تحلیل توپولوژیکی ریسکهای حسابداری مبتنی بر تئوری شبکه

محورهای موضوعی : دانش سرمایه‌گذاری

معصومه محمدرضائی ¹ (گروه حسابداری . واحد تهران مرکزی ، دانشگاه آزاد اسلامی، تهران، ایران)
آزیتا جهانشاد ² (گروه حسابداری.واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران)
فرزانه حیدرپور ³ (گروه حسابداری، واحد تهران مرکزی، دانشگاه آزاد اسلامی تهران، ایران)

تاریخ دریافت : 1401/06/28 تاریخ پذیرش : 1401/09/05 تاریخ انتشار : 1403/01/01

کلید واژه: مدیریت ریسک, ریسک, فرایند تحلیل شبکه,

چکیده مقاله :

با توجه به پویایی دنیای کسب و کار و با توجه به عدم اطمینان موجود در محیط اقتصادی حال حاضر کشور، ریسک‌های مختلفی در این محیط وجود دارند که می‌توانند عملکرد شرکت‌ها را تحت تأثیر قرار دهند. دراین بررسی جامعه آماری حسابداران در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران بوده و شامل اطلاعات سال 1400 می‌باشد. به‌منظور گراف‌های ریسک‌ها از دو روش، ANP فازی و تحلیل شبکه استفاده شده است. همچنین، از پرسشنامه مربوط به مقایسات زوجی استفاده گردیده و توسط 10 نفر از خبرگان متخصص در حوزه بورس با سابقه کاری 10 سال بیشتر تکمیل گردید، انتخاب افراد به روش گلوله برفی و تا رسیدن به اشباع نظری ادامه یافته است. نتایج بدست آمده با روش ANP فازی تحلیل، رتبه‌بندی و خوشه-بندی گردید. همچنین با استفاده از روش توپولوژی مبتنی بر تئوری شبکه، شکل مربوط به مهم‌ترین ریسک‌ها با تعاملات آن‌ها رسم و با استفاده از نظر 10 خبره بخش مقایسات زوجی، احتمالات، میزان تاثیرگذاری ریسک‌ها تعیین، سپس شدت اثر مشخص و رتبه‌بندی شده است.برای این پژوهش ازنرم‌افزار MATLAB 2022 و Excel 2016 استفاده شده است. همچنین، میزان اثرگذاری درمقابل احتمالات مهمترین ریسک‌ها مشخص شده است.ریسک‌های تورم (179) نقدینگی (119)، نقدشوندگی (80) به‌عنوان ریسک‌های بحرانی و ریسک‌های سیاسی (72)، منابع انسانی (52)، اعتباری (40) به‌عنوان ریسک کلیدی و ریسک‌های عملیاتی (39) صنعت (32)، نرخ بهره (28)، قیمت سهام (24) به‌عنوان ریسک‌های مهم دسته‌بندی شدند. بنابراین با استفاده از مشخص کردن ریسک‌های مهم با مرکز محوریت بالا می‌توان ریسک‌ها را مدیریت نمود و بنابراین پیشنهاداتی بیان شده است.

چکیده انگلیسی:

Due to the dynamics of the business world and due to the uncertainty in the current economic environment of the country, there are various risks in this environment that can affect the performance of companies.In this survey, the statistical population is accountants in companies admitted to the Tehran Stock Exchange and includes information from the year1400. For risk graphs two methods fuzzy ANP and network analysis have been used. Also a questionnaire related to pairwise comparisons was used and completed by10 experts in the field of stock exchange with more than10 years of work experience.The selection of people was carried out using the snowball method until theoretical saturation was reached.The obtained results were analyzed, ranked and clustered by the fuzzy ANP method. Also by using the topology method based on network theory, the shape related to the most important risks with their interactions has been drawn and by using the opinion of 10 experts of the pairwise comparisons department, the probabilities, the degree of influence of the risks have been determined and then the intensity of the effect has been determined and ranked.MATLAB 2022 and Excel 2016 software were used for this research. Also,the effectiveness of the most important risks has been determined. Inflation risks(179), liquidity(119), liquidity(80) as critical risks and political risks(72),human resources(52),credit(40) as key risks and operational risks(39) industry(32) interest rate(28), stock price(24) were classified as important risks.Therefore by identifying important risks with a high center of gravity, risks can be managed, and therefore suggestions have been made.

منابع و مأخذ:

• ابرازی، م.، صامتی، م.، و دلبری، م. (1382). کاربرد مدل فرآیند تحلیل سلسله مراتبی AHP در تعیین معیارهای موثر بر انتخاب سهام در بورس اوراق بهادار تهران. فصلنامه برنامه ریزی و بودجه 7 (5)، 3-27. ‏


• آریانژاد، نادریان، ددخانی، خوزین. (2022). مدل توسعه قبل از بین ریسک سازگار در شرکت بورسی: رویکرد داده سلام حسابداری. دانش سرمایه گذاری، 11(44)، 553-576.


• بولو، قاسم; عربی، مهران; (1398). شناسایی عوامل موثر بر ریسک حسابداری جامع .فصلنامه حسابداری دولتی، (5)،25-46.


• پندار، ام.، و وسی، آر. (2020). ارزیابی انواع ریسک در سیستم بانکداری بدون ربا (روش ترکیبی دیمتل و مدلسازی ساختاری تفسیری). اقتصاد مالی 14 (51)، 29-54. ‏


• حیدری، د.، نظریه قیاس حیدری داود ارسطو از دیدگاه لوکاسیر ویچ .


• جلیلوند، ا. ، رستمی، ن، عسکری، رحمانیانی (1398) اجرای مدیریت ریسک سازمانی; شناسایی، تحلیل و ارزیابی تحقیق: موسسه مالی فعال در بازار سرمایه ایران. مدیریت دارایی و تامین مالی، 7(2)، 1-24.


• خلجانی، غ، روشندل، ج. (2021). ارزیابی ریسک بر اساس امتیاز اولویت ریسک کارایی جامع با استفاده از تحلیل پوشش داده ها. مدیریت صنعتی 13 (1)، 131-154. ‏


• خوش سیما، شاهیکی تاش و محمد نبی. (2013). تأثیر ریسک های اعتباری، عملیاتی و نقدینگی بر کارایی نظام بانکی ایران. فصلنامه برنامه ریزی و بودجه 17 (4)، 69-95.


• زنگنه، رستگار، چاوشی، فلاح شمس و میرفیز. (2020). ارزیابی ریسک سیستمی سیستم بانک از طریق مدلسازی توپولوژی بازار شبکه در میان دانش بانکداری _ سرمایه گذاری 9 (35)، 21-48.


• سنگبر، م.، صافی، م.، آذر، ع.، عادل، و رابعه. (2021). ارائه یک چارچوب کمی برای نقشه‌برداری شناختی فازی لایه‌ای، با استفاده از رویکرد ترکیبی "نقشه خود سازماندهی" و "نظریه گراف و رویکرد ماتریس" مدیریت صنعتی 13 (1)، 80-104 .


• شاهوردی، فلاح، میرفیض، کردلویی، حمیدرضا کردلویی، و بدیعی. (2022). شناسایی موانع و ارائه مدلی برای اجرای سیستم حسابرسی مبتنی بر ریسک در ایران. آشنایی با حسابداری و حسابرسی مدیریت. 11 (43)، 127-143.


• صحت، احمدی قوچان عتیق، نیکومرام، ح و خلیلی عراقی. (1391) تأثیر کارایی و ریسک مالی (ریسک اعتباری، ریسک عملیاتی، ریسک نقدینگی و ثروت مالی) بر عملکرد شرکت های بیمه پذیرفته شده در بورس اوراق بهادار تهران: مطالعه موردی در ایران.


• صداقتی صمد، فرهادی روح الله وفلاح شمس لیالستانی میرفیض. مدیریت سبد بر اساس توپولوژی شبکه بازار سهام ایران. ‏


• عموزاد مهدیرجی و پایون. (2021). شناسایی و اولویت‌بندی ریسک‌های بورس کالای ایران: رویکرد تصمیم‌گیری چند شاخصه مبتنی بر فازی ترکیبی. پژوهش مدیریت نوین خاتم 2(1)، 100-119. ‏


• قاسملی، ر.، حبیبی، ه.، قاسملو، م.، کریمی، م. (1398). اثربخشی سیستم های حسابداری مدیریت: شواهدی از سازمان های مالی در ایران. مجله حسابداری در اقتصادهای نوظهور.


• محقق نیا، ضیاچی، سرگلزایی و خشایی. (2022). ارزیابی تاثیر نوسانات ارزی بر عملکرد شرکت های پذیرفته شده در بورس اوراق بهادار تهران و اندازه گیری فواصل زمانی آن. اقتصاد مالی، 16 (59)، 127-154. ‏


• منشیری و صادقی (2021).. ایجاد شبکه مالی غیرخطی بر اساس ویژگی های تصویری آن بر اساس نظریه گراف (مطالعات در بورس اوراق بهادار تهران) 1. مدیریت دارایی و تامین مالی، 9 (1)، 1-22.


• نجفی حیدر، اقدسی محمد و تیمورپور بابک. ایجاد نقشه دانش برای تحقیقات مدیریت دانش با استفاده از روش تحلیل شبکه. ‏


• Albert, R., & Barabási , AL (2002). Statistical mechanics of complex networks. Reviews of modern physics , 74 (1), 47.


• Ando, T., Greenwood-Nimmo, M., & Shin, Y. (2022). Quantile Connectedness: Modeling Tail Behavior in the Topology of Financial Networks. Management Science , 68 (4), 2401-2431.


• Billio , M., Getmansky , M., Lo, AW, & Pelizzon , L. (2019). Econometric measures of connectedness and systemic risk in the finance and brokerage sectors. Journal of Financial Economics, 104, 535–559.


• Cameron, AC, Gelbach , JB, & Miller, DL (2020). Robust brokerage Risk inference with multiway clustering. Journal of Business & Economic Statistics, 29, 238–249.


• Chuang, H., & Ho, Hwai -Chung. (2018). Measuring the default risk of brokerage debt from the perspective of the network. Physica A: Statistical Mechanics and its Applications, 392, 2235–2239.


• Gomez-Rodriguez, M., Leskovec , J., & Krause, A. (2018). Inferring networks of risk management and influence. ACM Transactions on Knowledge Discovery from Data, 5(21), 1–37.


• Guimera , R., & Nunes Amaral, LA (2005). Functional cartography of complex metabolic networks. nature , 433 (7028), 895-900.


• Hong, H., Kubik , JD, & Stein, JC (2018). Thy neighbor's portfolio: Word-of-mouth effects in the holdings and trades of risk managers. Journal of Finance, 60, 2801–2824.


• Namaki, A., Raei, R., Asadi, N. & Hajihasani, A. (2019). Analysis of Iran banking sector by multi-layer approach. Iranian Journal of Finance, 3(1), 73-89.


• Raei, R., Namaki, A. & Vahabi, H. (2019). Analysis of collective behavior of Iran banking sector by random matrix theory. Iranian Journal of Finance, 3(4), 60-75.


• Tumminello , M., Lillo, F., Piilo , J., & Mantegna, RN (2012). Identification of clusters of investors from their real trading activity in a financial market. New Journal of Physics, 14, 013041.