. پوپووا و همکاران(2010) در پژوهش خود با عنوان مدل سازی شاخص های عملکرد سازمانی  بیان نموند اندازه گیری و تجزیه و تحلیل عملکرد برای هدایت سازمان به سمت تحقق اهداف استراتژیک و عملیاتی خود بسیار مهم است. شاخص های عملکرد مرتبط و روابط آنها با اهداف و فعالیت ها باید تعیین و تجزیه و تحلیل شود. رویکردهای مدل سازی سازمانی کنونی این موضوع را به نحو کافی منعکس نمی‌کند. این مقاله با ارائه چارچوبی برای مدل‌سازی شاخص‌های عملکرد در چارچوب مدل‌سازی کلی سازمان، شکاف را پر کند. در پژوهش های داخلی می توان به مطالعات نصرت پناه و همکاران(1397) با عنوان طراحی الگوی ارزیابی عملکرد سازمانی بانک انصار یک مدل کارت امتیازی متوازن (BSC)، لشکری و همکاران(1393) با عنوان ارزیابی استراتژی های رقابتی و عملکرد سازمانی، آقاکاظم شیرازی و همکاران(1397) با عنوان واکاوی عمکرد سازمانی: رویکرد مالی و ساختاری اشاره نمود. هاشمی و همکاران(1400) به بررسی توسعه مدل خودارزیابی عملکرد سازمانی مبتنی بر رویکرد چهارچوب عمومی ارزیابی(CAF)، جعفری و همکاران(1399) طراحی و اعتباریابی الگوی ارزیابی عملکرد مدیران سازمانی در سازمان بازرسی کل کشور را مورد مطالعه قرار دادند. بختیاری و همکاران(1399) مولفه ها و ابعاد ارزیابی عملکرد سازمانی متناسب با شرایط محیطی ایران را مدل سازی نمودند. رضایی و همکاران(1399) رابطه میان مولفه های ارزیابی عملکرد سازمانی مورد بررسی قرار دادند. انتظاری و همکاران(1396) مدل علی هوش هیجانی, عملکرد سازمانی و یادگیری سازمانی را ارایه نموده وحبیب زاده و همکاران(1400) نقش میانجی تعهد سازمانی در رابطه بین چابکی و هوش سازمانی با عملکرد سازمانی را مورد مطالعه قرار دادند. همچنین  غلامی و همکاران(1399) تاثیر رضایت شغلی بر عملکرد سازمانی، نوری و همکاران(1400) کاربرد سیستم داینامیک در تحلیل مدل داشبورد های راهبردی مدیریت، سجادی و همکاران(1396) مدل سازی انسجام داینامیک در فرایند توسعه و عنایتی شیراز و همکاران(1401) طراحی مدل استراتژی های زنجیره تامین با رویکرد پویایی سیستم را مورد تجزیه و تحلیل قرار دادند. در جدول زیر خلاصه ای از تحقیقات خارجی و داخلی مرتبط با موضوع ارزیابی عملکرد سازمانی مشاهده می‌شود.

 

جدول 1- تحقیقات خارجی و داخلی مرتبط با موضوع ارزیابی عملکرد سازمانی

متغیرهای مرتبط با فعالیت‌های R&D	منابع
توسعه بازار	مقصودی و همکاران(2023) اوازانی و همکاران(2023) چنگ و همکاران(2020) سونگکاجورن و همکاران(2022) ژانگ و همکاران(2021)
عملکرد تولید	چنگ و همکاران(2020) راس و همکاران(2023) ژانگ و همکاران(2021) آساموا و همکاران(2021) سان و همکاران(2022)
توسعه آموزش	راس و همکاران(2023) گلریزگشتی و همکاران(2023)
توسعه محصول جدید	چنگ و همکاران(2020) سونگکاجورن و همکاران(2022) گلریزگشتی و همکاران(2023) آساموا و همکاران(2021)
تحقیق و توسعه	مقصودی و همکاران(2023) سونگکاجورن و همکاران(2022) راس و همکاران(2023) آساموا و همکاران(2021) سان و همکاران(2022)
شکایات مشتریان	اوازانی و همکاران(2023) ژانگ و همکاران(2021)
توسعه فناوری	اوازانی و همکاران(2023) چنگ و همکاران(2020) گلریزگشتی و همکاران(2023) ژانگ و همکاران(2021)
یادگیری سازمانی	چنگ و همکاران(2020) چنگ و همکاران(2020) سونگکاجورن و همکاران(2022) راس و همکاران(2023) گلریزگشتی و همکاران(2023) آساموا و همکاران(2021)
توسعه منابع انسانی	راس و همکاران(2023) گلریزگشتی و همکاران(2023)
پروژه های بهبود	مقصودی و همکاران(2023) اوازانی و همکاران(2023)
بهره وری	مقصودی و همکاران(2023) سونگکاجورن و همکاران(2022) راس و همکاران(2023) آساموا و همکاران(2021) سان و همکاران(2022)
ارتقا کیفیت	گلریزگشتی و همکاران(2023) سان و همکاران(2022)
سرمایه گذاری	مقصودی و همکاران(2023) اوازانی و همکاران(2023) چنگ و همکاران(2020) سونگکاجورن و همکاران(2022) گلریزگشتی و همکاران(2023) ژانگ و همکاران(2021) سان و همکاران(2022)
سرعت پاسخگویی	مقصودی و همکاران(2023) اوازانی و همکاران(2023) گلریزگشتی و همکاران(2023) ژانگ و همکاران(2021)
اجرای استراتژی سازمانی	سونگکاجورن و همکاران(2022) گلریزگشتی و همکاران(2023) آساموا و همکاران(2021) سان و همکاران(2022)
گردش موجودی	راس و همکاران(2023) آساموا و همکاران(2021)

ماخذ: یافته‌های تحقیق

مطالعه و بررسی پژوهش ها نشان می دهد، در حوزه مدل سازی پویای ارزیابی عملکرد سازمانی بر اساس ويژگي هاي عملکردي شرکتی، چارچوبی ارائه نشده است. همچنين پژوهش های موجود نیز موضوع های ارزیابی عملکرد سازمانی را در قالب متغيري واحد، مورد آزمون فرضيه قرار داده اند و بخش عمده اي نيز از پژوهش ها رويکردي کيفي دارد. لزوم ارزیابی عملکرد سازمانی در قالب یک سیستم پویا در صنعت مورد مطالعه بر اساس عملکرد و استفاده از روشهای نوين علمي تحليل داده از مهم ترين خلاهاي پژوهشي مي باشد. بنابراین مدل سازی پویای فعالیت های ارزیابی عملکرد سازمانی بر اساس دانش بدست آمده از خبرگان مي تواند ضروري محسوب گردد.

روش شناسی پژوهش

پژوهش حاضر ازلحاظ هدف، کاربردی و روش تحقیق آن، توصیفی/مدلسازی است. مبنا و بنیان تحقیقات انجام شده به وسیله سیستم های پویا بر تحقیقات صاحبنظران، مصاحبه با خبرگان و اطلاعات حاصل شده از مصاحبه ها است. 50 خبره در اين پژوهش انتخاب که برخی از ویژگی های اصلی برای انتخاب خبرگان عبارت است از: سابقه کاری مرتبط ، مدرک کارشناسی ارشد به بالا و دارای سابقه مدیریت اجرایی در تحقيق و توسعه در اين زمينه می‌باشد. آمار جمعيت شناختي خبرگان را در جدول(2) مشاهده مي نمائيد.

جدول 2- آمار جمعيت شناختي خبرگان در پژوهش

ويژگي	توضيحات	فراواني	درصد
تحصيلات	دکتري	9	18%
	کارشناسي ارشد	29	58%
	کارشناسي	12	24%
	کل	50	100%
سابقه اجرايي	بالاي 25	12	24%
	بين 20 تا 25	22	44%
	بين15 تا 20	16	32%
	کل	50	100%
پست سازماني	استاد دانشگاه	4	8%
	مدير ارشد	29	58%
	مدير مياني	17	34%
	کل	50	100%

                                       ماخذ: یافته‌های تحقیق

پس از بررسی و مطالعه دقیق ادبیات نظري پژوهش و تحلیل مطالعات محققین، متغيرهاي مرتبط با چرخه ارزیابی عملکرد سازمانی شناسایی و متغيرهاي نهايي مرتبط با صنعت در قالب به‌کارگیری روش دلفی توسط خبرگان استخراج گرديد. جهت بررسي روابط علت و معلولی بین متغیرهاي موجود در سیستم از روش دیماتل استفاده گرديد. سپس، مدل مفهومی چرخه هاي ارزیابی عملکرد سازمانی در صنعت خودرو با تلفیق یکسری مدل ها و رویکردهای موجود در حوزه های مورد بررسی و ارائه مؤلفه ها و روابط جدید، توسعه داده شد.. به طور خلاصه؛ گامهای حل مسئله در سیستم های پویا به قرار زیر است:

1-شناسایی و تعریف مسئله؛

2-مفهوم سازی سیستم (نمودارهای علت و معلولی)؛

بدین ترتیب؛ پس از مطالعه شاخص هاي موثر بر مدل سازي با استفاده از اسناد، مدارك و مقالات موجود و شناخت امکانات، اهداف، سیاستها و تصمیمات به جمع آوری اطلاعات با استفاده ازنظر افراد خبره پرداخته و متغیرهای کلیدی شناسایی شده اند.

تعیین متغیرهای موثر در ارزیابی عملکرد سازمانی:

در اين بخش به منظور استخراج متغیرهای موثر در ارزیابی عملکرد سازمانی پانلی با حضور 50 نفر از خبرگان تشكيل شد. سپس طبق متدولوژی دلفی به جمع آوری داده پرداخته شد. هدف از این روش، دسترسی به مطمئن­ترین توافق گروهی خبرگان در مورد موضوع مي باشد. طيف امتيازي ليکرت 9 تايي مي باشد. بررسی نهایی متغیرهای مورد تحلیل در روش دلفی با استفاده از پرسشنامه و نظرخواهی از خبرگان، در 3 راند مطابق جدول زير صورت پذیرفت. 7 متغير در راند دوم و 5 متغير در راند سوم مورد توافق خبرگان قرار گرفت. لازم به ذکر است معيار توافق خبرگان حد آستانه حداقل خطا در دو راند 10 درصد و شرايط انتخاب متغير ميانگين امتياز بالاي 7 مي باشد

 

جدول3- نتایج ارزیابی روش دلفي ارزیابی عملکرد سازمانی

مرحله سوم				مرحله دوم			مرحله اول	متغیر
نتیجه بررسی راند سوم	اختلاف	راند سوم	راند دوم	نتیجه بررسی راند دوم	اختلاف	راند دوم	راند اول
اجماع خبرگان	0.01	8.91	8.9	نظرسنجی مجدد	0.35	8.9	8.55	توسعه بازار
اجماع خبرگان	0.01	8.9	8.89	نظرسنجی مجدد	0.37	8.89	8.52	عملکرد تولید
	_	-	6.54	اجماع خبرگان	0.2	6.54	6.34	آموزش
	_	-	8.6	اجماع خبرگان	0.05	8.6	8.55	توسعه محصول جدید
	_	-	7.23	اجماع خبرگان	0.03	7.23	7.2	تحقیق و توسعه
اجماع خبرگان	0.02	6.82	6.8	نظرسنجی مجدد	0.47	6.8	6.33	شکایات مشتریان
اجماع خبرگان	0.04	6.05	6.01	نظرسنجی مجدد	0.76	6.01	6.77	توسعه فناوری
	_	-	8.2	اجماع خبرگان	0.08	8.2	8.12	یادگیری سازمانی
	_	-	6.43	اجماع خبرگان	0.09	6.43	6.34	توسعه منابع انسانی
	_	-	7.27	اجماع خبرگان	0.03	7.27	7.24	پروژه های بهبود
	_	-	7.14	اجماع خبرگان	0.04	7.14	7.1	بهره وری
اجماع خبرگان	0.10	6.50.	6.45	نظرسنجی مجدد	0.22	6.45	6.23	ارتقا کیفیت
	0.01	8.6.	8.59	نظرسنجی مجدد	0.29	8.59	8.3	سرمایه گذاری
	_	-	6.19	اجماع خبرگان	0.07	6.19	6.12	سرعت پاسخگویی
	0.1	6.5.	6.4	نظرسنجی مجدد	0.31	6.4	6.09	اجرای استراتژی سازمانی
	0.04	6.19	6.15	نظرسنجی مجدد	0.96	6.15	5.19	گردش موجودی

 ماخذ: یافته‌های تحقیق

در جدول فوق میانگین امتیازات نهایی کسب شده هر متغير را می توان مشاهده نمود. در ستون سوم شامل متغيرهایی است که خبرگان در مرحله دوم به توافق رسیدند و ستون چهارم شامل متغيرهایی است که خبرگان در مرحله سوم به توافق رسیدند. در این پژوهش با توجه به اعداد به دست­آمده از فازی زدایی تجمیع دیدگاه خبرگان عدد 7 را به عنوان آستانه تاييدي در نظر گرفته اند.

جدول 4- انتخاب متغيرهاي ارزیابی عملکرد سازمانی

وضعیت کلی بالای 7	میانگین امتیاز راند 3	میانگین امتیاز راند 2	متغير	ردیف
تایید	8.91	-	توسعه بازار	1
تایید	8.09	-	عملکرد تولید	2
عدم تایید	-	6.54	آموزش	3
تایید	-	8.6	توسعه محصول جدید	4
تایید	-	7.23	تحقیق و توسعه	5
عدم تایید	6.82.		شکایات مشتریان	6
عدم تایید	6.05		توسعه فناوری	7
تایید	-	8.20	یادگیری سازمانی	8
عدم تایید	-	6.43	توسعه منابع انسانی	9
تایید	-	7.27	پروژه های بهبود	10
تایید	-	7.14	بهره وری	11
عدم تایید	6.50	-	ارتقا کیفیت	12
تایید	8.6	-	سرمایه گذاری	13
عدم تایید	-	6.19	سرعت پاسخگویی	14
عدم تایید	6.5	-	اجرای استراتژی سازمانی	15
عدم تایید	6.19	-	گردش موجودی	16

                         ماخذ: یافته‌های تحقیق

تعیین روابط علي و معلولي بين متغيرهاي ارزیابی عملکرد سازمانی:

جهت بررسي روابط علي و معلولي از تکنيک ديماتل گروهي استفاده شده است. هدف از بکارگيري اين تکنيک تقسيم بندي متغيرها به دو بخش علي و معلولي مي باشد. اين تکنيک که يکي از روش هاي تصميم گيري چندمعياره مي باشد، بر اساس اصول تحليل رياضي گراف ها مي باشد. در گام نخست مطابق تکنیک تصمیم گیری گروهی متغيرهاي ارزیابی عملکرد سازمانی استخراج شده در مرحله قبل عناصر گراف در رئوس یک دیاگرام قرار می گیرند.سپس از خبرگان خواسته شد که شدت و نفوذ پذیری مستقیم هر متغیر بصورت مقایسات زوجی را تعیین نمایند. این شدت بصورت امتیاز دهی از 1 ( بدون هیچ تاثیری) تا 10 (به شدت تاثیر گذار) انتخاب گردید. سپس میانگین امتیازات کسب شده به ازای هر متغیر بر روی دیاگراف شخص گردید.مجموعه دنباله نامحدود از آثار مستقيم و غير مستقيم از عناصر بر يكديگر را مي توان به صورت يك تصاعد هندسي، بر اساس قوانين موجود از گراف ها محاسبه نمود. محاسبه اين مجموعه نيز نياز به استفاده از رابطه زير خواهد داشت.

رابطه (1)

 

رابطه فوق شدت ممكن از كليه روابط مستقيم و غير مستقيم برآمده از نظر خبرگان را محاسبه مي نمايد. لذا مطابق رابطه فوق داريم:

جدول 5- ماتريس مقياسات شدت نسبي موجود از روابط مستقيم و غيرمستقيم بین متغیرها

C8	C7	C6	C5	C4	C3	C2	C1	اندیس	متغیر
7.86	6.43	5.14	5.19	9.05	9.05	9.05		C1	توسعه بازار
7.34	9.05	7.86	2.05	5.14	7.86		2.05	C2	عملکرد تولید
7.86	2.05	7.86	7.86	2.05		4.23	4.82	C3	توسعه محصول جدید
4.43	6.98	5.9	5.14		2.05	7.86	4.82	C4	تحقیق و توسعه
7.86	4.82	7.86		4.82	4.82	7.86	6.76	C5	یادگیری سازمانی
7.86	7.86		2.05	2.05	4.82	7.86	3.34	C6	پروژه های بهبود
7.11		4.82	7.86	7.86	7.86	6.76	5.34	C7	بهره وری
	9.05	7.86	7.86	8.8	9.05	5.23	9.05	C8	سرمایه گذاری

                     ماخذ: یافته‌های تحقیق

در گام بعد سلسه مراتب يا ساختار ممكن از متغیر را مشخص مي نماييم. ترتيب نفوذ متغیر مفروض بر ديگر متغیر و يا تحت نفوذ قرار گرفتن آنها مشخص كننده ساختار ممكن از سلسله مراتب آنها متغیر در بهبود يا حل مسئله خواهد بود. بدين منظور براي دسترسي به ساختار ممكن از روابط مستقيم و غير مستقيم ترتيب واقع شدن متغیرها از نظر نفوذ بر ديگر و همچنين ترتيب آنها را از نظر تحت نفوذ قرار گرفتن، در جدول زير بررسي مي كنيم.

جدول 6- ترتيب نفوذپذيري و تاثيرگذاري متغیرهاي تصميم‌گيري

بر اساس مجموع ستوني (J)	اولویت‌بندی	بر اساس مجموع رديفي (R)	اولویت‌بندی
4.19	بهره وری	4.34	سرمایه گذاری
3.88	توسعه محصول جدید	4.29	توسعه بازار
3.76	عملکرد تولید	3.80	یادگیری سازمانی
3.56	توسعه بازار	3.70	بهره وری
3.50	پروژه های بهبود	3.17	عملکرد تولید
3.33	تحقیق و توسعه	2.85	تحقیق و توسعه
3.09	یادگیری سازمانی	2.82	توسعه محصول جدید
2.87	سرمایه گذاری	2.65	پروژه های بهبود

                 ماخذ: یافته‌های تحقیق 

بيشترين مجموع رديفي (R) نشان دهنده ترتيب متغیر هايي است كه قوياً بر متغیر هاي ديگر نفوذدارد( متغیر سرمایه گذاری بيشترين تاثير بر ساير متغیر ها را دارد). بيشترين مجموع ستوني(J) نشان دهنده ترتيب متغیر هايي است كه بیشترین تاثیر پذیری را با سایر متغیر های دیگر دارند.(متغیر بهره وری تامین بيشترين تعامل را نسبت به ساير متغیر ها دارد). بنابراين ترتيب متغیر از ستون(R) نشان دهنده سلسله مراتب از متغیر هاي نفوذ كننده بوده ترتيب متغیر از ستون (J) نشان دهنده سلسله مراتب از متغیر هاي تحت نفوذ خواهد بود.

شاخص (R+J) مشخص كننده مجموع تاثير گذاري و تاثير پذيري عامل مورد نظر در سيستم مي باشد. به عبارتي عاملي كه بيشترين مقدار(R+J) را دارا است، بيشترين تعامل را با ساير عوامل سيستم دارد، یا اصلاحاً این متغیر های علت می باشند. متغیر بهره وری با امتياز كسب شده 7.89  بيشترين تعامل را با ساير متغیر ها دارد. همچنين متغیر پروژه های بهبود كمترين تعامل را با ساير متغیر ها با امتياز 6.15 دارا مي باشد. مقدار نهايي (فقط) اثرگذاري هر عامل بر مجموع عوامل ديگر سيستم نيز از تفاضل (R-J) حاصل مي شود، به گونه اي كه

رابطه (2)

متغیر يك علی است متغیر يك معلول است

 

 

جدول 7- ترتيب نفوذ پذيري و تاثيرگذاري قطعی متغیرهاي تصميم‌گيري

بر اساس R-J	اولویت‌بندی متغیر	اندیس	بر اساس R+J	اولویت‌بندی متغیر	اندیس
1.47	سرمایه گذاری	C8	7.89	بهره وری	C7
0.73	توسعه بازار	C1	7.85	توسعه بازار	C1
0.71	یادگیری سازمانی	C5	7.20	سرمایه گذاری	C8
-0.48	تحقیق و توسعه	C4	6.93	عملکرد تولید	C2
-0.49	بهره وری	C7	6.89	یادگیری سازمانی	C5
-0.58	عملکرد تولید	C2	6.70	توسعه محصول جدید	C3
-0.85	پروژه های بهبود	C6	6.18	تحقیق و توسعه	C4
-1.06	توسعه محصول جدید	C3	6.15	پروژه های بهبود	C6

                    ماخذ: یافته‌های تحقیق 

با توجه به جدول فوق يك دستگاه مختصات دكارتي به گونه اي كه محور طولي آن بر حسب مقادير(R+J) و محور عرضي آن بر حسب (R-J)  مدرج باشد، تشكيل گرديد و موقعيت هر يك از عوامل موجود با يك نقطه به مختصات (R+J,R-J)A: در اين دستگاه معين شد. يك نماي گرافيكي ساده از ساختار نهايي حاصل از سيستم بدست آيد. نتايج نشان مي دهد متغير سرمایه گذاری و توسعه بازار ، یادگیری سازمانی متغيرهاي علي در چرخه ارزیابی عملکرد سازمانی محسوب مي شوند و ساير متغيرها ماهيت معلول مي باشند.

 

بهره وری

توسعه محصول جدید

یادگیری سازمانی

عملکرد تولید

 

شكل 1- مختصات متغیرهای  علی و معلولی در ارزیابی عملکرد سازمانی

 

 

نمودار حلقه های علت و معلولی

هدف اصلی نمودارهای حلقه علی نشان دادن فرضیه های علی در هنگام مدلسازی است تا از این طریق، ساختار به شکل کامل و به هم پیوسته بیان شود. 

حلقه شماره ۱ : توسعه بازار

در این حلقه مشاهده می‌شود افزایش سودآوری سازمان می‌تواند میزان میزان تبلیغات را افزایش دهد بدیهی است میزان تبلیغات می‌تواند در توسعه بازار جدید موثر باشد همچنین توسعه بازار جدید می‌تواند در فروش محصولات جدید سازمان و به تبع افزایش درآمدی سازمان و سودآوری را در بر خواهد داشت. لازم به ذکر است که در این حلقه سهم پذیرش محصول جدید در بازار و میزان تقاضا رابطه مستقیمی با توسعه بازار جدید خواهد داشت. هر چه سهم پذیرش و میزان تقاضا محصول جدید در بازار کاهشی باشد، ارایه محصول جدید توسط سازمان با چالش مواجه خواهد شد. لذا سهم پذیرش محصول جدید در بازار و میزان تقاضای محصول دو محرک کلیدی  خارجی جهت کنترل در این حلقه می‌باشند. همچنین متغیر سودآوری عامل محرک جهت رشد افزایشی در این حلقه می‌باشد.

حلقه شماره 2 : تولید

در این حلقه مشاهده می‌شود افزایش سودآوری سازمان می‌تواند میزان سرمایه گذاری  را افزایش دهد بدیهی است میزان سرمایه گذاری می‌تواند در افزایش تیراژ تولید موثر باشد. همچنین تیراژ تولید می‌تواند در فروش محصولات سازمان و به تبع افزایش درآمدی سازمان و سودآوری را در بر خواهد داشت. لازم به ذکر است که در این حلقه سطح کشش بازار رابطه مستقیمی با فروش محصولات خواهد داشت. هر چه سطح کشش بازار محصول در بازار کاهشی باشد، فروش محصولات سازمان با چالش مواجه خواهد شد. لذا سطح کشش بازار محرک کلیدی  خارجی جهت کنترل در این حلقه می‌باشند. همچنین متغیر سودآوری عامل محرک جهت رشد سرمایه گذاری تولید در این حلقه می‌باشد.

حلقه شماره 3 : توسعه محصول جدید

در این حلقه مشاهده می‌شود افزایش ضریب سرمایه گذاری سرمایه ای در سازمان می‌تواند میزان سرمایه گذاری سرمایه ای را افزایش دهد بدیهی است میزان سرمایه گذاری سرمایه ای می‌تواند در افزایش پروژه های توسعه محصول جدید موثر باشد. همچنین پروژه های توسعه محصول جدید می‌تواند در ارتقا دانش توسعه محصول سازمان و به تبع آن کاهش زمان اجرای پروژه توسعه محصول را در بر خواهد داشت. لازم به ذکر است که در این حلقه سرمایه گذاری سرمایه ای رابطه مستقیمی با سرمایه گذاری سازمان و ضریب سرمایه گذاری سرمایه ای خواهد داشت. هر چه ضریب سرمایه گذاری سرمایه ای کاهشی باشد، میزان سرمایه گذاری سرمایه ای جهت توسعه محصولات جدید  با چالش مواجه خواهد شد. لذا ضریب سرمایه گذاری سرمایه ای  و نیز سطح میزان سرمایه گذاری محرک کلیدی  جهت کنترل در این حلقه می‌باشند.

حلقه شماره 4 : تحقیق و توسعه

در این حلقه مشاهده می‌شود افزایش دانش توسعه محصول در سازمان می‌تواند میزان یادگیری تحقیق و توسعه را افزایش دهد بدیهی است یادگیری تحقیق و توسعه می‌تواند در افزایش ظرفیت سازی محصولات جدید موثر باشد. همچنین ظرفیت سازی محصولات جدید توسعه دانش توسعه محصول را در بر خواهد داشت. لازم به ذکر است که انباشت دانش توسعه محصول، محرک کلیدی در این حلقه می‌باشند.

حلقه شماره 5 : پروژه های بهبود

در این حلقه مشاهده می‌شود افزایش ضریب سرمایه گذاری عملیاتی در سازمان می‌تواند میزان سرمایه گذاری عملیاتی را افزایش دهد بدیهی است سرمایه گذاری عملیاتیمی‌تواند در افزایش پروژه های بهبود موثر باشد. همچنین پروژه های بهبود می‌تواند در ارتقا دانش فنی سازمان و به تبع آن کاهش زمان اجرای پروژه بهبود فرایندی را در بر خواهد داشت. لازم به ذکر است که در این حلقه سرمایه گذاری عملیاتیرابطه مستقیمی با سرمایه گذاری سازمان و ضریب سرمایه گذاری عملیاتی خواهد داشت. هر چه ضریب سرمایه گذاری عملیاتی کاهشی باشد، میزان سرمایه گذاری عملیاتی جهت توسعه پروژه های بهبود با چالش مواجه خواهد شد. لذا ضریب سرمایه گذاری عملیاتی و نیز سطح میزان سرمایه گذاری محرک کلیدی  جهت کنترل در این حلقه می‌باشند.

حلقه شماره 6 : یادگیری سازمانی

در این حلقه مشاهده می‌شود افزایش دانش فنی در سازمان می‌تواند میزان بهبود فرایند را افزایش دهد بدیهی است بهبود فرایند می‌تواند در افزایش یادگیری سازمانی موثر باشد. همچنین یادگیری سازمانی توسعه دانش فنی سازمان را در بر خواهد داشت. لازم به ذکر است که انباشت دانش فنی، محرک کلیدی در این حلقه می‌باشند.

حلقه شماره 7 : بهره وری

در این حلقه مشاهده می‌شود بهبود فرایند می‌تواند بهره وری را افزایش دهد. همچنین  افزایش بهره وری می‌تواند در افزایش بهبود فرایند سازمانی موثر باشد.

حلقه شماره 8 : سرمایه گذاری

در این حلقه مشاهده می‌شود افزایش سودآوری سازمان می‌تواند میزان سرمایه گذاری  را افزایش دهد بدیهی است میزان سرمایه گذاری می‌تواند در افزایش سرمایه گذاری عملیاتی موثر باشد. همچنین سرمایه گذاری عملیاتی می‌تواند در پروژه های بهبود و به تبع افزایش توسعه دانش فنی را در بر خواهد داشت. همچنین توسعه دانش فنی می‌تواند در بهبود فرایند و به تبع افزایش بهره وری را در بر خواهد داشت. افزایش بهره وری باعث کاهش هزینه های تولید و افزایش درآمد سازمان و سوآوری می‌شود

چگونگی روابط میان متغیرها و نیز ساختار بازخوردی در قالب نمودار علت و معلول به صورت شکل زير خواهد بود.

 

شکل 2 - مدل علت و معلولي چرخه ارزیابی عملکرد سازمان

همانگونه که در شکل فوق مشاهده می‌شود هفت حلقه علی و معلولي در مدل مفهومی در نظر گرفته می‌شود.

در مدل سازی پویا غیر از متغیرهای سیستمی می توانیم از متغیرهای کمکی یا برون زا به دلیل جلوگیری از پیچیدگی مدل سازی برای تحلیل و شبیه سازی رفتار مدل استفاده نماییم. جهت تعیین متغیرهای برون زا در سیستم پویای ارزیابی عملکرد سازمان ، از گروه خبرگان و ادبیات پژوهش به جمع آوری داده پرداخته شد.

جدول 8 - متغیرهای برون زا در سیستم پویای ارزیابی عملکرد سازمان

متغیرهای برون زا	ردیف
سهم پذیرش محصول جدید در بازار	1
سطح کشش بازار	2
میزان تقاضا	3
سطح رقابت پذیری	4
ضریب سرمایه گذاری سرمایه ای	5
ضریب سرمایه گذاری عملیاتی	6

 

 

شکل 3- مدل علت و معلولي چرخه ارزیابی عملکرد سازمان در حالت متغیرهای برون زا

نتیجه­گیری و پیشنهاد

تحقیقات بسیاری در حوزه ارزیابی عملکرد سازمانی متمرکزشده اند، با این حال این تحقیقات بر مبنای ادراکات ایستا و تک حلقه ای از روابط علت و معلولی هر عامل و بدون در نظر گرفتن اثرات بازخوردی تمامی عوامل انجام شده است. بنابراین هدف از پژوهش حاضر بررسی اثرات عوامل درگیر در چرخه ارزیابی عملکرد سازمانی با استفاده از رویکرد بازخوردی و پویا است. در این پژوهش تلاش گردید مهم ترین متغیرهای ارزیابی عملکرد سازمانی در طراحی یک سیستم داینامیک بررسی گردد. سپس بر مبنای آن یک سیستم پویا طراحی گردید. سيستم هاي پویا به عنوان يكي از كاربردي ترين شاخه علی و معلولی  بر مجموعه اي از دانسته ها و قواعد در يك زمينه خاص دلالت دارند كه در نهايت بتوان به كمك آن توانايي هاي افراد خبره در آن زمينه را به نحو مطلوبي شبيه سازي نمود.در پژوهش حاضر ابتدا با توجه به مرور ادبیات ارزیابی عملکرد سازمانی ، کلیه متغیرهای دخیل استخراج گردید و سپس بر اساس تحلیل اکتشافی یک مدل مفهومی پویای ارزیابی عملکرد سازمانی ارایه گردید. جهت شناسایی متغیرهای تاثیرگذار و تاثیر پذیر در ارزیابی عملکرد سازمانی ، بر اساس خروجی روش دلفی 8 متغیر شناسایی و مورد پایش قرار گرفت.توسعه بازار با امتیاز 8.9 در رتبه اول، عملکرد تولید با امتیاز 8.90 در رتبه دوم و توسعه محصول جدید با امتیاز 8.60 در رتبه سوم قرار گرفت.جهت بررسي روابط علي و معلولي از تکنيک ديماتل گروهي استفاده شده است. هدف از بکارگيري اين تکنيک تقسيم بندي متغيرها به دو بخش علي و معلولي مي باشد. اين تکنيک که يکي از روش هاي تصميم گيري چندمعياره مي باشد، بر اساس اصول تحليل رياضي گراف ها مي باشد.3 متغیر شامل سرمایه گذاری، توسعه بازار، یادگیری سازمانی به عنوان عوامل علی در سیستم ارزیابی عملکرد می باشند و 5 متغیر شامل متغیرهای تحقیق و توسعه، بهره وری، عملکرد تولید، پروژه های بهبود، توسعه محصول جدید به عنوان عوامل معلول در سیستم ارزیابی عملکرد می باشند. افزایش سودآوری سازمان می‌تواند میزان میزان تبلیغات را افزایش دهد بدیهی است میزان تبلیغات می‌تواند در توسعه بازار جدید موثر باشد همچنین توسعه بازار جدید می‌تواند در فروش محصولات جدید سازمان و به تبع افزایش درآمدی سازمان و سودآوری را در بر خواهد داشت. لازم به ذکر است که در این حلقه سهم پذیرش محصول جدید در بازار و میزان تقاضا رابطه مستقیمی با توسعه بازار جدید خواهد داشت. هر چه  سهم پذیرش و میزان تقاضا محصول جدید در بازار کاهشی باشد، ارایه محصول جدید توسط سازمان با چالش مواجه خواهد شد. لذا سهم پذیرش محصول جدید در بازار و میزان تقاضای محصول دو محرک کلیدی  خارجی جهت کنترل در این حلقه می‌باشند. همچنین متغیر سودآوری عامل محرک جهت رشد افزایشی در این حلقه می‌باشد.افزایش سودآوری سازمان می‌تواند میزان سرمایه گذاری  را افزایش دهد بدیهی است میزان سرمایه گذاری می‌تواند در افزایش تیراژ تولید موثر باشد. همچنین تیراژ تولید می‌تواند در فروش محصولات سازمان و به تبع افزایش درآمدی سازمان و سودآوری را در بر خواهد داشت. لازم به ذکر است که در این حلقه سطح کشش بازار رابطه مستقیمی با فروش محصولات خواهد داشت. هر چه سطح کشش بازار محصول در بازار کاهشی باشد، فروش محصولات سازمان با چالش مواجه خواهد شد. لذا سطح کشش بازار محرک کلیدی  خارجی جهت کنترل در این حلقه می‌باشند. همچنین متغیر سودآوری عامل محرک جهت رشد سرمایه گذاری تولید در می‌باشد.افزایش ضریب سرمایه گذاری سرمایه ای در سازمان می‌تواند میزان سرمایه گذاری سرمایه ای را افزایش دهد بدیهی است میزان سرمایه گذاری سرمایه ای می‌تواند در افزایش پروژه های توسعه محصول جدید موثر باشد. میزان سرمایه گذاری محرک کلیدی ارزیابی عملکرد سازمانی می‌باشند. این عامل خود در عملکرد سایر حقله های عملکردی مانند تولید، توسعه محصولات و پروژه های بهبودی جهت نوآوری و توسعه بازار می‌باشد. لذا اهمیت این موضوع که بخشی از درآمد سازمانی می بایست جهت بهبود سازمانی و انجام تحقیق و توسعه صورت پذیرد مورد توجه می‌باشد. سطح کشش بازار محرک کلیدی خارجی در رشد تولید می‌باشند. همچنین متغیر سودآوری عامل محرک جهت رشد سرمایه گذاری تولید می‌باشد. لذا به مدیران و سیاست گذاران با توجه به پژوهش صورت گرفته پیشنهاد می‌شود جهت  سیاست گذاری ارزیابی عملکرد سازمانی به این عوامل توجه نمایند.

 

منابع و مآخذ

آقاکاظم شیرازی، سمانه، رضازاده، جواد، و کردستانی، غلامرضا. (1397). واکاوی عمکرد سازمانی: رویکرد مالی و ساختاری. پژوهش های مدیریت منابع سازمانی، 8(4 )، 1-22. SID. https://sid.ir/paper/406908/fa

انتظاری، فرنوش، و ایرانبان، سیدجواد. (1396). مدل علی هوش هیجانی, عملکرد سازمانی و یادگیری سازمانی. روشها و مدلهای روان شناختی، 8(30 )، 177-192. SID. https://sid.ir/paper/227650/fa

ایزدیار، مهدی، طلوعی اشلقی، عباس، و سیدحسینی، سیدمحمد (1399). مدل ارزیابی عملکرد پایداری شیوه های مدیریت زنجیره تامین لارج در زنجیره تامین خودروسازی با استفاده از پویایی سیستم. مدیریت صنعتی, 12(1 ), 111-142. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=555232

بابایی میبدی، حمید، گودرزی، غلامرضا، آذر، عادل، و عزیزی، فیروزه. (1399). طراحی مدل آینده نگاری توسعه پایدار با رویکرد برنامه‌ریزی سناریو مبنا و سیستم داینامیک (مورد مطالعه: استان یزد). مدیریت فردا، 19(62 )، 163-180. SID. https://sid.ir/paper/390337/fa

بختیاری، مسعود، کاشانی پور، محمد، غلامی جمکرانی، رضا، و جهانگیرنیا، حسین. (1399). مدلسازی مولفه ها و ابعاد ارزیابی عملکرد سازمانی متناسب با شرایط محیطی ایران. حسابداری مدیریت، 13(46 )، 17-29. SID. https://sid.ir/paper/950583/fa

تاری، غفار، فقهی فرهمند، ناصر، تقی زاده، هوشنگ، و بافنده زنده، علیرضا. (1394). طراحی یک مدل رشد سازمانی در صنعت قطعه سازی خودرو با استفاده از رویکرد پویایی سیستم. پژوهشنامه مدیریت اجرایی، 7(13)، 13-38. SID. https://sid.ir/paper/505624/fa

جعفری، طیبه، شفیع آبادی، عبداله، فرح بخش، کیومرث، عباس پور، عباس، و یونسی، جلیل. (1399). طراحی و اعتباریابی الگوی ارزیابی عملکرد مدیران سازمانی در سازمان بازرسی کل کشور. رهیافتی نو در مدیریت آموزشی، 11(46 )، 243-266. SID. https://sid.ir/paper/999874/fa

جعفری، عزیزاله، نادعلی پور، زهرا، حیدری فر، زهرا، و باقری، محسن (1399). ایجاد اشتغال صنعت گردشگری با رویکرد پویایی سیستم ها. گردشگری و توسعه, 9(3 ), 153-172. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=557685

جهانیان، سعید، امینی، فائزه، و شائمی برزکی، علی. (1397). شناسایی سیاستهای بهبود ظرفیت جذب دانش و تاثیر آنها بر عملکرد سازمانی با رویکرد پویایی شناسی سیستم. مدیریت نوآوری، 7(3 )، 143-168. SID. https://sid.ir/paper/241479/fa 

حبیب زاده، شیوا، مهاجران، مهناز، قلعه ای، علیرضا، و حسنی، محمد. (1400). تبیین نقش میانجی تعهد سازمانی در رابطه بین چابکی و هوش سازمانی با عملکرد سازمانی. نوآوری و ارزش آفرینی، 10(20 )، 57-74. SID. https://sid.ir/paper/1038337/fa

رضایی، حامد، و علی احمدی، علیرضا. (1399). بررسی رابطه میان مولفه های ارزیابی عملکرد سازمانی (موردمطالعه: سازمان خرید در بخش دولتی). مدیریت فردا، 19(63 )، 3-18. SID. https://sid.ir/paper/404162/fa

سجادی، حمید، و متقی، ابراهیم. (1396). مدل سازی انسجام داینامیک در فرایند توسعه. مطالعات توسعه اجتماعی ایران، 9(2 (مسلسل 34) )، 7-22. SID. https://sid.ir/paper/231953/fa

عبادی ضیایی، علی، محقر، علی، آذر، عادل، صادقی مقدم، محمدرضا، و صفری، حسین (1399). شناسایی حلقه های علی مرتبط با رویکردهای متداول در مدل تعالی سازمانی مبتنی بر پویایی سیستم. مدیریت صنعتی, 12(2 ), 249-270. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=555120

عنایتی شیراز، محمدعلی، حیدریه، سیدعبداله، و افشار کاظمی، محمدعلی (1401). طراحی مدل استراتژی های زنجیره تامین با رویکرد پویایی سیستم در صنعت چوب و کاغذ. مطالعات مدیریت صنعتی, 20(64 ), 153-182. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=621622

غلامی، الهام. (1399). تاثیر رضایت شغلی بر عملکرد سازمانی. مدیریت تبلیغات و فروش (رهیافتی در مدیریت بازرگانی)، 1(2 )، 77-89. SID. https://sid.ir/paper/269681/fa

لشکری، محمد، سامی، ابوالفضل، و ارشادی، زهرا. (1393). ارزیابی استراتژی های رقابتی و عملکرد سازمانی. مطالعات مدیریت راهبردی، 5(17 )، 39-50. SID. https://sid.ir/paper/181701/fa

میراب آستانه، پیمان، و تقی تهرانی، امیر (1397). ارزیابی انتخاب های استراتژیک کسب وکارهای تولیدی در حال افول با رویکرد پویایی شناسی سیستم. راهبرد اقتصادی, 9(33 ), 181-216. https://www.sid.ir/fa/journal/ViewPaper.aspx?id=582308

میرغفوری، سیدحبیب اله، مروتی شریف آبادی، علی، و مداح، مرتضی. (1390). راهبرد پویایی شناسی تاثیر دانش بر عملکرد و پایدارسازی رضایت مشتریان. مطالعات مدیریت راهبردی، 2(8 )، 103-122. SID. https://sid.ir/paper/181632/fa

نصرت پناه، سیاوش، حصیرچی، امیر، و دهقانی، محبعلی. (1397). طراحی الگوی ارزیابی عملکرد سازمانی بانک انصار. پژوهش های مدیریت منابع انسانی، 10(1 (پیاپی 31) )، 187-210. SID. https://sid.ir/paper/163136/fa

نصیرزاده، حسین، امین طهماسبی، حمزه، و عموزادخلیلی، حسین. (1398). مدل سازی و تحلیل نقش خصوصی سازی بر عملکرد شرکت ملی حفاری ایران با رویکرد پویایی سیستم و براساس مدل تعالی سازمانی EFQM. مهندسی و مدیریت کیفیت، 9(3)، 271-283. SID. https://sid.ir/paper/520779/fa

نوری، رقیه، نظافتی، نوید، و معتدل، محمدرضا. (1400). کاربرد سیستم داینامیک در تحلیل مدل داشبورد های راهبردی مدیریت (مورد مطالعه: شرکت ملی نفت ایران). مطالعات راهبردی در صنعت نفت و انرژی (مدیریت منابع انسانی در صنعت نفت)، 13(51 )، 1-20. SID. https://sid.ir/paper/1043589/fa

هاشمی، سیدحامد، طبری، مجتبی، فرهادی محلی، علی، و معطوفی، علیرضا. (1400). توسعه مدل خودارزیابی عملکرد سازمانی مبتنی بر رویکرد چهارچوب عمومی ارزیابی(CAF). مدیریت منابع در نیروی انتظامی، 9(2 )، 93-126. SID. https://sid.ir/paper/959714/fa

Abdelaziz Ouazzani-Chahidi, Loukili Abdellatif, Jose-Fernando Jimenez, Lamia Berrah,Maturity levels of management process for improving industrial performance,Scientific African,Volume 21,2023,e01852,ISSN 2468-2276.

Asamoah D., B. Agyei-Owusu, F.K. Andoh-Baidoo, E. Ayaburi,Inter-organizational systems use and supply chain performance: Mediating role of supply chain management capabilities,International Journal of Information Management,Volume 58,2021,102195,ISSN 0268-4012.

Ayse H. Ozgun, Mehves Tarim, Dursun Delen, Selim Zaim,Social capital and organizational performance: The mediating role of innovation activities and intellectual capital,Healthcare Analytics,Volume 2,2022,100046,ISSN 2772-4425.

Ayush Raj, Bhupendra Sunil Mali, Bhuvnesh Kumar, Chandra Sen Singh, Gaurav Kumar Nainawat,System Dynamics Approach to Evaluate the Oil and Gas Supply Chain: A Case Study,Upstream Oil and Gas Technology,Volume 11,2023,100090,ISSN 2666-2604.

Ehsan Moradi, Seyed Mohammadbagher Jafari, Zahra Mohammadi Doorbash, Ashraf Mirzaei,Impact of organizational inertia on business model innovation, open innovation and corporate performance,Asia Pacific Management Review,Volume 26, Issue 4,2021,Pages 171-179,ISSN 1029-3132.

Fengxiu Zhang,Evaluating public organization performance under extreme weather events: Does organizational adaptive capacity matter?,Journal of Environmental Management,Volume 296,2021,113388,ISSN 0301-4797.

Fernando Yanine, Zócimo Campos,Sustaining Business Performance Management: An Operational Framework,Procedia Computer Science,Volume 221,2023,Pages 25-32,ISSN 1877-0509.

Han-Chung Chou, Wen-Min Lu, Qian Long Kweh, Chang-Yan Tsai,Using hierarchical network data envelopment analysis to explore the performance of national research and development organizations,Expert Systems with Applications,Volume 234,2023,121109,ISSN 0957-4174.

Lars Rass, Jan Treur, Wioleta Kucharska, Anna Wiewiora,Adaptive dynamical systems modelling of transformational organizational change with focus on organizational culture and organizational learning, Cognitive Systems Research,Volume 79,2023,Pages 85-108,ISSN 1389-0417.

Mehrdad Maghsoudi, Navid Nezafati,Navigating the acceptance of implementing busines intelligence in organizations: A system dynamics approach,Telematics and Informatics Reports,Volume 11,2023,100070,ISSN 2772-5030.

Mudhafar Alefari, Angel María Fernández Barahona, Konstantinos Salonitis,Modelling manufacturing employees’ performance based on a system dynamics approach,Procedia CIRP,Volume 72,2018,Pages 438-443,ISSN 2212-8271.

Nima Jafari Navimipour, Farnaz Sharifi Milani, Mehdi Hossenzadeh,A model for examining the role of effective factors on the performance of organizations,Technology in Society,Volume 55,2018,Pages 166-174,ISSN 0160-791X.

Richard A. Posthuma, Michael Charles Campion & Michael A. Campion (2018) A taxonomic foundation for evidence-based research on employee performance management, European Journal of Work and Organizational Psychology, 27:2, 168-187.

Seyedehfatemeh Golrizgashti, SeyedHossein Hosseini, Qingyun Zhu, Joseph Sarkis,Evaluating supply chain dynamics in the presence of product deletion,International Journal of Production Economics,Volume 255, 2023,108722,ISSN 0925-5273.

Sikandar Ali Qalati, Zuhaib Zafar, Mingyue Fan, Mónica Lorena Sánchez Limón, Muhammad Bilawal Khaskheli,Employee performance under transformational leadership and organizational citizenship behavior: A mediated model,Heliyon,Volume 8, Issue 11,2022,e11374,ISSN 2405-8440.

Viara Popova, Alexei Sharpanskykh,Modeling organizational performance indicators,Information Systems,Volume 35, Issue 4,2010,Pages 505-527,ISSN 0306-4379.

Yaninee Songkajorn, Somnuk Aujirapongpan, Kritsakorn Jiraphanumes, KanitthaPattanasing,Organizational Strategic Intuition for High Performance: The Role of Knowledge-Based Dynamic Capabilities and Digital Transformation,Journal of Open Innovation: Technology, Market, and Complexity,Volume 8, Issue 3,2022,117,ISSN 2199-8531.

Yuan Cheng, Meng Chang, Yanbo Xue,A computational study of promotion dynamics and organizational efficiency,Physica A: Statistical Mechanics and its Applications,Volume 560,2020,125194,ISSN 0378-4371.

Yunpeng Sun, Mohsin Shahzad, Asif Razzaq,Sustainable organizational performance through blockchain technology adoption and knowledge management in China,Journal of Innovation & Knowledge,Volume 7, Issue 4,2022,100247,ISSN 2444-569X.

Examining the causal and effect factors in the organizational performance evaluation system with a dynamic approach

Yazdan Kerami Mal Amiri⁴ , Elmira Mashaikhi Nezamabadi⁵ and Davood Garakhani⁶

 

Abstract

By studying the researches, it shows that the organizational performance evaluation cycle has not been modeled in the form of a dynamic system. The need to investigate organizational performance evaluation activities in the form of a dynamic system in the studied industry based on performance and the use of new scientific data analysis methods is one of the most important research gaps. The research method is exploratory and analytical based on the opinion of experts. In order to monitor the effective variables in evaluating the performance of the system, the Delphi method based on the opinion of experts was used. Dimatel method was used to identify causal and effectual variables. 3 variables include investment, market development, organizational learning as causal factors in the performance evaluation system, and 5 variables include research and development variables, productivity, production performance, improvement projects, new product development as disabling factors in the evaluation system. are the performance of the organization. Then, based on the system dynamics approach, a conceptual model based on eight rings was designed.

 

Keywords: Evaluation of organizational performance, system dynamics, automotive industry

 

---

[1] دانشجوی دکتری مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران؛ [e-mail]

[2]  استادیار گروه مدیریت صنعتی،  واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران، (نویسنده مسئول)؛ [e-mail]   

[3]  استادیار گروه مدیریت صنعتی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران؛   [e-mail]

[4]  PhD student of Industrial Management, Department of Industrial Management, Islamic Azad University, Qazvin branch, Qazvin, Iran [e-mail]

[5] Assistant Professor, Department of Industrial Management, Department of Industrial Management, Islamic Azad University, Qazvin branch, Qazvin, Iran. [e-mail]

[6]  Assistant Professor, Department of Industrial Management, Department of Industrial Management, Islamic Azad University, Qazvin branch, Qazvin, Iran.  [e-mail]

 

 

تعیین وزن بهینه سبد دارایی های بانکی با استفاده از ارزش در معرض خطر (مطالعه موردی بانک دی)

شهرام کردی¹ ، فرزانه خلیلی *² فرید عسگری³ و مهدی صادقی⁴

تاریخ دریافت:6/7/1403 و تاریخ پذیرش: 10/9/1403

 

چکیده

 

در دنیای مالی و سرمایه‌گذاری، یکی از مهم‌ترین چالش‌ها، شناسایی و مدیریت ریسک‌های مرتبط با دارایی‌ها و پرتفوی‌های سرمایه‌گذاری است. برای مؤسسات مالی مانند بانک‌ها، درک و مدیریت این ریسک‌ها نه‌تنها به حفظ سلامت مالی آن‌ها کمک می‌کند، بلکه نقشی اساسی در تصمیم‌گیری‌های استراتژیک و توسعه پایدار نیز ایفا می‌نماید. یکی از ابزارهای کلیدی در این زمینه، مفهوم ارزش در معرض خطر (Value at Risk یا Var) است که به‌عنوان معیاری برای اندازه‌گیری و ارزیابی ریسک سرمایه‌گذاری‌ها به کار می‌رود. در این پژوهش به بهینه‌سازی سبد دارایی بانک دی با استفاده رویکردمارکوئیتزو ارزش در معرض خطر پرداخته شد و نتایج با محاسبه واریانس بصورت انحراف از میانگین مقایسه گردید. سه سهام شرکت برق دماوند، بوعلی و بیمه دی به عنوان سه شرکت دارای بیشترین سهم در سبد سرمایه‌گذاری بانک دی و دارای قیمت در تالار بورس اوراق بهادار تهران به منظور تحلیل انتخاب شدندو داده‌های دوره زمانی فروردین 1401 تا پایان اسفند 1402 به عنوان نمونه انتخاب شد. نتایج این مطالعه نشان داد در سطوح مختلفی از ریسک و بازدهی، بسته به اینکه بانک دی کدام سطح ریسک و بازدهی را متقبل می‌شود، سبد بهینه متفاوتی خواهد داشت. از طرف دیگر بر اساس سبد انتخابی بانک دی، این شرکت در مرز کارا قرار نداشته و می‌تواند به دو صورت افزایش بازدهی با همان سطح ریسک و کاهش ریسک با همان سطح بازدهی سبد خود را تغییر داده و به سمت سبد بهینه حرکت کند.

واژه‌های کلیدی: ارزش در معرض خطر ، بهینه‌سازی سبد دارایی، رویکرد مارکوئیتز، بانک دی.

 

مقدمه

یکی از مسائل مهمی که فرد یا یک سازمان با آن مواجه است، نحوه تخصیص دارایی در میان گزینه‌های مختلف است. تقریباً همه مؤسسات مالی با این مسئله مواجه هستند که باید با در نظر گرفتن ویژگی‌های هر دارایی، تجزیه و تحلیل خود را لحاظ کرده و گزینه بهینه را انتخاب کنند. اهمیت این موضوع باعث شده است که نظریه انتخاب سبد دارایی سنگ بنای تئوری مالی مدرن در نظر گرفته شود. این تحلیل، چگونگی سرمایه‌گذاری در بازار مالی در صورت مواجهه با گزینه‌‌های مختلف در شرایط نااطمینانی را ارائه می‌کند. در ادبیات بهینه‌سازی سبد سهام، رویکردهای مختلفی وجود دارد که می‌تواند به مدیریت ریسک کمک کند که از جمله این روش‌ها می‌توان به برنامه‌ریزی ریاضی فازی، برنامه‌ریزی تصادفی و مدل‌های ترکیبی اشاره نمود. قبل از ارائه نظریه مدرن پرتفوی⁵، سرمایه‌گذاران اغلب به دنبال افزایش سود سرمایه‌گذاری خود بودند و معمولاً ریسک را نادیده می‌گرفتند (قهطرانی و نجفی، 2013(. با این حال، تئوری های مدرن پورتفولیو، این مشکل را با پیشنهاد مفهوم انتخاب بهینه پورتفولیو بررسی و مورد تجدید نظر قرار دادند. در رویکرد مدرن، به‌صورت همزمان بازده سرمایه گذاری و ریسک به عنوان عوامل اصلی در نظر گرفته می‌شوند. ادبیات مربوط به این موضوع شامل مدل های متعددی است که برای بررسی این مشکل گسترش یافته و بر رویکردهای مختلف اندازه‌گیری ریسک تاکید دارند (مندونسا وهمکاران، 2020)

  به عنوان یک عامل موثر بر بازارهای مالی، ریسک نشان دهنده نگرانی سرمایه گذاران است. کاهش سرمایه  نگرانی بسیار جدی در زمان وقوع بحران‌های اقتصادی است. به عنوان مثال، در طول بحران مالی 2008، ارزش برخی از صندوق های سرمایه گذاری بیش از 50 درصد کاهش یافت و به طور مشابه، در طول اپیدمی کووید-19، صندوق‌های سرمایه‌گذاری در سراسر جهان شاهد واکنش‌های منفی در بسیاری از متغیرهای کلان اقتصادی و رکودهای عمده در بازارهای بورس در بسیاری از کشورها بودند (سوایی  و همکاران، 2024).

از زمان ارائه ارزش در معرض خطر2(var) در سال 1994 توسط وتر استون3، این روش به یکی پرکاربردترین معیار محاسبه ریسک توسط شرکت‌های مالی و تنظیم‌کننده‌ها تبدیل شده است. این رویکرد تلاش می‌کند تا اجزاء چندگانه ریسک بازار را مورد بررسی قرار دهد و ارزشی را محاسبه می‌کند که در یک سبد دارایی در دوره زمانی مشخص و در سطح احتمال معین ممکن است از دست رفته باشد (دمرلو ابهری، 1396). این روش به توزیع خاصی متکی نبوده و نوسانات نامطلوب را در نظر می‌گیرد. طبق تعریف ارائه شده، ارزش در معرض خطر حداکثر زیانی است که کاهش ارزش سبد دارایی برای دوره معینی در آینده با یک ضریب اطمینان مشخص اتفاق خواهد افتاد. (پایتختی اسکویی و همکاران، 1398).

از آنجا که در تئوری‌های مدرن بهینه‌سازی سبد دارایی، معیار ریسک و بازدهی به صورت همزمان بهینه شده و نیاز به اندازه‌گیری ریسک خواهد بود و از طرف دیگر ارزش در معرض خطر یک رویکرد مناسب برای اندازه‌گیری ریسک است، در این پژوهش به بهینه‌سازی سبد دارایی بانک دی با استفاده از ارزش در معرض خطر پرداخته خواهد شد. از این‌رو در ادامه به بیان مبانی نظری و پیشینه پژوهش پرداخته شده و سپس روش تجزیه و تحلیل اطلاعات ارائه می‌شود. بخش چهام این مطالعه نتایج بدست آمده را ارائه داده و در بخش پنجم و پایانی نیز به ارائه خلاصه و نتایج حاصل از تحقیق پرداخته و پیشنهادهای سیاستی ارائه خواهد شد.

مبانی نظری و پیشینه پژوهش

همان‌طور که بیان شد، هدف این مطالعه تعیین سبد بهینه دارایی بانک دی با استفاده از روش ارزش در معرض خطر است که در این راستا، ادبیات این تحقیق به سه بخش کلی ادبیات مربوط به تعیین سبد بهینه دارایی، ارزش در معرض خطر و پیشینه پژوهش قابل تقسیم است که در ادامه به بررسی این موارد پرداخته خواهد شد.

تعیین سبد بهینه

مارکوئیتز (1952 و 1959) به عنوان پدر نظریه پرتفوی مدرن⁶ شناخته می‌شود. وی به نظریه پرتفوی سنتی انتقاداتی وارد کرد و معتقد بود که پیدا کردن سهمی با کمترین ریسک و بیشترین بازدهی تقریباً ناممکن است و اگر افراد بخواهند پرتفوی مناسبی بسازند باید بین ریسک و بازده مورد انتظارشان تناسب برقرار کنند. نظریه پرتفوی مدرن با این فرض شکل گرفت که سرمایه‌گذاران به‌طور ذاتی ریسک‌گریز هستند اما مطلوبیت نهایی آن‌ها با هم متفاوت است. این نظریه معتقد است که هیچ چیزی به‌عنوان سرمایه‌گذاری کامل وجود ندارد. چیزی که مهم است و باید مورد توجه قرار بگیرد، انتخاب یک استراتژی با بازده بالا، همراه با ریسک متناسب با بازده است. این نظریه بر این موضوع تأکید می‌کند که ریسک جزء جدا ‌نشدنی پاداشی بیشتر است. مارکوویتز مسئله پرتفوی را به عنوان انتخابی از میانگین و واریانس یک سبد از دارایی‌ها فرموله کرد. وی قضیه اساسی تئوری پرتفوی واریانس میانگین یعنی ثابت نگه داشتن واریانس، حداکثر کردن بازده مورد انتظار، و ثابت نگه داشتن بازده مورد انتظار، به حداقل رساندن واریانس را اثبات نمود. این دو اصل منجر به تدوین یک مرز کارآمد شد که سرمایه‌گذار می‌توانست پرتفوی مورد نظر خود را بسته به اولویت‌های بازده ریسک فردی انتخاب کند. پیام مهم این نظریه این بود که دارایی‌ها را نمی‌توان تنها بر اساس ویژگی‌هایی انتخاب کرد که مختص اوراق بهادار است، در عوض، یک سرمایه گذار باید نحوه حرکت هر اوراق بهادار با سایر اوراق بهادار را در نظر بگیرد. علاوه بر این، در نظر گرفتن این حرکت‌های مشترک منجر به توانایی ساخت پرتفویی خواهد شد که بازده مورد انتظار یکسان و ریسک کمتری نسبت به پرتفویی که با نادیده گرفتن تعاملات بین اوراق بهادار ایجاد می‌شود، داشته باشد. البته در نظر گرفتن فقط میانگین و واریانس بازده یک سبد، ساده‌سازی نسبت به گنجاندن لحظه‌های اضافی است که می‌تواند به طور کامل‌تر توزیع بازده پرتفوی را توصیف کند. کار اولیه شرایط لازم را بر روی تابع مطلوبیت سرمایه گذاران یا توزیع بازده دارایی ها ایجاد می‌کند که منجر به بهینه بودن نظریه واریانس میانگین خواهد شد. در ادامه لی⁷ (1977) و کراوس و لیتزنبرگر⁸ (1976) نظریه‌های جایگزینی را ارائه کردند که شامل شاخص‌های بیشتری مانند چولگی یا دقیق‌تر برای توصیف واقعی‌تر توزیع بازگشت بود. با این وجود، نظریه واریانس میانگین با وجود این جایگزین‌ها، سنگ بنای نظریه پورتفولیوی مدرن باقی مانده است (التون و گرابر⁹، 1997). این تداوم به دو دلیل اتفاق افتاده است؛ اول اینکه خود نظریه واریانس میانگین نیاز به اطلاعات سرمایه‌گذار داشته و شواهدی مبنی بر اینکه روشی دیگر انتخاب بهتری را نتیجه می‌دهد، یافت نشده است. دوم اینکه مفاهیم نظریه پورتفولیو واریانس میانگین، توسعه یافته، شناخته شده و دارای جذابیت شهودی بالایی است (می و ژو¹⁰، 2023).

مارکوویتز مدلی را معرفی نموده که به یک سرمایه‌گذار امکان می‌دهد تا از لحاظ ریاضی میزان ریسک و بازده مورد انتظار را بررسی نموده و سپس پورتفوی بهینه مورد نظر خود را انتخاب نماید. مفروضات این مدل به صورت زیر است:

هدف هر سرمایه گذار کسب حداکثر بازده برای هر سطح ریسک است؛ به عبارت دیگر سرمایه‌گذاران به دنبال کمترین میزان ریسک در سطح معینی از بازدهی هستند.

با تنوع بخشیدن به سبد از طریق اوراق بهادار غیرمرتبط می‌توان ریسک را کاهش داد و سرمایه گذاران پرتفوی خود را بر اساس بازده مورد انتظار (متوسط بازده) و ریسک (واریانس) انتخاب می کنند.

هر مورد سرمایه گذاری را می توان تا بی نهایت تقسیم نمود یا به عبارت دیگر سبد سرمایه‌گذاری می‌تواند تنوع بالایی داشته باشد.

همه سرمایه‌گذاران دوره زمانی مشابهی دارند و افق سرمایه‌گذاری آنها مربوط به یک دوره زمانی است.

یکی از مهمترین فرضیه های این نظریه این است که سرمایه گذاران ریسک گریز هستند.

سرمایه گذاران منطقی رفتار می کنند.

به طور کلی، می‌توان ادعا کرد که کل تئوری پرتفوی مدرن فرض می‌کند که سرمایه گذاران ریسک گریز هستند. این فرضیه بیان می‌کند که از بین گزینه‌های سرمایه‌گذاری با بازدهی یکسان، سرمایه‌گذاران گزینه‌ای را برای سرمایه‌گذاری انتخاب می‌کنند که ریسک کمتری دارد. با این فرض، سرمایه گذاران تنها زمانی در دارایی‌های پرریسک سرمایه‌گذاری می‌کنند که انتظار پاداش و بازده بیشتری داشته باشند.

برای محاسبه ریسک پرتفوی، واریانس هر دارایی به همراه همبستگی بین هر جفت دارایی قابل محاسبه است. رابطه‌ای که بین دارایی‌ها، درصد سرمایه‌گذاری در هر دارایی و تعداد سهام مختلف سرمایه‌گذاری شده در آن وجود دارد، بر ریسک کل پرتفوی تأثیر می‌گذارد. هنگامی که یک سرمایه گذار یک سبد متنوع تشکیل می‌دهد، می‌تواند با افزودن دارایی‌های کم ریسک به سبد سرمایه‌گذاری خود، ریسک دارایی‌های پرریسک را کاهش دهد.

بر اساس آنچه بیان شد، منحنی مرز کارا توسط مارکوویتز معرفی شد. او توانست با استفاده از ضریب ریسک، بازده و همبستگی بین اوراق بهادار مرز کارآمد را ترسیم کند (محدوده این ضریب بین 1-  و 1+ است). در واقع مرز کارا یک ابزار مالی است که به سرمایه گذاران کمک می‌کند تا با توجه به میزان ریسک، پرتفویی با بالاترین نرخ بازدهی ایجاد کنند. بر اساس تئوری مدرن پرتفوی، مرز کارآمد مجموعه‌ای از پرتفوی بهینه (پرتفوی سرمایه گذاری) است که چارچوبی را برای انتخاب سبد سرمایه گذاری با بالاترین بازده مورد انتظار برای سطح معینی از ریسک تعیین می‌کند. در واقع مرز کارآمد مجموعه‌ای است که برای یک سطح بازدهی مشخص، پرتفویی با کمترین سطح ریسک ایجاد می‌کند. پورتفوهایی که زیر مرز کارا قرار می‌گیرند، بهینه نیستند؛ زیرا آنها بازده کافی برای این سطح از ریسک ارائه نمی‌کنند و می‌توان پرتفوهایی را پیدا نمود که با همان سطح ریسک بازدهی بالاتری ایجاد می‌کنند. پورتفوهایی که در سمت راست این مرز قرار دارند نیز کارا نبوده زیرا می‌توان پرتفوهایی با ریسک کمتر و بازدهی بالاتر نسبت به پرتفوهای سمت راست این مرز پیدا نمود. این مرز کارا در نمودار 1 نشان داده شده است. همانطور که در نمودار نیز مشخص است، محور افقی این نمودار ریسک پرتفو و محور عمودی بازده پرتفو را نشان می‌دهد. پرتفوی سرمایه‌گذاری‌ها نیز با توجه به دو عامل ریسک و بازده روی نمودار ترسیم می‌شوند. نقطه B حداقل نقطه واریانس نامیده می‌شود. زیرا در زیر این نقطه، پرتفویی وجود ندارد که ریسک کمتری برای بازدهی کمتر داشته باشد. مرز کارا به سرمایه‌گذار در تعدیل تخصیص دارایی‌های خود کمک می‌کند و باعث خواهد شد که سرمایه‌گذاران حداکثر بازده مورد نظر خود را به دست آورند. همچنین می‌تواند به تعیین اینکه آیا سرمایه‌گذار باید سرمایه‌گذاری خود را در سهامی با ریسک بالا کاهش دهد و سپس سرمایه‌گذاری خود را در سهام کم‌ریسک افزایش دهد، کمک کند.

مرز کارا در نظریه مارکوئیتز

ارزش در معرض خطر

زیان های زیاد ناشی از بحران های مالی، عدم اطمینان به بازار های مالی مخصوصا بانک وارد نمود و این مسئله منجر شد تا در سال 1988 مقامات ارشد بخش بانکی کشور های گروه 10 که موسسان اولیه کمیته بازل میباشند توافقنامه معروف به توافق بازل را به منظور ارائه چارچوبی برای مشخص کردن حد کفایت سرمایه ارائه دادند. بنابراین در سال 1996 کمیته بازل، لزوم نگهداری سرمایه را برای پوشش ریسک بازار با استفاده از روش var که روشی استاندارد و مورد قبول به منظور اندازه‌گیری و کنترل ریسک می‌باشد مورد تاکید قرارداد(راعی، 1393). از var  استفاده های متعددی می کنند و کاربردهای این مدل در مدیریت ریسک و معیاری برای سنجش میزان ریسک و سنجش مقدار سرمایه مورد نیاز یک سازمان برای انجام عملیات خود می‌باشد. در پرتفوهای سرمایه گذاری که شامل انواع ابزارهای مالی مانند سهام، اوراق قرضه و انواع ابزارهای مشتقه می باشند، فقط از طریق این شاخص می توان ریسک را محاسبه کرد، زیرا به دلیل ویژگی های خاص ابزارهای مشتقه از جمله نبود رابطه خطی بین بازدهی ابزارها و دارایی اصلی تعهد شده، نمی توان از سایر روش ها استفاده کرد.

استفاده از روش ارزش در معرض خطر، نیاز به دو پارامتر دارد این دو پارامتر، سطح اطمینان و طول دوره مشاهده هستند، طول دوره مشاهده، بیان کننده دوره زمانی از قبل است که با استفاده از داده‌های آن پارامتر مدل برآورد می گردد .کمیته بازل دوره مشاهده 250 روز کاری را برای مشاهدات روزانه پیشنهاد کرده و تحقیقات انجام شده نشان می‌دهد که با افزایش طول دوره مشاهده، مقدار ارزش در معرض خطر افزایش می یابد. دوره‌های نگهداری رایج، یک روز یا یک ماه می باشند، اما مؤسسه‌ها می‌توانند دوره های نگهداری گوناگونی را در نظر بگیرند، دوره نگهداری ایده آل در یک بازار خاص، مدت زمانی است که ضامن نقدشوندگی موقعیت ها در آن بازار می‌باشد. فاصله اطمینان باید بیان‌کننده درجه ریسک گریزی سازمان و هزینه ضرر بیش از ارزش در معرض خطر برای سازمان باشد. ریسک گریزی بالا ، بیان کننده این است که حجم سرمایه زیادتری برای پوشش ضررهای محتمل باید نگه داشته شود که این خود، به انتخاب فاصله اطمینان بزرگتری منجر می‌شود.

در تابع توزیع احتمالات بازدهی نیز چنین مسأله ای صادق است، به عبارت دیگر، بازدهی یک دارایی مالی با بیشترین احتمال دارای بازدهی معادل امید ریاضی(میانگین بازدهی) خواهد بود و با احتمال کمی دارای بازدهی بسیار زیاد یا زیان بسیار زیاد خواهد شد. بنابراین ،معادله زیان به صورت زیر می‌باشد 

 

𝑝∆ تغییر ارزش بازار پرتفوی ،𝑡∆ افق زمانی مورد نظر ،𝑥∆ بردار تغییر در متغیر های مورد استفاده و α − 1  سطح اطمینان است .𝑡∆ دوره نقدینه سازی دارایی می‌شود که بین یک روز تا دو هفته و برای دارایی ها با نقدینگی پایین تر تا یک سال تعیین می‌شود. var برای موقعیت ها و عوامل ریسک مختلف سنجه مشترك ریسک می‌باشد و می‌توان آن را برای هر نوع پرتفویی به کار برد و این موضوع ، به ما اجازه مقایسه ریسک پرتفوهای مختلف را می دهد. همچنین var، پاسخگوی پیچیدگی های ابزارهای مالی است و انواع ریسک را در یک عدد خلاصه و مدیریت را از مواجهه با انبوهی از محاسبات ریسک معاف و از طریق آن می توان ریسک را هدفگذاری و برای ریسک برنامه‌ریزی کرد (راغفر و آجرلو، 1395).

تغییر در ارزش یک پرتفوی می تواند به عناصر گوناگون ریسک مربوط باشد، var می کوشد تا کاهش ارزش پرتفوی را از نقطه نظر ریسک بازار محاسبه کند. ریسک بازار، نااطمینانی در درآمدهای آینده را به دلیل تغییر شرایط بازار (قیمت ها یا نرخ ها) شامل می‌شود (محمد¹¹،2005).

پیشینه پژوهش

خدامرادی و همکاران (1392) در مطالعه‌ای با استفاده از مدل ریاضی چند مرحله‌ای روش جدیدی برای حل مساله انتخاب سهام ارائه کردند. در این مطالعه در ابتدا با استفاده از رویکرد تحلیل سلسله مراتبی اولویت عوامل موثر در انتخاب صنایع را تعیین و سپس با حل یک مدل برنامه‌ریزی خطی, اوزان هر یک از صنایع با توجه به محدودیت‌های در نظر گرفته شده بدست آمد. نتایج این مطالعه نشان داد که مدل ارائه شده می‌تواند منجر به انتخاب سبد سهام با بازدهی بالاتر شود. اصغرپور و رضازاده (1394) به محاسبه پرتفوی بهینه سهام شرکت‌های صنایع غذایی پذیرفته شده در بورس تهران بر اساس اطلاعات قیمت‌های هفتگی سهام شرکت های برگزیده شده  در بازه زمانی  دی ماه 1387 تا دی ماه 1390 پرداختند. نتایج به دست آمده نشان می دهد بیشترین  وزن در سبد بهینه مربوط به سهمی می‌باشد که بازدهی مورد انتظار بیشتری داشته و پایین ترین ارزش در معرض خطر را داشته و از طرف دیگر سبد بهینه تعیین شده حساسیتی نسبت به تغییر سطح اطمینان Var محاسبه شده ندارد. قندهاری و همکاران (1396) با معرفی ارزش در معرض خطر مشروط (CVaR) به عنوان معیار محاسبه ریسک در یک چارچوب ناپارامتریک به برآورد سبد بهینه دارایی پرداختند. در این مطالعه داده‌های 15 شرکت منتخب از 50 شرکت برتر بورس اوراق بهادار تهران در دوره زمانی فروردین ماه 1388 تا خرداد ماه 1393 استفاده شد. در این مطالعه سبد بهینه حاصل از به کارگیری دو روش ناپارامتریک و برنامه‌ریزی خطی ارائه شد و مقادیر CVaR آنها مقایسه شده است که در این مورد برتری روش ناپارامتریک نسبت به برنامه‌ریزی خطی را نشان می‌دهد. رحیمی و اکبری (2023) از جمله مطالعات داخلی که در خارج از کشور منتشر شده است، در پژوهشی انتخاب سبد سهام و تشکیل یک پرتفوی کارا بحث می‌کنند که هرچه مفروضات و شرایط مدل‌سازی جهت انتخاب و بهینه‌سازی سبد سرمایه‌گذاری به شرایط دنیای واقعی نزدیکترباشد، نتایج حاصل از آن بیشتر قابل اتکا خواهد بود. در نظر گرفتن افق تک دورهای برای سرمایه‌گذاری چندان واقعی نبوده و بیشتر سرمایه‌گذاران برای بیش از یک دوره اقدام به سرمایه‌گذاری می‌کنند که سرمایه‌گذار بتواند موقعیت خود را در طول زمان مورد بازنگری قرار دهد.

پایتختی اسکویی و همکاران (1398) در مطالعه‌ای به تعیین سبد بهینه سهام با استفاده از معیار ارزش در معرض خطر برای سهام 17 شرکت سیمانی منتخب در دوره زمانی 1391 تا 1396 پرداختند. در این مطالعه از روش ارزش در معرض خطر و برنامه‌ریزی غیر خطی به منظور بهینه‌سازی سبد سهام با کمترین ارزش در معرض خطر با توجه به بازده مورد انتظار هرسهم استفاده گردید. نتایج گویای این نکته می‌باشد  که بالاترین وزن در سبد بهینه به سهامی تعلق دارد که بازدهی مورد انتظار بالایی داشته و پایین ترینvarرا در بین شرکت‌های مطالعه کردند.

لیم¹² و همکاران (2011) به ارزیابی ارزش در معرض خطر شرطی (CVaR¹³) به عنوان یک معیار ریسک در بهینه‌سازی سبد دارایی پرداختند. نتایج این مطالعه نشان داد که پرتفوی‌های به‌دست‌آمده با حل مسائل میانگین CVaR و حداقل جهانی CVaR به دلیل خطاهای تخمین CVaR غیرقابل اعتماد هستند. نتایج همچنین نشان داد که این مشکل زمانی تشدید می‌شود که دنباله توزیع برگشتی کشیده‌تر گردد. احمدی جاوید و فلاح تفتی¹⁴ (2019) در مطالعه‌ای به طراحی یک الگوریتم با استفاده از بهینه‌سازی محدب تحت یک تحلیل عددی پرداخته و این الگوریتم را با بسته‌های نرم‌افزاری بهینه‌سازی محدب موجود مقایسه نمودند. نتایج این مطالعه نشان داد کارایی محاسباتی رویکردهای ¹⁵EVaR و CVaR به طور کلی مشابه است، اما رویکرد EVaR با افزایش حجم نمونه از روش دیگر بهتر است. علاوه بر این، مقایسه نمونه برای یک مورد واقعی توسط رویکردهای EVaR و CVaR نشان می‌دهد که پرتفوی‌های مبتنی بر EVaR می‌توانند بهترین، متوسط و بدترین نرخ بازده و همچنین نسبت‌های شارپ را داشته باشند. نسینی¹⁶ و همکاران (2022) در مطالعه‌ای به ارائه یک چارچوب بهینه‌سازی (یعنی طراحی مدل‌سازی، ویژگی‌های بهینه و رویکرد بهینه‌سازی) برای انتخاب سرمایه‌گذاری در چند بازار پرداختند. در این مطالعه از داده‌های 7256 شرکت در دوره زمانی 1999 تا 2014 در ایالات متحده استفاده شد. نتایج این تست‌ها نشان‌دهنده اثربخشی فرآیند تجزیه و رویکرد ارائه شده است. انخسیاخان و جو¹⁷ (2024) در مطالعه ای از یادگیری تقویتی (¹⁸RL) برای بهینه‌سازی پورتفولیوی پویا با ارزیابی ریسک استفاده کردند. دلیل استفاده از این روش پیچیدگی بازار، واکنش های نامطمئن و الزامات نظارتی برای تصمیم گیری‌های ریسک گریز بوده که در آن یک الگوریتم یادگیری تقویتی ریسک گریز پیاده سازی شد. نتایج به‌کارگیری این روش حاکی از دستیابی به 18 درصد ریسک کمتر بود و از این‌رو آنان بیان کردند تقویت یادگیری با ریسک گریزی موجب بهینه‌سازی پرتفوی برای سرمایه گذاران ریسک گریز خواهد شد.  کیان و وانگ¹⁹ (2024) در مطالعه‌ای به ارائه یک الگوریتم پیشرفته با قابلیت پردازش موازی در یک الگوریتم چند هدفه زمانی پرداختند. این الگوریتم به طور مداوم از الگوریتم استاندارد NSGA-III هم در کاهش ریسک و هم در بهینه‌سازی بازده مخصوصا در دوره فصلی بهتر عمل می‌کند. نتایج این مطالعه دیدگاه وسیعتری را در مورد سناریوهای سرمایه‌گذاری در دنیای واقعی برای ارائه به بخش دانشگاهی و صنعت ارائه داد.

روش شناسی پژوهش

مارکویتز مفهوم تنوع بخشی در سبد سهام را تعریف کرد و آن را بسط داد. او نشان داد که چگونه تنوع بخشی در سبد سرمایه، ریسک برای سرمایه گذار راکاهش خواهد داد. سرمایه‌گذاران می‌توانند سبد سهام کارا را به جای یک بازده معین و از طریق مینیمم کردن ریسک سبد سهام محاسبه کنند.

برای استفاده از مدل مارکویتز به داده‌های زیر نیاز است:

بازده مورد انتظار مربوط به سهم

انحراف معیار بازده مورد انتظار مربوط به سهم

کواریانس، به عنوان معیار همراهی و ارتباط حرکتی بین نرخ های بازدهی سهام مختلف

برای محاسبه انتخاب سبد سرمایه بهینه در روش مارکویتز که حداقل واریانس برای سطح خاصی از بازده است، مدل برنامه‌ریزی خطی زیرمعرفی میگردد:

در روابط فوق، W وزن هر سهم،  بازدهی مورد انتظار،  بازدهی سهم و  واریانس سبد مورد نظر می‌باشد، همان‌طور که بیان شد در این مطالعه به منظور محاسبه ریسک از روش ارزش در معرض خطر استفاده خواهد شد. بر اساس مطالعات پیشین از جمله مطالعه بو (2001)، ارزش در معرض خطر برای سهام‌های مورد نظر از طریق رابطه زیر قابل محاسبه است:

 

که در صورت حل مسئله بهینه‌سازی فوق، سبد بهینه برای بانک دی به­دست خواهد آامد. با توجه به ارائه صورت‌های مالی بانک دی برای 9 ماهه 1402، سه سهام شرکت برق دماوند، بوعلی و بیمه دی به عنوان سه شرکت دارای بیشترین سهم در سبد سرمایه‌گذاری بانک دی و دارای قیمت در تالار بورس اوراق بهادار تهران انتخاب شده‌اند. به منظور انتخاب سبد بهینه، از قیمت سهام سه شرکت یاد شده در دوره زمانی فروردین 1401 تا پایان اسفند 1402  استفاده شدکه داده‌های مورد نظر از سایت بورس ویو استخراج شد.

یافته های پژوهش

همان‌طور که بیان شد به‌منظور دسترسی به اهداف مطالعه نیاز است که مسئله بهینه‌سازی 2 با توجه به موارد بیان شده در معادله 3 حل شود. در ابتدا نتایج محاسبه ارزش در معرض خطر ریسک برای هر کدام از سرمایه گذاری های بانک دی (بوعلی ،دی و دماوند) در جدول 1 ارائه شده است. با توجه به نتایج جدول تابع زیان سرمایه‌گذاری‌های بیمه دی معادل با 028/0، تابع زیان سرمایه گذاری بوعلی برابر 124/0 و وتابع زيان سرمایه گذاری دماوند 088/0 برای بانک دی است. به این معنی که در کل بین سرمایه گذاری های بانک دی، سرمایه گذاری بيمه دی کمترین تابع زیان را بین دیگر سرمایه گذاری ها، در بانک دی دارد بعد از بیمه دی، سرمایه گذاری دماوند کمترین تابع زیان (یسک) را دارد.

 

جدول 1- نتایج تابع زیان

زیان (ریسک)	سهام شرکت
124/0	بوعلی
028/0	بیمه دی
088/0	دماوند

               ماخذ: یافته‌های تحقیق 

 

در جدول زیر ماتریس همبستگی بازده قیمت سهام‌های مورد مطالعه نشان داده شده است.

 

جدول 2- محاسبه ماتریس همبستگی بازده قیمت سهام سبد سرمایه‌گذاری بانک دی

	بوعلی	بیمه دی	دماوند
بوعلی	1	0003/0	0393/0
بیمه دی	0003/0	1	0145/0-
دماوند	0393/0	0145/0-	1

            ماخذ: یافته‌های تحقیق 

 

حال با توضیحات بیان شده، در جدول زیر وزن بهینه برای سبد دارایی سهام بانک دی متشکل از سه شرکت بوعلی، بیمه دی و دماوند ارائه شده است که سبد Max دارای بالاترین بازدهی و ریسک و سبد Min کمترین بازدهی و به دنبال آن کمترین ریسک را دارد. همان‌طور که در جدول نیز مشخص است، در سطوح مختلفی از ریسک و بازدهی، سبد بهینه بانک دی متفاوت خواهد بود و بسته به اینکه بانک دی کدام سطح ریسک و بازدهی را متقبل می‌شود، سبد بهینه متفاوتی خواهد داشت. از طرف دیگر نتایج نشان می‌دهد در صورتی معیار محاسبه ریسک بر اساس انحراف از میانگین باشد، نتایج در سطوح بالاتر ریسک و بازدهی نزدیک با محاسبه ریسک بر اساس ارزش در معرض خطر بوده ولی در سطوح پایین‌تر ریسک نتایج کاملا متفاوت خواهد شد. به طورکلی می‌توان گفت بر اساس محاسبه واریانس انحراف از میانگین، در سطوح بالاتر ریسک و بازدهسهم دماوند بیش از دو سهم بوعلی و بیمه دی خواهد بوده و در سطوح پایین‌تر، سهم بوعلی بیشتر خواهد بود. این در حالی است که بر اساس ارزش در معرض خطر، سهم دماوند در سطوح مختلف ریسک و بازدهی بیش از دو سهم دیگر است.

 

 

 

جدول 3- وزن بهینه برای سبد دارایی بانک دی

	بوعلی		دماوند		دی
	واریانس ساده	ارزش در معرض خطر	واریانس ساده	ارزش در معرض خطر	واریانس ساده	ارزش در معرض خطر
max	0/0	0/0	6/0	6/0	4/0	4/0
1	0/0	0/0	69/0	65/0	31/0	35/0
2	0/0	0/0	77/0	72/0	23/0	28/0
3	0/0	01/0	86/0	77/0	14/0	22/0
4	01/0	04/0	93/0	81/0	06/0	15/0
5	23/0	09/0	76/0	84/0	01/0	07/0
6	77/0	13/0	23/0	84/0	0/0	03/0
7	79/0	19/0	21/0	80/0	0/0	01/0
8	81/0	24/0	19/0	76/0	0/0	0/0
min	84/0	29/0	16/0	71/0	0/0	0/0

           ماخذ: یافته‌های تحقیق 

در نمودار زیر، موقعیت بانک دی نسبت به مرز کارا نشان داده شده است. مرز کارا به­صورت نمودار زیر بوده و موقعیت بانک دی نیز به­صورت نقطه زیر نمودار مشخص شده است. همان‌طور که در نمودار نیز مشخص است، بر اساس سبد انتخابی برای بانک دی، این شرکت در مرز کارا قرار نداشته و از این‌رو می‌تواند به دو صورت افزایش بازدهی با همان سطح ریسک و کاهش ریسک با همان سطح بازدهی، سبد خود را تغییر داده و به سمت سبد بهینه حرکت کند.

نمودار 1- مرز کارا و موقعیت بانک دی 

                      ماخذ: یافته‌های تحقیق

در جدول زیر سهم سه سهم برای دسترسی به اهداف مختلف توسط بانک دی ارائه شده است. همان‌طور که در جدول نیز مشخص است، در صورتی که بانک دی به دنبال بدست آوردن ریسک کمتر در بازدهی موجود باشد، بایستی سبد دارایی خود را بین بوعلی و دماوند بصورت 44 و 56 درصد تقسیم نماید و در صورتی که با سطح ریسک موجود به دنبال افزایش بازدهی است، بایستی 51 درصد به دماوند، 45 درصد به بوعلی و 4 درصد به بیمه دی اختصاص دهد.

جدول 4- سبد بهینه بر اساس سطح ریسک و بازدهی موجود بر اساس مجموع رشد قیمت و نسبت سود به قیمت

	بوعلی	دماوند	بیمه دی
سبد بانک دی برای بدست آوردن بازدهی قبلی	44/0	56/0	0/0
سبد بانک دی با سطح ریسک قبلی	45/0	51/0	04/0

        ماخذ: یافته‌های تحقیق

نتیجه‌گیری و پیشنهاد

از زمان ارائه ارزش در معرض خطر (var) در سال 1994 توسط وتراستون، این روش به یکی پرکاربردترین معیار محاسبه ریسک توسط شرکت‌های مالی و تنظیم‌کننده‌ها تبدیل شده است. این رویکرد تلاش می‌کند تا اجزاء چندگانه ریسک بازار را مورد بررسی قرار دهد و ارزشی را محاسبه می‌کند که در یک سبد دارایی در دوره زمانی مشخص و در سطح احتمال معین ممکن است از دست رفته باشد. از آنجایی که در تئوری‌های مدرن بهینه‌سازی سبد دارایی، معیار ریسک و بازدهی به­صورت همزمان بهینه شده و نیاز به اندازه‌گیری ریسک خواهد بود و از طرف دیگر ارزش در معرض خطر یک رویکرد مناسب برای اندازه‌گیری ریسک است، در این پژوهش به بهینه‌سازی سبد دارایی بانک دی با استفاده از ارزش در معرض خطر پرداخته شد و نتایج با محاسبه واریانس به­صورت انحراف از میانگین مقایسه گردید. سه سهام شرکت برق دماوند، بوعلی و بیمه دی به عنوان سه شرکت دارای بیشترین سهم در سبد سرمایه‌گذاری بانک دی و دارای قیمت در تالار بورس اوراق بهادار تهران به منظور تحلیل انتخاب شدند. به منظور انتخاب سبد بهینه از قیمت سهام سه شرکت یاد شده در دوره زمانی فروردین 1401 تا پایان اسفند 1402 به عنوان نمونه انتخاب شدند که داده‌های مورد نظر از سایت بورس استخراج شد. نتایج این مطالعه نشان داد در سطوح مختلفی از ریسک و بازدهی، سبد بهینه بانک دی متفاوت خواهد بود و بسته به اینکه بانک دی کدام سطح ریسک و بازدهی را متقبل می‌شود، سبد بهینه متفاوتی خواهد داشت. از طرف دیگر نتایج نشان می‌دهد در صورتی معیار محاسبه ریسک بر اساس انحراف از میانگین باشد، نتایج در سطوح بالاتر ریسک و بازدهی نزدیک با محاسبه ریسک بر اساس ارزش در معرض خطر بوده ولی در سطوح پایین‌تر ریسک نتایج کاملا متفاوت خواهد شد. به صورت کلی نتایج مشخص نمودند که بر اساس سبد انتخابی برای بانک دی، این شرکت در مرز کارا قرار نداشته و از این‌رو می‌تواند به دو صورت افزایش بازدهی با همان سطح ریسک و کاهش ریسک با همان سطح بازدهی سبد خود را تغییر داده و به سمت سبد بهینه حرکت کند. بر این اساس به مدیران بانک دی پیشنهاد می‌گردد که بر اساس محدودیت‌های موجود از نظر حاکمیت شرکتی و افق زمانی مورد نظر خود به تجدید در سبد دارایی خود پرداخته و در صورتی که شرایط حاکمیت شرکتی این بانک اجازه می‌دهد، با تغییر در سهم سهام، موقعیت را به مرز کارا نزدیک نمایند. البته مدل مورد نظر بدون ایجاد محدودیت برای حداقل و حداکثر وزن محاسبه شده که این موارد نیز می‌تواند در مطالعات قبلی و برای بانک دی مورد مطالعه قرار گیرد.

منابع و مآخذ

Ahmadi, R., Azar, A., & zomorodianS, G. R. (2023). Relationship between risk and risk - aversion utility Based on Multi-Period prospect theory. Journal of Investment Knowledge, 12(46), 533-558. ( Persian)##

Ahmadi-Javid, A., & Fallah-Tafti, M. (2019). Portfolio optimization with entropic value-at-risk. European Journal of Operational Research, 279(1), 225-241.##‏

Asgharpour, Hossein; Rezazadeh, Ali. (2014). Determining the optimal stock portfolio using the value-at-risk method. Applied Economics Theories, 2(4), 118-93.( Persian)##

Elton E., Gruber. M. (1997). Modern portfolio theory, 1950 to date. Journal of Banking & Finance, 21 (11-12), 1743-1759.##

Enkhsaikhan, B., & Jo, O. (2024). Risk-averse reinforcement learning for portfolio optimization. ICT Express.##‏

Ghahtarani, A., & Najafi, A. A. (2018). ROBUST OPTIMIZATION IN PORTFOLIO SELECTION BY 5) m-MAD MODEL APPROACH. Economic Computation & Economic Cybernetics Studies & Research, 52(1).‏##

Lim, A. E., Shanthikumar, J. G., & Vahn, G. Y. (2011). Conditional value-at-risk in portfolio optimization: Coherent but fragile. Operations Research Letters, 39(3), 163-171.‏##

Li, J., & Xu, M. (2013). Optimal dynamic portfolio with Mean-CVaR criterion. Risks, 1(3), 119-147.##

Mendonça, G. H., Ferreira, F. G., Cardoso, R. T., & Martins, F. V. (2020). Multi-attribute decision making applied to financial portfolio optimization problem. Expert Systems with Applications, 158, 113527.‏##

Khodamoradi, Saeed; Turabi Guderzi, Mohammad; Rai Ezzabadi, Mohammad Ibrahim. (2012). Mathematical two-stage approach in stock portfolio optimization. Financial Engineering and Securities Management (Portfolio Management), 4 (14), 0-0. SID. https://sid.ir/paper/405916/fa. ( Persian)##

Kandahari, Mehsa, Shamshiri, Azima, and Fathi, Saeed. (2016). Stock portfolio optimization based on non-parametric estimation methods. Production and Operations Management, 8(1 (serial 14)), 175-184. SID. https://sid.ir/paper/217582/fa. ( Persian)##

Mollaei, Masoud, Javad Sheikh, Mohammad and Khodamoradi, Saeed (2011), Optimization of Markowitz Risk Management Models, Value at Risk and Parametric Probability Value at Risk Using Local and Global Algorithms in Tehran Stock Exchange, Financial Management and Accounting Perspective, Volume 1, Issue 1, pp. 67-95. [In Persian]##

Narang, M., Joshi, M. C., Bisht, K., & Pal, A. (2022). Stock portfolio selection using a new decision-making approach based on the integration of fuzzy CoCoSo with Heronian mean operator. Decision Making: Applications in Management and Engineering, 5(1), 90-112.‏##

Nasini, S., Labbé, M., & Brotcorne, L. (2022). Multi-market portfolio optimization with conditional value at ris\k. European Journal of Operational Research, 300(1), 350-365.‏##

Qian, Y., & Wang, J. (2024). Multi-period portfolio optimization: A parallel NSGA-III algorithm with real-world constraints. Finance Research Letters, 60, 104868.‏##

Raghfar, Hossein and Ajarloo, Narjes (2016), Estimation of Value at Risk of a Sample Bank's Foreign Exchange Portfolio Using the GARCH-EVT-Copula Approach, Iranian Quarterly Journal of Economic Research, Year 21, Issue 61, pp. 113-141. ( Persian)##

Rahimi, R., & Akbari, A. (2023). Stock portfolio optimization with different algorithms. Journal of Accounting and Management Vision, 6(79), 48-55. [In Persian]##

Savaei, E. S., Alinezhad, E., & Eghtesadifard, M. (2024). Stock portfolio optimization for risk-averse investors: A novel hybrid possibilistic and flexible robust approach. Expert Systems with Applications, 250, 123754.‏##

Taftani Eskoui, Seyyed Ali; Hadipour, Hassan; Abaghri, Hassan. (2018). Optimal stock portfolio using the value-at-risk criterion: Evidence from Tehran Stock Exchange. Empirical Studies of Financial Accounting, 16 (61), 157-178. ( Persian)##

Zhang, T., & Liu, Z. (2017). Fireworks algorithm for mean-VaR/CVaR models. Physica A: Statistical Mechanics and its Applications, 483, 1-8.##

 

Determining the optimal weight of the portfolio of bank assets using value at risk (case study of Bank D)

Shahram Kordi²⁰, Farzaneh Khalili²¹, Farid Askari²² and Mehdi Sadeghi Shahdani²³

 

Abstract

In the world of finance and investment, one of the most important challenges is identifying and managing risks associated with assets and investment portfolios. For financial institutions such as banks, understanding and managing these risks not only helps maintain their financial health, but also plays a fundamental role in strategic decision-making and sustainable development. One of the key tools in this field is the concept of Value at Risk (VaR), which is used as a criterion for measuring and evaluating investment risk. In this study, the optimization of the Bank D asset portfolio was addressed using the Markowitz and Value at Risk approaches, and the results were compared by calculating the variance as a deviation from the mean. Three stocks of Damavand Power Company, Bu Ali and Bimih Dey were selected as the three companies with the largest share in the investment portfolio of Bank Dey and with a price on the Tehran Stock Exchange for analysis, and the data from the period of Farvardin 1401 to the end of Esfand 1402 was selected as a sample. The results of this study showed that at different levels of risk and return, depending on which level of risk and return Bank Dey undertakes, it will have a different optimal portfolio. On the other hand, based on the selected portfolio of Bank Dey, this company is not on the efficient frontier and can change its portfolio in two ways: increasing return with the same level of risk and reducing risk with the same level of return and moving towards the optimal portfolio.

 

Keywords: Value at Risk (VaR), asset portfolio optimization, Ruiker Markowitz, Bank Day.

---

[1] . دانشجوی دکتری، گروه اقتصاد، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ایران. [e-mail] 

[2] 2.استادیار، گروه اقتصاد، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ایران. (نویسنده مسئول).؛ [e-mail]

[3] 3. استادیار، گروه اقتصاد، واحد ابهر، دانشگاه آزاد اسلامی، ابهر، ایران. [e-mail]

[4] . استاد، گروه اقتصاد، دانشگاه امام صادق (ص)، تهران، ایران. [e-mail]

[5]  Modern Portfolio Theory

2 Value at risk

3 Weather Stone 

[6]  Modern Portfolio Theory

[7]  Lee

[8]  Kraus and Litzenberger 

[9]  Elton and Gruber

[10]  Mi and Xu

[11]  

[12]  Lim

[13]  Conditional Value-at-Risk (CVaR)

[14]  Ahmadi-Javid and Fallah-Tafti

[15]  Entropic Value-at-Risk

[16]  Nasini

[17]  Enkhsaikhan and Jo

[18]  Reinforcement Learning (RL)

[19]  Qian and Wang

[20]  PhD Candidate, Department of Economics, Abhar Branch, Islamic Azad University, Abhar, Iran. Email Address [e-mail]

[21]  Corresponding Author, Assistant Professor, Department of Economics, Abhar Branch, Islamic Azad University, Abhar, Iran. Email Address: [e-mail] 

[22]  Assistant Professor, Department of Economics, Abhar Branch, Islamic Azad University, Abhar, Iran. Email Address: [e-mail]

[23]  Full Professor, Department of Economics,  Imam Sadegh University, Tehran, Iran. Email Address: [e-mail] 

 

تعیین کارایی زنجیره تامین سبز در شرکت‌های منتخب لوازم خانگی ایران

سمیه سازگاری¹ ، سید محمدرضا داودی*² و علیرضا گلی³ 

تاریخ دریافت: 13/5/1403 و تاریخ پذیرش: 21/9/1403

 

چکیده

 

این پژوهش با هدف تعیین کارایی زنجیره تامین سبز در شرکت‌های منتخب لوازم خانگی ایران است. روش تحقیق توسعه‌ای -کاربردی است که در زمره مدلسازی ریاضی می‌باشد. جامعه آماری پژوهش حاضر شامل تعدادی از مدیران عالی و کارشناسان مسئول فعال در حوزه صنعت لوازم خانگی منتخب و تعدادی از اساتید دانشگاهی در حوزه زنجیره تأمین سبز یودند که 20 نفر به عنوان نمونه انتخاب شدند. در اين پژوهش از رويکرد‌های دلفی فازی و روش تحلیل پوششی داده‌های فازی استفاده شده است. اطلاعات از9 شرکت لوازم خانگی(منتخب) جمع آوری شده بود، مورد تجزیه و تحلیل قرار گرفتند. در این مقاله ابتدا با مرور ادبیات و مصاحبه با خبرگان علم- صنعت، معیارهای تاثیرگذار بر مدیریت زنجیره تامین سبز شناسایی و با استفاده از روش دلفی فازی یک غربالگری طی دو مرحله انجام شد که در نهایت 7 معیار مورد تایید قرار گرفت. سپس با استفاده از روش تحلیل پوششی داده‌های فازی به رتبه‌بندی واحدهای تحت ارزیابی پرداخته شد. نتایج نشان داد که شرکت آ، دارای بهترین کارایی و سبز ترین زنجیره تامین است و شرکت ح دارای بدترین مقدار کارایی می‌باشد، که لزوم توجه بیشتر به شرکت های دارای کارایی پایین احساس می‌گردد. به منظور نشان دادن قابلیت مدل پیشنهادی، مدل توسعه داده شده با مدل پایه هم ارز خود مقایسه شد و دقت مدل توسعه داده شده نتیجه گرفته شد.

 

واژه‌های کلیدی: مدیریت زنجیره تامین سبز، ارزیابی عملکرد، کارایی، تحلیل پوششی داده‌های فازی، دلفی فازی.

 

مقدمه

شیوه‌های تجاری ناپایدار، جهان را در برابر خطرات شدید پایداری آسیب‌پذیر کرده است (جان و همکاران، ۲۰۱۹). گرمایش جهانی، تغییرات آب و هوایی، تخریب و سوء استفاده از منابع، موارد فزاینده نقض حقوق بشر، کمبود مواد غذایی، تولید زباله‌های خطرناک و انباشت مواد شیمیایی از جمله خطرات کلیدی پایداری هستند (محمد و همکاران، ۲۰۱۶). از آغاز دهه، خطرات پایداری به طور قابل توجهی افزایش یافته است. با درک افزایش خطرات پایداری جهانی، سازمان ملل متحد اهداف توسعه پایدارخود را در سال ۲۰۱۵ اعلام کرد(خان و همکاران،2023). اهداف توسعه پایدار که پایداری اجتماعی، زیست‌محیطی و اقتصادی را در بر می‌گیرد، تغییر شیوه‌های تجاری، از جمله شیوه‌های مدیریت زنجیره تامین، برای ایجاد صنایع پایدار و در نتیجه کاهش خطرات پایداری جهانی است(تسنگ و همکاران،2019). این فشار به سوی تحول صنعتی پایدار جهانی، کسب‌وکارها را تشویق کرده است تا چارچوب مدیریت زنجیره تامین سنتی خود را به مدیریت زنجیره تامین سبز ارتقا دهند(گرین و همکاران،2019). چارچوب حرکت به سمت مدیریت زنجیره تامین سبز همچنین نتیجه افزایش فشار مشتری بر شرکت‌ها برای اتخاذ شیوه‌های پایداری زیست‌محیطی (سبز) است که با استراتژی‌های سبز و سازگار با محیط زیست مطابقت دارد و در نتیجه اثرات نامطلوب زیست‌محیطی محصولات و خدمات آن‌ها را کاهش می‌دهد(احمد و همکاران،2019).

 مفهوم و شیوه‌های مدیریت زنجیره تامین سبز به طور گسترده در دو دهه اخیر به دلیل افزایش نیاز به کاهش آلودگی و حفظ منابع مورد بحث قرار گرفته است. رویکرد مدیریت زنجیره تامین سبز نیازمند تلاش‌های هماهنگ شرکای بالادستی و پایین‌دستی برای برآوردن انتظارات رو به رشد آگاهانه محیط‌زیست در زنجیره تامین است(فنگ و همکاران،2022). در طول دهه گذشته، بسیاری از شرکت‌ها در سراسر جهان مدیریت زنجیره تامین سبز را به عنوان راهی برای ارتقای مزیت رقابتی خود در بازار جهانی پیاده‌سازی کرده‌اند(دابی و همکاران،2017). مدیریت زنجیره تامین سبز یک فلسفه سازمانی است که ابعاد محیطی را با شبکه زنجیره تامین سنتی که شامل تهیه، تدارکات، تولید، توزیع و دفع یا استفاده مجدد/بازیافت می‌شود، ادغام می‌کند. بنابراین، علاقه به طراحی زنجیره‌های تامین آگاهانه محیط‌زیست در حال افزایش است (بسکابادی و همکاران،2022).

مدیریت زنجیره تامین سبز برای شرکت‌ها اهمیت زیادی دارد. با توجه به افزایش آگاهی‌ها از مسائل محیطی و اجتماعی، شرکت‌ها نیاز دارند تا مسائل محیطی و پایداری را در زنجیره تامین خود لحاظ کنند. این موضوع می‌تواند به بهبود عملکرد شرکت و رضایت مشتریان منجر می‌شود(سیلوا و همکاران،2021). زنجیره تامین سبز می تواند آلودگی محیط زیست و هزینه‌های تولید را کاهش دهد و همچنین می‌تواند باعث رشد اقتصادی، ایجاد مزیت رقابتی از نظر رضایت بیشتر مشتری، تصویر مثبت و شهرت بنگاه اقتصادی شود و فرصت بهتری را برای صادرات محصولاتمان به کشورهای طرفدار محیط زیست فراهم کند.ایده سبز شامل نوآوری ها و تکنیک های جدیدی برای محافظت از پایداری محیط زیست می‌شود  که می توان با مسئولیت اجتماعی شرکت ها، تولید سبز، کاهش ضایعات، بازیافت و بازسازی مجدد زنجیره تأمین دوستانه/ سازگار با محیط زیست آن را در زنجیره تامین گسترش داد(هایون و همکاران،2021). امروزه در جهان، با افزایش آگاهی‌های زیست محیطی، بنگاه ها با فشارهای شدید از طرف ذی‌نفعان مختلف از جمله دولت و مشتریان برای کاهش اثرات مضر آنها بر محیط زیست روبرو می‌شوند. از چند دهه گذشته، تأثیرات فزاینده ای از گرم شدن کره زمین، تغییرات آب و هوایی، زباله ها و آلودگی هوا باعث افزایش توجه جهانی کارشناسان به موضوع زنجیره تامین سبز شده است و آن ها رابه سمت راه حل بهینه سبز شدن سوق داده است. مدیریت زنجیره تأمین سبز در ایجاد انگیزه برای پایداری سازمان نقش مهمی دارد. با افزایش نگرانی های زیست محیطی به طور مداوم، مدیریت زنجیره تامین سبز یکی از نگرانی های همیشگی جامعه به خصوص در کشورهای توسعه یافته تبدیل شده است. اهميت و مزاياي زنجیره تامین سبز چیزی فراتر از ممانعتِ استفاده از مواد شیمیایی سمی و یا کاهش دادن انتشار آلاینده ها به محیط زیست است. اصول  مدیریت زنجیره تامین سبز مي‌تواند براي تمام بخش‌هاي يك سازمان مورد استفاده قرار بگیرد و در تمام زمینه های ملموس و غیرملموس اثرگذار باشد(بادی و مرتق،2019).

برای ارزیابی عملکرد زنجیره تامین سبز، استفاده از روش‌های تحلیل پوششی داده‌های فازی به عنوان روش‌­­­­­­­­­­­­‌‍‍‍‍‍‍‍‌‌ جدید و قابل اطمینان در حوزۀ مدیريت زنجیره تامین مورد توجه قرار بگیرد. این روش‌ها، امکان تحلیل و بررسی عملکرد زنجیره تامین در شرایط مختلف را فراهم می‌کنند و به مدیران کمک می‌کنند تا تصمیمات بهتری درباره بهبود عملکرد زنجیره تامین سبز بگیرند (اسدی و همکاران، 2023).  هر سازمان را می­توان به مثابه سیستمی در نظر گرفت که با دریافت منابع مورد نیاز خود، محصولات یا خدماتی را تولید می­کند. با توجه به محدودیت منابع و نیاز روز افزون به محصولات و خدمات هر سازمان در مقایسه با همتاهایش وقتی بهتر عمل می­کند که با صرف منابع کمتر محصولات یا خدماتی برابر و یا بیشتر از دیگری تولید نماید و یا با صرف منابع برابر یا کمتر، محصولات یا خدمات بیشتری ارائه دهد. کارایی نسبی در واقع مفهومی است که امکان مقایسه عملکرد هر سازمان را در مقایسه با همتاهایش در مصرف منابع و تولید محصولات یا خدمات فراهم می­کند(طاهری نژاد و علی نژاد، 2023). تحلیل پوششی داده­ها که توسط چارنز و همکاران در سال 1978 برمبنای کار فارل معرفی گردید. روشی کارآمد برای محاسبه نسبی است. یک روایت ساده از تحلیل پوششی داده­ها این است که این روش در واقع نوعی ارزیابی خوش بینانه است که هر بار با انتخاب یک واحد که اصطلاحا تحت ارزیابی نامیده می‌شود و تخصیص بهترین وزن­ها نسبت خروجی وزن داده شده به ورودی وزن داده شده را برای آن واحد حداکثر می­کند، در حالی که این نسبت برای همه واحدهای مورد مقایسه طوری محدود شده که نمی­تواند از یک تجاوز کند(جهانشاهلو و همکاران،1391). تحلیل پوششی داده­ها روشی کارآمد برای مقایسه و محاسبه کارایی نسبی تعدادی واحد که با صرف ورودی­های مشابه خروجی مشابه تولید می­کند. اما در دنیای واقعی مواردی وجود دارند که واحدهای تصمیم گیرنده خود متشکل از زیرواحدهایی هستند که به طور مستقل، ورودی­ها را صرف تولید خروجی ها می­کنند (کوک و گرین،2005 ؛ کوپر و همکاران،2005، کائو،2009). بنابراین این مقاله به دنبال پاسخگویی به این سوال است که چگونه کارایی زنجیره تامین سبز در شرکت‌های منتخب لوازم خانگی ایران تعیین می‌شود؟

مبانی نظری و پیشینه پژوهش

مفهوم مدیریت زنجیره تامین سبز

ایده زنجیره تامین سبز توسط موسسه تحقیقات تولید دانشگاه ایالتی میشیگان توسعه یافت. این امر براساس تحقیقات نظریه تولید سبز و فن‌آوری مدیریت زنجیره تامین به منظور دستیابی به هدف حفاظت از محیط‌زیست و بهبود میزان بهره‌برداری از منابع توسعه یافت(تسنگ و همکاران،2019). مدیریت زنجیره تامین سبز  به عنوان فراهم‌کننده امکانات یک زنجیره تامین سازگار با محیط‌زیست بعد از دهه ۱۹۹۰ به عنوان یک رشته تخصصی مطرح شد(سرینگ و مولر،2008). مدیریت زنجیره تامین سبز چندین سال است که وجود داشته و توجه زیادی از دانشگاهیان و افراد متخصص در این زمینه را به دلیل وخامت محیطی و افزایش آگاهی از حفاظت از محیط‌زیست جلب کرده است. تحقیقات زنجیره تامین سبز عمدتا ً بر روی تصمیمات عملیاتی زنجیره تامین و قراردادهای هم‌کاری تمرکز دارد(کانگ و همکاران،2021). لی و همکاران(2016) تولید محصولات سبز را توسط تامین کنندگان در نظر گرفت و استراتژی قیمت‌گذاری و استراتژی سبز را مورد مطالعه قرار دادند. در مورد موضوع مدیریت زنجیره ی تامین سبز در سال‌های اخیر بحث های زیادی شده است (ژائو و همکارن،2013) و طبق نظر سارکیس (2012) به صورت زیادی توسط صنعت شناسایی و متحد شده است. بطور کلی، تمرکز این بحث ها برای مشخص کردن انگیزه ها، فشارها و موانع برای پذیرش تمرین های مدیریت زنجیره تامین سبز می باشد. یکی از موضوع های مهم در مورد شناخت مدیریت زنجیره تامین سبز این است که چگونه شرکت ها این فرایند‌ها را راه اندازی کنند. به این دلیل که بطور کلی، مطالعات تجربی نشان داده اند که سازماندهی پذیرش در تمرینات داخلی مدیریت زنجیره تامین سبز نسبت به تمرینات خارجی سختی و شدت بیشتری دارد(جابور و همکاران،2014). مدیریت زنجیره تأمین سبز از منظر چرخه عمر محصول شامل تمامی مراحل از مواد اولیه، طراحی و ساخت محصول، فروش محصول و حمل و نقل، استفاده از محصول و بازیافت محصولات می‌باشد.  با استفاده از مدیریت زنجیره تأمین و فناوري سبز، شرکت میتواند تأثیرات منفی زیست محیطی را کاهش  می‌دهدو به استفاده مطلوب از منابع و انرژي دست یابد(گائو و همکاران،2021). برخی از محققان مدیریت زنجیره تأمین سبز را بر تفکر زیست محیطی در مدیریت زنجیره تأمین از جمله طراحی محصول، تهیه و انتخاب مواد، فرآیندهای تولید، تحویل محصول نهایی به مصرف کنندگان و همچنین، مدیریت حیات محصول پس از پایان عمر مفید آن تعریف می کنند (هو و همکاران،2019). مدیریت زنجیره تأمین سبز دربرگیرنده روش هایی است که به طور بالقوه وقوع مسائل زیست محیطی مانند آلودگی، مصرف منابع غیر پایدار و دفع نامناسب محصول (شارما و همکاران، ۲۰۱۷؛ لاری و همکاران، ۲۰۱۶) را طی فرآیند تولید محصول نهایی در سازمان های تولیدی به حداقل می رساند (ژائو و همکاران، ۲۰۱۷؛ شارما و همکاران، ۲۰۱۷). امروزه، مدیریت زنجیره تأمین سبز روشی ایده آل برای شرکت ها جهت دستیابی به سودهای بالاتر، به حداقل رساندن اتلاف منابع و بهبود کارایی اکولوژیکی (زید و همکاران، ۲۰۱۸)، ایجاد تعادل در مسائل اقتصادی، اجتماعی و زیست محیطی شرکت ها و ارتقا وضعیت پایداری سازمانی در نظر گرفته شده است (لوترا و همکاران، ۲۰۱۶). در اصل، مدیریت زنجیره تأمین سبز شامل چندین شیوه است، از جمله مدیریت داخلی محیط زیست، خرید سبز، همکاری محیطی مشتریان و لجستیک معکوس است، از طریق شیوه های مدیریت زنجیره تأمین سبز، صاحبان کسب و کار قادر به مقاومت در برابر فشارهای محیطی نظارتی دولت و همچنین مردم (خریداران، مشتریان و جوامع) هستند. شیوه های مدیریت زنجیره تأمین سبز سازمان ها را وادار می‌کند تا عملکرد کلی خود را از طریق نوآوری سبز بهبود بخشند. اجرای اقدامات برای حفاظت از محیط زیست (از جمله اکوسیستم های خاک، هوا و آب) به طور کلی عملکرد محیطی نامیده می‌شود. به عبارت دیگر عملکرد محیطی به نتایج واقعی تلاش های زیست محیطی از نظر حفاظت از محیط زیست اشاره دارد (عبيدات و همکاران، ۲۰۲۰). این مفهوم برای شرکت ها از اهمیت بیشتری برخوردار است. واگنر (۲۰۱۳) استدلال می‌کند که بهبود عملکرد محیطی منجر به عملکرد اقتصادی بهتر می‌شود. از این رو، افزایش آگاهی از محیط زیست باعث شده است نگرانی های مسائل زیست محیطی در نهادهای نظارتی عمومی و سایرذینفعان گسترش یابد. از طرفی، خریداران نیز به طور فزاینده بر رفتار محیطی شرکتها تمرکز می کنند و این بر وفاداری و ترجیحات برند آنها تأثیر می گذارد (عبيدات و همکاران، ۲۰۲۰). چشم اندازهای قابل توجهی در بهبود عملکرد محیطی سازمان های تولیدی از طریق راهبردهای مدیریت محیطی، مانند مدیریت زنجیره تأمین سبز و شیوه های نوآوری سبز وجود دارد (سمن و همکاران، ۲۰۱۹). از طریق اجرای شیوه های مدیریت منابع انسانی سبز، سازمان ها تشویق می‌شوند تا روابط خود را با تأمین کنندگان و مشتریان بهبود بخشیده و برای دستیابی به عملکرد محیطی افزایش دهند، برای این کار، سازمان ها بایستی از تأمین کنندگان خود اطمینان حاصل کنند تا مواد اولیه مطابق با محیط زیست برای آنها تهیه کنند تا بتوانند تأثیرات منفی زیست محیطی را طی فرآیندهای تولید به حداقل برسانند(لتونوفسکا و همکاران، 2023).

ارزیابی عملکرد کارایی با رویکرد تحلیل پوششی داده‌ها 

زنجیره تأمین شامل تمامی مراحلی است که به طور مستقیم یا غیرمستقیم با تامین تقاضا و برطرف کردن مشتری ارتباط دارد. طراحی شبکۀ زنجیره تأمین عبارت است از تصمیمات استراتژیک برای تعیین پیکره کلی زنجیره تامین. یکی از ابزارهای مناسب و کارآمد در ارزیابی کارایی زنجیره تامین، تحلیل پوششی داده‌ها است. این روش غیر پارامتری برای محاسبه کارایی واحدهای تصمیم‌گیرنده است. نخستین بار فارل (1957) مدلی برای ارزیابی و محاسبه کارایی ارائه داد. پس از دو دهه چارنز،کوپر ورودز (1978) روش فارل را تعمیم دادند و آن را روش تحلیل داده‌ها نامیدند. آنها موسسات ارزیابی شونده را واحد تصمیم گیری نامیدند که وظیفه تبدیل خروجی به ورودی را بر عهده دارند. در سال های اخیر در خصوص ارزیابی عملکرد و تعیین میزان بهره وری سازمان ها توجه خاصی صورت گرفته و کاربردهای مختلف زنجیره تأمین نیز مورد توجه بسیاری از محققین قرار گرفته است. زنجیره تأمین شبکه ای شامل چهار بخش تامین‌کننده، تولیدکننده، توزیع‌کننده و مشتری از نظر اندازه و پیچیدگی با یک زنجیره ساده که نشان دهنده تصمیم گیری مستقل می باشد، متفاوت است. رفتارها و تعاملات آنها نیز با هم فرق می کنند. بنابراین سنجش عملکرد زنجیره تأمین چهار بخشی باید طوری طراحی شود تا ویژگی های شبکه ای این زنجیره و تعاملات آن مد نظر قرار گیرد. به طور کلی هرچه زنجیره تأمین بزرگتر و پیچیده تر باشد، ارزیابی آن مشکل تر و چالش برانگیز تر خواهد بود. در بین روش های ارزیابی، تحلیل پوششی داده‌ها  به طور گسترده در ارزیابی عملکرد نسبی مجموعه ای از فرآیندهای تولید به نام واحدهای تصمیم گیرنده ، استفاده می‌شود. این روش غیر پارامتریک با ارائه مدل های مختلف قادر است واحدهای تصمیم گیرنده ای که با مصرف چندین ورودی، چندین خروجی تولید می نمایند را ارزیابی نماید. مدل های کلاسیک DEA، هیچ نظریه ای در ارتباط با فعالیت داخلی زنجیره تأمین (واحدهای تصمیم گیرنده) نداشته و آنها را به عنوان یک جعبه سیاه در نظر می گیرند به طوریکه ورودی های اولیه مصرف شده و خروجی های نهایی تولید شده آنها را جهت محاسبه کارایی مد نظر قرار می دهند. اینکه فعالیت ها و محصولات میانی زنجیره تأمین در نظر گرفته نمی‌شود، مناسب فرآیند تولید ساده بوده و در سیستم شبکه ای پیچیده کاربرد لازم را ندارد. در این پژوهش ارزیابی زنجیره تأمین شبکه ای در حضور ورودی ها و خروجی های غیر قابل کنترل، خروجی های نامطلوب و منفی مورد تجزیه و تحلیل قرار می گیرد. برای تشخیص ناکارایی و علل آن در بخش های میانی، محققین زیادی تلاش کردند مدل جعبه سیاه را رد کنند و ساختار درونی زنجیره تأمین را در مدل های DEA در نظر بگیرند. این مدل ها در ادبیات تحليل پوششی داده‌ها، DEA شبکه‌ای نامیده می‌شوند. زنجیره تأمین یکی از مهم‌ترین و کاربردی ترین حالت های DEA شبکه ای می باشد. تهیه برنامه‌ریزی شدۀ مواد اولیه، طراحی و تولید محصولات مناسب، توزیع و حمل و نقل بهینۀ آنها و در نهایت ارائه خدمات به مشتریان و رضایت آنها در قالب مدیریت زنجیره تأمین، مورد توجه بسیاری قرار دارد. در مدیریت زنجیره تأمین، کلیه اندازه گیری کارایی ها به دنبال دو هدف نهایی کاهش هزینه و افزایش سود می باشد. در زمینه تحلیل پوششی داده‌ها با ساختار شبکه ای، تحقیقات زیادی انجام شده که در تمامی آنها سعی شده حالت های مختلفی از یک شبکه را مورد تجزیه و تحلیل قرار دهند. به منظور اندازه گیری مناسب جهت محاسبه کارایی زنجیره تأمین، لازم است هم خواص شبکه ای زنجیره در نظر گرفته شود و هم روابط بين "تامین‌کننده"، "تولیدکننده"، "توزیع‌کننده" و "مشتری" نيز لحاظ گردد(کرماچ و همکاران،2023).

برای اندازه‌گیری کارایی به روش تحلیل پوششی داده­ها مدل‌های مختلفی توسط محققان بیان و بررسی شده است که دو مدل چارنز، کوپر و رودز و بنکر، کوپر و چارنز از مدل‌های پایه و سنتی تحلیل پوششی داده­ها محسوب می‌شوند که الگوهای خطی برای حل مسائل کارایی در حالت چند ورودی و چند خروجی هستند؛ و به ترتیب از نوع تکنولوژی بازده به ‌مقیاس ثابت و متغیر هستند. در این روش با به­کارگیری مجموعه‌ای از نقاط که توسط برنامه‌ریزی خطی تعیین شده‌اند، یک منحنی مرزی کارا ایجاد می‌شود. روش برنامه‌ریزی خطی با یک سری بهینه‌سازی، مشخص می‌شود که آیا واحدهای تصمیم­گیری مدنظر روی خط کارایی قرار گرفته است یا خارج از آن قرار دارد. هدف اصلی تحلیل پوششی داده‌ها، تعیین کارایی یک سیستم یا واحد تصمیم­گیری از طریق فرآیند تبدیل ورودی‌ها به خروجی‌ها است. واحدی که دارای کارایی مساوی یک باشد، واحد کارا نام دارد و دیگر واحدها که کارایی بین صفر و یک دارند، واحدهای ناکارا شناخته می‌شوند. مدل چارنز، کوپر و رودز اولین مدل تحلیل پوششی داده­ها است که برای اندازه‌گیری کارایی واحدهای تصمیم­گیرنده است که در سال 1978 توسط چارنز، کوپر و رودز ارائه شده است. این مدل دارای دو ماهیت ورودی و خروجی است. فرم مضربی خطی­ شده ورودی محور مدل چارنز، کوپر و رودز به­صورت معادلات (1) تعریف می‌شود (اسدی و همکاران، 2023).

 

(1)

 

 

 

 

 

که در معادلات 1:

  : مقدار خروجی ام تولید شده به ­وسیلۀ ،

 : مقدار ورودی ام تولید شده به وسیلۀ ،

 : وزن داده شده به خروجی  ام،

 : وزن داده شده به ورودی  ام.

بنکر، چارنز و کوپر با تغییر در مدل چارنز، کوپر و رودز، مدل جدیدی را ارائه کردند که با توجه به حروف اول نام آن­ها به BCC مشهور شد. این مدل در ارزیابی کارایی نسبی مانند مدل چارنز، کوپر و رودز شعاعی عمل می‌کند. با این تفاوت که در این مدل از بازده به مقیاس متغیر تبعیت می‌کند. مدل بنکر، چارنز و کوپر را می‌توان؛ مانند مدل چارنز، کوپر و رودز در ماهیت ورودی و خروجی بیان کرد. در ماهیت ورودی هدف، کاهش ورودی‌ها و در ماهیت خروجی هدف، افزایش خروجی‌هاست البته تا جایی که از ناحیۀ شدنی خارج نشویم. مدل بنکر، چارنز و کوپر شامل قید تحدب مشاهدات یعنی   است. با توجه به اینکه با افزایش قیود در مدل برنامه‌ریزی خطی، ناحیۀ شدنی کوچکتر می‌شود، لذا مقدار بهینۀ تابع هدف بهتر نمی‌شود، پس اگر  مقدار بهینۀ مدل چارنز، کوپر و رودز و  مقدار بهینۀ مدل بنکر، چارنز و کوپر در ارزیابی واحد تحت ارزیابی باشند، آنگاه رابطۀ این دو همواره برقرار است (فخر موسوی و همکاران، 2023).

(2)                                  

واحد تحت ارزیابی در مجموعه امکان تولید بنکر، چارنز و کوپر کارا است اگر و فقط اگر  در غیر این صورت واحد تحت ارزیابی ناکارا خواهد بود . به عبارت دیگر واحد تحت ارزیابی کارای بنکر، چارنز و کوپر است اگر و تنها اگر برای هر جواب بهینه  در مدل بنکر، چارنز و کوپر دو شرط زیر برقرار باشد:

،

متغیرهای کمکی   و   همه صفر باشند.

در غیر این صورت واحد تحت ارزیابی را ناکارای بنکر، چارنز و کوپر می‌نامند که نشان­دهندۀ ناکارایی در ماهیت ورودی است. در واقع مدل مضربی بنکر، چارنز و کوپر ورودی محور مطابق معادلۀ (3) در زیر است.

(3)

 

 

 

 

 

 

در جدول (1) مروری از مطالعات گذشته مرتبط با موضوع پژوهش ارائه شده است.

 جدول 1- پیشینه پژوهش

ردیف	محقق/ سال	هدف
1	ترکاشوند و همکاران(1402)	در پژوهش خود با استفاده از مدل تحلیل پوششی داده‌های شبکه ای و داده کاوی به کارایی زنجیره تامین سبز در صنعت طیور پرداختند.
2	شمسی جامخانه و همکاران(1399)	در پژوهش خود به کارایی و عملکرد زنجیره‌تامین با ساختار سه‌ مرحله‌ای با استفاده از تحلیل پوششی داده‌های شبکه‌ای پرداختند.
3	شجاع و همکاران(1399)	در مقاله خود کارایی زنجیرۀ تأمین چهار مرحله‌ای در حضور عوامل غیرقابل کنترل، نامطلوب و منفی با استفاده از مدل SBM در تحلیل پوششی داده‌های شبکه‌ای ارزیابی کردند.
4	حسین زاده سلجوقی و رحیمی(1398)	در پژوهش خود به ارزیابی کارایی و بازده به مقیاس زنجیره تأمین صنایع رزین ایران با مدل تحلیل پوششی داده‌های قطعی و فازی پرداختند.
5	امینی و علی نژاد(1398)	در پژوهش خود به ارزیابی مدیریت زنجیره تأمین سبز شرکت‌های مواد نوشیدنی با استفاده از مدل تحلیل پوششی داده‌های شبکه ای پرداختند.
6	لیائو و همکاران (2024)	در پژوهش خود به تحول دیجیتال و کارایی زنجیره تامین سبز شرکتی پرداختند.
7	عبدالله و همکاران (2023)	در پژوهش خود به تأثیر سیستم تولید هوشمند، سبز، انعطاف‌پذیر و ناب بر عملکرد شرکت های کوچک و متوسط با استفاده از رویکرد تحلیل پوششی داده پرداختند.
8	ژانگ و همکاران (2023)	در مقاله خود به شناسایی شاخص‌های حیاتی در ارزیابی عملکرد زنجیره‌های تامین سبز با استفاده از تصمیم‌گیری چند معیاره ترکیبی پرداختند.
9	تاج بخش و حسنی (2015)	در مقاله‌ خود یک رویکرد تحلیل پوششی داده‌ها برای ارزیابی پایداری در شبکه‌های زنجیره تامین ارائه کردند.
10	آزادی و همکاران (2015)	در پژوهش خود یک مدل تحلیل پوششی داده‌های فازی جدید برای ارزیابی کارایی و اثربخشی تامین کنندگان در زمینه مدیریت زنجیره تامین پایدار را ارائه کردند.
11	میرهدایتیان و همکاران (2014)	در مقاله خود یک مدل جدید تحلیل پوششی داده‌های شبکه‌ای برای ارزیابی کارایی مدیریت زنجیره تامین سبز ارائه دادند.

ماخذ: یافته‌های تحقیق

روش شناسی پژوهش

پژوهش حاضر با توجه به ماهیت و اهداف، یک تحقیق کاملا توسعه ای -کاربردی است که در زمره مدلسازی ریاضی می‌باشد. در این تحقیق ابتدا با استفاده از دور مذاکرات دلفی به شیوه فازی مهمترین شاخص ها برای مدیریت زنجیره تامین سبز تعیین می‌شوند. سپس، با استفاده از رویکرد سوآرای فازی اهمیت هر یک از شاخص ها تعیین می‌شود. در نهایت با استفاده از رویکرد تحلیل پوششی داده‌های فازی عملکرد کارایی 9 شرکت تولیدی لوازم خانگی (منتخب) اولویت‌بندی می‌شوند.

جامعه آماری پژوهش حاضر شامل تعدادی از مدیران عالی، کارشناسان مسئول فعال و اساتید دانشگاه در حوزه زنجیره تأمین سبز می­باشد. در این پژوهش با بهره‌گیری از روش نمونه‌گیری هدفمند و گلوله برفی 20 نفر از خبرگان علم- صنعت که 1- دارای سابقه 8 سال به بالا در کار داشتند2-دارای مدرک مربوطه باشند.3- تمایل به همکاری در این حوزه را داشتند، پرسشنامه طراحی شده در اختیار آن ها قرار داده شد. در جدول (2) ، مشارکت‌کنندگان از حیث جنسیت، تحصیلات، سمت شغلی و سابقه کار نشان داده شده است.

 

جدول 2- ویژگی جمعیت شناختی مشارکت کنندگان

ردیف	رشته تحصیلی و مقطع تحصیلی		سابقه کار	سمت شغلی	سن
1	مدیریت مالی	فوق لیسانس	15 سال	مدیر مالی	38
2	مدیریت اجرایی	فوق لیسانس	14 سال	مدیر اداری	40
3	مدیریت صنعتی	لیسانس	8 سال	مدیر انبار	44
4	مدیریت بازاریابی	لیسانس	20 سال	مدیر خدمات پس از فروش	50
5	مدیریت صنعتی	دکتری	17 سال	مدیر تولید	42
6	مهندسی صنایع	فوق لیسانس	18سال	مدیرکیفیت	55
7	مدیریت مالی	لیسانس	16 سال	مدیر فروش	43
8	حسابداری	لیسانس	20 سال	مدیر حسابداری	42
9	مهندسی ماالی	فوق لیسانس	20 سال	مدیر بازرگانی	47
10	مهندسی صنایع	فوق لیسانس	15سال	مدیر مهندسی	40
11	مدیریت صنعتی	لیسانس	20 سال	مدیر خرید	35
12	اقتصاد	لیسانس	12 سال	مدیر بازاریابی	32
13	حسابداری		15 سال	مدیر مالی	40
14	صنایع	فووق لیسانس	20 سال	مدیر تولید	41
15	مهندسی برق	فوق لیسانس	20 سال	مدیر مهندسی	45
16	مدیریت مالی	دکتری	10سال	استاد دانشگاه	47
17	مهندسی مالی	دکتری	8سال	استاد دانشگاه	44
18	مدیریت صنعتی	دکتری	15 سال	استاد دانشگاه	45
19	مدیرت صنعتی	دکتری	10 سال	استاد دانشگاه	46
20	مدیریت صنعتی	دکتری	11سال	استاد دانشگاه	42

 ماخذ: یافته‌های تحقیق

در این پژوهش، با توجه به اینکه از ابتدا برای قدم برداشتن در مراحل تحقیق، پروتکل هایی تعریف می‌شود بنابراین دارای قابلیت اعتبار، تایید است. همچنین، با توجه به اینکه کلیه مراحل تحقیق به روشنی معرفی و بیان شده اند، لذا قابل انتقال و تعمیم به پژوهش های دیگر نیز می باشد. سرانجام، با توجه به اینکه در طول تحقیق همواره سعی می‌شود تا مدلی در خور و مناسب تهیه و ساخته شود، محقق با مقایسه آن در مقابل مدل های موجود تلاش می‌کند تا از مدل ساخته شده در ذهن خواننده اطمینان ایجاد نماید.

مراحل اجرای روش

مرحله اول: روش دلفی فازی

دلفی فازی روشی برای دستیابی به توافق از دیدگاه خبرگان مبتنی بر اصول محاسبات منطق فازی و سیستم استنتاج فازی است. در این روش کوشش می‌شود با استفاده از اعداد فازی و محاسبات فازی دیدگاه خبرگان بهتر بازنمایی می‌شود. بر طبق این روش، در گام نخست باید خبرگان شناسایی شوند. اصل ناشناسی مهم‌ترین نکته در اجرای این روش است به این معنا که اعضای پنل خبرگان نباید از وجود هم مطلع باشند. براساس قیدهای مشخصی مانند تحصیلات و سابقه‌کاری مرتبط خبرگان را شناسایی می نماییم. تعداد ۶ تا ۱۲ نفر از خبرگان در این مرحله شناسایی می نماییم. بر طبق الگوریتم اجرای تکنیک دلفی فازی برای غربالگری نخست باید طیف فازی مناسبی برای فازی‌سازی عبارات کلامی پاسخ‌دهندگان توسعه داد. برای این منظور می‌توان از روش‌های توسعه طیف فازی استفاده کرد یا از طیف‌های فازی متداول برای این منظور استفاده کرد. برای نمونه می‌توان از طیف پنج درجه مطابق جدول 3 استفاده کرد. اعداد فازی مثلثی متناظر با طیف لیکرت 5 درجه در این جدول نشان داده شده اند. در این جدول، با استفاده از روش مینکوفکسی مطابق را رابطه 4 فازی زدایی انجام می‌شود که مقدار قطعی متناظر هر مقدار کلامی و مقدار فازی و عدد مثلثی نوشته شده است (طالع زاده و همکاران، 1396).

(4)

که در رابطه 4،  مقدار قطعی فازی زدایی شده،  مقدار حد وسط در بازه مثلثی،  کران بالا مثلثی و  کران پایین بازه مثلثی است.

جدول 3- اعداد فازی طیف لیکرت 5 درجه (طالع زاده و همکاران، 1396)

متغیر کلامی	نماد	مقدار فازی	عدد فازی مثلثی	مقدار قطعی
خیلی کم	UL			0625/0
کم	L			3125/0
متوسط	M			625/0
زیاد	H			875/0
خیلی زیاد	VH			0625/1

 ماخذ: یافته‌های تحقیق

اگر مطابق با جدول (3) فازی زدایی انجام شود، در اینصورت می توانیم با انتخاب یک مقدار برای شدت آستانه، شاخص هایی که مقدار کمتر برای آستانه دارند را حذف نماییم و روش دلفی را برای راند بعدی ادامه دهیم. راندهای دلفی تا جایی ادامه پیدا می‌کند که دیگر شاخصی حذف یا اضافه نشود.

مرحله دوم : اولویت‌بندی عملکرد کارایی مدیریت زنجیره تامین سبز با استفاده از رویکرد تحلیل پوششی داده‌های شبکه ای فازی

برای این منظور، تولید محصول سبز در شرکت های لوازم خانگی را به صورت یک زنجیره مطابق با شکل 1 در نظر می گیریم. این شکل یک نوع از زنجیره متوالی را نشان می دهد که برای توسعه مدل به طور کلی در نظر گرفته شده است. برای مدلسازی ریاضی فرض می­کنیم که یک مجموعه تایی  از     به عنوان واحدهای تحت ارزیابی وجود دارد که مقداری ورودی در هر DMU مصرف می‌شود تا مقداری خروجی ایجاد شود. همچنین، برای ارتباط بین مراحل با یکدیگر تعدادی متغیر وجود دارد که به عنوان خروجی مرحله قبل به عنوان ورودی به مرحله بعد وارد سیستم می‌شوند. نمادگذاری متغیرهای اصلی به­صورت زیر تعریف می‌شود.

: ورودی به کل زنجیره است که وزن آن با  نشان داده می‌شود، ،

: بردار ورودی مرحله اول که وزن آن با  نشان داده می‌شود، ،

: بردار ورودی مرحله دوم که وزن آن با  نشان داده می‌شود، ،

: بردار خروجی که از مرحله اول خارج می‌شود و وارد مرحله دوم می‌شود. و وزن آن با  نشان داده می‌شود، ،

: بردار خروجی که از مرحله دوم خارج می‌شود و وارد مرحله سوم می‌شود. و وزن آن با  نشان داده می‌شود، ،

،   و  خروجی­های اختصاصی مراحل اول، دوم و سوم است که وزن آنها با  نشان داده می‌شود،

: بردار خروجی کلی زنجیره است که وزن آن با  نشان داده می‌شود،  ،

 

  شکل 1- زنجیره چند مرحله­ای

سرانجام، مدل پیشنهادی به صورت مجموعه معادلات 5 تا 10 مطابق زیر تعریف می‌شود.

 

 

                (6)

                                   (7)

                                (8)

                                                                     (9)

      مدل (5) قادر است امتیاز کارایی واحدهای تحت ارزیابی را محاسبه نماید. امتیاز کارایی محاسبه شده همواره بین صفر و یک قرار دارد. تابع هدف تضمین می‌کند که در زنجیره تأمین بیشترین خروجی ممکن محاسبه شود، محدودیت (6) تضمین می‌کند که سطح ورودی ها افزایش پیدا نکند و ثابت نگه داشته شود. محدودیت های (7) تا (9) تضمین می‌کند که مقدار کارایی بیشتر از یک محاسبه نشود. رابطه (10) با توجه به اینکه مدل سازی تحلیل پوششی داده‌ها جز برنامه‌ریزی خطی است، تضمین می‌کند که متغیرهای مسأله مثبت باشند. برای مدل ساخته شده دو مفهوم به شرح زیر تعریف می نماییم.

تعریف 1: یک DMU مانند  را کارا می نامیم اگر و فقط اگر، تابع هدف  برای مدل فوق دارای جواب بهینه برابر یک است. در غیر اینصورت، ناکارا است.

تعریف 2: اگر در مجموعه معادلات فوق همه متغیرها یک مقدار کاملا مثبت داشته باشند، یا همه متغیرهای کمبود برابر صفر

باشند، DMU تحت ارزیابی مانند  دارای جواب پارتو است.

یافته‌های پژوهش

در این تحقیق، اعضای پانل یا همان متخصصان و خبرگان که در دو بعد صنعت و دانشگاه به طور کلی طبقه بندی شده اند که پرسشنامه‌ها قرار است بین آن‌ها توزیع شود، شناسایی شده اند. به طورکلی، 20 نفر خبره شناسایی شده اند که در زمینه‌ موردمطالعه تخصص و تجربه داشتند، در گام بعدی فرمی طراحی شد که شامل موضوع پژوهش، هدف پژوهش و مدت‌زمان و تعداد دورهای تقریبی پژوهش بوده و این فرم در اختیار خبرگان شناسایی‌شده قرار داده شد و از آنان خواسته شد تا تمایل و موافقت خود را با مشارکت در این تحقیق اعلام دارند، هر 20 خبره در مجموع تمایل و موافقت خود را برای پژوهش نشان دادند. سپس، با استفاده از مطالعه کتابخانه‌ای و ادبیات پژوهش(در این پژوهش شاخص ها از پژوهش های کانگ و همکاران(2021)؛ لتوفسکا و همکاران(2023) استخراج شده است)، لیستی از معیارهایی که در بحث مدیریت زنجیره تامین سبز مؤثر هستند را شناسایی می‌نماییم. سپس یک غربال اولیه انجام شد و معیارهای تکراری یا مترادف حذف شدند که در نهایت مجموعاً تعداد 15 عامل موثر شناسایی شده است. در جدول (4)، عوامل شناسایی شده برای مسأله نشان داده شده است. پس از شناسایی عوامل پژوهش به طراحی پرسشنامه و معیارها پژوهش بر اساس بررسی انجام‌شده، اقدام شده است. پرسشنامه طراحی‌شده در این مرحله را پرسشنامه اولیه یا پرسشنامه دوره اول می‌نامند. به منظور تأیید روایی و پایایی پرسشنامه طراحی شده نسبت به محاسبه مقدار آلفای کرونباخ اقدام شده است. با توجه به اینکه مقدار آلفای کرونباخ 961/0 محاسبه شده است و بیشتر از 7/0 می باشد، بنابراین می‌توان اظهار داشت که پرسشنامه از پایایی بسیارخوبی برخوردار است.

در این مرحله ابتدا پرسشنامه‌های توزیع‌شده بین خبرگان (20خبره) جمع‌آوری گردید، پس از جمع‌آوری پرسشنامه‌های تکمیل‌شده که از 20 پرسشنامه ارسالی، 20پرسشنامه بازگشت؛ دور اول تجمیع و مقدار امتیاز محاسبه شده هر یک از معیارها محاسبه می‌شود و سپس بر اساس محاسبات انجام‌شده به تجزیه‌وتحلیل پرسشنامه اول می‌پردازیم. در وهله‌ی اول تجمیع نظرات خبرگان را برای هریک از معیارها پرسشنامه به دست آوردیم، جدول زیر نظرات 20 خبره را برای پرسشنامه اول ارائه می‌کند. بعد از جمع آوری اطلاعات، مقدار امتیاز معیارها پرسشنامه را برای ارزیابی میزان اهمیت هر یک از معیارها محاسبه می کنیم تا امکان مقایسه با شاخص آستانه مشخص‌شده ممکن گردد. در جدول (5)، مقدار فازی و دیفازی شده معیارات پرسشنامه در مرحله اول نشان داده شده است. با توجه به جدول (5)، در ستون دیفازی به‌وسیله‌ مقدار میانگین طیف، میزان اهمیت هر یک از شاخص‌ها مشخص شده است. در این تحقیق بر اساس نظرات خبرگان، معیارهای که مقدار دی فازی آن‌ها بیشتر از مقدار میانگین طیف (3) باشد به‌عنوان معیارهای بااهمیت شناخته می‌شوند و معیارهایی که مقدار دی فازی آن‌ها کمتر از مقدار میانگین طیف باشد به‌عنوان معیارها کم‌اهمیت تلقی می‌گردند.

 

جدول 4- تجمیع نظرات خبرگان برای پرسشنامه دور اول

ردیف	معیارها	طیف
		1 (بسیار کم)	2 (کم)	3 (متوسط)	4 (زیاد)	5 (بسیار زیاد)
عوامل تأثیرگذار برمدیریت زنجیره تامین سبز
1	توزیع سبز	1	4	5	10
2	پل ارتباطی شفاف و موثر با تامین کنندگان و بنگاههای تجاری	4	2		6	8
3	خط مشی و سیاست های زیست محیطی برای مدیریت زنجیره تامین سبز	6		6	1	7
4	برقراری سیستم مدیریت ریسك زیست محیطی برای مدیریت زنجیره تامین سبز	6		3	3	8
5	هزینه تامین قطعات سبز		2	4	4	10
6	تعداد محصولات سبز ساخته شده در کارخانجات			2	11	7
7	نوآوری سبز			5	9	6
8	ممیزی زیست محیطی تامین کنندگان	5	5	8	2
9	هزینه های تأمین مواد اولیه				19	1
10	طراحی سبز				15	5
11	تنوع در قیمت عرضه ها		18	2
12	حداکثر رفاه اجتماعی و بهبود محیط زیست	1	7	12
13	هزینه های تولید محصول سبز	5	6	8	1
14	هزینه های مدیرت زیست محیطی	5	9	6
15	تعداد محصولات سبزی که تامین‌کننده برای کارخانجات تهیه می‌کنند			5	13	2

            ماخذ: یافته‌های تحقیق

جدول 5- ارزش فازی و مقدار دی فازی معیارها پرسشنامه اول

معیارها		ارزش فازی معیارها					مقدار دی فازی	وضعیت معیارها
L	M			U
1		3	13947/4			5	07/4	تائید شده
2		2	48414/3			5	85/2	عدم تائید
3		3	13947/4			5	42/2	عدم تائید
4		3	53164/4			5	58/1	عدم تائید
5		3	44815/4			5	22/4	تائید شده
6		4	30887/4			5	40/4	تائید شده
7		3	34278/4			5	17/4	تائید شده
8		4	30887/4			5	91/2	عدم تائید
9		3	2068/4			5	86/2	عدم تائید
10		3	53164/4			5	27/4	تائید شده
11		1	90994/2			5	95/2	عدم تائید
12		3	34278/4			5	55/1	عدم تائید
13		3	13947/4			5	56/2	عدم تائید
14		4	30887/4			5	40/4	تأیید شده
15		3	13947/4			5	07/4	تأیید شده

ماخذ: یافته‌های تحقیق

با توجه به نتایج حاصل شده از دور اول، به طراحی پرسشنامه دور دوم می‌پردازیم. با توجه به مقدار دی فازی به‌دست‌آمده برای هر یک از معیارها پژوهش مشاهده می‌شود که از بین 15 معیار طرح‌شده مدیریت زنجیره تامین سبز، مجموعاً 8 معیارکه شامل (1. پل ارتباطی شفاف و موثر با تامین کنندگان و بنگاههای تجاری براساس معیار دوم)، (2. برقراری سیستم مدیریت ریسك زیست محیطی برای مدیریت زنجیره تامین سبز براساس معیار4)، (3. ممیزی زیست محیطی تامین کنندگان بر اساس معیار هشتم)، (4. تنوع در قیمت عرضه ها بر اساس معیار 11) ، (5. هزینه های تولید محصول سبز براساس معیار سیزدهم)، (6. خط مشی و سیاست های زیست محیطی برای مدیریت زنجیره تامین سبز بر اساس معیار سوم)، (7. هزینه های تأمین مواد اولیه بر اساس معیار نهم) و (8. حداکثر رفاه اجتماعی و بهبود محیط زیست بر اساس معیار دوازدهم) دارای مقدار دی فازی کمتر از میانگین طیف (مقدار3) می‌باشند؛ بنابراین این مقولات به‌عنوان معیارها کم‌اهمیت تلقی شده که می‌توانیم در پژوهش از آن‌ها صرف‌نظر کنیم. همچنین خبرگان در سؤال باز پرسشنامه مبنی بر اضافه کردن اقدام جدید در مدیریت زنجیره تامین سبز، مورد جدیدی در این مرحله اضافه نکردند.

در این گام پرسشنامه طراحی‌شده در دور دوم را برای خبرگان ارسال کردیم و پس از جمع‌آوری 20 پرسشنامه، همانند گام قبلی، با تجمیع و میانگین نظرات خبرگان به تجزیه‌وتحلیل داده‌های جمعی مطابق با جدول (6) پرداختیم. مانند دور اول روش، به محاسبه مقدار دیفازی عوامل می پردازیم. در صورتی که مقدار دیفازی شده بیشتر از طیف 3 باشد، عامل شناسایی شده در تحلیل باقی می ماند. در جدول (7)، مقدار دیفازی شده هر یک از عوامل نشان داده شده است.

جدول 6- تجمیع نظرات خبرگان برای پرسشنامه دور دوم

ردیف	معیارها	طیف
		1 (بسیار کم)	2 (کم)	3 (متوسط)	4 (زیاد)	5 (بسیار زیاد)
عوامل تأثیرگذار بر مدیریت زنجیره تامین سبز
1	توزیع سبز	2	6	2	10
2	هزینه تامین قطعات سبز		2		4	14
3	تعداد محصولات سبز ساخته شده در کارخانجات			7	3	9
4	نوآوری سبز			1	6	13
5	طراحی سبز		2	4	4	10
6	هزینه های مدیریت زیست محیطی			3	12	5
7	تعداد محصولات سبزی که تامین‌کننده برای کارخانجات تهیه می‌کنند			5	9	6

ماخذ: یافته‌های تحقیق

 

جدول7- ارزش فازی و مقدار دی فازی معیارها پرسشنامه دوم

معیارها		ارزش فازی معیارها					مقدار دی فازی	وضعیت معیارها
L	M			U
1		3	13947/4			5	07/4	تائید شده
2		2	48414/3			5	49/3	تائید شده
3		3	13947/4			5	07/4	تائید شده
4		3	53164/4			5	27/4	تائید شده
5		3	44815/4			5	22/4	تائید شده
6		4	30887/4			5	40/4	تائید شده
7		3	34278/4			5	17/4	تائید شده

ماخذ: یافته‌های تحقیق

نتایج حاصل از محاسبات پرسشنامه دور دوم در جدول (7) ارائه‌شده است و نشان می‌دهد که مقدار دی فازی تمام معیارها یا مقولات پژوهش بیشتر از مقدار میانگین طیف (3) می‌باشد؛ بنابراین همه‌ اقدامات یا معیارها پرسشنامه دوم، مهم و تأثیرگذار هستند و از طرف دیگر به‌مانند دور قبل هیچ مورد جدیدی توسط خبرگان پیشنهاد نشده است، بنابراین عوامل تأثیرگذار بر مدیریت زنجیره تامین سبز شناسایی شدند.

سپس، یک زنجیره تأمین سبز برای 9 شرکت تولیدکننده لوازم خانگی منتخب مورد ارزیابی قرار گرفته است. در جدول (8)، فاکتورها و نمادهایی که در نظر گرفته شده است، نشان داده شده است. فاکتورها، از طریق پرسشنامه و جمع آوری اطلاعات از خبرگان فعال در حوزه تولیدکنندگان لوازم خانگی تعیین شده است. ساختار زنجیره تأمین در شکل (2) نشان داده شده است. طبق این ساختار، یک زنجیره تأمین چندگانه داریم که شامل تامین‌کننده(مرحله اول)، تولیدکننده (مرحله دوم) و توزیع‌کننده (مرحله سوم) است. ورودی­های مرحله اول هزینه­های مدیریت زیست محیطی و هزینه­های تأمین قطعات سبز هستند. ورودی­های مرحله اول، به­عنوان ورودی کلی زنجیره نیز در نظر گرفته می­شوند. در ساختار در نظر گرفته شده ورودی­هایی که وارد مرحله اول می­شوند را با  برای  نشان می­دهیم.  خروجی است که از مرحله اول خارج و به مرحله دوم وارد می­شود.  برای  ورودی­های اختصاصی مرحله دوم است که عبارت اند از طراحی سبز و نوآوری سبز. این متغیرها به صورت کیفی در نظر گرفته شده اند که برای انجام محاسبات با استفاده از مقیاس دو قطبی فاصله ای به مقادیر کمی تبدیل شده اند.  خروجی است که از مرحله دوم خارج و به مرحله سوم وارد می­شود. سرانجام،  خروجی مرحله سوم است. توجه نمایید که خروجی مرحله آخر، به عنوان خروجی کلی زنجیره در نظر گرفته می شود، که در جدول (9) نشان داده شده است. همچنین، ساختار شبکه در نظر گرفته شده از طریق مصاحبه خبرگان با شرکت­های تولیدکننده لوازم خانگی منتخب به دست آمده­اند.

جدول 8- فاکتورهای استفاده شده در ارزیابی زنجیره تأمین سبز

مرحله		نماد	تعریف
تامین‌کننده			هزینه های مدیریت زیست محیطی
	هزینه های تأمین قطعات سبز
تولیدکننده			طراحی سبز
	نوآوری سبز
توزیع‌کننده			توزیع سبز
میانی			تعداد محصولات سبزی که تامین‌کننده برای کارخانجات تهیه می‌کنند
	تعداد محصولات سبز ساخته شده در کارخانجات

ماخذ: یافته‌های تحقیق

 

     شکل 2- ساختار زنجیره تأمین

 

 

جدول9- داده­ها

DMUs		نام شرکت				ورودی­ها						میانی­ها			خروجی
1		آ				400		30		9	9	320	315	9
2		ب				360		60		7	5	295	290	5
3		پ				330		55		7	7	290	282	7
4		ت				455		25		5	7	310	312	5
5		ج				370		37		9	9	280	270	7
6		چ				332		80		5	5	210	200	5
7		ح				355		87		7	7	235	220	5
8		خ				300		95		7	7	255	235	5
9		د				295		50		9	9	315	318	9

 اسامی شرکت ها نزد محقق محفوظ می ماند.

در زنجیره در نظر گرفته شده در شکل (2)، هزینه­های زیست محیطی به­عنوان هزینه­های مربوط به تأمین قطعات سبز و مدیریت زیست محیطی با ارزش طبیعی از طریق فعالیت­های اقتصادی تعیین می­شود. بنابراین، این هزینه­ها به­عنوان ورودی مرحله اول در نظر گرفته شده است. ورودی/ خروجی­های میانی شامل مرحله دوم و سوم است. ورودی/ خروجی میانی در بین مرحله تامین‌کننده و تولیدکننده تعداد محصولاتی است که از تامین‌کننده به تولیدکننده منتقل می­شود. همچنین، ورودی/ خروجی میانی در بین تولیدکننده و توزیع‌کننده تعداد محصولات سبز است. برای ارزیابی کارایی زنجیره تأمین سبز، هر زنجیره تأمین به­عنوان DMU در مدل 5تا 10 در نظر گرفته می­شود تا امتیاز کارایی برای هریک از آنها محاسبه شود. با به‌کارگیری مدل مذبور، مرز کارایی و ماکزیمم امتیاز کارایی واحدهای تحت ارزیابی قابل محاسبه است. برای اندازه گیری کارایی کلی و سرانجام رتبه بندی زنجیره­های تأمین واحدهای تحت ارزیابی از رابطه  محاسبه می شود. در جدول (10)، امتیاز کارایی برای(آ) DMU1 و DMU7(ح) به ترتیب برابر 89/0 و69/0 است که به ترتیب بهترین و بدترین زنجیره تأمین سبز است.

 

جدول 10- محاسبه امتیاز کارایی زنجیره طبق مدل پیشنهادی

DMU	کارایی زنجیره
آ	89/0
ب	73/0
پ	80/0
ت	79/0
ج	82/0
چ	71/0
ح	69/0
خ	75/0
د	88/0

                                     ماخذ: یافته‌های تحقیق

همچنین، در جدول (11)، کارایی کلی زنجیره­های تأمین محاسبه شده با استفاده از رابطه  نشان داده شده است. در محاسبه کارایی کلی، فعل و انفعالات درون زنجیره در نظر گرفته نمی­شود، تنها ورودی و خروجی وارد شده و خارج شده از زنجیره در نظر گرفته می­شود. همانطور که مشاهده می­شود،  (آ)DMU1 بهترین امتیاز کارایی را دارد. به عبارت دیگر سبزترین زنجیره تأمین است. توجه شود بدلیل اینکه در محاسبه امتیاز کارایی فعل و انفعالات درونی زنجیره در نظر گرفته نمی­شود، امتیاز کارایی کاهش می­یابد. دیگر نکته قابل ذکر در خصوص مدل ارائه شده این است که، هیچگونه تساوی بین امتیاز بدست آمده برای­DMU ها وجود ندارد و مدل تحقیق می­تواندDMU ها را به­طور کامل رتبه بندی کند. این به معنای قدرت بالای تفکیک DMUها در رویکرد پیشنهادی ارائه شده است. اما برای اندازه گیری امتیاز رتبه زنجیره های تأمین از رابطه  استفاده می نماییم. طبق این رابطه نتایج امتیاز بندی واحدهای تحت ارزیابی مطابق جدول(11) محاسبه می‌شود. که در صورت مرتب کردن افزایشی به ترتیب مرتب می‌شوند.

 

جدول11-  محاسبه امتیاز رتبه بندی

DMU	کارایی زنجیره	رتبه
آ	38/0	1
ب	31/0	7
پ	34/0	4
ت	33/0	5
ج	35/0	3
چ	30/0	8
ح	29/0	9
خ	32/0	6
د	37/0	2

  ماخذ: یافته‌های تحقیق

نکته قابل تأمل در خصوص مدل پیشنهاد شده در مقایسه با مدل های تصمیم گیری این است که، مدل پیشنهادی ضمن اینکه قادر به رتبه بندی واحدهای تحت ارزیابی است، برای رتبه بندی امتیاز اختصاص می دهد. بنابراین، چارچوب پیشنهادی می تواند در زمره روش های ترتیبی (اوردینال) و هم امتیازی (کاردینال) قرار بگیرد.

برای اعتبار سنجی این پژوهش از مدل تحليل پوششي داده ها (CCR) استفاده شده است. این مدل یکی از اولين مدل تحليل پوششي داده‌ها است، که توسط چارنز و همکاران (1978) برای محاسبه امتیاز کارایی با ورودی ها و خروجی های چندگانه توسعه داده شده است. مبناي شكل گيري اين مدل، تعريف كارايي به صورت نسبت يك خروجي به يك ورودي است. به عبارت ديگر، در مدل CCR برای محاسبه كارايي فني، به جاي استفاده از نسبت يك خروجي به يك ورودي، از نسبت مجموع موزون خروجی ها (خروجی مجازی) به مجموع موزون ورودي ها(ورودی مجازی) استفاده می شود. از ﻣﻮﺿﻮﻋﺎت ﺑﺴﯿﺎر ﻣﻬﻢ در ﺗﺤﻠﯿﻞ ﭘﻮﺷﺸﯽ داده‌ﻫﺎ ﻣﺸﺨﺺ‌ﮐﺮدن ﻧﻮع ﺑﺎزده ﺑﻪ مقیاس است. بازده به مقیاس ارتباط بین تغییرات ورودی‌ها و خروجی‌های سیستم را نشان می‌دهد. یکی از توانایی‌های روش DEA، تعیین بازده به مقیاس‌های متفاوت در واحدهای سیستم است. در بازده به مقیاس ثابت (CRS)، هر مضربی از ورودی‌ها همان مضرب از خروجی‌ها را تولید می‌کند. با فرض بازده به مقیاس ثابت، واحدهای کوچک و بزرگ با هم مقایسه می‌شوند. در بازده به مقیاس متغیر هر مضربی از ورودی‌ها می‌تواند همان مضرب ار خروجی‌ها یا کمتر و یا بیشتر از آن را در خروجی‌ها تولید کند. به همین علت به منظور نشان دادن قابلیت مدل پیشنهادی، مدل توسعه داده شده با مدل پایه هم ارز خود مقایسه می شود. با توجه به اینکه مدل پیشنهادی یک مدل بازده به مقیاس ثابت (CRS) است، بنابراین با مدل پایه CCR که خود نیز یک مدل CRS است مقایسه می شود. با توجه به اینکه مدل های پایه تحلیل پوششی دادها، با فعل و انفعالات درونی سیستم سروکار ندارند، و فقط براساس ورودی ها و خروجی ها در نظر گرفته می شوند، در اینصورت از در نظر گرفتن متغیرهای میانی چشم پوشی می شود. ساختار سیستم برای مدل های پایه بصورت شکل (3) تبدیل خواهد شد. با توجه به اینکه ورودی های مرحله اول در شکل (3)، ورودی های کلی سیستم و خروجی مرحله آخر به عنوان خروجی کلی سیستم در نظر گرفته می شوند، بنابراین عناصر میانی و ورودی های اختصاصی مرحله دوم در این تحلیل در نظر گرفته نمی شوند.

 

 شکل 3- سیستم زنجیره تأمین

در جدول (12) ، فاکتورهای در نظر گرفته شده برای ارزیابی سیستم زنجیره تأمین در حالت استفاده از مدل CCR نشان داده شده است.

جدول 11- فاکتورهای مربوط به سیستم زنجیره تأمین

سیستم زنجیره تأمین		نماد	تعریف
	هزینه های مدیریت زیست محیطی
	هزینه های تأمین قطعات سبز
	توزیع سبز

 ماخذ: یافته‌های تحقیق

با اجرای مدل CCR در نرم افزار گمز که در مجموعه معادلات 11مدل ریاضی آن نشان داده شده است نتایج کارایی DMU ها مطابق با جدول (13)محاسبه شده است.

(11)                                                                                                          

 

 

 

 

جدول 13- محاسبه امتیاز کارایی سیستم زنجیره تأمین با CCR

DMU	کارایی زنجیره
آ	89/0
ب	73/0
پ	80/0
ت	79/0
ج	82/0
چ	71/0
ح	69/0
خ	75/0
د	88/0

                              ماخذ: یافته‌های تحقیق

با توجه به جدول (13)، مشاهده می شود که در حالت استفاده از مدل های پایه با خاصیت فراتخمینی در محاسبه امتیاز کارایی DMU ها روبرو هستیم. براساس این خاصیت، امتیاز کارایی DMU ها همواره بیشتر از مقدار مدل پیشنهادی تخمین زده شده است. برای مثال، (آ)DMU 1 و DMU 9 (د) در مدل پیشنهادی ناکارا شناسایی شده اند، اما در مدل پایه کارا شناسایی شده اند. در شکل (4)، نمودار امتیاز کارایی دو مدل پیشنهادی و CCR نشان داده شده است. براساس این نمودار با توجه به اینکه همواره امتیاز کارایی در مدل پیشنهادی کمتر از مدل CCR است، بنابراین دقت مدل توسعه داده شده را می توان نتیجه گرفت.

 

شکل4- مقایسه امتیاز کارایی مدل پیشنهادی و CCR

نتیجه­گیری و پیشنهاد

امروزه مدیریت زنجیره تامین سبز، یکپارچه کننده مدیریت زنجیره تامین با الزامات زیست محیطی، به دلیل آثار مهم اقتصادی و محیطی که به دنبال دارد از موضوعاتی که بسیار مورد توجه قرار گرفته است. با افزایش قوانین و مقررات زیست محیطی و افزایش آگاهی‌های مردم در خصوص حفاظت از محیط زیست شرکت‌ها اگر خواستار فعالیت در بازارهای جهانی و رقابت با شرکت‌های دیگر باشند دیگر به راحتی نمی‌توانند مسائل زیست محیطی را نادیده بگیرند، در نظر گرفتن معیارها و ملاحظات زیست محیطی مزیت رقابت را برای آنها در بر خواهد داشت مدیریت زنجیره تامین سبز به شکل‌های شبکه‌ای با ارتباطات و مراحل چندگانه است. در این پژوهش برای ارزیابی عملکرد کارایی واحدهای تصمیم گیرنده دو مرحله ارائه شده است. این مدل برای ارزیابی یک ساختار زنجیره تامین سبز سه مرحله مورد استفاده قرار گرفته است. مدل مورد نظر برگرفته از روش دلفی فازی و روش تحلیل پوششی داده های فازی است. در این پژوهش داده های مربوط به بازه زمانی 1402-1399 تعداد 9 شرکت لوازم خانگی با رویکرد تحلیل پوششی داده های فازی مورد ارزیابی و تحلیل قرار می گیرد. در مرحله اول به طورکلی، 20 نفر خبره شناسایی شده اند که در زمینه‌ موردمطالعه تخصص و تجربه داشتند و سپس با استفاده از مطالعه کتابخانه‌ای و ادبیات پژوهش، لیستی از عوامل و اقداماتی که در بحث مدیریت زنجیره تامین سبز مؤثر هستند شناسایی شد و با استفاده از روش دلفی فازی یک غربال اولیه انجام شد و اقدامات تکراری یا مترادف حذف شدند که در نهایت مجموعاً تعداد 15عامل موثر شناسایی شد. با توجه به نتایج حاصل شده از دور اول، به طراحی پرسشنامه دور دوم می‌پردازیم. با توجه به مقدار دی فازی به‌دست‌آمده برای هر یک از معیارها پژوهش مشاهده می‌شود که از بین 15 معیار طرح‌شده در مدیریت زنجیره تامین سبز، مجموعاً 8 معیارکه شامل (1. پل ارتباطی شفاف و موثر با تامین کنندگان و بنگاههای تجاری براساس معیار دوم)، (2. برقراری سیستم مدیریت ریسك زیست محیطی برای مدیریت زنجیره تامین سبز براساس معیار4)، (3. ممیزی زیست محیطی تامین کنندگان بر اساس معیار هشتم)، (4. تنوع در قیمت عرضه ها بر اساس معیار 11) ، (5. هزینه های تولید محصول سبز براساس معیار سیزدهم)، (6. خط مشی و سیاست های زیست محیطی برای مدیریت زنجیره تامین سبز بر اساس معیار سوم)، (7. هزینه های تأمین مواد اولیه بر اساس معیار نهم) و (8. حداکثر رفاه اجتماعی و بهبود محیط زیست بر اساس معیار دوازدهم) دارای مقدار دی فازی کمتر از میانگین طیف (مقدار3) می‌باشند؛ بنابراین این مقولات به‌عنوان معیارها کم‌اهمیت تلقی شده که در پژوهش از آن‌ها صرف‌نظر شد. همچنین خبرگان در سؤال باز پرسشنامه مبنی بر اضافه کردن اقدام جدید در مدیریت زنجیره تامین سبز، مورد جدیدی در این مرحله اضافه نکردند، سرانجام 7 شاخص مورد تایید قرار گرفت.

 سپس در زنجیره در نظر گرفته شده که به آن اشاره شد، هزینه­های زیست محیطی به­عنوان هزینه­های مربوط به تأمین قطعات سبز و مدیریت زیست محیطی با ارزش طبیعی از طریق فعالیت­های اقتصادی تعیین شد. این هزینه­ها به­عنوان ورودی مرحله اول در نظر گرفته شد. ورودی/ خروجی­های میانی شامل مرحله دوم و سوم است. ورودی/ خروجی میانی در بین مرحله تامین‌کننده و تولیدکننده تعداد محصولاتی است که از تامین‌کننده به تولیدکننده منتقل می­شود. همچنین، ورودی/ خروجی میانی در بین تولیدکننده و توزیع‌کننده تعداد محصولات سبز است. برای ارزیابی کارایی زنجیره تأمین سبز، هر زنجیره تأمین به­عنوان DMU در مدل ارائه شده در نظر گرفته شد تا امتیاز کارایی برای هریک از آنها محاسبه شود. با به‌کارگیری مدل مذبور، مرز کارایی و ماکزیمم امتیاز کارایی واحدهای تحت ارزیابی قابل محاسبه است. که امتیاز کارایی برای شرکت آ (DMU1) و شرکت ح (DMU7)به ترتیب برابر 89/0 و 69/0 است که به ترتیب بهترین و بدترین زنجیره تأمین سبز است و طبق رتبه بندی نهایی شرکت آ رتبه 1 و شرکت ح رتبه 9 را به خود اختصاص داد.

مدل پیشنهادی برای مدیران در حوزه زنجیره تامین بسیار کارا و کابردی می باشد. زیرا امکان مدلسازی زنجیره تامین با فاکتورهای غیرقطعی و بسیار نزدیک به مسئله واقعی را به متخصصان داده و می توان در خصوص دامنه وسیعی از متغیرها به طور همزمان تصمیم گیری نمود. به علاوه امکان در نظر گرفتن همزمان چندین هدف به عنوان معیارهای انتخاب سناریوی برتر از ویژگیهای مدل ارائه شده است که برای مدیران در دنیای واقعی، به خصوص در شرایط کنونی که مسائل زیست محیطی اهمیت ویژه ای پیدا کرده و به عنوان عاملی تعیین کننده در تصمیمات مدیریتی مطرح گردیده است، بسیار مطلوب می باشد.

 این نتیجه برای مطالعات آینده پیشنهاداتی از سوی نویسندگان به تحلیلگران پیشنهاد می شود که به سنجش مولفه های کمی از جمله زمان، هزینه، کارایی جهت ارزیابی عملكرد مدیریت زنجیره تامین سبز در صنعت لوازم خانگی بپردازند.

منابع و مآخذ

امینی, امیر, علی نژاد, علیرضا. (1398). ارزیابی مدیریت زنجیره تأمین سبز شرکت‌های مواد نوشیدنی با استفاده از مدل تحلیل پوششی داده های شبکه ای. نشریه علمی مدیریت زنجیره تأمین, 21(63), 51-.63.

ترکاشوند, طاهره. ثقفی, فاطمه. درویش متولی, محمد حسین. پیله وری، نازنین، (1042). مدل ترکیبی تحلیل پوششی داده‌های شبکه ای و داده کاوی برای پیش بینی کارایی در زنجیره تامین سبز. فصلنامه مدیریت توسعه و تحول, 15(53). 71-55.

جهانشاهلو، غلامرضا، حسین زاده لطفی، فرهاد، نیکو مرام، هاشم، (۱۳۹۲)، تحلیل پوششی داده ها و کاربردهای آن، انتشارات نفیس دانشگاه آزاد علوم تحقیقات.

حسین زاده سلجوقی, فرانک, رحیمی. امیر، (1397). ارزیابی کارایی و بازده به مقیاس زنجیره تأمین صنایع رزین ایران با مدل تحلیل پوششی داده‌های قطعی و فازی. مدیریت تولید و عملیات, 10(1), 47-63.‎

شجاع, مهدی, حسین زاده لطفی, فرهاد, غلام ابری, امیر, رشیدی کمیجان, علیرضا. (1399). کارایی زنجیرۀ تأمین چهار مرحله‌ای در حضور عوامل غیرقابل کنترل، نامطلوب و منفی با استفاده از مدل SBM در DEA شبکه‌ای. فصلنامه علمی مدلسازی اقتصادی, 14(51), 73-98.

شمسی جامخانه, رحمانی پرچکلایی, حسین زاده لطفی, حاجی مولانا. (1399). سنجش کارایی و عملکرد زنجیره‌تامین با ساختار سه‌ مرحله‌ای با استفاده از تحلیل پوششی داده‌های شبکه‌ای. مجله تحقیق در عملیات در کاربردهای آن (ریاضی کاربردی)-دانشگاه آزاد لاهیجان, 17(4), 99-116.‎

 Abdullah, A., Saraswat, S., & Talib, F. (2023). Impact of smart, green, resilient, and lean manufacturing system on SMEs’ performance: A Data Envelopment Analysis (DEA) approach. Sustainability, 15(2), 1379.‏

Ahmed, W., Najmi, A., Arif, M., & Younus, M. (2019). Exploring firm performance by institutional pressures driven green supply chain management. Smart and Sustainable Built Environment, 8(5), 415–437.

Asadi, F., Kordrostami, S., Amirteimoori, A., & Bazrafshan, M. (2023). Inverse data envelopment analysis without convexity: double frontiers. Decisions in Economics and Finance, 46(1), 335-354.

Azadi, M., Jafarian, M., Saen, R. F., & Mirhedayatian, S. M. (2015). A new fuzzy DEA model for evaluation of efficiency and effectiveness of suppliers in sustainable supply chain management context. Computers & Operations Research, 54, 274-285.‏

Badi, S., & Murtagh, N. (2019). Green supply chain management in construction: A systematic literature review and future research agenda. Journal of cleaner production, 223, 312-322.‏

Boskabadi, A., Mirmozaffari, M., Yazdani, R., & Farahani, A. (2022). Design of a distribution network in a multi-product, multi-period green supply chain system under demand uncertainty. Sustainable Operations and Computers, 3, 226-237.‏

Cook, W. D. and R. H. Green (2005). Evaluating power plant efficiency: a hierarchical model. Computers & Operations Research 32(4), 813–823.

Cooper, W. W., L. M. Seiford, and K. Tone (2005). Introduction to data envelopment analysis and its uses: with DEA-solver software and references. Springer.

Dubey, R., Gunasekaran, A., & Papadopoulos, T. (2017). Green supply chain management: theoretical framework and further research directions. Benchmarking: An International Journal, 24(1), 184-218.‏

Fakhr Mousavi, S. M., Amirteimoori, A., Kordrostami, S., & Vaez-Ghasemi, M. (2023). Non-radial two-stage network DEA model to estimate returns to scale. Journal of Modelling in Management, 18(1), 36-60.

Feng, Y., Lai, K. H., & Zhu, Q. (2022). Green supply chain innovation: Emergence, adoption, and challenges. International Journal of Production Economics, 108497.‏

Gao, J., Xiao, Z., & Wei, H. (2021). Competition and coordination in a dual-channel green supply chain with an eco-label policy. Computers & Industrial Engineering, 153, 107057.‏

Green, K. W., Inman, R. A., Sower, V. E., & Zelbst, P. J. (2019). Impact of JIT, TQM and green supply chain practices on environmental sustainability. Journal of Manufacturing Technology Management, 30(1), 26–47.

Haiyun, C., Zhixiong, H., Yüksel, S., & Dinçer, H. (2021). Analysis of the innovation strategies for green supply chain management in the energy industry using the QFD-based hybrid interval valued intuitionistic fuzzy decision approach. Renewable and Sustainable Energy Reviews, 143, 110844.‏

Hou, G., Wang, Y., & Xin, B. (2019). A coordinated strategy for sustainable supply chain management with product sustainability, environmental effect and social reputation. Journal of Cleaner Production, 228, 1143-1156.

Jabbour, A.B., Jabbour, C., Govindan, K., Kannan, D., Arantes, A.F.,(2014). Mixed methodology to analyze the relationship between maturity of environmental management and the adoption of green supply chain management in Brazil.

Jan, A., Marimuthu, M., & Hassan, R. (2019). Sustainable business practices and firms financial performance in Islamic banking: Under the moderating role of Islamic corporate governance. Sustainability, 11(23), 6606.

Kang, K., Gao, S., Gao, T., & Zhang, J. (2021). Pricing and Financing Strategies for a Green Supply Chain With a Risk-Averse Supplier. IEEE Access, 9, 9250-9261.‏

Kao, C. (2009). Efficiency measurement for parallel production systems. European Journal of Operational Research 196(3), 1107–1112.

Khan, M., Ajmal, M. M., Jabeen, F., Talwar, S., & Dhir, A. (2023). Green supply chain management in manufacturing firms: A resource‐based viewpoint. Business Strategy and the Environment, 32(4), 1603-1618.‏

Krmac, E., & Mansouri Kaleibar, M. (2023). A comprehensive review of data envelopment analysis (DEA) methodology in port efficiency evaluation. Maritime Economics & Logistics, 25(4), 817-881.‏

Laari, S., Töyli, J., Solakivi, T., & Ojala, L. (2016). Firm performance and customerdriven green supply chain management. Journal of cleaner production, 112, 1960-1970.

Letunovska, N., Offei, F. A., Junior, P. A., Lyulyov, O., Pimonenko, T., & Kwilinski, A. (2023). Green Supply Chain Management: The Effect of Procurement Sustainability on Reverse Logistics. Logistics, 7(3), 47.‏

Li, B., Zhu, M., Jiang, Y., Li, Z.,(2016). Pricing policies of a competitive dual-channel green supply chain. J. Clean. Prod. 112: 2029-2042.

Liao, F., Hu, Y., Chen, M., & Xu, S. (2024). Digital transformation and corporate green supply chain efficiency: Evidence from China. Economic Analysis and Policy, 81, 195-207.‏

Luthra, S., Garg, D., & Haleem, A. (2016). The impacts of critical success factors for implementing green supply chain management towards sustainability: An empirical investigation of Indian automobile industry. Journal of Cleaner Production, 121, 142–158.

Mirhedayatian, S. M., Azadi, M., & Saen, R. F. (2014). A novel network data envelopment analysis model for evaluating green supply chain management. International Journal of Production Economics, 147, 544-554.‏

Muhammad, Z., Zulkipli, C., & Haseeb, U. R. (2016). Corporate sustainability practices & reporting: A case of Malaysian REITs and property listed companies. International Journal of Economics and Financial Issues, 6(2), 688–693.

Obeidat, S. M., Al Bakri, A. A., & Elbanna, S. (2020). Leveraging “green” human resource practices to enable environmental and organizational performance: Evidence from the Qatari oil and gas industry. Journal of Business Ethics, 164(2), 371-388.

Sarkis, J.,(2012). A boundaries and flows perspective of green supply chain management. Supply Chain Manag. Int. J. 17 (2), 202e216.

Seman, N. A. A., Govindan, K., Mardani, A., Zakuan, N., Saman, M. Z. M., Hooker, R. E., & Ozkul, S. (2019). The mediating effect of green innovation on the relationship between green supply chain management and environmental performance. Journal of Cleaner Production, 229, 115-127.

Seuring &M. Müller, (2008)`.`From a literature review to a conceptual framework for sustainable supply chain management,'' J. Cleaner Prod., vol. 16, no. 15, pp. 16991710, Oct.

Sharma, V. K., Chandna, P., & Bhardwaj, A. (2017). Green supply chain management related performance indicators in agro industry: A review. Journal of Cleaner Production, 141, 1194-1208.

Silva, G. M., Gomes, P. J., Carvalho, H., & Geraldes, V. (2021). Sustainable development in small and medium enterprises: The role of entrepreneurial orientation in supply chain management. Business Strategy and the Environment, 30(8), 3804–3820.

Taherinezhad, A., & Alinezhad, A. (2023). Nations performance evaluation during SARS-CoV-2 outbreak handling via data envelopment analysis and machine learning methods. International Journal of Systems Science: Operations & Logistics, 10(1), 2022243.‏

Tajbakhsh, A., & Hassini, E. (2015). A data envelopment analysis approach to evaluate sustainability in supply chain networks. Journal of Cleaner Production, 105, 74-85.‏

Tseng, M.-L., Islam, M. S., Karia, N., Fauzi, F. A., & Afrin, S. (2019). A literature review on green supply chain management: Trends and future challenges. Resources, Conservation and Recycling, 141, 145–162.

Wagner, M. (2013). ‘Green’ human resource benefits: Do they matter as determinants of environmental management system implementation? Journal of Business Ethics, 114(3), 443–456.

Zaid, A. A., Jaaron, A. A., & Bon, A. T. (2018). The impact of green human resource management and green supply chain management practices on sustainable performance: An empirical study. Journal of Cleaner Production, 204, 965–979.

Zhang, C., Tang, L., & Zhang, J. (2023). Identifying Critical Indicators in Performance Evaluation of Green Supply Chains Using Hybrid Multiple-Criteria Decision-Making. Sustainability, 15(7), 6095.‏

Zhu, Q., Feng, Y., & Choi, S. B. (2017). The role of customer relational governance in environmental and economic performance improvement through green supply chain management. Journal of Cleaner Production, 155, 46-53.

Zhu, Q., Sarkis, J., Lai, K.H., )2013( ,Institutional-based antecedents and performance outcomes of internal and external green supply chain management practices. J. Purch. Supply Manag. 19 (2), 106e117.

 

Determining the efficiency of the green supply chain in selected Iranian home appliance companies

Somayeh Sazegari⁴, Sayyed Mohammad Reza Davoodi⁵* and Alireza Goli⁶

 

Abstract

This research aims to determine the efficiency of the green supply chain in selected Iranian home appliance companies. It is a developmental-applied research method that is in the category of mathematical modeling. The statistical population of this research includes a number of top managers and responsible experts active in the field of home appliance industry and a number of academic professors in the field of green supply chain, of which 20 people were selected as a sample. In this research, fuzzy Delphi approaches and fuzzy data envelopment analysis method have been used. Information was collected from 9 home appliance companies (selected) and analyzed. In this article, first, by reviewing the literature and interviewing science-industry experts, the criteria affecting the green supply chain management were identified, and by using the fuzzy Delphi method, a screening was carried out in two stages, and finally 7 criteria were approved. Then, using fuzzy data envelopment analysis, the ranking of the evaluated units was done. The results showed that company A has the best efficiency and the greenest supply chain, and company H has the worst efficiency, which means that it is necessary to pay more attention to companies with low efficiency. In order to show the capability of the proposed model, the developed model was compared with its equivalent basic model and the accuracy of the developed model was concluded.

 

Keywords: green supply chain management, performance evaluation, efficiency, fuzzy data envelopment analysis, fuzzy Delphi.

---

[1] . دانشجوی دکتری مدیریت صنعتی (مالی)، گروه مدیریت، واحد دهاقان، دانشگاه آزاد اسلامی، دهاقان، ایران. [e-mail]

[2] . دانشیار، گروه مدیریت، واحد دهاقان، دانشگاه آزاد اسلامی،دهاقان، ایران. (نویسنده مسئول) [e-mail]

[3] . استادیار، گروه مهندسی صنایع و آینده پژوهی، دانشکده فنی، دانشگاه اصفهان، اصفهان، ایران [e-mail]

[4]  PhD Candidate of Industrial Management, Department of Management, Dehaghan Branch, Islamic Azad University, Dehaghan, Iran. Email: [e-mail].

[5]  Corresponding Author, Associate professor. Department of Management ,Dehaghan Branch, Islamic Azad University, Dehaghan, Iran. Email:[e-mail]. 

[6]  Assistant Professor, Department of Industrial Engineering and Future Studies, Faculty of Engineering, University of Isfahan, Isfahan, Iran. [e-mail].

 

 

تحلیل عاملی تاییدی مدل بالندگی رهبری زنان در سازمان ملّی استاندارد ایران

ثریا سهیلی¹، احمد ودادی* ²، محمدرضا ربیعی مندجین³ و محمود رضایی‌زاده⁴

تاریخ دریافت: 11/8/1403 و تاریخ پذیرش: 13/9/1403

 

چکیده

 

باوجود اینکه میزان ورودی زنان به رشته‌های مختلف دانشگاهی افزایش یافته اما تعداد اندک زنان در جایگاه‌هاي رهبري و مدیریت در سال‌هاي اخیر، مورد توجه بسیاری از محققان مدیریت دولتی قرار گرفته ‌است. هدف تحقیق حاضر تحلیل عاملی تاییدی مدل بالندگی رهبری زنان در سازمان ملی استاندارد ایران می‌باشد. این پژوهش از منظر روش‌شناسی، یک پژوهش آميخته است. به روش كيفی فراتركيب، مدل تببين و ارائه گردید. در بخش كمی، جامعه مورد بررسی شامل مدیران سازمان ملی استاندارد ایران بود كه حجم نمونه از طریق  فرمول كلاین 200 نفر و نمونه‌گيري بصورت تصادفی ساده انجام شد. با استفاده از پرسشنامه محقق‌ساخته، اطلاعات جمع‌آوري و توسط نرم افزار Smart-PLS اعتبار بيرونی و درونی مدل مورد بررسی قرارگرفت. یافته ها نشان داد بالندگی رهبری زنان در سازمان ملّی استاندارد ایران یک سازه چند بعدي شامل ابعاد سازمانی، رفتاري و فردی می‌باشد. در مدل بيرونی، پایایی تركيبی و روایی همگرا تایيدگردید و در تحليل عاملی مرتبه اول بارهاي عاملی تمام شاخص‌ها بالاي 0/4 برآورد شد. یافته‌هاي تحليل عاملی مرتبه دوم در مدل بيرونی نشان داد ضرایب تمام مسيرها معنادار بوده و ارتباط عِلی ابعاد و مولفه‌ها تایيد گردید. توسعه رهبران زن توانمند برای بهبود عملکرد سازمان ملی استاندارد ایران ضروری است. مدل پژوهش در قالب یک سازه چندبعدی، چارچوب مفیدی برای درک ماهیت بالندگی رهبری زنان در سازمان ملی استاندارد ایران برای مسئولان، مدیران و متخصصان این حوزه فراهم می‌کند.

 

واژه‌های کلیدی: بالندگی رهبری زنان، تحلیل عامل تاییدی و رهبری زنان.

 

مقدمه

سازمان‌های دولتی بسیار مهم هستند و نقش بسیار پیچیده‌ای در جامعه ایفا می‌کنند. زنان در مشاغلی که انجام داده‌اند قادر به نشان دادن دانش و مهارت‌های کامل خود نبوده‌اند و همیشه در کارهای ضعیف‌تر سازمان‌های بخش دولتی مشغول بودند، نظرات آنها کنار گذاشته شد، آنها در تصمیم‌گیری معلول بودند و از هر لحاظ سعی شد نقش زنان، در سازمان‌های بخش دولتی به حاشیه رانده شود و حتی در جامعه به طور گسترده نادیده گرفته شوند (پردا ـ پرز و همکاران⁵، 2018؛ دراگسویچ و میهیچ، ۲۰۲۰)، اما این امر باعث شده است که آنها برای پیشرفت خود در جامعه و مشاغل خود بجنگند، جایگاه خود را در فضای کسب‌وکار پیدا کنند و در مقابل مردان خود را ثابت کنند. امروز، حضور زنان در مکان‌های تعیین‌کننده در جامعه و بخش عمومی بسیار بیشتر از یک یا دو دهه پیش است و زنان در رأس شرکت‌های بزرگ خدماتی، در هیئت‌مدیره یا به عنوان نماینده سیاسی در مجلس‌ها و بخش‌های دیگر قرار دارند (الیاس ، ۲۰18؛ دراگسویچ و میهیچ، ۲۰۲۰). یکی از شایستگی‌های ضروری مدیران برای موفقیت در مدیریت، رهبری است. در حال حاضر توجه خاصی به توسعه رهبری در سیستم اقتصادی معطوف شده است زیرا ویژگی‌های یک رهبر ذاتاً منحصر به فرد و خاص است. مهمتر از همه، آنها برای اجرای مدیریت مؤثر در سازمان‌ها ضروری هستند (مک کالی و پالوس، 2020). برقراری ارتباطات مؤثر و همراه کردن کارکنان در دنیای پیچیده روابط سازمانی امروز، در بستر ایفای درست و دقیق نقش رهبری مدیر ممکن می‌گردد. در سالهای اخیر حضور زنان در پست‌های رهبری در بخش‌های ساختاری سازمان‌ها گسترده‌تر شده است که پیش‌نیازهایی را برای تغییرات اساسی در تعامل رهبران هر دو جنس در تجارت ایجاد می‌کند (Liu, Wei & Xu, 2021). اگرچه بسیاری از سازمان‌ها و شرکت‌ها به تدریج سیاست‌هایی را با هدف دستیابی به برابری جنسیتی در رویاهای کاری خود ارائه می‌کنند، اما طبق گزارش مجمع جهانی اقتصاد، در سطح جهانی، وضعیت بهتر نشده است (مجمع جهانی اقتصاد، 2021). در بیشتر کشورها و فرهنگ‌های جهان، جامعه به طور سنتی یک رهبر موفق را با شخصیت و عادات «مردانه» مانند قاطعیت و تسلط مرتبط می‌داند (Cerezo et al., 2020; Ljunge, 2019). جایگاه‌هاي مدیریت و رهبري بسیاري از صنایع محرک اقتصاد در دنیا در تسلط مردان قرار دارد، عمده رهبران سیاسي و مدیران ارشد را نیز مردان تشکیل مي‌دهند (ریجیو، 2010؛ سیمسون و دیگران، 2010). سبک رهبری بیانگر شیوه منحصربه‌فرد یک فرد برای هدایت است که شامل حل مسئله متمایز است (چیکازه و همکاران، 2023؛ فرهان، 2022). زنان اغلب آگاهی سیاسی شایسته ندارند(‏هاکنسون، ۲۰۲۱؛ ون در پاس، ۲۰۲۰). بدون آگاهی‌های سیاسی شایسته، سیاستمداران زن شکست خواهند خورد و  ضعیف در نظر گرفته خواهند شد زیرا آن‌ها محدود به فرهنگ مردسالار هستند (سامباس، ۲۰۲۰). در کشورهای خاورمیانه، زنان جایگاه مهمی در دولت و مجلس ندارند (شلابی، ۲۰۱۸). زنان در جوامع عمدتاً مردسالار خاورمیانه با تعداد زیادي از کُدها و هنجارهاي اجتماعي نانوشته‌اي مواجه هستند، پیچیده‌تر مي‌شود (صولتي، 2017). کشور ایران از مجموع 144 کشور بررسی شده در سال 2019 در جهان، رتبه 142 را کسب کرده است (مجمع جهانی اقتصاد⁶، 2017). در دولت دوازدهم رویکردی به تصویب رسید تا سهم زنان از پست‌های عالی سازمان به ۳۰ درصد افزایش یابد که این نسبت به سهم مدیریت مردان نابرابری را نشان می‌دهد؛ زیرا اصل الزم برای تصاحب پست مدیریت موضوع شایسته سالاری است نه جنسیت افراد. طبق گزارش مدیر کل امور بین‌الملل معاونت امور زنان ریاست جمهوری در سال 1398 میزان مشارکت رسمی زنان ایرانی در بازار کار 9/17 درصد است (رضاپور، 1398). هنگامی که شاخص های بالندگی رهبری زنان را شناسایی می‌کنیم، می‌توانیم تصمیمات آگاهانه‌تری در مورد چگونگی حذف موانع برای رهبران زن بگیریم (اسمیت و همکاران، 2020). هدف این پژوهش، بررسی تحلیل عاملی تاییدی مدل بالندگی رهبری زنان در سازمان ملی استاندارد ایران از دیدگاه اعضای هیات علمی دانشگاه آزاد اسلامی واحد تهران مرکزی می‌باشد. بنابراین سوال اصلي این است که مدل بالندگی رهبری زنان در سازمان ملی استاندارد ایران از چه سطح اعتباری برخوردار است؟

مبانی نظری و پیشینه پژوهش

اقتصاد جهانی دورنمای رقابتی جدیدی را ایجاد کرده است که در آن رویدادها، مداوم و پیش‌بینی نشده تغییر می‌کنند. تغییرات شتابان در محیط بیرونی افزایش نیاز به مدیریت را به منظور تفسیر محیط، خلق استراتژی و ایجاد سازمانی که بتواند در چنین شرایطی دوام بیاورد را القا می‌کند. در سال‌های اخیر باوجود اینکه میزان ورودی زنان به رشته‌های مختلف دانشگاهی افزایش یافته؛ با این حال هنوز تفاوت و تبعیض‌های جنسیتی در شغل‌های مختلف به چشم می‌خورد و هنوز هم در سراسر جهان نابرابری شغلی وجود دارد(آپرایت⁷، 2017). پرورش رهبران زن به معنی رشد و توسعه زنان در جهت ارتقای فرصت‌های شغلی، مهارت‌آموزی و افزایش اعتماد به نفس و برتری زنان در کارهای رهبری و سطوح ارشد سازمان است (چانگ⁸، 2019). با وجود این که در دهه‌های اخیر شمار زنانی که در جستجوی پست‌های مدیریتی و رده‌های بالای سازمانی بوده‌اند، افزایش یافته ولی هنوز هم نسبت حضور زنان شاغل در رده‌های بالای سازمانی نسبت به مردان در اقلیت است و با تمام شایستگی‌های موجود هنوز هم نتوانسته‌اند به سطوح بالای قدرت در سازمان دست یابند (رفیعی، 1397). براوون⁹ )۲۰۲۰( در رساله دکتری خود به بررسی راهکارهایی برای افزایش بهره‌وری سازمانی با پیشرفت زنان به سمت‌های مدیریتی پرداخت. تقریباً 45 درصد از نیروهای کار ایالات متحده را زنان تشکیل می‌دهند، اما کمتر از 5 درصد به دلیل استراتژی‌های جانشینی ناکارآمد در پست‌های اجرایی کار می‌کنند. هدف از این مطالعه موردی چندگانه کیفی، کشف استراتژی‌های جانشینی مدیران منابع انسانی برای پیشبرد زنان واجد شرایط برای موقعیت‌های رهبری برای بهبود عملکرد سازمان‌ها بود. برای تجزیه و تحلیل داده‌ها از تحلیل مضمون استفاده شد. سه موضوع پدیدار شد: اهمیت آموزش مدیریتی، پیشرفت تحصیلی و داشتن الگوها و مربیان. توصیه‌های اصلی شامل ایجاد همکاری‌ها و مشارکت‌ها و ایجاد برنامه‌های جانشینی برای مدیریت میانی است. دراگسویچ و میهیچ¹⁰ )۲۰۲۰( به بررسی رهبری زنان در بخش دولتی: شواهدی از صربستان پرداختند. نقش زنان در جامعه هر روز در حال افزایش است. امروزه، تمایل و تعامل فراوان درهمه سطوح جامعه و دولت برای تغییر وضعیت وجود دارد تا زنان بتوانند توانایی‌های خود را در بالاترین سمت‌ها، چه در شرکت‌ها و چه در بخش‌های دولتی ثابت کنند. یافته‌های این پژوهش توصیفی و مروری نشان می‌دهد که پیش شرط اصلی ارتقا زنان به پست‌های بالاتر دانش، تحصیلات و تجربه کاری است. ملایی و همکاران (1399) در پژوهشی به بررسی فراتحلیلی بر شناسایی موانع ارتقاء زنان به سطوح مدیریت در سازمان‌های دولتی ایران پرداختند. در این مقاله ضمن بررسی مساله عدم ارتقاء زنان، با استفاده از مرور سیستماتیک، پژوهش‌های انجام شده با موضوع شناسایی موانع ارتقاء زنان به سطوح مدیریت در سازمان‌های دولتی ایران فراتحلیل گردید. یافته‌ها موانع ارتقاء زنان را در چهار دسته کلی طبقه بندی و به شرح ذیل اولویت- بندی می‌کنند. موانع فرهنگی- اجتماعی، موانع سیاسی، موانع سازمانی و در نهایت موانع فردی-خانوادگی. اسمایلرز و همکاران¹¹ )۲۰۲۰(  به درک زنان از نقش جنسیت در رهبری با یک تحلیل کیفی پرداختند. این پژوهش به صورت کیفی و از طریق مطالعه‌ای اکتشافی به بررسی ادارک زنان از رهبری پرداختند. نمونه این پژوهش 35 نفر از زنان دانشگاهی کشور ژاپن بودند که از آن‌ها در ارتباط با آگاهی زنان از نقش / کلیشه‌های جنسیتی ، تصورات / تجارب رهبری و آرزوهای آینده مصاحبه شد. با استفاده از رویکرد تحلیل مضمون چندین مضمون فراگیر ازجمله موانع رهبری (به عنوان مثال اعتماد به نفس)،  تأثیر الگوها (به ویژه سایر زنان) و تأثیر دوره آموزشی بر مفهوم رهبری زن کشف شد. و در نهایت به اهمیت سیاست‌گذاری و تغییرات فرهنگی برای دستیابی زنان به پست‌های مدیریتی تاکید شده است.

دوگارا-تولیچا¹²و همکاران در سال 2019 با هدف بررسی ویژگی‌های رهبری در زنان انجام گرفت. تحقیق کیفی این مقاله، براساس روش گروه متمرکز، با هدف شناسایی خصوصیات اصلی رهبران زن در رومانی و از دو سؤال تحقیق آغاز شد: چه چیزی رهبران زن را از رهبران مرد متمایز می‌کند؟ زنان سیاسی پیشرو در رومانی چگونه درک می‌شوند؟ پس از انجام مطالعه یافته‌های زیر به‌دست آمد: ارزش گذاری کارکنان برای زنان رهبر بسیار قوی‌تر است. زنان رویکرد انسانی‌تری دارند، روی ارزش افزوده تیم تمرکز می‌کنند ، اختلافات بین اعضای تیم را تحریک نمی‌کنند .رهبران مرد کارآمد هستند، سریع تصمیم‌گیری و ارتباط برقرار می‌کنند. زن به تعبیری رهبر است، زیرا او رهبر خانواده است. زنان رهبر با کارمندان زن سردتر رفتار می‌کنند.

نجارزاده آرانی و همکاران (1398) در پژوهشی به بررسی ارائه مدل سبک رهبری زنان در پست‌های مدیریتی بخش عمومی با تأکید بر نقش فرهنگ ملی پرداختند. یکی از موضوع‌های بسیار مهمی که در رده‌های مدیریتی به چشم می‌خورد، سبک رهبری زنان است. در این پژوهش، فلسفه پژوهش فمینیستی، رویکرد پژوهش استقرایی-قیاسی، راهبرد پژوهش نظریه داده‌بنیاد و روش گردآوری اطلاعات مصاحبه‌های نیمه ساختاریافته بود. نتایج پژوهش نشان می‌دهد که مدل سبک رهبری زنان، سبک رهبری مادرانه است که عواملی مانند زمینه‌های فرهنگی، بسترهای حمایتی، موانع ارتباطی و ساختاری در آن تأثیرگذار است و در نهایت به پیامدهای اجتماعی و سازمانی متعددی منجر می‌شود.

تعداد اندک زنان در جایگاه­های رهبری و مدیریت در سال‌های اخیر مورد توجه بسیاری قرار گرفته است(سالواج و کوشل، 2020؛ نیپن و همکاران، 2019). شاید به دلیل این‌که زنان به طور سنتی قدرت کمتری داشته‌اند، گمان می‌شود لیاقت کمتری برای احترام و داشتن پست‌هایی با جایگاه بالا را دارند. هر چند مطالعات نشان داده است که شاید عدم حضور زنان در مدیریت ارشد به دلیل جاه‌طلبی، ارزش‌ها یا اجتماعی شدن نیست که آن‌ها را برای این شغل‌ها، کمتر واجد شرایط بدانند، بلکه عوامل دیگری نیز در این امر دخیل هستند، که نیاز به تحقیق بیشتر دارد (هوبارد، 2018).

ایسر و همکاران (2018) در مدل خود به بررسی شایستگی‌های مورد نیاز رهبران زن که در محیط‌های تجاری تحت سلطه مردانه کار می‌کنند، با تمرکز ویژه بر دیدگاه‌های رهبران مرد، به این بحث کمک کردند که چرا تنها تعداد کمی از زنان در سازمان‌های تحت سلطه مرد به بالاترین مقام می‌رسند. علاوه بر این، محققان یک بررسی ادبیات کامل در مورد شایستگی‌های ضروری برای رهبری مؤثر ارشد انجام دادند که به عنوان چارچوبی راهنما برای جمع‌آوری داده‌های اولیه استفاده شد. نتایج مطالعه نشان داد که رهبران مرد ترکیب پیچیده‌ای از رفتارهای مرتبط با جنسیت را در سطح حرفه‌ای و بین فردی به عنوان کلید موفقیت رهبران زن در صنایع تحت سلطه مرد می‌دانند. می‌توان نتیجه گرفت که معمولاً از زنان انتظار می‌رود که تخصص حرفه‌ای استثنایی و غالباً بالاتری نسبت به همسالان مرد خود نشان دهند تا مورد احترام قرار گیرند. علاوه بر این، رهبران مرد اصالت و توانایی تکیه بر نقاط قوت زنانه خود، مانند همدلی و توانایی گوش دادن را برای موفقیت زنان مهم می‌دانستند.

شهبازی در سال 1399 در تحقیق خود به بررسی رابطه تاب آوری شغلی زنان با موانع ارتقا و پیشرفت شغلی زنان شاغل پرداخت که نتایج تحقیق نشان داد بین تاب آوری با موانع ارتقاو پیشرفت شغلی زنان شاغل رابطه وجود دارد.

الجاف و همکاران در سال 1398 در تحقیق خود به ارائه‌ی مدل دستیابی زنان کرد به جایگاه‌های رهبری در اقلیم کردستان عراق پرداختند، نتایج تحقیق نشان داد که زنان برای دستیابی به جایگاه‌های رهبری نیازمند داشتن خانواده بانفوذ و قدرتمند هستند، همچنین، آن‌ها بایستی از برخی خصوصیات رهبری و داشتن الگو و مربی برخوردار باشند عوامل تسهیل‌کننده‌ای مانند سهمیه، دستیابی زنان به جایگاه‌های رهبری را سهولت می‌بخشد.

محمدزاده و همکاران در سال 1398 در مقاله­ی خود به بررسی وضعیت ارتقا و شناسایی موانع ارتقای شغلی زنان به سطوح مدیریتی میانی و ارشد در مراکز آموزشی درمانی شهر ارومیه پرداختند. نتایج تحقیق نشان داد که بین موانع فردی، اجتماعی، فرهنگی، سیاسی و سازمانی با حضور زنان به سطوح مختلف مدیریتی در در مراکز آموزشی درمانی شهر ارومیه رابطه معناداری وجود دارد. از نظر رتبه‌بندی موانع سازمانی، فردی، اجتماعی به ترتیب رتبه‌های اول تا سوم را کسب نمودند.

ضرغامي‌فرد و بهبودي در سال 1393 در مقاله‌ی خود به بررسي موانع پیشروي زنان در پست‌های رهبري در سازمان پرداخته‌اند. نتایج تحقیق نشان مي‌دهد که زنان مدیر در ایران با پدیده صخره شیشه‌اي مواجه‌اند و عوامل مسبب و تقویت کننده صخره شیشه‌اي عبارت‌اند از: ویژگي‌هاي زنان در رهبري، طرفداري درون گروهي مردان، عدم تمایل زنان براي ورود به شبکه‌هاي مردانه سازمان، فقدان شبکه‌هاي حمایتي براي زنان، عوامل سازماني و عوامل فرهنگي. همچنین نتایج تحقیق نشان مي‌دهد صخره شیشه‌اي به ناکارآمدي زنان در مشاغل مدیریتي منجر مي‌شود.

چنگ چانگ ژو در سال 2020 در مقاله‌ی خود به بررسی مشکل ارتقاء برای زنان براساس الگوی محاسباتی پرداختند نتایج تحقیق نشان داد که فرهنگ قوی مردسالارانه و گرایش جدی به خطر در مردان در محل کار می‌تواند بر شکاف جنسیتی در سازمان، عدم ارتقای زنان و همچنین عملکرد کلی سازمان تاثیر بگذارد.

كلي در سال 2019 در مقاله‌ی خود به بررسي موانع مشاركت زنان در نيجريه پرداخت. نتایج تحقیق نشان داد که فقدان حمايت مؤثر حكومت از زنان، سطح پايين تحصيلات، نگرش­هاي جنسيتي، سيستم اداري فسادآميز و خشونت عليه زنان به خصوص زمان كاندياتوري به عنوان مهمترين عوامل بازدارنده مشاركت زنان در امورات مختلف هستند.

چوما در سال 2019 زنان به دلايل زيادي كه عمدتاً ريشه در سنت­هاي مذهبي و اجتماعي دارد، از سطوح مديريتي باز مي­مانند و همچنان در دوره­هاي اخير، مقاومت­هاي مردانه در برابر رشد زنان در سطوح مديريتي بسيار جدي است.

ساندور در سال 2017 در پژوهشي نتيجه­گیری نمود مهمترين موانع پيش روي زنان در ابتداي راه موانع دروني از جمله ترس از شكست، كمبود جسارت، كمبود حمايت، کمبود حمايت معنوي و نبود الگوي مناسب هستند.

لائورا و سانچز در سال 2017 در پژوهشي در جوامع در حال توسعه كره جنوبي، اندونزي، فيليپين و تايوان نتيجه گرفتند زنان شاغل به طور همزمان مجموعه‌اي از انتظارات مختلف را شكل مي‌دهند و هويت‌هاي شغلي زنان اغلب تحت‌الشعاع نقش‌هاي خانوادگي آنها است در نتيجه، تضاد ميان نقش خانوادگي و شغلي پديدار مي‌شود و اين تضادها براي زناني كه در سطوح ارشد مديريتي هستند يا صاحب يك كسب و كار هستند به مراتب تشديد مي­گردد.

توسعه‌ی مداوم افراد برای رهبری موثر در اقتصاد جهانی یک مزیت رقابتی است که به موفقیت سازمانی کمک می‌کند. سازمان‌ها باید بر توسعه‌ی کارمندان زن و مرد برای رقابت در این نظم جدید جهانی که به سرعت در حال تغییر و تلاطم است، تمرکز کنند

در رابطه با بالندگی رهبری زنان در سازمان همان­طور که ذکر شد در داخل و خارجی کشور هنوز تحقیقی به صورت ساز و کارهای اجرایی با تأکید بر عوامل پیش برنده و بازدارنده صورت نگرفته است. چندین مطالعه انجام شده، که به طور خلاصه به آن­ها اشاره شد. ولی در خارج از ایران در رابطه با بالندگی رهبری زنان، مطالعات زیادی انجام شده است. همچنین در رابطه با این تحقیق، می­توان به چند نکته اشاره کرد:

اکثر این تحقیقات به صورت مطالعه موردی و موردکاوی انجام شده است.

اغلب تحقیق‌ها با روش همبستگی، توسعه مفهومی و... صورت گرفته­اند.

پیش‌فرض انجام خیلی از این تحقیقات این بوده است که بالندگی رهبری زنان بر روی چه متغیرهای دیگر همچون عدالت سازمانی، نگرش کارکنان، واکنش کارکنان، اهداف سازمانی، تبعات سازمانی و... تأثیر دارد.

همچنین در مقالات، در زمینه‌ی توسعه‌ی مفهومی بالندگی رهبری زنان، به ارایه‌ی چالش‌ها، فرصت‌ها، امتیازات، ابعاد و مؤلفه‌های بالندگی پرداخته شده است.

علی‌رغم تحقیقاتی که در برخی از سازمان‌ها درخصوص بالندگی رهبری زنان صورت گرفته است، تحقیقی مبنی بر این امر در دانشگاه‌های داخل کشور یافت نشد، همچنین در تحقیقات مربوط به سازمان‌ها، جامعه آماری سازمان ملی استاندارد مورد توجه قرارنگرفته بود و ضرورت بررسی این مهم به عنوان شکافی در دانش بهبود عملکرد این سازمان به چشم می‌خورد.

روش‌شناسی پژوهش

این پژوهش از لحاظ هدف توسعه‌ای و از منظر روش‌شناختی، آمیخته (کیفی-کمی) بود که در مرحله نخست با روش کیفی فراترکیب و الگوی هفت مرحله‌ای سندلوسکی و باروسو¹³ (2007) با مرور ادبیات پیشین در حوزه بالندگی رهبری زنان، بررسی جمع‌آوری داده‌ها و ادغام آن‌ها، مدلی جامع از بالندگی رهبری زنان بدست آمد که برای اعتباریابی آن از نظرات خبرگان در دلفی بهره گرفته شد و مدل در 3 بُعد،  6 مولفه و  18 شاخص مطابق شكل 1 طراحی گردید.

 در مرحله کمی، روش پژوهش پیمایشی و ابزار جمع‌آوری داده‌ها در این بخش، پرسش‌نامه محقق‌ساخته شامل 18 سوال با طیف لیکرت 7 امتیازی می‌باشد و روش جمع‌آوری اطلاعات بصورت میدانی بود. جامعه مورد بررسی شامل 1087 نفر از مدیران زن سازمان ملی استاندارد ایران بودند که حجم نمونه با توجه به فرمول کلاین¹⁴، 200 نفر برآورد شد که به روش نمونه‌گیری تصادفی انجام پذیرفت(کلاین2010، شه و گلداشتاین¹⁵، 2006). روایی محتوایی پرسشنامه توسط 12نفر از خبرگان و با استفاده از شاخص روایی محتوایی¹⁶ تایيد گردید و براي بررسی پایایی، پرسشنامه به صورت آزمایشی بين 40 نفر از اعضاي جامعة آماري پژوهش بصورت تصادفی توزیع شد كه پایایی با ضریب آلفاي كرونباخ براي تمام مولفه‌ها بالاتر از 7/0 بدست آمد و براي كل پرسشنامه 957/0 گردید كه حاكی از تایيد پایایی پرسشنامه بود. براي بررسی ادعاي نرمال بودن متغيرهاي پژوهش و داده‌هاي جمع‌آوري شده، از نرم افزار SPSS نسخه 19 و آزمون كولموگروف-اسميرنف استفاده گردید. آزمون كولموگروف-اسميرنف براي همه مولفه‌هاي مدل بالندگی رهبری زنان كوچكتر از05/0 می‌باشد كه آزمون فرض نرمال بودن داده‌ها براي این مولفه‌ها تایيد نمی‌شود لذا تحليل عاملی تأیيدي مدل با رویكرد حداقل مربعات و با نرم‌افزار Smart-PLS نسخه 2 مورد تحليل قرارگرفت.

 

شکل 1- مدل بالندگی رهبری زنان در سازمان ملی استاندارد ایران

يافته‌های پژوهش

سوال اصلی: تحلیل عاملی تاییدی مدل بالندگی رهبری زنان در سازمان ملی استاندارد ایران از چه سطح اعتباری برخوردار است ؟ که شامل اعتبارسنجی در بررسی پایایی ترکیبی، روایی همگرا، تحلیل عاملی مرتبه اول و دوم، برازش درونی و معیار نیکویی برازش می‌باشد.

بررسی پایایی ترکیبی و روایی همگرا: بررسی پایایی پرسش‌نامه با دو معيار آلفاي كرونباخ و پایایی تركيبی  CR¹⁷مورد بررسی قرار گرفت. مقدار آلفاي كرونباخ بيانگر ميزان همبستگی یک مولفه با سوالات مربوط به آن می‌باشد كه مقدار مناسب آن بالاي 7/0 براي پذیرش پایایی عامل‌ها است. در روش حداقل مربعات جزئی معيار مدرنتري نسبت به آلفاي كرونباخ به نام پایایی تركيبی به كار میرود. برتري آن نسبت به آلفاي كرونباخ این است كه پایایی عامل‌ها نه به صورت مطلق، بلكه با توجه به همبستگی عامل‌ها با یكدیگر محاسبه می‌گردد. در نتيجه براي سنجش بهتر پایایی، هر دو معيار به كار برده می‌شود. ضریب پایایی تركيبی ميزان همبستگی سؤال‌هاي یک مولفه را با یكدیگر، براي برازش كافی اندازه‌گيري را مشخص می‌كند كه ميزان مناسب پایایی مورد قبول مانند آلفاي كرونباخ باید بالاي 7/0 باشد (جورج و مالري¹⁸،2003:112). یكی از معيارهاي دیگر در اندازه‌گيري مدل روایی همگرا¹⁹ یا به عبارت دیگر معيار متوسط واریانس استخراج شده²⁰(AVE) است كه نشان دهنده ميزان توانایی شاخص‌هاي یک مولفه در تبيين آن مولفه اشاره دارد (هالند²¹، 1999). مقدار ملاک براي سطح پذیرش AVE رقم 4/0 است (مگنر²²و همكاران، 1996)؛ و مقدار مناسب براي آن بيشتر یا مساوي 5/0 می‌باشد و چنانچه مقدار متغييري كمتر از 5/0 شود در نتيجه این متغير فاقد روایی همگرا می‌باشد.

جدول 2- مقادير آلفاي كرونباخ و پايايي تركيبي و روايي همگراي متغيرهاي پژوهش

متغیرهای تحقیق	پايايي		روايي همگرا
	آلفای کرونباخ	پایایی ترکیبی (CR)	AVE
شایستگی‌های رهبری زنان	975/0	976/0	589/0
بعد فردی	949/0	955/0	643/0
مولفه ویژگی های شخصی	897/0	928/0	763/0
مولفه ویژگی های حرفه ای	931/0	943/0	675/0
بعد رفتار	930/0	943/0	679/0
مولفه مولفه های مردانه	877/0	910/0	671/0
مولفه روابط بین فردی	884/0	928/0	813/0
بعد سازمانی	925/0	937/0	605/0
مولفه مدیریتی	944/0	958/0	821/0
مولفه محیطی	881/0	913/0	681/0

       ماخذ: یافته‌های تحقیق

تحليل عاملي مرتبه اول: در تحليل عاملی تایيدي مرتبه اول در مدل بيرونی، بارهاي عاملی مورد محاسبه قرار می‌گيرد كه اگر این مقدار برابر یا بيشتر از 4/0 شود، موید این مطلب است كه شاخص از دقت لازم براي اندازه‌گيري آن سازه برخوردار است و میتوان شاخص مورد نظر را حفظ نمود (جفن و استراب²³، 89:2005). مطابق شکل 1 ضرايب بارهاي عاملي در مدل اين پژوهش از 4/0 بيشتر مي‌باشد. همچنین برای بررسی معناداری بارهای عاملی از آماره t استفاده گردید كه ملاك اعتبار قابل قبول در اينجا اين است كه تمامی شاخص­های مدل دارای بار عاملی بزرگتر از 4/0 و در سطح اطمينان 99% (t>2/58) معنادار باشند که مطابق جدول 3 نتایج اندازه‌گیری مورد قبول می‌باشد.

 

شكل 2- مدل در حالت ضرایب استاندارد

همان طور که در شکل فوق ملاحظه می‌شود بار عاملی برای تمامی مولفه ها و شاخص­ها بالاتر از 4/0 است که بیانگر قابل قبول بودن تبیین شاخص­ها برای هر یک از مؤلفه­ها و مؤلفه­ها برای هر یک از ابعاد است. در شکل زیر هم ضرایب معناداری تی مدل آورده شده است.

 

شكل 3- مدل در حالت معناداری ضرایب

همان طور که در شکل فوق قابل مشاهده است ضریب معناداری تی برای هر یک از شاخص­ها و مؤلفه­ها بالاتر از 58/2 شده است و لذا با 99 درصد اطمینان همه شاخص­های برای هر یک از مؤلفه­ها و مؤلفه­ها برای هر یک از ابعاد تأیید می‌شود و هیچ شاخص و مؤلفه­ای نیاز به حذف شدن ندارد.

 

جدول 3- ضرایب بارهای عاملی مستخرج از نرم افزار اسمارت پي ال اس

متغييرهاي پنهان سطح دوم	متغييرهاي پنهان سطح اول	شاخص­ها	شماره شاخص­ها	تحليل عاملي تاييدي
				بارهاي عاملي	آماره t
بُعد فردی	ویژگی های فردی	خود باوری	01Q	0.729	22.246
		ریسک پذیری	02Q	0.721	22.011
		پشت کار	03Q	0.725	22.154
	ویژگی های حرفه ای	اشتیاق درونی	04Q	0.733	22.328
		یادگیری بالا	05Q	0.735	22.399
		تسلط حرفه ای	06Q	0.741	22.491
بُعد رفتاری	مولفه های مردانه	آگاهی از قدرت	07Q	0.752	22.675
		شبکه سازی	08Q	0.754	22.746
		مذاکره کننده موثر	09Q	0.756	22.797
	روابط بین فردی	کنترل عاطفی	10Q	0.761	22.869
		تنوع نقش آفرینی	11Q	0.765	23.041
بُعد سازمانی	مدیریتی	مدیریت افراد	12Q	0.781	23.548
		تیم سازی	13Q	0.783	23.579
		تصمیم گیری	14Q	0.785	23.590
	محیطی	تعادل کار و خانواده	15Q	0.767	23.252
		حمایت خانواده	16Q	0.769	23.313
		اگاهی سیاسی	17Q	0.774	23.395
		هوشمندی کسب و کار	18Q	0.776	23.446

ماخذ: یافته‌های تحقیق

تحلیل عاملی مرتبه دوم: بر خلاف مدل اندازه‌گيري (بيرونی،) در بخش درونی مدل به سوالات (متغيرهاي آشكار) كاري ندارد و تنها عامل‌هاي پنهان همراه با روابط ميان آنها بررسی می‌گردد. یكی از شاخص‌هاي تأیيد روابط در مدل ساختاري، معنادار بودن ضرایب مسير است ضرایب معناداري (مقادیر T-Values) مسيرهاي مدل نشان می‌دهند كه آیا فرضيه‌هاي پژوهش معنادار هستند یا خير؟ سطح اطمينان مورد نظر در پژوهش حاضر، 95 درصد و حداقل آماره مربوط به آن، 96/1 است. جهت آزمون معنیداري مسيرها، آماره t هر مسير یا مقادیر معناداري ضرایب مسير مستقيم و غيرمستقيم مطابق جدول 4 از نرم افزار بدست آمده است.

جدول 4- معناداري ضرایب مسیر مستقیم متغیرهای موردبررسی مدل تحقیق

جهت مسير			ضرایب مسير	T-Value
بالندگی رهبری زنان	←	بعد فردی	0.731	22.297
		بعد رفتاری	0.765	23.041
		بعد سازمان	0.778	23.487
بعد سازمان	←	بعد محیطی	0.772	23.374
		بعد مدیریتی	0.787	23.611
بعد رفتاری	←	مولفه های مردانه	0.758	22.838
		روابط بین فردی	0.763	22.910
بعد فردی	←	ویژگی های فردی	0.727	22.195
		ویژگی های حرفه ای	0.738	22.430

ماخذ: یافته‌های تحقیق

بررسی کیفیت مدل (برازش مدل ساختاري): کیفیت و قدرت پیش­بینی ساختاری مدل تحقیق در PLS از طریق شاخص اشتراکی، شاخص افزونگی و ضريب تعيين R² قابل بررسی است. مقادیر مثبت شاخص اشتراکی نشان­دهنده کیفیت مناسب مدل اندازه‌گیری می‌باشد. مقادیر بالای صفر شاخص افزونگی نشان­دهنده توانایی بالای مدل ساختاری در پیش­بینی کردن است. (هنسلر²⁴ رينگل و سينكويكز²⁵، 2009، 284).

ضريب تعيين (R²) معیاری برای بررسی برازش مدل ساختاری محسوب مي­شود که براي متصل کردن بخش اندازه‌گيري و بخش مدل ساختاری به کار مي‌رود. ضريب تعيين نشان از تاثيري دارد كه يك متغيير برون­زا بر يك متغيير درون­زا يا وابسته مي­گذارد. مقدار اين ضريب از صفر تا يك است كه مقادير بزرگتر، مطلوب­تر است. استيونس²⁶ (2009، 254) مقادير R² نزديك به 67/0 را مطلوب، نزديك به 33/0 را معمولي و نزديك به 19/0 را ضعيف ارزيابي مي­نمايد. يکي از مزيت‌هاي اصلي در روش حداقل مربعات جزئي (PLS) اين است که اين روش قابليت کاهش خطاها در مدل‌هاي اندازه‌گيري و يا افزايش واريانس بين عامل‌ها و سوالات را دارد. در يک پژوهش ضرايب R2 مربوط به عامل‌هاي پنهان درون زاي (وابسته) مدل است. مقدار R2 براي عامل‌هاي برون زا يا مستقل برابر صفر است. با توجه به جدول 4 مقدار R2 براي همه عامل‌هاي وابسته مدل در حد متوسط و قوي قرار دارد و با توجه به مقدار ملاک، مناسب بودن برازش مدل ساختاری، تاييد مي‌شود. بنابراين بر اساس نتايج مقادير بدست آمده در جدول 4، مدل ساختاري تحقيق داراي كيفيت و قدرت پبش بيني مناسب است.

شاخص Q² یک معیار ارزیابی برای ارتباط پیش بینی اعتبار متقابل مدل مسیر PLS را نشان می­دهد. این معیار معروف به شاخص استون-گیسر است. شاخص Q² توسط استون و گیسر(۱۹۷۵) معرفی شده است و قدرت پیش بینی مدل در متغیرهای وابسته را مشخص می­کند. این شاخص به دنبال سنجش قابلیت پیش­بینی مدل   PLSاست.

علاوه بر ارزیابی بزرگی مقادیر R² به عنوان معیاری برای دقت پیش‌بینی، محققان ممکن است بخواهند مقدارQ² استون و گیسر را نیز بررسی کنند. مقدار Q² متغیرهای پنهان در مدل مسیر PLS با استفاده از روش بلایندفولدینگ²⁷ در نرم افزار اسمارت پی ال اس به دست می آید. براساس مقدار Q² می­توان در مورد مدل و برازش آن نظر داد. مقادیر منفی قابل قبول نیست و باید مقادیر مثبت باشند. در آزمون استون-گیسر دو مقدار ارایه می‌شود: CV-Com²⁸ شاخص بررسي اعتبار اشتراک يا روایی متقاطع  را نشان مي­دهد و  CV-Red²⁹ افزونگی (يا شاخص بررسي اعتبار حشو) است كه كيفيت مدل ساختاری را نشان مي­دهد. اعداد مثبت نشانگر كيفيت مناسب مدل هستند. شاخص Q² مثبت و بزرگ، نشان از قابلیت بالای پیش­بینی مدل دارد و مقادیر Q² منفی بیانگر تخمین بسیار ضعیف متغیر پنهان است. 

معیار قدرت کل مدل تحقیق؛ معيار خوبی برازش: معيار شاخص نيكويي براش يا GOF³⁰ راه حلی برای بررسی برازش کلی مدل است و بین صفر تا یک قرار دارد و مقادیر نزدیک به یک نشانگر کیفیت مناسب مدل هستند. توسط اين معيار محقق مي‌تواند پس از بررسی بخش اندازه­گیری مدل و بررسی کیفیت و قدرت پیش­بینی ساختاری مدل، برازش بخش کلی را نیز، کنترل نماید. این شاخص توانایی پیش­بینی کلی مدل را بررسی می­کند و اینکه آیا مدل آزمایش­شده در پیش­بینی متغیرهای مکنون درونزا موفق بوده است یا خیر. برای بررسی برازش مدل کلی از معیار نیکویی برازش يا همان GOF استفاده مي شود. این شاخص، مجذور ضرب دو مقدار متوسط مقادیر اشتراکی³¹ و متوسط ضرایب تعیین است. مقادیر 01/0، 25/0 و 36/0 به عنوان مقادير ضعيف،‌ متوسط و قوي براي GOF معرفي شده است (استیونس، 2009، 261؛ وتزلس، اودکرکن و وانوپن³²، 2009، 186). با توجه به رابطه 1 حصول مقدار 788/0 براي GOFدر مدل پژوهش، نشان از برازش كلي بسيار مناسب مدل تحقيق دارد.

رابطه 1  =   = 0/788        GOF =

 

جدول 5- مقادیر شاخص­های بررسی تعیین کیفیت و قدرت پیش­بینی مدل اندازه­گیری تحقیق

متغیرهای تحقیق	Q²  متغيير پيش­بين		ضريب تعيين  R²
	CV-Com  شاخص اشتراكي	CV-Red شاخص افزونگي
(A) رهبری زنان	528/0	528/0	-
(B)بعد فردی	546/0	572/0	903/0
(B1) ویژگی های حرفه ای	590/0	657/0	856/0
(B2) ویژگی های شخصی	502/0	638/0	947/0
(C)بعدرفتاری	541/0	632/0	939/0
(C1) مولفه های مردانه	488/0	636/0	959/0
(C2)روابط بین فردی	591/0	735/0	913/0
(D) بعد سازمانی	491/0	531/0	920/0
(D1)مدیریتی	642/0	697/0	852/0
(D2)محیطی	442/0	484/0	757/0

ماخذ: یافته‌های تحقیق

نتیجه‌گیری و پیشنهاد

سازمان ملی استاندارد ایران یک سازمان پیچیده چند تخصصی بوده و بدلیل ماهیت خدمات ارائه شده، مستلزم به‌کارگیری نوعی از رهبری هوشمندانه، می‌باشد بنابراین توسعه رهبران زن توانمند برای بهبود عملکرد سازمان ملی استاندارد ایران ضروری است. با توجه به اینکه زنان تعداد بسیار زیادی از کارکنان سازمان ملی استاندارد ایران را تشکیل می دهند اما بیشتر پست‌های مدیریتی و رهبری ارشد این سازمان به مردان اختصاص یافته است و درصد اندکی از مدیران ارشد سازمان ملی استاندارد ایران زن می باشند. سازمان برای تحقق برنامه‌های توسعه‌ای کشور، نیازمند پیاده‌سازی و نهادینه‌سازی حضور زنان در مناصب مدیریتی می‌باشد و باید بر توسعه‌ی کارمندان زن برای رقابت در نظم جدید جهانی که به سرعت در حال تغییر و تلاطم است، تمرکز کند.

این پژوهش، بدنبال بررسی اعتبار و پایایی مدلی برای ارائه الگوي بالندگی رهبری زنان در سازمان ملی استاندارد ایران بود تا چارچوب و راهنمایی مفیدی برای محققان و متخصصان در این حوزه ارائه گردد و همچنین برای محققانی که مشتاق هستند تا شاخص‌های بالندگی رهبری زنان را شناسایی کنند. با توجه به اینکه در مدل‌سازی با رویکرد فراترکیب از نتایج تحقیقات دیگران استفاده می‌شود برای استفاده از آن مدل در سازمان ملی استاندارد ایران بایستی از نظر جامعه آماری مربوطه اعتباریابی شود. نتایج این پژوهش نشان داد که بالندگی رهبری زنان در سازمان ملی استاندارد ایران در قالب ابعاد سه‌گانه سازمانی، رفتاری و فردی و مولفه‌ها و شاخص‌های مربوطه در سازمان ملی استاندارد ایران را می‌توان شناسایی کرد.

عدم حضور زنان در مدیریت ارشد به دلیل جاه‌طلبي، ارزش‌ها یا اجتماعی شدن نیست که آن‌ها را براي این شغل‌ها، کمتر واجد شرایط بدانند، بلکه عوامل دیگري نیز در این امر دخیل هستند مشارکت پایین زنان در نیروي کار عمدتاً نه به دلیل نداشتن علاقه و تمایل زنان، بلکه به دلیل نبود فرصت‌هاي شغلي مناسب براي آن‌ها است و این موضوع با این واقعیت که زنان در جوامع عمدتاً مردسالار با تعداد زیادي از کُدها و هنجارهاي اجتماعي نانوشته‌اي مواجه هستند، پیچیده‌تر مي‌شود. در این میان، هنجارهاي جنسیتي این جوامع در نابرابري‌ها بسیار موثر هستند که ریشه در فرهنگ، مذهب و ساختار خانواده دارد و در دستیابي زنان به پست‌هاي مدیریتي و رهبري نیز اثر دارد. در نتيجه‌گيري این پژوهش می‌توان به موارد ذیل اشاره نمود:

- از نتایج این پژوهش می‌توان دریافت که بالندگی رهبری زنان در سازمان ملی استاندارد ایران نيازمند توجه همزمان به هر سه بعد الگوي جامع ارائه شده است. بنابراین براي بالندگی رهبری زنان در سازمان ملی استاندارد ایران تمامی متغيرهاي بدست آمده در الگوي بالندگی رهبری زنان ارائه شده در این پژوهش، باید در برنامه‌ریزي طرح‌هاي بالندگی رهبری زنان مورد توجه قرار گيرد. 

- این الگو نشان داد وجود هر سه بعد سازمانی، فردی و رفتاري براي توسعه رهبری زنان ضروري بوده و با تحقیق روشکا سینگ (Ruweshka Singh, 2018) که نشان داد عوامل موثر در توسعه مدیران زن را می‌توان در دو سطح دسته‌بندی کرد در سطح اول عواملی مثل تعادل کار و خانواده، مربی‌گری، سیاست‌ها و رویه‌های سازمانی، یادگیری و توسعه پیوسته و تاثیرات فرهنگ خانواده و در سطح دوم سبک‌های رهبری، فرهنگ سازمانی،کلیشه نقش زنانه، پشتیبانی ساختاری و تسهیلات توسعه زنان، بیشترین هم‌خوانی را دارد.

- از آنجا که ارزش‌های کاری مردان و زنان در فرهنگ ایرانی متفاوت می‌باشد، بنابراین با در نظر گرفتن مولفه محیطی الگوی جامع، این موضوع باید در برنامه‌ریزی بالندگی رهبری زنان مدنظر قرار گیرد. مولفه محیطی الگو نشان می‌دهد که به شایستگی‌های مربوط به خانواده و همچنین محیط بیرونی نظیر آگاهی سیاسی و هوشمندی کسب و کار باید اولویت داد. بنابراین در برنامه‌های توسعه مدیران زن باید این شاخص‌ها مورد توجه ویژه قرار گیرند.

- بُعد مولفه‌های مردانه در الگوي جامع، نشان می‌دهد آگاهی از قدرت، شبکه‌سازی و مذاکره کننده موثر در بالندگی رهبری زنان موثر می‌باشد و در این شایستگی‌ها عموما مدیران مرد نسبت به مدیران زن پیشروتر هستند لذا برای توانمند کردن زنان برای رهبری بایستی بر این شایستگی‌ها تاکید گردد. می‌توان از روش‌های انتقال تجربه از جمله روایت‌گویی، روش‌های ارتباطی از جمله عضویت در شبکه‌های اجتماعی و روش‌های جدید مجازی ازجمله شبیه‌سازی، استفاده کرد.

- بر اساس نتایج آنتروپی شانون، شاخص‌هاي اگاهی از قدرت، شبکه‌سازی، مذاکره کننده موثر، تعادل کار وخانواده، حمایت خانواده و ارزش‌های خانواده موضوعاتی بوده‌اندکه بيشترین سهم را در تحقيقات بالندگی رهبری زنان داشته و تکرار پذیري بيشتري نسبت به سایر شاخص‌ها دارند. بنابراین توجه به این شاخص‌ها در بالندگی رهبری زنان بسيار حائز اهميت است و پيشنهاد می‌گردد در برنامه‌های بالندگی رهبری زنان در اولویت قرار گيرند.

طبق نتایج، پيشنهاد می‌گردد تمام شاخص‌های مدل ارائه شده در برنامه بالندگی رهبری زنان مورد توجه قرار گیرد. در این تحقیق، مدل ارائه شده فقط برای بالندگی رهبری زنان در سازمان ملی استاندارد ایران انجام پذیرفت و برای سایر سازمان‌ها بررسی نشده است؛ لذا مقایسه یافته‌های آن‌ها با نتایج تحقیق حاضر به محققان آتی پیشنهاد می‌گردد.

منابع و ماخذ

Alikoli, Mansoura. (2015). Investigating the relationship between women's participation in the workforce and the economic development of Islamic countries. Women's Psychological Social Studies, 14(2), 63-86. (Persian) ##

Barreto, M., Ryan, M. K., And Schmitt, M. T. (2009). The Glass Ceiling In The 21st Century: Understanding Barriers To Gender Equality. Washington, DC: American Psychological Association.##

Burke, R. J. (2009). Cultural Values And Women’s Work And Career Experiences. In R. S. Bhagat And R. M. Steers (Eds.), Culture, Organizations, And Work (Pp. 442– 461). Cambridge: Cambridge University Press. ##

Cerezo, A., Cummings, M., Holmes, M., & Williams, C. (2020). Identity As Resistance: Identity Formation At The Intersection Of Race, Gender Identity, And Sexual Orientation. Psychology Of Women Quarterly, 44(1), 67–83. https://Doi.Org/10.1177/0361684319875977. ##

Chikazhe, L., Bhebhe, T., Tukuta, M., Chifamba, O., & Nyagadza, B. (2023). Procurement Practices, Leadership Style And Employee-Perceived Service Quality Towards The Perceived Public Health Sector Performance In Zimbabwe. Cogent Social Sciences, 9(1), 2198784. https://Doi.Org/10.1080/23311886.2023.2198784##

Farhan, B. Y. (2022). Women Leadership Effectiveness: Competitive Factors And Subjective And Objective Qualities. Cogent Social Sciences, 8(1), 2140513. https://Doi.Org/10.1080/23311886.2022.2140513##

Zarghami Fard, Mozhgan, and Behbodhi, Mohammad Reza. (2013). The phenomenon of the glass cliff: examining the experiences and challenges of women in organizational leadership positions. Managing Organizational Culture, 12(2(32)), 191-211. ##

Janadele, Ali And Pooya, Zahra, 2018, Obstacles To Women's Job Promotion In Iran: Role Requirements Or Structural Limitations (Qualitative Meta-Analysis Of Recent Decade Studies).##

Håkansson, S. (2021). Do Women Pay A Higher Price For Power? Gender Bias In Political Violence In Sweden. The Journal Of Politics, 83(2), 515–531. Https://Doi.Org/10.1086/709838. ##

Hawkins, Dell, Best Roger and Connie Keneth, (2016), Consumer Behavior of Marketing Strategy Formulation, Ahmad, Rusta and Atieh, Batahai, Tehran, Sargol Publications, first edition. ##

Hubbard, M. G. (2018). Where Are The Women? An Investigation Into Why Women Are Not Attaining Top Leadership Positions Within The Financial Services Industry (Doctoral Dissertation, Temple University). ##

Helfat, C. E., Harris, D., & Wolfson, P. J. (2006). The Pipeline To The Top: Women And Men In The Top Xecutive Ranks Of US Corporations. Academy Of Management Perspectives, 20(4), 42-64##

Liu, Y., Wei, S., & Xu, J. (2021). COVID-19 And Women-Led Businesses Around The World. Finance Research Letters, 102012. https://Doi.Org/10.1016/J.Frl.2021.102012##

Mccauley, C.D., & Palus, C.J. (2020). Developing The Theory And Practice Of Leadership Development: A Relational View. The Leadership Quarterly, 101456. https://Doi.Org/10.1016/J.Leaqua.2020.10145 6##

Omair, K. (2011). Women's Managerial Careers In The Context Of The United Arab Emirates. Jyväskylä Studies In Business And Economics, (106). ##

Riggio, R. E. (2010). Cutting-Edge Leadership. Retrieved From Http://Www.Psychologytoday.Com/Blog/Cutting-Edge   Leadership/201003/Whywomenmake-Better-Leaders-Than Men. ##

Safiri, Khadijah And Mansourian Ravandi, Fatemeh. (2014) Gender Stereotypes And Social Health. Women's Psychological Social Studies, 13(2), 37-66. (Persian)##

Salvaj, E., And Kuschel, K. (2020). Opening The “Black Box”: Factors Affecting Women’s Journey To Senior Management Positions—A Literature Review. In The New Ideal Worker (Pp. 203-222). Springer, Cham.##

Shalaby, M. M. (2018). Women’s Representation In The Middle East And North Africa. Oxford Bibliographies In Political Science, 1–4. https://Doi.Org/10.1093/Obo/9780199756223-0252. ##

Shukrbeigi, Aaliyah (2007). Modernism And Its Relationship With The Social Capital Of The Iranian Family "Research In The City Of Tehran". Sociological Study, Volume 8, Number 1, 183-207. (Persian) ##

Simpson, W. G., Carter, D. A., And D’Souza, F. (2010). What Do We Know About Women On Boards? .Journal Of Applied Finance, 20, 27–39. ##

Solati, F.(2017), Women, Work, And Patriarchy In The Middle East And North Africa, Cham, Switzerland, Palgrave Macmillan. ##

Smith, J. E., And Van Vugt, M. (2020). Leadership And Status In Mammalian Societies: Context Matters. Trends Cogn. Sci. 24, 263–264. Doi: 10.1016/J.Tics. 2020.01.003. ##

Sumbas, A. (2020). Gendered Local Politics: The Barriers To Women’s Representation In Turkey. Democratization, 27(4), 570–587. https://Doi.Org/10.1080/13510347.2019.1706166.##

Van Der Vleuten, A., & Van Eerdewijk, A. (2020). The Fragmented Inclusion Of Gender Equality In Au-Eu Relations In Times Of Crises. Political Studies Review, 18(3), 444–459. https://Doi.Org/10.1177/1478929920918830. ##

World Economic Forum. (2021). Global Gender  Gap Report 2021. https://Gtmarket.Ru/Ratings/Global-Gendergap-Index. ##

Woetzel, J., Madgavkar, A., Ellingrud, K., Labaye, E., Devillard, S., Kutcher, E., Manyika, J., Dobbs, R., & Krishnan, M. (2015). The Power Of Parity: How Advancing Women’s Equality Can Add $12 Trillion To Global Growth. Global Institute. Https://Conectadas.Org/Wp-Content/ Uploads/ 2018/05/ MGI-Power-Ofparity_Executive-Summary_September- 2015-1.Pdf. ##

Confirmatory Factor Analysis of the growth model of women's leadership in Iran's national standard organization

 

Soraya Soheili³³, Ahmad Vedady³⁴*, Mohammad Reza Rabiee Mandejin³⁵ and Mahmoud Rezaeizadeh³⁶

Abstract

 

Although the number of women entering various academic fields has increased, the small number of women in leadership and management positions in recent years has attracted the attention of many public administration researchers. The aim of the current research is confirmatory factor analysis of the growth model of women's leadership in Iran's national standards organization. This research is a mixed research from the methodological point of view. The model was explained and presented using the qualitative meta-composite method. In the quantitative part, the studied population included the managers of the National Organization of Standards of Iran, the sample size was 200 people using Klein's formula and simple random sampling was done. Using a researcher-made questionnaire, data was collected and the external and internal validity of the model was examined by Smart-PLS software. The findings showed that the development of women's leadership in the national standard organization of Iran is a multi-dimensional structure including organizational, behavioral and individual dimensions. In the external model, composite reliability and convergent validity were confirmed, and in the first-order factor analysis, the factor loadings of all indicators were estimated above 0.4. The findings of the second-order factor analysis in the external model showed that the coefficients of all paths were significant and the causal relationship of dimensions and components was confirmed. The development of capable female leaders is necessary to improve the performance of the National Standards Organization of Iran. The research model, in the form of a multidimensional structure, provides a useful framework for understanding the nature of women's leadership growth in Iran's national standards organization for officials, managers and experts in this field.

 

Keywords: confirmatory factor analysis, Development of women's leadership, women's leadership.

---

[1] . دانشجوی دکتری، گروه مدیریت دولتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران؛ [e-mail]

[2] .دانشیار، گروه مدیریت دولتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران. (نویسنده مسئول)؛ [e-mail]

[3] .استادیار، گروه مدیریت دولتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران؛ [e-mail]

[4] .استادیار، گروه مدیریت دولتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران؛ [e-mail]

[5]  Pereda-Perez et. al

[6]  World Economic Forum

[7]   Upright

[8]  Chuang

[9]  Brown

[10]  Dragišević, & Mihić

[11]  Smirles et al

[12]   Dogaru-Tulică

[13] . Sandelowski & Barros

[14]  -Klin

[15]  - Shah & Goldstein

[16]  - Content Validity Index

[17]  Composite Reliability

[18]  - George & Mallery

[19]  - Convergent Validity

[20]  - Average Variance Extracted

[21]  - Hulland

[22]  - Magner

[23]  -Gefen & Straub

[24]  - Henseler

[25]  -Henseler, Ringle & Sinkovics

[26]  -Stevens

[27] - Blindfolding

[28]  -Cross Validated Communality

[29] - Cross Validated Redundancy

[30]  Goodness of Fitness

[31]  Communality

[32]  Wetzels, Schroder & Van Oppen

[33] . PhD student, Department of Public Administration, Central Tehran Branch, Islamic Azad University, Tehran, Iran. Email: [e-mail]. 

[34] . Corresponding Author, Associate Professor, Department of Public Administration, Central Tehran Branch, Islamic Azad University, Tehran, Iran. Email: [e-mail]. 

[35] . Assistant Prof. Department of Public Administration, Central Tehran Branch, Islamic Azad University, Tehran, Iran. Email: [e-mail]. 

[36] . Assistant Prof. Department of Public Administration, Central Tehran Branch, Islamic Azad University, Tehran, Iran. Email: [e-mail].

 

 

 

 

 

 

ارائه مدلی برای متعادل­سازی سبد پروژه ساختمانی در سازمان­های پروژه‌محور مبتنی بر بودجه سازمان و تورم­های ساخت و مسکن ایران

رضا رجبی ¹ و سیامک یخچالی * ²

تاریخ دریافت: 11/6/1403 و تاریخ پذیرش: 14/9/1403

 

چکیده

جریان‌های نقدی ورودی و خروجی سبد در سازمان‌های مبتنی بر پروژه‌های ساختمانی، عمدتاً به دلیل فاصله زمانی بین هزینه‌های انجام شده و درآمدهای کسب شده، در طول دوره سبد پروژه متعادل نیستند. ماهیت سبد پروژه­های ساختمانی به گونه­ای است که باید زمان زیادی صرف شود تا پروژه­ها تکمیل و آماده فروش شوند تا سازمان به درآمدزایی برسد؛ این موضوع سازمان‌های پروژه‌محور ساختمانی را همواره در خطر مواجهه با جریان نقدی منفی و افزایش فشار مالی قرار داده است. بنابراین، هدف این پژوهش به حداکثر رساندن سود سبد پروژه از دیدگاه سازمان است و در آن پارامترهای تورم هزینه­های ساخت، تورم قیمت مسکن در دوره‌های رونق و رکود و میزان آورده سازمان (بودجه) در­نظرگرفته می‌شود. همچنین حداکثر تراز منفی جریان نقدی تجمعی سبد به میزان تزریق سرمایه سازمان محدود می­گردد تا جواب بهینه مدل کاملاً متناسب با آورده نقدی و سرمایه در دسترس سازمان باشد. برای حل مساله بهینه­یابی از سه الگوریتم فراابتکاری چرخه آب (WCA)، تکامل تفاضلی (DE) و بهینه­سازی مبتنی بر یاددهی-یادگیری (TLBO) استفاده می‌شود. برای اعتبارسنجی مدل، مجموعه ای از پنج پروژه ساختمانی واقعی در تهران بهینه شده است. نتایج بهینه­سازی در مقایسه با تجزیه و تحلیل انجام شده توسط دفتر مدیریت پروژه (PMO)، روش سنتی، نشان دهنده بهبود قابل توجهی در تابع هدف است. علاوه بر این، WCA در مقایسه با سایر الگوریتم‌ها، عملکرد بهتری را در این مساله نشان داد.

 

واژه‌های کلیدی: متعادل‌سازی سبد، بهینه­سازی سبد، مدیریت سبد، جریان نقدی، تورم، دوره­های رونق و رکود، الگوریتم­های فراابتکاری. 

مقدمه

صنعت ساختمان بیشترین تعداد ورشکستگی را در مقایسه با هر بخش دیگری در اقتصاد تجربه می‌کند و هر ساله بسیاری از شرکت­های ساختمانی به دلیل سطح بالای عدم اطمینان در بخش ساخت ورشکست می‌شوند. اگرچه عوامل متعددی می توانند به طور بالقوه در شکست کسب و کار نقش داشته باشند اما فاکتورهای مالی و بودجه ­ای، به ویژه عدم توجه کافی به مدیریت جریان نقدی، علل غالب هستند (آردیتی³، 2000؛ بوسابینو کاکا⁴، 1998). شرایط تورمی اقتصاد جهانی به ویژه در سال‌های اخیر پس از دوران کرونا و رکود صنعت ساختمان، سازمان‌های پروژه‌محور ساختمانی را بیش از پیش در خطر مواجهه با جریان نقدی منفی و افزایش فشار مالی بر سازمان قرار داده است. این موضوع می تواند در اجرای مدیریت سبد در سازمان اختلال ایجاد کند و باعث کاهش قابل توجه سود و یا حتی منجر به شکست سبد شود.

بورگزی و گاودنزی⁵ (2013) نرخ بهره، ارز و نقدینگی را به عنوان عوامل کلیدی تعیین کننده ای در نظر گرفتند که بیشترین ریسک مالی را در پروژه های ساختمانی ایجاد می‌کند. باربوسا و پیمنتل⁶ (2001) خطرات مالی پروژه های ساختمانی را بررسی کردند، از جمله نیاز به سرمایه بالا، که در بسیاری از پروژه­ها رایج است، تاخیرهای احتمالی در پرداخت مشتری و آسیب پذیری نسبت به نوسانات نرخ بهره از زمان بسته شدن قرارداد تا اتمام برنامه زمانی پرداخت. تورم نقش مهمی در میزان دارایی نقدی یک شرکت دارد و هر­گونه تغییر در نرخ تورم تأثیر مستقیمی بر ارزش این دارایی­ها دارد. (کرتیس⁷ و همکاران، 2021). نرخ تورم اغلب در اقتصاد ساخت‌ نادیده گرفته می‌شود و به دلیل نوسانات سالانه در قیمت مصالح ساختمانی، دستمزد نیروی کار و هزینه‌های کرایه ماشین‌آلات منجر به افزایش هزینه‌ها می‌شود (موسارات⁸و همکاران، 2021). علاوه براین، دوره‌های رونق و رکود از ویژگی‌های مهم بازار مسکن می باشند که در ادبیات مدیریت سبد ساخت نیز کمتر مورد بحث قرار­گرفته است. این دوره­ها باعث شده؛ صنعت مسکن از یک سو به طور نسبی متاثر از شوک­های اقتصادی باشد و از سوی دیگر می تواند اقتصاد را تحت الشعاع قرار دهد به گونه­ای که حتی باعث بروز بحران های مالی عظیم و ورشکستگی بزرگ­ترین شرکت­های املاک و ساختمانی در جهان شده است. بنابراین بررسی و تحلیل دوره­های رونق و رکود در سرمایه­گذاری و بهینه­سازی سبد پروژه های عمرانی ضروری است.

پیچیدگی و نوسانات بازار، سازمان­ها را بیش از هر زمان دیگری مجبور به انجام تحقیقات استراتژیک و برنامه­ریزی کرده است (معصومی و توران⁹، 2016). در این میان مدیریت سبد روشی برای عملی ساختن برنامه­ریزی استراتژیک سازمانی و پاسخگویی به تغییرات در استراتژی­ها است (آریتوا¹⁰ و همکاران، 2009). هدف اولیه مدیریت سبد، بهینه­سازی زمان، هزینه، ریسک و کیفیت برای دستیابی به اهداف سازمان می‌باشد (کوپر¹¹ و همکاران، 1997). اگرچه در ابتدا سرمایه‌گذاران مالی بودند که مدیریت سبد انجام می‌دادند (مارکوئیتز¹²، 1952) اما در سازمان‌هایی که پروژه‌های تحقیق و توسعه دارند نیز به طور وسیعی استفاده شده است(کسالت¹³ و همکاران، 2013؛ هانگ¹⁴ و همکاران، 2008) و در سال‌های اخیر نیز در سازمان‌های پروژه‌محور مورد استفاده قرار گرفته است (عباسیان جهرمی و رجائی، 2012). بهینه­سازی جریان نقدی یکی از استراتژی های مدیریت استراتژیک سبد است (سامر عزالدین و علی¹⁵، 2017). بهینه­­سازی جریان نقدی سبد، ریسک­های تامین مالی پروژه را کاهش می دهد و به اهداف مالی پروژه دست می یابد (پلاژه¹⁶ و همکاران، 1994؛ هان¹⁷ و همکاران، 2004؛ سانچز¹⁸ و همکاران، 2009). لازم به ذکر است که در بهینه­سازی جریان نقدی، باید جریان نقدی ورودی و خروجی با توجه به ارزش زمانی محاسبه شوند (هگازی¹⁹، 1999؛ پورناس و بودیا²⁰، 2015). جریان‌های نقدی ورودی و خروجی سبد در سازمان‌های مبتنی بر پروژه‌های ساختمانی، عمدتاً به دلیل فاصله زمانی بین هزینه‌های انجام شده و درآمدهای ایجاد شده، در طول دوره سبد پروژه متعادل نیستند. ماهیت سبد پروژه­های ساختمانی به گونه ای است که باید مدت زمان زیادی صرف شود تا پروژه­ها تکمیل و آماده فروش شوند تا برای سازمان درآمدزایی کنند. در مورد پروژه­های پیمانکاری، علل عدم تعادل می تواند دلایل دیگری مانند تاخیر در پرداخت یا پرداخت های باقی مانده باشد که موضوع این مقاله نمی‌باشد.

این مقاله به مدیریت سبد پروژه­های ساخت با رویکرد متعادل­سازی جریان نقدی از دیدگاه سازمان می پردازد. اهمیت اصلی مدل پیشنهادی در موارد زیر است: (الف) در نظر گرفتن شاخص های تورمی صنعت ساخت و ساز و بازار مسکن از جمله تورم هزینه­های ساخت و تورم قیمت مسکن در دوره­های رونق و رکود. ب) در­نظر گرفتن شرایط مالی سازمان و محدودیت­های بودجه­ای مانند میزان سرمایه.

مدل ارائه شده در این مقاله ابزاری را جهت کمک به تصمیم­گیری مدیران سبد و مالکان سازمان فراهم می‌کند تا سود سبد را از طریق به حداکثر رساندن سطح زیر منحنی جریان نقدی تجمعی سبد در سازمان­های مبتنی بر پروژه­های ساختمانی با درنظر گرفتن محدودیت بودجه، تورم هزینه­های ساخت، تورم قیمت مسکن در دوره­های رونق و رکود به حداکثر برسانند.

در ادامه مروری بر پیشینه پژوهش می‌شود، روش تحقیق تشریح و الگوریتم­های بهینه­سازی معرفی می‌شوند. سپس نتایج پیاده‌سازی مدل پیشنهادی ارائه شده و اعتبارسنجی با مطالعه موردی واقعی در شهر تهران انجام می‌شود. در نهایت، نتایج اصلی از بحث استخراج می‌شود.

مبانی نظری و پیشینه پژوهش

مدل­های متعادل­سازی و بهینه­سازی سبد

متعادل­سازی سبد فرآیند بهینه‌سازی ترکیبی از اجزای سبد برای پیشبرد اهداف استراتژیک یک سازمان است (موسسه مدیریت پروژه²¹، 2017). بسیاری از محققان مطالعات خود را بر روی ارائه یا توسعه مدل‌های متعادل­‌سازی سبد متمرکز کرده اند. هر مدل ویژگی منحصر به فرد خود را دارد. کومار²² و همکاران (2015) یک مدل متعادل­سازی مجدد با هزینه های تراکنش با استفاده از بهینه‌سازی بازه ای ارائه کردند. میتال و مهلاوات²³ (2014) یک مدل چند هدفه برای متعادل­سازی مجدد سبد پروژه­های مالی با ترکیبی از هزینه تراکنش بر اساس تنزیل افزایشی نمایی ارائه کردند. آنها ریسک، بازده سرمایه گذاری²⁴ (ROI) و نقدینگی را به عنوان معیارهای کلیدی سبد پروژه­های مالی در­نظرگرفتند. در پژوهشی دیگر درنواک و رانکویچ²⁵ (2014) یک مدل متعادل­سازی مجدد برای مدل مارکوویتز پیشنهاد کردند. آنها نظارت بر گردش مالی را به معیارهای دیگر در مدل مارکوویتز اضافه کردند و دو استراتژی مختلف متعادل­سازی مجدد را طبق این مدل آزمایش کردند. مدل اول بر اساس ریسک بازار و مدل دوم بر اساس ارزش بهینه معامله ریسک و بازده بود. آنها همچنین از نوسانات بهینه سبد به عنوان معیاری برای تخصیص و تعادل سبد اولیه استفاده کردند. وانگ²⁶ و همکاران (2014) یک مدل متعادل­سازی مجدد سبد برای تامین مالی پروژه بر اساس بهینه‌سازی معکوس با حداقل تعداد دارایی­ها پیشنهاد کردند. با اعمال یک معیار جریمه در تابع هدف، مدل پراکنده با هزینه‌های مبادله کم (TCs) تصمیم می‌گیرد که آیا سبد اولیه ارزش تعدیل دارد یا خیر و کدام دارایی باید بر اساس بهینه‌سازی معکوس تنظیم شود. سامر عزالدین و علی با محاسبه نرخ بهره و تخصیص آن به پروژه­ها، ارزش زمانی پول را در مدل خود در­نظر گرفتند که می­تواند نرخ تورم یا حداقل نرخ بازده جذاب پیمانکار (MARR) باشد. هدف آنها به حداکثر رساندن ارزش فعلی خالص (NPV) برای سبد پروژه­ها بود که در ابتدای سبد تنزیل داده شد. در مدل آنها، متغیرهای بهینه‌سازی، تاخیرهایی هستند که به هر فعالیت اختصاص داده می‌شوند و پس از زمان‌بندی مجدد، فعالیت‌ها را پس از شروع زودهنگام با مقدار آن تاخیرها به تاخیر می‌اندازند و در نتیجه جریان نقدی اصلاح‌شده‌ای برای پروژه ایجاد می‌کنند. برخی مدل‌های دیگر نیز به عنوان مدل‌های چند معیاره برای متعادل‌سازی سبد ارائه شده اند (گوپتا²⁷ و همکاران، 2004؛ داس²⁸ و همکاران، 2009؛ وودساید اوریاخی²⁹ و همکاران، 2013). ریسک پروژه یکی دیگر از عوامل مهمی است که در برخی از مدل های بهینه­سازی سبد پروژه­ها در­نظر گرفته می‌شود. ریسک پروژه نه تنها بر پروژه تأثیر می­گذارد، بلکه بر پارامترهایی مانند زمان، جریان نقدی و بازده سرمایه­گذاری سبد نیز تأثیر می­گذارد. برخی از محققان عمدتاً بر روی این ریسک ها تمرکز کرده­اند (یو و لی³⁰، 2011؛ دکسیت و تیواری³¹، 2020؛ لی³² و همکاران، 2020؛ شهید³³ و همکاران، 2023). در­نظر گرفتن ریسک پروژه، مدل­سازی را به واقعیت نزدیکتر می‌کند. کین³⁴ و همکاران (2016) یک مدل بهینه‌سازی را با در­نظر گرفتن ریسک پروژه و بازده سرمایه‌گذاری در شرایط عدم قطعیت پیشنهاد کردند. همچنین انتخاب بهترین رویکردهای تامین مالی پروژه­ها بسیار مهم است. بنابراین، علوی پور و آردیتی³⁵ (2018) مدلی ارائه کردند که با در­نظر گرفتن گزینه های مختلف تامین مالی و یک برنامه کاری با مدت زمان عادی فعالیت، هزینه تامین مالی را به حداقل می­رساند. مدل پیشنهادی یک پیش‌بینی جریان نقدی بر­اساس یک برنامه کاری ایجاد شده توسط روش مسیر بحرانی (CPM) ایجاد می‌کند. 

با توجه به پیشینه تحقیق، مشاهده می‌شود که بسیاری از مدل‌ها برای پروژه‌های غیرساختمانی مانند تحقیق و توسعه یا سبد سهام ارائه شده‌اند و عمدتاً پارامترهایی مانند ریسک پروژه، ROI، عدم قطعیت، جریمه و هزینه معامله را در نظر می‌گیرند. از بین تعداد محدود مدل­های ارائه شده در حوزه ساخت، شاخص­های بازار مانند تورم هزینه­های ساخت، تورم قیمت مسکن در دوره­های رونق و رکود و شرایط مالی سازمان از جمله میزان سرمایه با رویکرد جریان نقدی به طور همزمان در­نظر گرفته نشده است. ضمناً اکثر مطالعات قبلی در زمینه بهینه­سازی سبد پروژه­ها از دیدگاه پیمانکار بوده و این در­حالی است که بسیاری از پروژه­های عمرانی توسط سازمان­های پروژه محور انجام می‌شود. از این رو، شکاف پژوهشی در بهینه­سازی سبد پروژه­های عمرانی از دیدگاه سازمان در تحقیقات قبلی شناسایی شده است. بنابراین در این تحقیق مدل بهینه‌سازی سبد سرمایه‌گذاری با رویکرد جریان نقدی برای پروژه‌های ساختمانی با درنظرگرفتن شاخص‌های تورمی بازار مانند تورم هزینه‌های ساخت، تورم قیمت مسکن در دوره‌های رونق و رکود بازار مسکن و شرایط مالی و محدودیت بودجه سازمان پیشنهاد شده است. اساس بهینه‌سازی سبد پروژه‌ها در این مدل یافتن بهترین زمان برای شروع (هزینه‌ها) و فروش (درآمد) پروژه‌ها است تا جریان نقدی سبد پروژه متعادل و بهینه شود و متعاقباً سود برای سبد به حداکثر برسد. همچنین با توجه به فضای جواب ممکن گسترده در مساله، از الگوریتم های فراابتکاری برای یافتن راه حل بهینه استفاده می‌شود.

الگوریتم های فراابتکاری برای بهینه‌سازی سبد

چیدمان بهینه پروژه‌ها در سبد پروژه از اهمیت بالایی برخوردار است. از این رو برخی محققین با استفاده از الگوریتم­های فراابتکاری به حل مدل‌هایی در جهت بهینه‌سازی سبد پروژه پرداخته‌اند. شیها و حسنا³⁶ (2019) با استفاده از الگوریتم بهینه‌یابی ژنتیک چند هدفه، مدلی را جهت بهینه‌سازی جریان نقدی ارائه کردند که در این مدل، پرداخت کارفرما به پیمانکار، پرداخت‌های پیمانکار به پیمانکاران فرعی و تامین‌کنندگان، و همچنین ترتیبات مالی پیمانکار با بانک‌ها را به‌عنوان شرایط اصلی پرداخت مدل‌سازی کردند. هی³⁷ و همکاران (2019) با استفاده از الگوریتم‌های فراابتکاری، سبد حاوی چندین پروژه را به صورت بهینه زمان‌بندی کردند. هدف اصلی این تحقیق مثبت نگه‌داشتن جریان نقدی سبد پروژه بود. رسلون³⁸ و همکاران (2020) نیز با استفاده از الگوریتم‌های فراابتکاری، زمان­بندی سبد پروژه را بهینه کرده تا مناسب‌ترین جریان نقدی برای کارفرما به وجود آید. علاوه بر الگوریتم‌های فراابتکاری، روش‌های دیگری نیز برای حل مدل‌های این نوع مسائل توسط محققین استفاده شده است که می‌توان به روش‌ برنامه‌ریزی خطی و خطی عدد صحیح اشاره کرد. قاسم زاده³⁹ و همکاران (1999) یک مدل برنامه‌ریزی خطی عدد صحیح صفر و یک را برای انتخاب و زمان‌بندی یک سبد پروژه بهینه بر­اساس اهداف و محدودیت‌های سازمان مانند منابع محدود و وابستگی‌های متقابل بین پروژه‌ها، ارائه کردند. این مدل پروژه­هایی را پیشنهاد می­کند که باید در سبد بهینه گنجانده شوند و همچنین دوره آغاز هر پروژه را مشخص می­کند. آکباش⁴⁰ و همکاران (2022) مدلی را برای به حداکثر رساندن بازده مورد انتظار سبد و در عین حال به حداقل رساندن ریسک سبد بر اساس مدل میانگین انحراف مطلق (MAD) پیشنهاد شده توسط کونو و یامازاکی⁴¹ پیشنهاد کردند. با توجه به عدم قطعیت بازده مورد انتظار در MAD، مساله با برنامه­ریزی خطی فازی مدل­سازی مجدد شد.

الگوریتم ژنتیک⁴² یکی از اولین الگوریتم­های تصادفی مبتنی بر جمعیت است که برای حل مسائل بهینه­سازی استفاده می‌شود. هدف این الگوریتم ایجاد راه حل­های جدید بهتر با ترکیب راه حل­های قدیمی با کمک عملگرهایی مانند آمیزش و جهش است (میرجلالی⁴³، 2019). الگوریتم ژنتیک در بین محققان بسیار محبوب است و در بسیاری از تحقیقات و زمینه­های مختلف مورد استفاده قرار­گرفته است. این الگوریتم همچنین قادر به حل مسائل بهینه­سازی مقید است (کوتاچ⁴⁴ و همکاران، 2009). از این رو اسدوجامان⁴⁵ و همکاران (2020) از این الگوریتم برای بهینه‌سازی جریان نقدی پروژه با محدودیت منابع بهره بردند به طوری که منابع پروژه به صورت قید درنظر گرفته شده است. الگوریتم ازدحام ذرات⁴⁶ نیز یکی دیگر از الگوریتم جستجوی هوشمند است که از هوش تجمعی و رفتار هوشمندانه ذرات مانند ماهی‌ها و پرندگان الهام گرفته است که برای اولین بار توسط کندی و ابرهارت⁴⁷ (1995) برای بهینه‌سازی توابع غیرخطی معرفی شد. سان⁴⁸ و همکاران (2021) از این الگوریتم برای بهینه­سازی هزینه مواد مورد نیاز برای اجرای یک پروژه استفاده کردند. همچنین، جلایی⁴⁹ و همکاران (2021) براساس داده‌های شاخص‌های اقتصادی در ایران، با ایجاد تغییرات جزئی در فرآیند محاسباتی این الگوریتم، تلاش کردند تقاضای پول را در دوره‌های مختلف برآورد کنند. سایر الگوریتم‌های بهینه‌سازی مانند تکامل تفاضلی⁵⁰، الگوریتم چرخه آب⁵¹ (WCA) و بهینه‌سازی مبتنی بر یادگیری-یادگیری⁵² (TLBO) نیز در مسائل مهندسی استفاده می‌شوند که به شدت به یافتن راه‌حل بهینه کمک می‌کنند (کارابوجا و اوکدم⁵³، 2004؛ سادولا ⁵⁴و همکاران، 2015؛ کومار⁵⁵و همکاران، 2022). 

با توجه به ماهیت پیچیده مدل‌های مربوط به مباحث مالی و همچنین فضای جست و جوی بسیار گسترده این مدل‌ها، محققین از الگوریتم‌های جست و جوی هوشمند برای حل آن­ها استفاده کرده‌اند به طوری که الگوریتم‌های جست و جوی هوشمند به بخش جدایی­ناپذیر حل مدل‌های ریاضی تبدیل شده‌است. در این پژوهش نیز با توجه به قرارگيري مدل ارائه شده دردسته مدل­هاي ⁵⁶NP-Complete، براي حل آن از سه الگوريتم­ فراابتکاري شامل الگوريتم چرخه آب، الگوريتم تکاملي تفاضليو الگوريتم بهينه­سازي مبتني بر آموزش و يادگيري استفاده شده است.

الگوریتم تکاملی تفاضلی به دلیل سادگی و تکیه‌اش بر عملیات برداری و استراتژی‌های جهش، که در حل مسائل پیچیده و چندبعدی بسیار مؤثر است، انتخاب گردید. الگوریتم چرخه آب، که الهام‌گرفته از فرآیندهای طبیعی است، به دلیل عملکرد قوی خود در حل مسائل غیرخطی و چندبعدی انتخاب شده و به طور گسترده‌ای در کاربردهای مهندسی مورد استفاده قرار می‌گیرد. در نهایت، الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری به خاطر اثربخشی‌اش در حل مسائل بهینه‌سازی بدون نیاز به تنظیمات پارامتری گسترده، و همچنین توانایی بالقوه‌اش در حل مسائل دارای محدودیت، برگزیده شده است (میرجلالی و همکاران، 2014).

روش‌شناسی پژوهش

با توجه به هدف پژوهش که متعادل‌سازی سبد پروژه با رویکرد جریان نقدی و درنظرگرفتن محدودیت‌های سازمان و شرایط بازار است، روش تحقیق به شرح مراحل زیر درنظر گرفته شده است. فلوچارت روش تحقیق مساله در شکل 1 ارائه شده است.

·       جمع‌آوری اطلاعات هزینه ماهانه پروژه‌های موجود در سبد

·       مشخص کردن مقادیر شاخص­های تورمی بازار در مساله (مقدار تورم ساخت و مقدار تورم مسکن)

·       تعیین میزان آورده نقدی سازمان

·       مدل‌سازی ریاضی تحقیق

·       انتخاب الگوریتم بهینه‌یابی مورد نظر

·       برنامه نویسی مساله

·       حل مساله (متعادل‌سازی سبد پروژه و یافتن جواب بهینه)

 

 

 

شكل 1- فلوچارت روش تحقیق مساله

از آنجا که بهینه‌سازی در این تحقیق بر اساس جریان نقدی سبد پروژه‌ها انجام می­گردد، جریان وجوه نقد خروجی یا به عبارتی هزینه ماهانه پروژه‌ها باید جمع‌آوری شود. جریان وجوه نقدی ورودی پروژه‌ها نیز از محل درآمد حاصل از فروش پروژه­ها یعنی پس از اتمام حداقل یک پروژه و فروش آن حاصل می­گردد. 

پارامترهای تورمی بازار (تورم ساخت و تورم)

مهمترین شاخص­های تورم بازار موثر بر شرایط سبد پروژه در یک سازمان را می­توان تورم­های هزینه ساخت و تورم قیمت مسکن دانست. تورم هزینه­های ساخت باعث افزایش هزینه های سبد یک سازمان به دلیل تاخیر در شروع پروژه­ها می‌شود. از این رو هر چه پروژه­ها دیرتر شروع شوند، هزینه­های ساخت بیشتر می‌شود. اما تورم بخش مسکن بسیار متاثر از دوره­های رکود و رونق بازار مسکن است به طوری که در دوره‌های رکود، قیمت مسکن ماهیانه کاهش یا تقریبا ثابت و در دوره‌های رونق، قیمت مسکن افزایش می‌یابد. اگرچه در بلند مدت تورم دوره رونق بر تورم دوره رکود غالب می‌شود اما نمی‌توان رکود و رونق بازار مسکن را نادیده گرفت چرا که این دوره­ها بر زمان فروش پروژه‌ها و تامین مالی برای ساخت پروژه‌های دیگر بسیار اثرگذار است.

 برآورد هزینه پروژه­ها در طول فرآیند ساخت می تواند بر اساس هزینه فعلی مصالح و ساخت باشد اما بخاطر وجود تورم هزینه ها با گذشت زمان افزایش می یابد. بنابراین نرخ تورم مصالح و ساخت (K) به عنوان پارامتر اصلی افزایش هزینه ها در طول خط زمانی سبد باید در مدل در نظر گرفته می‌شود.

هزینه ماهانه پروژه­ها

هزینه ماهانه هر پروژه  برای هر ماه دیرتر شروع شدن نسبت به شروع سبد، K درصد افزایش می یابد. رابطه 1 محاسبه هزینه ماه i  ام  از پروژه j  ام را نشان می دهد.

مبلغ فروش هر پروژه (Rj):

با توجه به استراتژی و شرایط سازمان، درصدی از کل هزینه برآورد شده ساخت (بدون در نظرگرفتن تورم برای پروژه ها) به عنوان ضریب سود (P) در نظر گرفته می‌شود. بدین ترتیب برای بدست آوردن مبلغ فروش هر پروژه (Cj)، هزینه ساخت هر پروژه در ضریب سود ضرب می‌شود، سپس مقدارهای بدست آمده براساس اینکه هر یک از پروژه ها در چه ماهی از خط زمانی سبد فروخته می‌شوند در میانگین تورم های ماهانه دوره های رونق و رکود مسکن تا آن زمان ضرب می‌شوند.

(1)

میزان آورده نقدی سازمان (BT)

هرسازمانی برای آغاز سبد پروژه خود نیازمند بودجه و آورده نقدی است تا بتواند حداقل یک پروژه را در ابتدای سبد آغاز کند. با گذشت زمان و اتمام پروژه‌های آغازشده شده، برای سازمان این امکان فراهم می‌شود تا پروژه‌های پایان یافته را به فروش برساند و با مبلغ حاصل از پروژه‌های فروخته شده پروژه‌های جدید را آغاز کند. بودجه هر سازمان متفاوت است اما واضح است که هرچه آورده نقدی سازمان بیشتر باشد، نیاز به فروش پروژه‌ها کمتر بوده و سازمان می‌تواند پروژه‌های تکمیل شده را در زمان مناسب‌تر به فروش برساند و بالتبع سود بیشتری کسب کند. اما در شرایطی که آورده نقدی سازمان کافی نباشد، سازمان ممکن است مجبور شود به محض اتمام هر پروژه، آن را به فروش برساند تا برای اجرای پروژه‌های دیگر تامین مالی کند. با توجه به محدودیت های مالی و استراتژی های سازمانی α درصد از هزینه ساخت پروژه­های سبد بدون درنظرگرفتن تورم (Cp) به عنوان آورده نقدی سازمان (BT) در نظرگرفته می‌شود که γ درصد آن در ابتدای سبد و (1-γ) درصد باقی مانده m ماه بعد به سبد سازمان تزریق خواهد شد. 

(2)
(3)

مدل‌سازی مساله

برای مدل‌سازی ریاضی مساله، ابتدا باید سه بخش اصلی شامل متغیرهای تصمیم، محدودیت‌ها و تابع هدف مسئله تعیین شود. سپس مدل ریاضی مساله نوشته می‌شود و با الگوریتم بهینه­سازی راه حل بهینه برای مساله مشخص می‌شود. در ادامه سه قسمت اصلی مدل بهینه­سازی مورد بررسی قرار گرفته است. جدول 1 پارامترهای مورد استفاده برای مدل­سازی به همراه تعریف آن ها را در این پژوهش نشان می دهد.

 جدول 1- پارامترهای مساله

(4)
(5)
(6)

متغیرهای تصمیم

متغیرهای تصمیم به پارامترهایی اشاره دارند که بر تابع هدف مساله اثر می گذارند. کمی سازی متغیرهای تصمیم به تعیین و یافتن راه حل برای یک مساله منجر می‌شود بنابراین با تغییر در هر یک از متغیرهای تصمیم مقدار تابع هدف مساله تغییرکرده و حالت دیگری از مساله مورد بررسی قرار خواهد گرفت.

هدف اصلی بهینه‌سازی یافتن بهترین مقادیر برای متغیرهای تصمیم ‌است که تابع هدف را اپتیمم کند و در عین حال محدودیت‌های مساله را برآورده کند. با توجه به مفهوم اساسی مساله پژوهش، هدف مساله بیشینه کردن سطح زیر نمودار منحنی جریان نقدی تجمعی سبد پروژه است و متغیرهای تصمیم، اطلاعات مربوط به خروج و ورود پول از سبد می باشند که منحنی جریان نقدی تجمعی را تشکیل می‌دهند. خروج پول ناشی از هزینه کرد برای اجرای پروژه و ورود پول به دلیل فروش پروژه‌ها و کسب درآمد از آن‌ها است.

از آنجایی که هزینه لازم برای ساخت پروژه‌ها از طریق شبکه زمان بندی و برآورد به صورت ماهانه مشخص است، کافی است زمان آغاز هر پروژه مشخص گردد تا هزینه کرد سبد پروژه نیز مشخص گردد. به طورکلی متغیرهای تصمیم این مساله زمان آغاز و زمان فروش هر یک از پروژه‌های سبد می‌باشد.

در حالی که متغیرهای تصمیم هر مقداری می توانند اختیار کنند، می توان برای آنها کران های بالا و پایین در­نظر گرفت. متغیرهای تصمیم معمولاً به صورت برداری به صورت زیر بیان می‌شوند:

پارامترها	تعریف
	تابع هدف (مساحت زیر نمودار جریان نقدیتجمعی سبد)
	جریان نقدی تجمعی در ماه   i
	جریان نقدی تجمعی پروژه j در ماه  i
	اندیس زمان (ماه)
	زمان فروش پروژه j (ماه)
	تعداد پروژه‌های حاضر در سبد
	مدت زمان اجرای پروژه  j(ماه)
	حداکثر مدت اجرای سبد پروژه (ماه)
	زمان شروع پروژه   j
	زمان فروش پروژه  j
	نرخ تورم مصالح و ساخت
	ضریب سود پروژه
	میانگین تورم ماهانه مسکن در دوره رونق یا رکود
	هزینه ماهi  ام از پروژه j ام بر مبنای نرخ حال (بدون احتساب تورم ماهانه)
	هزینه ماهi  ام از پروژه j ام با احتساب تورم ماهانه
	کل هزینه ساخت پروژه j ام بر مبنای نرخ حال
	مبلغ فروش پروژه j ام با احتساب تورم دوره های رکود و رونق مسکن
	درصدی از هزینه کل پروژه­های سبد (بدون درنظرگرفتن تورم)
	هزینه ساخت پروژه های سبد بدون درنظرگرفتن تورم
	کل آورده نقدی سازمان
	آورده نقدی تجمعی سازمان در ماه  i
	درصد تزریق آورده نقدی به سبد پروژه در ابتدای سبد
	زمان تزریق بخش دوم از آورده نقدی
	مقدار تزریق بخش دوم از آورده نقدی به سبد پروژه
	نسل قبلی
	نسل جدید
	مقدار تغییر نسل قبلی برای رسیدن به نسل جدید
	وزن اثر تغییرات در نسل قبل
	وزن اثرگذاری جواب‌ بهینه کلی و بهینه مرحله آخر در تغییرات
	وزن اثرگذاری جواب‌ بهینه مرحله آخر در تغییرات
	عدد تصادفی اول
	عدد تصادفی دوم

در این مساله بردار متغیر تصمیم یک ماتریس دو سطری است که سطر اول زمان آغاز پروژه‌ها و سطر دوم زمان فروش پروژه‌ها را نشان می­دهد. به عنوان مثال برای سبد شامل پنج پروژه، بردار متغیرهای تصمیم مانند شکل 2 خواهد بود.

 

شكل 2- شماتیک بردار متغیر تصمیم مساله با درنظر گیری 5 پروژه

با توجه به این که در این مثال پنج پروژه در سبد فرض شده است، پنج زمان شروع و پنج زمان فروش برای پروژه‌ها به عنوان متغیر تصمیم بر تابع هدف دخالت دارند. Sti معرف زمان شروع پروژه i و Sei معرف زمان فروش پروژه i است.

 قیود

اگرچه در مسائل بهینه‌سازی، متغیرهای تصمیم بر اساس بهینه‌سازی تابع هدف تعیین می‌شوند، اما باید الزامات خاصی به نام محدودیت‌ها یا قیود را نیز برآورده کنند بنابراین هنگام حل مساله بهینه‌سازی سبد باید محدودیت­ها را نیز در نظر گرفت.

هر سازمان برای شروع سبد، نیازمند آن است تا بودجه مشخصی را بر­اساس استراتژی های سازمانی و محدودیت منابع خود به عنوان آورده نقدی اولیه و در شروع سبد به سبد پروژه تزریق کند تا با آن پروژه یا پروژه­هایی را آغاز کند و در ادامه با فروش بخشی از پروژه های اتمام یافته، نقدینگی لازم را برای پیشبرد باقی­مانده سبد تامین کند.

در این پژوهش، قیدهایی برای به دست آوردن حالت بهینه زمان آغاز و زمان فروش پروژه‌ها وجود دارد مهمترین این قیود این است که بیشینه تراز منفی در نمودار جریان نقدی از آورده سازمان جهت اجرای سبد کمتر باشد. به عبارت دیگر، بیشینه جریان منفی (هزینه ها) از آورده نقدی تجاوز نکند. در این صورت مقدار جریان نقدی تجمعی با لحاظ علامت از آورده نقدی سازمان باید بیشتر باشد. این قید به صورت رابطه 2 ارائه شده است.

(7)

از آنجا که ممکن است سازمان در ابتدای سبد یکباره کل سرمایه خود را به سبد تزریق نکند، سرمایه سازمان به صورت ماهانه در نظر گرفته شده است.

 جریان نقدی تجمعی سبد پروژه در ماه i ام برابر با جمع جبری جریان نقدی تمام پروژه‌ها در ماه i است که می تواند ناشی از هزینه ساخت و یا درآمد از محل فروش پروژه­ها باشد. محاسبه  در رابطه 3 ارائه شده است.

(8)	i=1, 2, 3, …, N

زمان فروش پروژه‌ باید پس از اتمام آن پروژه د­رنظرگرفته شود. زمان اتمام پروژه برابر است با زمان آغاز پروژه به علاوه مدت زمان لازم جهت اجرای آن پروژه. این قید در رابطه 4 نشان داده شده است.

(9)

قید دیگر، مدت زمان نهایی برای خاتمه سبد پروژه است. از آنجا که مدت زمان سبد پروژه نمی­تواند بی‌نهایت باشد بنابراین باید زمانی را برای خاتمه سبد درنظرگرفت که تا آن زمان تمامی پروژه‌ها ساخته و فروخته شده باشند. این قید در رابطه 5 ارائه شده است.

(10)

 توضیح آنکه مقدار پارامتر N (مدت زمان نهایی سبد پروژه) با توجه به ارزیابی­های فنی و توجیهی و سیاست های سازمان اتخاذ می‌شود.

تابع هدف

تابع هدف در مساله بهینه­سازی اغلب حداقل کردن هزینه­ها یا حداکثر کردن سود بر اساس مجموعه­ای از محدودیت­ها در­نظر گرفته می‌شود. اما در این مساله با در­نظرگرفتن پارامتر مدت زمان سبد پروژه و مصاحبه با خبرگان، حداکثر کردن سطح زیر منحنی جریان نقدی تجمعی به عنوان تابع هدف در­­نظر گرفته شد که به طور غیرمستقیم منجر به حداکثر کردن سود می‌شود. در نمودار جریان نقدی، هزینه­ها و درآمدها به ترتیب به صورت علامت مثبت و منفی ظاهر می‌شوند.

طولانی شدن مدت زمانی که جریان نقدی پروژه منفی است فشار مالی زیادی بر ذینفعان پروژه وارد می‌کند. از سوی دیگر، هرچه جریان نقدی مثبت برای سبد پروژه در مدت زمان طولانی‌تری وجود داشته باشد، ذی نفعان با خیال آسوده می­توانند تصمیمات استراتژیک خود را اتخاذ کنند و از جریان نقدی مثبت حتی در پروژه­های دیگر نیز استفاده کنند.

در این پژوهش برای محاسبه مساحت زیر نمودار جریان نقدی تجمعی، از روش مساحت گیری ذوزنقه ای استفاده شده است. رابطه 6 نحوه محاسبه مسطح زیر نمودار جریان نقدی مطابق را نشان می­دهد.

(11)

از آنجایی که جریان نقدی به صورت ماهانه است لذا سطح زیر نمودار جریان نقدی تجمعی به ذوزنقه هایی با قاعده 1 و ارتفاع­هایی برابر با مقدار تجمعی جریان نقدی سبد در دو ماه متوالی تقسیم شده و مساحت تک تک ذوزنقه محاسبه و با هم جمع می‌شوند تا مساحت زیر نمودار جریان نقدی محاسبه شود. زمانی که هزینه ها بیشتر از درآمد‌ها باشد مقدار جریان نقدی تجمعی منفی خواهد شد، در نتیجه مساحت زیر منحنی نیز منفی خواهد شد. شکل شماتیک تابع هدف در شکل 3 نشان داده شده است.

 

شكل 3- تابع هدف مساله

مساله حاضر، بسیار شبیه به مساله زمان‌بندی کار فروشگاهی⁵⁷ است. در مساله زمان‌بندی کار فروشگاهی (JSP)، تعداد m فعالیت می بایست به ترکیبی از k کارگر تخصیص داده شود تا زمان انجام مجموعه فعالیت‌ها بهینه شود. در مساله حاضر نیز، ماه‌های موجود در خط زمانی به عنوان کارگرها در نظرگرفته شده است که زمان آغاز و فروش هر پروژه باید به یکی از ماه‌ها تخصیص داده شود. همچنین، این مساله نسبت به مساله JSP پیچیده‌تر است چرا که چندین پروژه می‌توانند در یک ماه آغاز و یا فروخته شوند (مصداق این امر که در مساله JSP چندین فعالیت توسط یک کارگر انجام شود). با توجه به این امر که مساله JSP یک مساله NP-complete است، نتیجه می‌شود که مساله حاضر نیز یک مساله NP-complete است و سبب می‌شود حل آن توسط الگوریتم‌های کلاسیک مانند برنامه­ریزی خطی و برنامه­ریزی غیرخطی امکان‌پذیر نباشد. لذا محققین این تحقیق برای حل این مساله از الگوریتم‌های بهینه­یابی استفاده کرده که در ادامه به آن‌ها پرداخته شده است.

 الگوریتم­های بهینه­یابی

در این تحقیق، از سه الگوريتم چرخه آب، تکامل تفاضلی و مبتنی بر آموزش و یادگیری، به منظور یافتن پاسخ بهینه مساله استفاده شده است. این الگوریتم­ها الگوریتم تکاملی قدرتمندی برای حل مسائل هستند که برای یافتن جواب بهینه هر نسل را با توجه به جواب بهینه همان نسل و جواب بهینه کل نسل‌ها به روز رسانی می کنند تا جواب های بهتری را پیدا کنند در ادامه مراحل و فلوچارت الگوریتم های ذکر شده ارائه شده است.

- حدس یک مجموعه جواب اولیه به عنوان نسل اول

- محاسبه تابع هدف برای جواب ها

- به روز رسانی کردن کردن نسل بر مبنای بهترین جواب این نسل و بهترین جواب تمام نسل ها

- تکرار مراحل 2 و 3 تا رسیدن به نقطه اتمام

فلوچارت این الگوریتم ها در شکل 4 ارائه نشان داده شده است. روند به‌روز رسانی در این الگوریتم­ها به گونه‌ای است که در هر تکرار، بهترین جواب به دست آمده تا این مرحله را به عنوان بهترین جواب کلی و بهترین جواب مربوط به مرحله آخر را به عنوان بهترین جواب جزئی انتخاب کرده و جواب‌های هر نسل را به سمت این دو جواب انتخاب شده حرکت می‌دهد تا بتواند جواب‌های بهتری را پیدا کند. نحوه این حرکت در رابطه 7 ارائه شده است. لازم به ذکر است که شرط توقف الگوریتم های بهینه یابی، تعداد تکرار درنظرگرفته شده است.

                                                                                                                        (13)

                                          (14)

(12)

شكل 4- فلوچارت الگوریتم های بهینه­یابی

مطالعه موردی

در این بخش، سبدی از پنج پروژه ساختمانی واقعی در تهران که توسط یکی از بزرگترین سازمان­های پروژه محور ایران اجرا می‌شود، به عنوان یک مساله در نظر گرفته شده، سپس با استفاده از مدل پیشنهادی مدل­سازی شده و با سه الگوریتم فراابتکاری بهینه­سازی شده است. پروژه­ها از نوع مسکونی بوده و مدت زمان هر کدام 30 ماه برآورد شده است. اطلاعات مساحت پروژه­های ذکر شده در جدول 2 آورده شده است.

 

جدول 2- اطلاعات مساحت پروژه های ساختمانی مسکونی

اطلاعات کلی	ملک شماره 1	ملک شماره 2	ملک شماره 3	ملک شماره 4	ملک شماره 5
متراژ زمین	5000	2500	2850	5000	500
تعداد واحد	60	60	60	110	35
میانگین متراژ واحدها	80	80	80	80	80
زیربنای مفید مسکونی	4800	4800	4800	8800	2800

ماخذ: یافته‌های تحقیق

فرضیات مساله

برای شبیه سازی شرایط واقعی پروژه­های ساختمانی، مفروضات زیر در نظر گرفته شد:

- نرخ تورم مصالح و ساخت: با توجه به داده‌های ارائه شده توسط مرکز آمار ایران، نرخ تورم مصالح و ساخت برابر با 2% ماهانه درنظر گرفته شده است.

- مبلغ سود پروژه ها: در این مساله با توجه به نظرات خبرگان، سود20% نسبت به کل هزینه ساخت پروژه ها درنظرگرفته شده است.

- مبلغ فروش پروژه ها: در این مساله سری های زمانی مرکز آمار ایران مربوط به تورم بازار مسکن شهر تهران طی یک دوره 20 ساله مورد بررسی قرار گرفت و 4 دوره رونق و رکود شناسایی شد. خلاصه داده­های استخراج شده در جدول 3 ارائه شده است.

جدول 3- تورم مسکن در دوره های رکود و رونق بر اساس سری های زمانی مرکز آمار ایران 

دوره	مدت	میانگین تورم ماهانه
رکود	10 فصل معادل 30 ماه	213/2-
رونق	10 فصل معادل 30 ماه	346/5+

         ماخذ: یافته‌های تحقیق

 

مدت زمان سبد پروژه: مدت زمان سبد پروژه در این مساله 84 ماه (7 سال) درنظرگرفته شده است

شروع سبد پروژه: در این مساله، آغاز زمانی سبد پروژه در ابتدای دوره رکود درنظرگرفته شده است.

آورده نقدی سازمان: کل آورده نقدی سازمان با توجه به محدودیت های مالی و استراتژی های سازمانی 50 درصد هزینه کل پروژه­ها فرض شده که 25% آن در ابتدای سبد و 25% دیگر یک سال بعد یعنی در ماه 12 ام تزریق خواهد شد.

فضای جواب مساله

در مثال موردی این پژوهش، سبدپروژه دارای 5 پروژه می‌باشد که زمان­های آغاز و فروش هر پروژه باید تعیین شوند. از آنجایی که با توجه به مفروضات، اتمام سبد پروژه حداکثر در ماه 84 ام می‌باشد و مدت زمان هر یک از پروژه‌ها 30 ماه درنظرگرفته شده، لذا همه پروژه‌ها می‌بایست حداکثر تا ماه 54 آغاز شوند (از ماه 1 الی 54). به همین ترتیب زمان فروش پروژه‌ها از ماه 30 الی 84 می‌تواند متغیر باشد. بر همین اساس، فضای جست و جو مساله برابر خواهد بود با:

 

مشاهده می‌شود فضای جست و جوی مساله عددی بسیار بزرگ است و برای حل آن و بدست آوردن جواب بهینه نیاز به الگوریتم‌های جست و جوی هوشمند می‌باشد.

یافته‌های پژوهش

در این بخش نتایج به­دست آمده از حل مدل بررسی و تحلیل شده است و در ادامه بین نتایج بدست آمده از مدل و نتایج حالت سنتی که از نظرات خبرگان استفاده شده؛ مقایسه‌ای انجام شده است. برنامه تابع هدف و الگوریتم­های بهینه یابی در نرم افزار Matlab نوشته شده است. شکل 5 عملکرد الگوریتم­ها را پس از اجرای برنامه نشان می دهد.

 

شكل 5 -مقایسه عملکرد الگوریتم ها در یافتن پاسخ مساله

شکل 5 روند بهبود پاسخ با تکرارها را برای الگوريتم­های DE، TLBO و WCA  نشان می دهد. مطابق با این شکل مشاهده می‌شود که جواب نهایی برای همه الگوریتم­ها برابر شده است. این موضوع نشان دهنده قابل قبول و بهینه بودن جواب مساله است. از سوی دیگر، با مقایسه زمان اجرای برنامه برای همه الگوریتم‌ها مشاهده می‌شود که الگوریتم DE سرعت بیشتری در این مساله داشته و در زمان کمتری اجرا شده است. نکته مهم دیگر این است که DE برای یافتن بهترین جواب 825 تکرار انجام داده است، در حالی که WCA تنها با 17 تکرار به جواب بهینه رسیده است که نشان دهنده عملکرد بهتر WCA در این مساله نسبت به سایر الگوریتم­ها می‌باشد. نکته قابل توجه ديگر در مورد الگوريتم­هاي بهينه يابي، روند پيدا کردن جواب بهينه است؛ برخي الگوريتم­ها بصورت تدريجي و برخي ديگر به­صورت يک­باره به جواب بهينه دست يافته­اند.

تحلیل خروجی الگوریتم‌های بهینه‌یابی

مطابق با جدول 4، جواب بدست آمده توسط همه الگوریتم ها به گونه ای است که زمان آغاز پروژه های 1 تا 5 را به ترتیب ماه های 1، 1، 1، 48 و 48 در نظرگرفته است. یعنی، آغاز پروژه‌های 1، 2 و 3 را در ابتدای شروع سبد پروژه قرار داده و آغاز پروژه‌های 4 و 5 را تا ماه 48 به تعویق انداخته است. از سوی دیگر زمان فروش پروژه‌های 1 تا 5 را به ترتیب ماه‌های 48، 60، 60، 78 و 84 در نظرگرفته است. با توجه به همزمانی آغاز پروژه‌های 4 و 5 (ماه 48) با فروش پروژه 1 (ماه 48) می توان دریافت که الگوریتم هوشمندانه اقدام به فروش پروژه 1 در ماه 48 کرده است تا منابع مالی جهت ساخت پروژه‌های 4 و 5 تامین شود. همچنین مساحت زیر نمودار جریان نقدی تجمعی که نمایانگر مقدار تابع هدف مساله است برابر با عدد 25257691 می‌باشد. منحنی جریان نقدی در این حالت در شکل 6 ارائه شده است.

جدول 4- زمان شروع و فروش پروژه­ها با توجه به پاسخ دست آمده از الگوریتم­های جستجوی هوشمند

شماره پروژه	زمان شروع پروژه­ها	زمان فروش پروژه­ها
1	1	48
2	1	60
3	1	60
4	48	78
5	48	84

          ماخذ: یافته‌های تحقیق

مطابق با شکل 6 می­توان دریافت که زمان­های آغاز و فروش هر پروژه توسط الگوریتم به گونه‌ای انتخاب شده است که علاوه بر محقق شدن هدف سازمان که بهینه‌سازی جریان نقدی سبد است، محدودیت بودجه­ای آورده نقدی سازمان که مهمترین قید مساله است نیز ارضا شده است؛ به گونه‌ای که الگوریتم در در ماه 48 ام به دلیل کمبود منابع مالی و از طرف دیگر نیاز به آغاز پروژه جدید، مجبور به فروش یکی از پروژه‌های به اتمام رسیده شده است. همچنین الگوریتم تا قبل از ماه 48 ام فروش هیچ پروژه‌ای را اعلام نکرده است. این عدم فروش به خاطر کافی بودن میزان نقدینگی و قرارگیری در دوره رونق در این بازه زمانی است تا بتوان در ماه‌های آتی پروژه‌ها را با قیمت بالاتری به فروش رساند و جریان نقدی سبد پروژه را افزایش داد. روند بهبود تابع هدف برای الگوریتم تکامل تفاضلی (DE) در شکل 7 نشان داده شده است. همانطور که از این شکل مشاهده می‌شود، الگوریتم روند بهبود مستمری را تجربه کرده و با تکرار بیشتر موفق به یافتن راه حل­های بهتر شده است.

 

شكل 6- منحنی جریان نقدی تجمعی سبد پروژه بر اساس جواب الگوریتم های بهینه­یابی

 

شكل 7- بهبود تابع هدف با افزایش تکرار برای الگوریتم تکامل تفاضلی (DE)

پاسخ ارائه شده توسط تیم مدیریت پروژه به روش سنتی

به منظور ارزیابی عملکرد الگوریتم بهینه­یابی، از تیم دفتر مدیریت ­پروژه سازمان (PMO) متشکل از یک مدیر پروژه با 12 سال سابقه، یک کارشناس ارشد برنامه­ریزی پروژه با 10 سال سابقه و 2 کارشناس کنترل پروژه به ترتیب با 5 و 4 سال سابقه کار درخواست شد تا با توجه به محاسبات مرسوم خود برای مساله جوابی ارائه دهند تا با خروجی الگوریتم مقایسه شود. جواب ارائه شده توسط این تیم در جدول 5 ارائه شده است.

جدول 5- مقایسه نتایج حالت چینش ستنی و بهینه توسط الگوریتم

جواب ارائه شده برای مساله	مقدار تابع هدف
]11 1 48 1 48[ ]60 60 78 48 84[	18917010

                               ماخذ: یافته‌های تحقیق

به عبارت دیگر تیم مدیریت پروژه با بررسی شرایط مساله، آغاز پروژه‌های 1 تا 5 را به ترتیب در ماه های 48، 1، 48، 1 و 11 و فروش آنها را به ترتیب در ماه‌های 84، 48، 78، 60 و 60 اعلام کرده است و بر این اساس مقدار تابع هدف مساله برابر با 18917010 شده است.

مقایسه نتایج الگوریتم با جواب ارائه شده توسط تیم مدیریت پروژه

پاسخ ارائه شده توسط تیم مدیریت پروژه گرچه قید‌های مساله را رعایت کرده و در نهایت مقدار تابع هدف مثبت و مقدار قابل قبولی است، اما نسبت به جواب ارائه شده توسط مدل و الگوریتم ارائه شده در این تحقیق، مقدار کمتری برای تابع هدف دارد که نشان از فشار مالی بیشتر به سازمان است. با مقایسه مقدار تابع هدف بدست آمده توسط الگوریتم و تیم مدیریت پروژه، مشاهده می‌شود که نتایج حاصل از الگوریتم به گونه‌ای است که در مقایسه با حالتی که از نظر خبره استخراج شده است، تابع هدف را 33% بهبود داده است. مقایسه نمودار جریان نقدی سبد پروژه طبق جواب ارائه شده توسط الگوریتم و تیم مدیریت پروژه در شکل 8 ارائه شده است.

تفاوت جواب ارائه شده توسط الگوریتم و تیم مدیریت پروژه را می‌توان در استفاده بهینه از منابع سازمان دانست. تیم مدیریت پروژه تصمیم گرفت 2 پروژه را بصورت همزمان در آغاز سبد شروع کند درحالی که طبق محاسبات الگوریتم، امکان شروع 3 پروژه بصورت همزمان در آغاز سبد پروژه وجود داشته است و به این ترتیب سبب شده است تا هزینه‌های ساخت پروژه‌های سبد به دلیل وجود تورم و افزایش قیمت در ماه‌های بعدی کاهش یابد.

 شکل8- مقایسه جریان نقدی تجمعی سبد پروژه بین روش سنتی و جواب بهینه الگوریتم

نتیجه‌گیری و پیشنهاد

این مقاله مدلی برای بهینه‌سازی جریان نقدی سبد پروژه در صنعت ساخت‌وساز با درنظرگرفتن شاخص‌های تورمی بازار و میزان آورده نقدی از دیدگاه سازمان ارائه می‌کند. در این مدل با یافتن بهترین زمان آغاز و فروش پروژه­های منتخب در سبد پروژه ساخت، سود از طریق به حداکثر رساندن سطح زیر منحنی جریان نقد تجمعی سبد به حداکثر می رسد. در این مدل، بیشینه تراز منفی در نمودار جریان نقدی تجمعی هرگز از مقدار آورده نقدی تزریق شده به سبد توسط سازمان فراتر نمی رود، به طوری که سازمان با خیالی آسوده اقدام به اجرای سبد پروژه می‌کند و نگرانی از بابت فشار مالی ندارد. به عبارت دیگر، بیشینه جریان منفی نقدی تجمعی (هزینه ها) از آورده نقدی سازمان (بودجه) تجاوز نمی‌کند بنابراین جواب بهینه مدل کاملاً متناسب با آورده نقدی و سرمایه در دست سازمان است. علاوه بر این، سایر توانایی های مدل پیشنهادی عبارتند از:

- درنظر­گرفتن پارامتر های تورمی صنعت ساخت و مسکن (تورم هزینه­های ساخت و تورم مسکن در دوره­های رونق و رکود)

- امکان تزریق سرمایه از سازمان به سبد پروژه در چند مرحله به مدل و بهینه‌سازی سبد متناسب با آن

- عدم محدودیت تعداد پروژه موجود در سبد پروژه

با توجه به اینکه فضای جستجوی مساله بسیار بزرگ بود، از سه الگوریتم فراابتکاری DE، WCA، TLBO، برای حل مدل استفاده شد. برای ارزیابی و اعتبارسنجی مدل پیشنهادی، از تیم دفتر مدیریت پروژه (PMO) خواسته شد تا بهترین راه‌حل برای مساله ارائه شده در این مقاله را با استفاده از روش مرسوم خود بیابند تا با خروجی الگوریتم مقایسه شود. مقایسه نتایج به‌دست‌آمده توسط الگوریتم و PMO نشان داد که الگوریتم تا 33 درصد مقدار تابع هدف را بهبود بخشیده است که نشان‌دهنده عملکرد مناسب مدل و الگوریتم بهینه‌سازی در این مساله است. همچنین نتایج نشان داد که الگوریتم WCA جواب بهینه را درکوتاه ترین زمان و با کمترین فضای جستجو برای مدل پیشنهادی پیدا کرد.

پیشنهادات برای پژوهش های آتی

در راستای توسعه مدل ارائه شده، پیشنهادات ذیل جهت پژوهش های آتی ارائه می گردد:

- آنالیز حساسیت مدل نسبت به مقدار سرمایه و زمان تزریق بخش دوم سرمایه به سبد پروژه انجام شود.

- آنالیز حساسیت مدل نسبت به زمان آغاز سبد پروژه با توجه به دوره رکود و رونق انجام شود.

- امکان استفاده از دیگر منابع مالی همچون وام‌ها نیز به مدل اضافه شود و مدل تصمیم‌گیری کند که آیا وام اخذ شود یا خیر.

با توجه به وجود عدم قطعيت در طول اجراي پروژه، تغييرات ناشي از اين عدم قطعيت در جريان نقدي پروژه­ها درنظرگرفته شود.

منابع و مآخذ

Abbasianjahromi, H., and Rajaie, H. (2012). Developing a project portfolio selection model for contractor firms considering the risk factor. Journal of Civil Engineering and Management, 18(6), 879–889.

Akbaş, S., Dalkilic, T.E., and Aksoy, T.G. (2022). Study on portfolio selection based on fuzzy linear programming. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 30(2), 211–230.

Alavipour, S.R., and Arditi, D. (2018). Optimizing financing cost in construction projects with fixed project duration. Journal of Construction Engineering and Management, 144(4), 04018012.

Arditi, D., Koksal, A., and Kale, S. (2000). Business failures in the construction industry. Engineering, Construction and Architectural Management, 7(2), 120–132.

Aritua, B., Smith, N.J., and Bower, D. (2009). Construction client multi-projects–A complex adaptive systems perspective. International Journal of Project Management, 27(1), 72–79.

Asadujjaman, M., Rahman, H.F., Chakrabortty, R.K., and Ryan, M.J. (2020). An Immune Genetic Algorithm for Resource Constrained Project Scheduling Problem with Discounted Cash Flows. In 2020 IEEE International Conference on Industrial Engineering and Engineering Management, IEEE. 1179–1183.

Barbosa, P.S.F., and Pimentel, P.R. (2001). A linear programming model for cash flow management in the Brazilian construction industry. Construction Management and Economics, 19(5), 469–479.

Borghesi, A., and Gaudenzi, B. (2013). Risk Management: How to Assess, Transfer and Communicate Critical Risks, Milan, Springer.

Boussabaine, A.H. and Kaka, A.P. (1998). A neural networks approach for cost flow forecasting. Construction Management and Economics, 19(4), 471–479.

Casault, S., Groen, A.J., and Linton, J.D. (2013). Selection of a portfolio of R&D projects. In: Handbook on the theory and practice of program evaluation. Cheltenham: Edward Elgar Publishing, 89–115.

Cooper, R.G., Edgett, S.J., and Kleinschmidt, E.J. (1997). Portfolio management in new product development: Lessons from the leaders—I. Research-Technology Management, 40(5), 16–28.

Curtis, C.C, Garin, J., and Mehkari. M.S. (2017). Inflation and the evolution of firm-level liquid assets. J Bank Finance, 81, 24–35.

Das, S.R., Kaznachey, D., and Goyal, M. (2014). Computing optimal rebalance frequency for log-optimal portfolios. Quantitative Finance, 14(8), 1489–1502.

Dixit, V., and Tiwari, M.K. (2020). Project portfolio selection and scheduling optimization based on risk measure: a conditional value at risk approach. Ann Oper Res, 285, 9–33.

Drenovak, M., and Ranković, V. (2014). Markowitz portfolio rebalancing with turnover monitoring. Ekonomski horizonti, 16(3), 211–223.

Ghasemzadeh, F., Archer, N., and Iyogun, P. (1999). A zero-one model for project portfolio selection and scheduling. Journal of the Operational Research Society, 50(7), 745–755.

Gupta, P., Mittal, G., and Mehlawat, M.K. (2013). Expected value multiobjective portfolio rebalancing model with fuzzy parameters. Insurance. Mathematics and Economics, 52(2), 190–203.

Han, S.H., Diekmann, J.E., Lee, Y., and Ock, J.H. (2004). Multicriteria financial portfolio risk management for international projects. Journal of construction engineering and management, 130(3), 346–356.

He, Y., Zhang, J., and He, Z. (2019). Metaheuristic algorithms for multimode multiproject scheduling with the objective of positive cash flow balance. IEEE Access, 7, 157427–157436. 

Hegazy, T. (1999). Optimization of resource allocation and leveling using genetic algorithms. Journal of construction engineering and management, 125(3), 167–175.

Huang, C.C., Chu, P.Y., & Chiang, Y.H. (2008). A fuzzy AHP application in government-sponsored R&D project selection. Omega, 36(6), 1038–1052.

Jalaee, S.A., Shakibaei, A., Horry, H.R., Akbarifard, H., GhasemiNejad, A., Robati, F.N., and Zarin, N.A. (2021). A new hybrid metaheuristic method based on biogeography-based optimization and particle swarm optimization algorithm to estimate money demand in Iran. MethodsX, 8, 101226.

Karaboğa, D., and Ökdem, S. (2004). A simple and global optimization algorithm for engineering problems: differential evolution algorithm. Turkish Journal of Electrical Engineering & Computer Sciences, 12(1), 53–60.

Katoch, S., Chauhan, S.S., and Kumar, V. (2021). A review on genetic algorithm: past, present, and future. Multimedia Tools and Applications, 80, 8091–8126. 

Kennedy, J., and Eberhart, R. (1995). Particle swarm optimization, Proceedings of ICNN'95-International conference on neural networks. Perth, WA, Australia, IEEE. 4, 1942–1948.

Kumar, P., Panda, G., & Gupta, U.C. (2015). Portfolio rebalancing model with transaction costs using interval optimization. Opseach, 52(4), 827–860.

Kumar, S., Tejani, G.G., Pholdee, N., Bureerat, S. and Jangir, P. (2022). Multi-objective teaching-learning-based optimization for structure optimization. Smart Science, 101(1), 56–67‏.

Li, Q., Qin, Z., and Yan, Y. (2022). Uncertain random portfolio optimization model with tail value-at-risk. Soft Computing, 26, 9385–9394.

Markowitz, H.M. (1952). Portfolio selection. The journal of finance, 7(1), 77–91.

Masoumi, R., and Touran, A. (2016). A framework to form balanced project portfolios. Proceedings of the Construction Research Congress 2016, May 31- June 2 2016, San Juan, Puerto Rico, ASCE. 1772–1781.

Mirjalili, S., Mirjalili, S. M., and Lewis, A. (2014). Grey Wolf Optimizer. Advances in Engineering Software, 69, 46–61. 

Mirjalili, S. (2019). Genetic Algorithm. In: Evolutionary Algorithms and Neural Networks. Studies in Computational Intelligence, 780, 43–55. Springer, Cham.

Mittal, G., and Mehlawat, M.K. (2014). A multiobjective portfolio rebalancing model incorporating transaction costs based on incremental discounts. Optimization, 63(10), 1595–1613.

Musarat, M.A., Alaloul, W.S., and Liew, M.S. (2021). Impact of inflation rate on construction projects budget: a review. Ain Shams Eng J. Optimization, 12(1), 407–414.

Platje, A., Seidel, H., and Wadman, S. (1994). Project and portfolio planning cycle: project-based management for the multiproject challenge. International Journal of Project Management, 12(2), 100–106.

PMI (2017). The Standard for Portfolio Management, Project Management Institute Inc, (fourth ed.), Pennsylvania.

Purnus, A., and Bodea, C.N. (2015). Financial management of the construction projects: a proposed cash flow analysis model at project portfolio level. Organization, technology & management in construction: an international journal, 7(1), 1217–1227.

Qin, Z., Kar, S., and Zheng, H. (2016). Uncertain portfolio adjusting model using semi absolute deviation. Soft Computing, 20, 717–725.

Rosłon, J., Książek-Nowak, M., Nowak, P., and Zawistowski, J. (2020). Cash-flow schedules optimization within life cycle costing (LCC). Sustainability, 12(19), 8201.

Sadollah, A., Eskandar, H., Bahreininejad, A., & Kim, J.H. (2015). Water cycle algorithm with evaporation rate for solving constrained and unconstrained optimization problems. Applied Soft Computing, 30, 58–71.‏ 

Samer Ezeldin, A., and Ali, G.G. (2017). Cash flow optimization for construction portfolios, International Conference on Sustainable Infrastructure, Reston, VA. ASCE. 26–37.

Sanchez, H., Robert, B., Bourgault, M., and Pellerin, R. (2009). Risk management applied to projects, programs, and portfolios. International journal of managing projects in Business, 2(1), 14–35.

Shahid, M., Ashraf, Z., Shamim, M., and Ansari, M.S. (2023). Solving constrained portfolio optimization model using stochastic fractal search approach. International Journal of Intelligent Computing and Cybernetics, 16(2), 223–249.

Shiha, A., and Hosny, O. (2019). A Multi-Objective Model for Enterprise Cash Flow Management. In Proceedings, Annual Conference-Canadian Society for Civil Engineering.

Son, P.V.H., Duy, N.H.C., and Dat, P.T. (2021). Optimization of construction material cost through logistics planning model of dragonfly algorithm—particle swarm optimization. KSCE Journal of Civil Engineering, 25(7), 2350–2359.

Wang, M., Xu, F., and Wang, G. (2014). Sparse portfolio rebalancing model based on inverse optimization. Optimization Methods and Software, 29(2), 297–309.

Woodside-Oriakhi, M., Lucas, C., and Beasley, J.E. (2013). Portfolio rebalancing with an investment horizon and transaction costs. Omega, 41(2), 406–420.

Yu, J.R., and Lee, W.Y. (2011). Portfolio rebalancing model using multiple criteria. European Journal of Operational Research, 209(2), 166–175. 

Proposing a portfolio balancing model in project-based organizations considering organization’s budget and inflation rate of construction and housing in Iran

 

Reza Rajabi⁵⁸and Siamak Haji Yakhchali⁵⁹

 

Abstract

Cash inflows and outflows in construction project-based organizations often lack balance due to delays between expenses and revenue throughout the duration of the portfolio, primarily attributable to the temporal discrepancy between incurred expenditures and realized revenues. The intrinsic characteristics of the construction project portfolio necessitate a lengthy period for project completion and subsequent readiness for sale, thereby facilitating revenue generation for the organization. Consequentially, organizations reliant on construction projects now run the danger of experiencing severe negative cash flow and mounting financial strain. Thus, the goal of this study is to maximize profit from the perspective of the organization, taking into account factors such as construction cost inflation, house price inflation during boom-and-bust cycles, and the organization's capital. The amount of cumulative capital injection sets the maximum negative level of cumulative portfolio cash flow so that the optimal solution of the model is fully proportional to the capital brought into the portfolio. Three meta-heuristic algorithms, including the water cycle algorithm, differential evolution, and teaching-learning-based optimization, are used to solve the algorithm. A portfolio of five real construction projects in Tehran is optimized in order to validate the model. The objective function showed a notable improvement when the optimization findings were compared to the analysis carried out using the traditional method by the Project Management Office (PMO). Additionally, WCA performed better in this problem when compared to other algorithms.

 

Keywords: Portfolio balancing; Portfolio optimization; Portfolio management; Cash flow; Budget; Inflation; Boom and bust cycles.

---

[1] . دانشجوی دکتری، گروه مهندسی و مدیریت ساخت، دانشکده عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران. [e-mail]

[2] . ستادیار دانشکده مهندسی صنایع، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران. (نویسنده مسئول). [e-mail]

[3]  Ardidti

[4]  Boussabaine & Kaka

[5]  Borghezi & Gaudenzi

[6]  Barbosa and Pimentel

[7]  Curtis

[8]  Musarat

[9]  Masoumi & Touran

[10]  Aritua

[11]  Cooper

[12]  Markowitz

[13]  Casault

[14]  Huang

[15]  Samer Ezeldin & Ali

[16]  Platje

[17]  Han

[18]  Sanchez

[19]  Hegazy

[20]  Purnas and Bodea

[21]  PMI

[22]  Kumar

[23]  Mittal & Mehlawat

[24]  Rate of Investment

[25]  Drenovak & Ranković

[26]  Wang

[27]  Gupta

[28]  Das

[29]  Woodside-Oriakhi

[30]  Yu & Lee

[31]  Dexit & Tiwari

[32]  Li

[33]  Shahid

[34]  Qin

[35]  Alavipour & Arditi

[36]  Shiha and Hosny

[37]  He 

[38]  Rosłon

[39]  Ghasemzadeh

[40]  Akbaş

[41]  Konno & Yamazaki

[42]  Genetic Algorithm (GA)

[43]  Mirjalili

[44]  Katoch

[45]  Asadujjaman

[46]  Particle Swarm optimization (PSO)

[47]  Kennedy & Eberhart

[48]  Son

[49]  Jalaee

[50]  Differential Evolution Algorithm (DE)

[51]  Water Cycle Algorithm (WCA)

[52]  Teaching–Learning-Based Optimization (TLBO)

[53]  Karaboğa & Ökdem

[54]  Sadollah

[55]  Kumar

[56]  Nondeterministic polynomial-time complete

[57]  Job-Shop Problem (JSP)

[58] PhD Student, Department of Civil Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran. Email Address: [e-mail].

[59] Corresponding Author, Assistant Professor, chool of Industrial Engineering, College of Engineering, University of Tehran, Tehran, Iran. Email Address: [e-mail].

---