الگوی مدیریت ریسک جامع (مطالعه موردی: صنعت دارویی)

محورهای موضوعی : دانش سرمایه‌گذاری

فرزانه بیک زاده عباسی ¹ (استادیار دانشگاه آزاد اسلامی واحد تهران جنوب)

تاریخ دریافت : 1398/12/14 تاریخ پذیرش : 1400/02/15 تاریخ انتشار : 1403/04/01

کلید واژه: الگوی مدیریت ریسک, ریسک مالی, ریسک غیر مالی, صنعت دارویی,

چکیده مقاله :

چکیده:اهمیت مدیریت ریسک در صنعت دارویی هر کشور، نشان دهنده توانمندی آن کشور در حوزه تامین بهداشت و سلامت آن جامعه می باشد. هدف این مقاله ارائه الگوی مدیریت ریسک جامع در صنعت داروسازی می باشد. در این پژوهش تلاش شد به صورت کاربردی، از طریق روش پیمایشی پس از دریافت نظرات کارشناسان ارشد صنعت، و خبرگان آشنا با این صنعت از طریق پرسشنامه محقق ساخته، پس از تایید روایی و پایایی آن داده ها جمع آوری شود، و سپس انواع ریسک های مالی و غیر مالی در صنعت دارویی شناسایی و با استفاده از نرم افزار PLS الگوی مدیریت ریسک جامع ارائه شد. برای ارزیابی مدل تحلیل عاملی تأییدی از شاخص بسیار مهم ریشه دوم برآورد واریانس خطای تقریب(SRMR) استفاده شده است. برای این الگو مقدار این شاخص برابر 079/0 شده است که می‌توان گفت مدل برازش مناسبی داشته است. این الگو نشان می دهد، در صنعت دارویی ریسک های غیر مالی موثرتر از ریسک های مالی می باشند. در بین زیر شاخصهای ریسک غیر مالی، ریسک عملیاتی با ضریب مسیر 970/0 دارای بیشترین اثر و بعد از آن ریسک مدیریت با ضریب مسیر 896/0 و سپس ریسک کشور با ضریب مسیر 818/0 و بعنوان آخرین شاخص تاثیرگذار ریسک قانونی با ضریب مسیر 765/0 تعیین شده اند. و در بین زیر شاخص های ریسک مالی، ریسک بازار با ضریب مسیر 969/0 بیشترین اثر و پس از آن ریسک نقدینگی با ضریب مسیر 855/0 و بعنوان آخرین شاخص تاثیرگذار ریسک اعتباری با ضریب مسیر 769/0 تعیین شده اند.

چکیده انگلیسی:

The importance of risk management in the pharmaceutical industry of each country reflects its ability to provide health in that community. The purpose of this article is to present a comprehensive risk management model in the pharmaceutical industry. In this study, it was attempted to collect data by means of a survey method after receiving the opinions of senior industry experts and experts familiar with the industry through a researcher-made questionnaire, and after confirming its validity and reliability. After that, risk types including financial and non-financial risks were identified and by using PLS software proposed a comprehensive risk management model. To evaluate the confirmatory factor analysis model, it is used the second most important index of estimation of variance error (SRMR). The value of the index is 0.079 for this model, which can be said that the model having had an appropriate fitting. This pattern shows that, non-financial risks are more effective than financial risks. Among non-financial risk sub indicators, operational risk with path coefficient of 0.970 has the highest effect, followed by management risk with path coefficient of 0.896 and then country risk with path coefficient of 0.818 and the legal risk with path coefficient of 0.765 have been determined as the latest influential indicator. And among the financial risk sub indicators, market risk with path coefficient of 0.969 has the most effect, followed by liquidity risk with path coefficient of 0.855 and the credit risk have been determined as the last effective indicators with path coefficient of 0.769.

منابع و مأخذ:

• اسلامی بیدگلی، غلامرضا، سید احمد مقیمی، (1392)، بررسی اثر ترکیب سهامداران (ساختار مالکیت) بر ریسک شرکتهای تولیدی پذیرفته شده در بورس اوراق بهادار تهران، فصلنامه علمی پژوهشی دانش سرمایه گذاری، سال دوم، شماره 6


• ایزدی، بهرام، محبوبه شفیعی (1397) در تحقیقی تحت عنوان ارائه یک سیستم پشتیبانی تصمیم به منظور ارزیابی و الویت بندی ریسک واردات کالا به منظور مدیریت آثار تحریم (مطالعه موردی: واردات اقلام دارویی شرکت داروسازی فارابی)، مدیریت تولید و عملیات، دوره ،9 شماره 1،پیاپی16،


• بهرامیان، ربابه، فریدون رهنمای رودپشتی و مهدی معدنچی زاج، (1398)، کارکرد الگوی مدیریت دارایی-بدهی بر درک ارتباط بین ریسک و بازده با نقدینگی، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره چهلم


• ثقفی، علی و همکاران (1396)،الگوی جامع مدیریت ریسک اعتباری در نظام بانکداری ایران، فصلنامه علمی پژوهشی دانش سرمایه گذاری، سال ششم، شماره بیست و چهار


• ذاکرنیا، احسان، مجید زین الدین، (1398)، اهمیت عوامل موثر بر تشدید ریسک اعتباری در بانکداری بون ربای ایران، دوفصلنامه علمی تحقیقات مالی اسلامی، مقاله پژوهشی، سال هشتم، شماره دوم (پیاپی16) صص339-376


• راعی،رضا، سعیدی، علی (1394). مبانی مهندسی مالی و مدیریت ریسک. تهران: انشارات سمت


• رحمانی، حلیمه، معنوی مقدم، امیرهادی (1393)، امنیت سایبری ، حسابرسی شماره 73


• رهنمای رودپشتی، فریدون و همکاران (1395). مدیریت ریسک مالی، تاریخچه، مبانی ، رویکردها و مدل ها. تهران: انتشارات ترمه


• شیدایی، علی، (1396)، شناسایی و رتبه بندی عوامل تاثیرگذار بر ریسک صنعت لیزینگ به روش فرایند تحلیل سلسله مراتبی (AHP) مطالعه موردی شرکت واسپاری ملت(سهامی عام)، فصلنامه علمی پژوهشی دانش سرمایه گذاری، سال ششم، شماره بیست و چهارم


• صالح آبادی، علی، میثم علی محمدی، سید جواد مرزانی، (1395)، رتبه بندی شرکتهای کارگزاری بورس اوراق بهادار تهران بر اساس معیارهای ریسک تسویه صندوق تضمین تسویه شرکت سپرده گذاری مرکزی اوراق بهادار تسویه وجوه، فصلنامه علمی پژوهشی دانش سرمایه گذاری، سال پنجم، شماره بیستم


• طالب نیا، قدرت اله، جهاد برزیگر (1387) ارزیابی ریسک های شرکت های دارویی در بورس اوراق بهادار تهران، فصلنامه بورس اوراق بهادار، سال اول، شماره 3 صص5-31


• عزیزی یوسف وند، رقیه، نسیم نهاوندی و غلامحسین فرزندی (1396)، بررسی اثر مدیریت ریسک زنجیره تامین بر کارایی شرکتهای توزیع دارو، نشریه بین المللی مهندسی صنایع و مدیریت تولید، شماره 1 جلد 28


• فلاح شمس، میرفیض، محمد سجاد سیاهکارزاده (1398)، شناسایی تبیین و الویت بندی موانع اجرای مدیریت ریسکهای عملیاتی در بانکهای ایرانی، فصلنامه علمی پژوهشی دانش سرمایه گذاری، سال هشتم، شماره سی و دو، زمستان


• مظاهری، علی، مهدی کرباسیان، هادی شیرویه زاد، (1390)، شناسایی و الویت بندی ریسک زنجیره تامین در سازمانهای تولیدی با استفاده از تصمیم گیری چند معیاره، دومین کنفرانس مدیریت اجرایی، تیر ماه


• ندری، کامران، لیلا محرابی (1397)، بررسی انواع ریسک و مدیریت ریسک در نظام بانکداری اسلامی، مجله راهبرد توسعه شماره 54 صص160-181


• نیکومرام هاشم، رهنمای رودپشتی فریدون، هیبتی فرشاد (1385). فرهنگ اصطلاحات تخصص. تهران: انتشارات دانشگاه ازاد واحد علوم و تحقیقات


• Allen, S. (Ed.). (2012). Financial Risk Management. doi:10.1002/9781119203209


• Avkiran, N. K. (2018). Measuring the Systemic Risk of Regional Banks in Japan with PLS-SEM. Theoretical Economics Letters, 08(11), 2024–2037. doi:10.4236/tel.[phone]


• Gadzo, S. G., Kportorgbi, H. K., & Gatsi, J. G. (2019). Credit risk and operational risk on financial performance of universal banks in Ghana: A partial least squared structural equation model (PLS SEM) approach. Cogent Economics & Finance, 7(1). doi:10.1080/23322039.2019.1589406


• Ganin, A. A., Quach, P., Panwar, M., Collier, Z. A., Keisler, J. M., Marchese, D., & Linkov, I. (2017). Multicriteria Decision Framework for Cybersecurity Risk Assessment and Management. Risk Analysis, 40(1), 183–199. doi:10.1111/risa.12891


• Gregory, J. (2011). Counterparty Risk in Credit Derivative Contracts. Oxford Handbooks Online. doi:10.1093/oxfordhb/9780199546787.013.0011


• Leo, M., Sharma, S., & Maddulety, K. (2019). Machine Learning in Banking Risk Management: A Literature Review. Risks, 7(1), 29. doi:10.3390/risks7010029


• Mahendran , H., Narasimhan, K., Nagarajan, N., Gopinath, S., (2011). Investigation of Supply Chain Risk in the Indian Pharmaceutical Industry : A Case Study. Proc. World Congr. Eng. 2011, 1, 836-841.


• Mangla, S. K., Kumar, P., & Barua, M. K. (2015). Risk analysis in green supply chain using fuzzy AHP approach: A case study. Resources, Conservation and Recycling, 104, 375–390. doi:10.1016/j.resconrec.2015.01.001


• O’Connor, T., Yang, X., Tian, G., Chatterjee, S., & Lee, S. (2017). Quality risk management for pharmaceutical manufacturing. Predictive Modeling of Pharmaceutical Unit Operations, 15–37. doi:10.1016/b978-0-08-100154-7.00002-8


• Población García, F. J. (2017). Financial Risk Management. doi:10.1007/978-3-319-41366-2


• Tsay, R. S. (2013). Wiley Handbooks in Financial Engineering and Econometrics. Handbook of Market Risk, 397–398. doi:10.1002/9781118572979.oth


• Ramli, N. A., Latan, H., & Solovida, G. T. (2019). Determinants of capital structure and firm financial performance—A PLS-SEM approach: Evidence from Malaysia and Indonesia. The Quarterly Review of Economics and Finance, 71, 148–160. doi:10.1016/j.qref.2018.07.001


• Seetharaman, A., Kumar Sahu, V., Saravanan, A., Rudolph Raj, J., & Niranjan, I. (2017). The Impact of Risk Management in Credit Rating Agencies. Risks, 5(4), 52. doi:10.3390/risks5040052


• Shirzadi, Nazanin. (2015).Credit risk modeling for multilateral lender. Submitted in fulfilment of the requirements for the degree of doctor of philosophy