طراحی و تبیین مدل فازی ارزیابی عملکرد صندوق‌های سرمایه‌گذاری جسورانه با رویکرد بهبود
محورهای موضوعی : حسابداری و حسابرسی
شهلا خنفری پور خنفری
1
,
نادر خدری
2
,
سعید نصیری
3
,
مهدی بصیرت
4
1 - گروه حسابداری، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.
2 - گروه حسابداری، واحد آبادان، دانشگاه آزاد اسلامی، اهواز، ایران.
3 - گروه حسابداری، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.
4 - گروه اقتصاد، واحد اهواز، دانشگاه آزاد اسلامی، اهواز، ایران.
کلید واژه:
چکیده مقاله :
هدف: این پژوهش با هدف طراحی و تبیین مدل فازی ارزیابی عملکرد صندوق‌های سرمایه‌گذاری جسورانه با رویکرد بهبود انجام‌گرفته است.
روش‌شناسی پژوهش: این پژوهش با رویکرد آمیخته (کیفی - کمی) در سال 1403 انجام شد. در بخش کیفی پس از مصاحبه با خبرگان سازمانی و دانشگاهی عوامل مدل پژوهش شناسایی شدند. در بخش کمی نیز با استفاده از تکنیک دلفی مولفه‌ها تایید و سپس مدل فازی پژوهش با کمک استنتاج فازی طراحی شد.
یافته‌ها: پس از تحلیل داده‌های حاصل از مصاحبه با 20 خبره، ابتدا 29 تم فرعی استخراج و سپس 17 عامل مهم مدل موردنظر در بخش کیفی شناسایی شدند. سپس با استفاده از خبرگان با روش دلفی فازی همه مولفه‌ها مورد تایید قرار گرفته و در جهت ایجاد نوآوری و تمایز با سایر پژوهش‌ها مدل استنتاج فازی بر این اساس تدوین شد. با استفاده از مدل طراحی شده استنتاج فازی عملکرد چهار صندوق سرمایه‌گذاری جسورانه مورد بررسی قرار گرفت و مشخص شد که بیشترین عملکرد مربوط به صندوق سرمایه‌گذاری جسورانه دوم است.
اصالت / ارزش‌افزوده علمی: در این پژوهش جهت مقابله با شرایط عدم قطعیت و ناپایداری محیط از منطق فازی و مدل‌های استنتاج فازی استفاده شده است.
Purpose: This study aims to design and develop a fuzzy evaluation model for assessing the performance of venture capital funds, with a focus on performance improvement.
Research Methodology: The research was conducted in 2024 (1403 SH) using a mixed-methods approach (qualitative–quantitative). In the qualitative phase, organizational and academic experts were interviewed to identify the key components of the model. In the quantitative phase, the identified components were validated through the Delphi method, and the fuzzy evaluation model was subsequently developed using fuzzy inference techniques.
Findings: Based on the analysis of interviews conducted with 20 experts, 29 initial sub-themes were extracted, leading to the identification of 17 core factors in the qualitative phase. These components were confirmed through the fuzzy Delphi process. To enhance innovation and distinction from previous studies, a fuzzy inference system was constructed based on the validated components. The model was then applied to evaluate the performance of four venture capital funds, revealing that the second fund demonstrated the highest performance.
Originality / Value: This study incorporates fuzzy logic and fuzzy inference modeling to address the inherent uncertainty and instability of the evaluation environment. The model provides a novel framework for assessing the performance of venture capital funds in uncertain conditions, contributing both theoretical and practical value to the field of financial decision-making.
