مدل‌سازی ساختاری عوامل مؤثر بر تشکیل بازار مشتقه ارزی در بورس کالای ایران
محورهای موضوعی : مدیریت مالیهومن صمدزاده 1 , پرویز سعیدی 2 * , مریم بخارائیان 3
1 - گروه مالی، واحد علی آباد کتول، دانشگاه آزاد اسلامی، علی آباد کتول، ایران
2 - استاد، گروه مدیریت و حسابداری، واحد علی‌آباد کتول، دانشگاه آزاد اسلامی، علی‌آباد کتول، ایران
3 - 3. گروه حسابداری، واحد علی‌آباد کتول، دانشگاه آزاد اسلامی، علی‌آباد کتول، ایران.
کلید واژه: ابزارهای مشتقه مالی, بازار مشتقه ارزی, بورس کالای ایران, پوشش ریسک ارزی, مدل‌سازی معادلات ساختاری (SEM),
چکیده مقاله :
پژوهش حاضر با هدف مدل‌سازی ساختاری عوامل مؤثر بر تشکیل بازار مشتقه ارزی در بورس کالای ایران انجام شده است. این مطالعه از نوع توصیفی–کاربردی و با رویکرد کمی انجام پذیرفته و به‌دنبال طراحی مدلی تجربی بر اساس تحلیل داده‌های میدانی است. جامعه آماری پژوهش شامل ۳۸۴ نفر از فعالان بازار سرمایه (از جمله معامله‌گران، مدیران پرتفوی، کارشناسان مالی و ناظران بازار) بود که با روش نمونه‌گیری تصادفی ساده انتخاب شدند. ابزار گردآوری اطلاعات، پرسشنامه محقق‌ساخته‌ای بود که بر مبنای مدل مفهومی اولیه و یافته‌های کیفی طراحی شده و اعتبار آن از طریق روایی صوری، روایی همگرا و واگرا بررسی گردید. همچنین، پایایی پرسشنامه با استفاده از ضریب آلفای کرونباخ و شاخص‌های سازگاری درونی تأیید شد.تحلیل داده‌ها با بهره‌گیری از روش مدل‌سازی معادلات ساختاری (PLS-SEM) و نرم‌افزار SmartPLS انجام گرفت. ساختار مدل نهایی شامل شش مقوله اصلی (شرایط علّی، مقوله مرکزی، عوامل زمینه‌ای، عوامل مداخله‌گر، راهبردها و پیامدها) و دربرگیرنده ۱۹ مؤلفه و ۶۷ گویه سنجشی بود. نتایج حاصل از آزمون مسیرها بیانگر آن است که تمام روابط بین متغیرهای اصلی مدل از نظر آماری معنادار بوده و شاخص‌های برازش مدل در سطح قابل قبول قرار دارند. یافته‌های پژوهش نشان می‌دهد که عواملی نظیر تقویت زیرساخت‌های نهادی بازار، ارتقای دانش مالی سرمایه‌گذاران، توسعه ابزارهای مشتقه مالی، و تدوین قوانین حمایتی می‌توانند نقش کلیدی در شکل‌گیری بازار مشتقه ارزی ایفا کنند.
The present study aims to structurally model the factors affecting the formation of a currency derivatives market in the Iran Mercantile Exchange. This research is applied-descriptive in nature and follows a quantitative approach, seeking to design an empirical model based on field data analysis. The statistical population consisted of 384 capital market participants—including traders, portfolio managers, financial analysts, and market regulators—selected through simple random sampling. The data collection instrument was a researcher-made questionnaire, developed based on the initial conceptual framework and qualitative findings. Its validity was assessed through face validity, convergent validity, and discriminant validity. Furthermore, its reliability was confirmed using Cronbach’s alpha and internal consistency indicators.
Data were analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM) with the SmartPLS software. The final model structure included six core categories—causal conditions, central category, contextual factors, intervening factors, strategies, and outcomes—comprising 19 constructs and 67 measurement items. The results of the path analysis indicated that all relationships between the main variables of the model were statistically significant, and model fit indices were within acceptable ranges. The findings suggest that factors such as strengthening institutional market infrastructure, enhancing investors' financial literacy, developing financial derivative instruments, and establishing supportive legal frameworks play a key role in the formation of a currency derivatives market in Iran.
BIS. (2021). Annual Economic Report 2021. B. f. I. Settlements. https://www.bis.org/publ/arpdf/ar2021e.pdf
Chance, D., & Brooks, R. (2021). An Introduction to Derivatives and Risk Management (10 ed.). Cengage Learning. https://www.cengage.com/c/an-introduction-to-derivatives-and-risk-management-10e-chance/9780357130692/
Doshni Nezhad, M., Imani Barandagh, M., Rostami, V., & Mohammadi, A. (2023). Evaluation of the limitations of integrated use of financial derivatives instruments in Iran’s capital market. . Tose'e va Sarmayeh, 8(2), 131-150. https://doi.org/10.22103/jdc.2022.19831.1271 [In Persian]
Ferrari, M., Kearns, J., & Schrimpf, A. (2021). Monetary policy’s rising FX impact in the era of ultra-low rates. Journal of Banking & Finance, 129, 106142. https://doi.org/https://doi.org/10.1016/j.jbankfin.2021.106142
Foroushany, M. P., Amiri, M., & Rajabloo, A. (2024). Futures Valuation Beased on Stochastic Interest Rate in Iran Mercantile Exchange. Financial Engineering and Portfolio Management, 15(61), 40-62. http://sanad.iau.ir/fa/Article/1105590 [In Persian]
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A primer on partial least squares structural equation modeling (PLS‑SEM). SAGE Publications. https://doi.org/10.1007/978-3-030-80519-7
Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135. https://doi.org/10.1007/s11747-014-0403-8
Hull, J. C., & Basu, S. (2022). Options, futures, and other derivatives. Pearson Education India. https://lib.ysu.am/disciplines_bk/2b66030e0dd4c77b2bda437f6c1e5e66.pdf
Kazemi, M. M., H.; Khansari, M. (2022). Institutional prerequisites for launching the currency futures market in Iran. Economic Journal of Economic Research and Policies, 29(95), 115–140. https://doi.org/https://doi.org/10.52547/qjerp.29.95.115 [In Persian]
Menkhoff, L., Rieth, M., & Stöhr, T. (2021). The Dynamic Impact of FX Interventions on Financial Markets. The Review of Economics and Statistics, 103(5), 939-953. https://doi.org/10.1162/rest_a_00928
Mihaljek, D. P., F. (2010). Derivatives in emerging markets. BIS Quarterly Review, 87–104. https://www.bis.org/publ/qtrpdf/r_qt1012f.pdf
Miranda-Agrippino, S., & Rey, H. (2020). U.S. Monetary Policy and the Global Financial Cycle. The Review of Economic Studies, 87(6), 2754-2776. https://doi.org/10.1093/restud/rdaa019
Mohaghegh, A. H. A., E. (2023, January 2023). The role of financial instruments in managing risk in derivatives markets 6th International Conference on Management, Accounting, and Economics in Sustainable Development, Mashhad, Iran. https://civilica.com/doc/1904778 [In Persian]
Mousavi, E., Rahmani, T., & Taiebnia, A. (2022). The Political Economy of Exchange Rate Regime Determination: A Comparison of Developing and Developed Countries [Research]. Quarterly Journal of Economic Research and Policies, 30(101), 237-270. https://doi.org/10.52547/qjerp.30.101.237 [In Persian]
Pawlowski, J. (2025). Evolution of value and structure of currency derivatives market. European Research Studies Journal, 28(1), 861–873. https://doi.org/http://dx.doi.org/10.35808/ersj/3942
Pinter, G. W., D. (2023). Hedging, market concentration and monetary policy: A joint analysis of gilt and derivatives exposures (SSRN Working Paper No. 4521537).
Qezelbash, M., & Zamani, M. A. (2022). Pathology of the currency market management mechanisms by the Central Bank of the Islamic Republic of Iran in currency crises, emphasizing on the 2018 currency crisis. Quarterly of Economic Strategy, 11(4), 79-114. https://doi.org/10.22034/es.2023.338702.1575 [In Persian]
Ringle, C. M. S., M. (2016). Gain more insight from your PLS‑SEM results: The importance–performance map analysis. Industrial Management & Data Systems, 116(9), 1865–1886. https://doi.org/https://doi.org/10.1108/IMDS-10-2015-0449
Rostamipour, A., ghavam, m., Shojaei zarghani, a. h., & Hasanzadeh Sarvestani, H. (2024). Identifying the Mechanisms of Commercial Banks in the Currency Crises of the Islamic Republic of Iran, Emphasizing on the 2018 (1397) Currency Crisis. Economic Strategy, 13(49), 337-376. https://doi.org/10.22034/es.2024.457488.1761 [In Persian]
Schrimpf, A., Shim, I., & Shin, H. S. . (2021). FX derivatives markets: Structure and developments. BIS Quarterly Review. https://www.bis.org/publ/qtrpdf/r_qt2112f.htm
Sepehri, A. A., F. (2023, January 2023). The impact of derivative instruments on investment and risk 7th National Interdisciplinary Engineering Research Conference in Science and Management, Tehran, Iran. https://civilica.com/doc/1921101/ [In Persian]
Tenenhaus, M., Vinzi, V. E., Chatelin, Y.-M., & Lauro, C. (2005). PLS path modeling. Computational Statistics & Data Analysis, 48(1), 159-205. https://doi.org/https://doi.org/10.1016/j.csda.2004.03.005
Wetzels, M., Odekerken-Schr�der, G., & van Oppen, C. (2009). Using PLS Path Modeling for Assessing Hierarchical Construct Models: Guidelines and Empirical Illustration. MIS Quarterly, 33(1), 177-195. https://doi.org/10.2307/20650284
Zamani, M. A., Qezelbash, Mohammad. (2021). Creating a Currency Derivatives Market as a Strategy for Hedging Exchange Rate Fluctuation Risk. Proceedings of the National Conference on Financial Challenges and Solutions of International Trade with the Approach of Supporting National Production. https://civilica.com/doc/1870326/ [In Persian]
Modern Management Engineering Volume 11, Issue 3, 2025 Autumn PP:312-343 Paper type: Research paper
|
Structural Modeling of the Factors Affecting the Formation of a Currency Derivatives Market in the Iran Mercantile Exchange
Hooman Samadzadeh1, Parviz Saeidi2, Maryam Bokharaeian Khorasani3
Received: 07/21/2025 Accepted: 09/21/2025
Extended Abstract
Introduction
In recent years, currency exchange rate volatility has become one of the most pressing macroeconomic challenges facing Iran. The unpredictability and instability of the national currency have not only disrupted investment and commercial activity but have also severely undermined investor confidence in financial markets. Despite the strategic role of foreign exchange derivatives in hedging against currency risk and enhancing market efficiency, Iran has yet to establish a formal and functional foreign exchange derivatives market. Comparative studies of emerging economies such as India and Turkey highlight the significance of such markets in mitigating currency shocks and improving macroeconomic stability. However, institutional gaps, insufficient regulatory frameworks, lack of skilled professionals, and limitations imposed by international sanctions have collectively hindered the development of such markets in Iran. Amidst these challenges, a key policy question emerges: what structural, behavioral, and institutional factors influence the successful formation of a foreign exchange derivatives market in the Iranian context? Given the complexity of the issue, a structured and empirical investigation is necessary to design a native model tailored to the economic, legal, and behavioral realities of Iran. The current study addresses this gap by developing a conceptual model and testing it using advanced statistical techniques to uncover the causal relationships between critical variables.
Literature Review
Recent studies have explored various dimensions of the success and implementation challenges of currency derivatives markets, both globally and within the Iranian context. For instance, (Foroushany et al., 2024) analyzed the valuation of currency futures contracts based on stochastic interest rate models in Iran’s Mercantile Exchange. Their findings highlighted that models such as Vasicek outperform fixed-rate models in long-term contract pricing and emphasized the importance of derivatives in price discovery and risk hedging. In a related domestic study, (Doshni Nezhad et al., 2023) investigated institutional limitations to the integrated use of financial derivatives in Iran’s capital market. They identified key challenges including legal ambiguities, data unavailability, and lack of efficient market-making mechanisms. Similarly, (Mohaghegh, 2023) using an applied-analytical approach, demonstrated that instruments such as futures and options significantly reduce market volatility and enhance investment stability. His study also underscored the effectiveness of combining derivative instruments for better risk control. (Sepehri, 2023) provided a comprehensive literature review on the impact of derivatives on investment decisions and financial risk. He concluded that strategic utilization of derivatives leads to more informed investment behavior and stronger risk management. Moreover, (Zamani, 2021) proposed a design framework for establishing a currency derivatives market in Iran, emphasizing that with proper economic and regulatory considerations, such a market can be implemented and serve as a robust tool for currency risk mitigation. Collectively, these studies underline the necessity of an integrated and context-specific model that accounts for institutional, technical, and behavioral factors in forming a viable currency derivatives market in Iran.
Research Methodology
This study employed a quantitative, applied-descriptive survey methodology to model the structural factors influencing the formation of a foreign exchange derivatives market in Iran’s Mercantile Exchange. The target population included brokers, traders, analysts, and financial managers actively involved in the Iranian commodities market. Using Cochran’s formula and a 95% confidence level, a final sample of 384 individuals was selected through simple random sampling.
Data collection was carried out using a researcher-developed questionnaire, derived from a comprehensive review of the theoretical literature, expert interviews, and systematic analysis of conceptual dimensions. The questionnaire consisted of 67 items distributed across six key dimensions: causal conditions, central category, contextual factors, intervening factors, strategies, and consequences. Responses were recorded using a five-point Likert scale ranging from “very low” to “very high.” To assess the validity of the instrument, face and content validity were evaluated by academic and industry experts. Convergent and discriminant validity were examined using statistical indicators such as factor loadings, average variance extracted (AVE), and Heterotrait–Monotrait (HTMT) ratios. Reliability was assessed using Cronbach’s alpha and composite reliability, with all values exceeding the threshold of 0.7. Data analysis was performed using Partial Least Squares Structural Equation Modeling (PLS-SEM) via SmartPLS 3.
Results
The final model included 19 validated constructs across six core categories. Confirmatory factor analysis indicated that all factor loadings exceeded 0.70, supporting convergent validity. Discriminant validity was confirmed through cross-loading analysis, the Fornell–Larcker criterion, and HTMT values below 0.90. The structural model demonstrated strong predictive power and acceptable goodness of fit (GOF = 0.703). Path coefficients, t-values, and p-values were all statistically significant at the 95% confidence level. For example, causal conditions significantly influenced the core category (β = 0.559, t = 13.498, p < 0.001), while the core category affected strategic responses (β = 0.301, t = 8.760, p < 0.001). Furthermore, intervening (β = 0.244) and contextual factors (β = 0.430) both had significant impacts on strategy formulation. Finally, strategies significantly influenced expected outcomes (β = 0.675, t = 22.680, p < 0.001), such as improved risk management, enhanced liquidity, and exchange rate stabilization. Key components found to be critical to market formation included institutional transparency, financial education, supportive legal frameworks, and the availability of advanced financial instruments. The high R² values for core constructs and positive Q² values further confirm the model’s explanatory and predictive strength.
Discussion and Conclusion
The study provides a comprehensive and empirically validated structural model for the formation of a foreign exchange derivatives market in Iran. Compared to previous studies that focused primarily on legal or theoretical aspects, this research offers a practical roadmap incorporating causal, contextual, and strategic variables. The results suggest that developing robust legal infrastructures, enhancing IT systems, increasing market transparency, and promoting financial literacy are key prerequisites for successful implementation. Moreover, the involvement of regulatory bodies, including the Central Bank and Securities Exchange Organization, is essential to ensure alignment with national monetary policy and risk oversight objectives. While the findings are encouraging, the research is not without limitations. The study focused exclusively on participants from Iran’s Mercantile Exchange and may not reflect perspectives from the broader capital or money markets. Additionally, due to the nascent state of derivatives trading in Iran, much of the data reflects anticipatory perceptions rather than actual behavior. Future studies should consider comparative cross-country analyses, simulation-based modeling of policy scenarios, and multi-level analysis involving institutional, firm-level, and behavioral variables. Furthermore, longitudinal data collection may better capture dynamic shifts in market readiness and policy effectiveness. In sum, this study offers a structured and data-driven framework for policymakers, market designers, and financial practitioners seeking to implement a currency derivatives market aligned with national development goals. It not only bridges a critical gap in the Iranian literature but also provides a foundation for institutional innovation and market modernization in the country’s financial ecosystem.
Conflict of Interest
The authors declare that they have no conflict of interest regarding the publication of this article.
Keywords: Currency Derivatives Market, Currency Risk Hedging, Financial Derivative Instruments, Iran Mercantile Exchange, Structural Equation Modeling (SEM)
JEL Classification: G15, G32, O16, G18
مهندسی مدیریت نوین
سال یازدهم، پاییز 1404- شماره 3
تعداد صفحات : 312-343
نوع مقاله: پژوهشی
مدل‌سازی ساختاری عوامل مؤثر بر تشکیل بازار مشتقه ارزی در بورس کالای ایران
هومن صمدزاده4، پرویز سعیدی5، مریم بخارائیان خراسانی 6
تاریخ دریافت: 30/04/1404 تاریخ پذیرش: 30/06/1404
چکیده
هدف:پژوهش حاضر با هدف مدل‌سازی ساختاری عوامل مؤثر بر تشکیل بازار مشتقه ارزی در بورس کالای ایران انجام شده است.
روش‌شناسی پژوهش:این مطالعه از نوع توصیفی–کاربردی و با رویکرد کمی انجام پذیرفته و بر طراحی مدلی تجربی مبتنی بر داده‌های میدانی متمرکز است. جامعه آماری شامل ۳۸۴ نفر از فعالان بازار سرمایه (معامله‌گران، مدیران پرتفوی، کارشناسان مالی و ناظران بازار) بود که به روش نمونه‌گیری تصادفی ساده انتخاب شدند. ابزار گردآوری داده‌ها پرسشنامه محقق‌ساخته بود که روایی آن از طریق روایی صوری، همگرا و واگرا و پایایی آن با ضریب آلفای کرونباخ و شاخص‌های سازگاری درونی تأیید شد. تحلیل داده‌ها با استفاده از مدل‌سازی معادلات ساختاری (PLS-SEM) و نرم‌افزار SmartPLS انجام گرفت. مدل نهایی شامل شش مقوله اصلی (شرایط علّی، مقوله مرکزی، عوامل زمینه‌ای، عوامل مداخله‌گر، راهبردها و پیامدها) و دربرگیرنده ۱۹ مؤلفه و ۶۷ گویه سنجشی بود.
یافته‌ها:نتایج نشان داد تمامی روابط بین متغیرهای اصلی مدل از نظر آماری معنادار است و شاخص‌های برازش مدل در سطح قابل قبول قرار دارند. یافته‌ها بیانگر آن است که تقویت زیرساخت‌های نهادی بازار، ارتقای دانش مالی سرمایه‌گذاران، توسعه ابزارهای مشتقه مالی، و تدوین قوانین حمایتی نقش کلیدی در شکل‌گیری بازار مشتقه ارزی ایفا می‌کنند.
اصالت/ارزش افزوده علمی:این پژوهش با ارائه مدلی جامع برای تبیین عوامل اثرگذار بر تشکیل بازار مشتقه ارزی در ایران، می‌تواند مبنایی علمی برای سیاستگذاران و فعالان بازار سرمایه جهت توسعه ابزارهای نوین مالی و بهبود کارکرد بازارهای مالی کشور فراهم آورد.
کلیدواژه‌ها: بازار مشتقه ارزی، مدل‌سازی معادلات ساختاری (SEM)، ابزارهای مشتقه مالی، پوشش ریسک ارزی، بورس کالای ایران
طبقه‌بندی موضوعی: G15, G32, O16, G18
1- مقدمه
در سال‌های اخیر و در ایران، نوسانات شدید نرخ ارز نه تنها بر تصمیمات سرمایه‌گذاران و بنگاه‌ها اثر گذاشته، بلکه به بی‌ثباتی گسترده در بازارهای مالی نیز منجر شده است. مطالعات اخیر نشان می‌دهد که در غیاب ابزارهای مشتقه ارزی، ریسک‌های ناشی از نوسانات به‌طور مستقیم به فعالان اقتصادی منتقل می‌شود و این موضوع اعتماد سرمایه‌گذاران را کاهش داده و منجر به خروج سرمایه از کشور شده است (Mousavi et al., 2022). علاوه بر این، ضعف در زیرساخت‌های قانونی، کمبود نهادهای تخصصی بازارگردانی و محدودیتهای ناشی از تحریم‌ها، عملاً مانع شکل‌گیری بازارهای کارآمد پوشش ریسک شده است. (Qezelbash & Zamani, 2022). مقایسه با تجربه کشورهایی مانند هند، ترکیه و برزیل نشان می‌دهد که راه‌اندازی بازار مشتقه ارزی، علاوه بر افزایش شفافیت و کاهش سفته‌بازی، می‌تواند در تثبیت اقتصاد کلان نیز نقش تعیین‌کننده‌ای ایفا کند (Ilzetzki et al., 2023).
بازار مشتقه ارزی به عنوان یکی از مهم‌ترین زیرمجموعه‌های بازارهای مالی، نقش بسزایی در انتقال ریسک، تثبیت قیمت‌ها و بهبود انتظارات بازار ایفا می‌کند. در این بازارها، ابزارهایی مانند قراردادهای آتی ارز، اختیار معامله ارز و قراردادهای معاوضه ارزی، به فعالان اقتصادی این امکان را می‌دهد که ریسک‌های ناشی از نوسانات نرخ ارز را مدیریت نمایند (Hull & Basu, 2022). به‌رغم اهمیت راهبردی این ابزارها، ساختار رسمی و نظام‌مندی برای بازار مشتقه ارزی در ایران تاکنون ایجاد نشده است. نبود چارچوب‌های قانونی مشخص، ضعف زیرساخت‌های فناوری و اطلاعاتی، کمبود نیروی انسانی متخصص، از جمله عواملی بوده‌اند که شکل‌گیری این بازار را با چالش مواجه ساخته‌اند (Qezelbash & Zamani, 2022). همچنین، تحریم‌های بین‌المللی به‌عنوان یکی از موانع نهادی مهم، نقش مداخله‌گری در ایجاد بی‌ثباتی و اختلال در زیرساخت‌های اطلاعاتی و اجرایی ایفا کرده‌اند.
تحلیل وضعیت فعلی نشان می‌دهد که بازار ارز ایران بیشتر تحت سلطه بازار آزاد و شبکه‌های غیررسمی است، در حالی که دولت از طریق سیاست‌های کنترلی نرخ ارز، به‌دنبال مدیریت وضعیت است. این ساختار نه‌تنها مانعی برای پایداری ارزی است، بلکه کارایی سیاست‌های پولی را نیز کاهش می‌دهد (Mousavi et al., 2022). بر این اساس، ایجاد بازارهای مشتقه ارزی می‌تواند با ارتقای شفافیت و کنترل نوسانات، به‌عنوان مکمل سیاست‌های تثبیتی عمل کند (BIS, 2021).
مطالعات مختلف نشان داده‌اند که وجود بازارهای مالی پیشرفته، به‌ویژه بازارهای مشتقه، یکی از الزامات کلیدی برای رشد اقتصادی پایدار به‌شمار می‌رود. مشتقات ارزی به فعالان اقتصادی این امکان را می‌دهند که با تثبیت نرخ‌های مبادله، برنامه‌ریزی مالی دقیق‌تری داشته باشند و نوسانات شدید نرخ ارز را از طریق ابزارهای پوشش ریسک مدیریت کنند. همچنین بازارهای مشتقه ارزی با افزایش شفافیت و توانمندی در مدیریت ریسک، زمینه‌ساز ارتقاء رقابت‌پذیری صادراتی و جذب سرمایه‌گذاری خارجی می‌گردند (Schrimpf, 2021). با این حال، توسعه کارآمد این بازار مستلزم وجود بسترهای قانونی، فنی و آموزشی مناسب است.
علاوه بر این، باید به موانع بالقوه‌ای همچون مقاومت نهادی، ضعف فرهنگ مالی، کمبود داده‌های شفاف و مشکلات اجرایی نیز توجه شود. در این چارچوب، شکل‌گیری الگوی ساختاری برای بازار مشتقه ارزی در بورس کالای ایران می‌تواند ارتباط نظری عوامل زمینه‌ای، نهادی، و رفتاری را با مداخلات سیاستی و پیامدهای مورد انتظار روشن سازد.
در این راستا، یکی از مؤثرترین روش‌های پژوهشی برای تدوین چنین مدلی، استفاده از مدل‌سازی معادلات ساختاری (SEM)7 مبتنی بر 8(PLS) است. این روش به پژوهشگران امکان می‌دهد تا روابط علّی میان متغیرهای مشاهده‌شده و مکنون را تحلیل کرده و مدل‌های مفهومی پیچیده را اعتبارسنجی نمایند (Hair et al., 2022). با توجه به ماهیت چندبعدی بازار مشتقه ارزی و عوامل مؤثر بر تشکیل آن، رویکرد SEM-PLS ابزاری مناسب برای بررسی این پدیده پیچیده فراهم می‌کند.
با توجه به این چالش‌ها، پرسش کلیدی پژوهش آن است که چه عوامل ساختاری، نهادی و رفتاری بر شکل‌گیری موفق بازار مشتقه ارزی در ایران اثرگذار هستند. پژوهش حاضر با هدف طراحی و آزمون یک مدل ساختاری مبتنی بر داده‌های واقعی بازار، پاسخی بومی و علمی به این نیاز ارائه می‌کند. اهمیت این پژوهش در آن است که می‌تواند مبنایی برای نهادینه‌سازی ابزارهای مشتقه ارزی در بورس کالای ایران، کاهش آسیب‌پذیری اقتصاد در برابر شوک‌های ارزی و هم‌سویی با تجارب موفق بین‌المللی فراهم آورد.
این مطالعه از رویکرد کمی بهره گرفته و با استفاده از داده‌های پیمایشی، به آزمون مدل مفهومی طراحی‌شده پرداخته است. لازم به ذکر است که مفاهیم و مؤلفه‌های اولیه مدل، بر پایه تحلیل داده‌های کیفی حاصل از مصاحبه‌های نیمه‌ساختاریافته با خبرگان مالی و با روش نظریه داده‌بنیاد استخراج شده‌اند. در مرحله کمی، داده‌های کمی گردآوری‌شده از ۳۸۴ فعال بازار سرمایه، به‌منظور آزمون مدل مفهومی با استفاده از روش معادلات ساختاری و نرم‌افزار SmartPLS مورد تحلیل قرار گرفت.
در بخش کیفی، تحلیل داده‌ها به شناسایی ۱۹ مقوله اصلی شامل عواملی چون زیرساخت‌های بازار، دانش مالی فعالان، حمایت‌های قانونی و سیاست‌های ارزی انجامید که در چارچوب مدل پارادایمی شامل شرایط علّی، مقوله مرکزی، عوامل زمینه‌ای، عوامل مداخله‌گر، راهبردها و پیامدها دسته‌بندی شدند. در ادامه، مدل مفهومی بر مبنای این یافته‌ها طراحی و در بخش کمی مورد آزمون قرار گرفت. نتایج تحلیل معادلات ساختاری نشان داد که تمامی ابعاد مدل با ضرایب معنادار، ارتباط قوی و تأثیرگذار با تشکیل بازار مشتقه ارزی دارند.
دستاوردهای پژوهش نشان می‌دهد که برای تشکیل موفق بازار مشتقه ارزی در بورس کالای ایران، تمرکز بر تقویت زیرساخت‌های فناوری اطلاعات، ارتقاء سطح دانش مالی فعالان بازار، ایجاد چارچوب‌های حقوقی شفاف و کاهش ریسک‌های سیستماتیک ضروری است (Mihaljek, 2010). این یافته‌ها می‌تواند به سیاستگذاران مالی، مدیران بورس کالا و فعالان اقتصادی در طراحی و پیاده‌سازی یک بازار مشتقه ارزی کارآمد و پایدار یاری رساند.
همچنین، مطالعه حاضر خلأ مهمی را در ادبیات پژوهشی کشور پر می‌کند. تاکنون پژوهش‌های معدودی به مدل‌سازی ساختاری تشکیل بازار مشتقه ارزی در بستر بورس کالای ایران پرداخته‌اند. بیشتر مطالعات پیشین یا بر معرفی ابزارهای مشتقه متمرکز بوده‌اند یا تحلیل‌های تجربی محدودی انجام داده‌اند.
2- بخش مبانی نظری و پیشینه پژوهش
بازارهای مالی به‌عنوان یکی از ارکان اصلی توسعه اقتصادی در جوامع مدرن، نقش تعیین‌کننده‌ای در تخصیص بهینه منابع، تسهیل سرمایه‌گذاری و مدیریت ریسک ایفا می‌کنند. در این میان، بازارهای مشتقه مالی، به‌ویژه مشتقات ارزی، اهمیت ویژه‌ای در مدیریت نوسانات نرخ ارز دارند. مشتقات ارزی ابزارهایی هستند که ارزش آنها مبتنی بر دارایی پایه‌ای همچون نرخ ارز می‌باشد و شامل قراردادهای آتی ارز، اختیار معامله ارز و قراردادهای معاوضه ارزی می‌شوند (Chance & Brooks, 2021). این ابزارها امکان پوشش ریسک‌های ناشی از نوسانات قیمت ارز را برای فعالان اقتصادی فراهم می‌آورند و از این طریق به تثبیت فعالیت‌های تجاری و سرمایه‌گذاری کمک می‌کنند.
اهمیت بازار مشتقه ارزی در کشورهای مختلف، به‌ویژه در اقتصادهای نوظهور، طی دهه‌های اخیر افزایش یافته است. مطالعات نشان می‌دهند کشورهایی که بازار مشتقه قوی‌تری دارند، در برابر شوک‌های ارزی مقاومت بیشتری نشان داده‌اند و توانمندی آنها در مدیریت ریسک سیستماتیک ارتقاء یافته است (Mihaljek, 2010). در این کشورها، ایجاد بازارهای رسمی مشتقه ارزی به بهبود نقدینگی، شفافیت قیمتی و کاهش هزینه‌های معاملاتی انجامیده است. بر این اساس، بازارهای مشتقه نقش تسهیل‌کننده در انتقال ریسک، کاهش نوسانات شدید قیمتی و افزایش اعتماد سرمایه‌گذاران را ایفا می‌کنند (Doshni Nezhad et al., 2023). این وضعیت به افزایش ریسک سیستماتیک، عدم شفافیت قیمتی و کاهش اعتماد فعالان بازار منجر شده است. از این رو، توسعه بازار مشتقه ارزی در بستر رسمی همچون بورس کالای ایران، ضرورتی انکارناپذیر برای اقتصاد کشور محسوب می‌شود (Mousavi et al., 2022).
از منظر تئوریک، توسعه بازار مشتقه ارزی نیازمند ایجاد بسترهایی چون زیرساخت‌های حقوقی مناسب، دسترسی آزاد به اطلاعات بازار، وجود بازارگردانان حرفه‌ای، آموزش فعالان اقتصادی و تقویت ابزارهای پوشش ریسک است (Kazemi, 2022). بر این اساس، هرگونه مدل‌سازی برای تشکیل بازار مشتقه ارزی باید این عوامل را به‌طور جامع مدنظر قرار دهد و بر مبنای تحلیل‌های دقیق ساختاری انجام شود.
مدل‌سازی معادلات ساختاری (SEM)9 یکی از رویکردهای پیشرفته در علوم اجتماعی و مدیریت برای تحلیل روابط پیچیده بین متغیرهای مکنون و مشاهده‌شده است. این روش امکان آزمون مدل‌های نظری با داده‌های تجربی را فراهم می‌آورد و در مواردی که ساختار علی–معلولی بین متغیرها مطرح است، بسیار کاربردی است (Ringle, 2016). روش (PLS)10 به‌عنوان یکی از رویکردهای پرکاربرد SEM، به‌ویژه در پژوهش‌هایی با حجم نمونه متوسط یا زمانی که توزیع داده‌ها نرمال نیست، ترجیح داده می‌شود. در پژوهش حاضر، برای تحلیل ساختار عوامل مؤثر بر تشکیل بازار مشتقه ارزی از رویکرد SEM-PLS استفاده شده است.
پیشینه پژوهش‌های مرتبط نشان می‌دهد که در این خصوص، مطالعات متعددی به بررسی عوامل موفقیت بازارهای مشتقه ارزی پرداخته‌اند. در مطالعه‌ای توسط (Foroushany et al., 2024) با عنوان "ارزش‌گذاری قراردادهای آتی بر مبنای نرخ بهره تصادفی در بورس کالای ایران" مشخص شد که استفاده از مدل‌های نرخ بهره تصادفی مانند Vasicek نسبت به نرخ بهره ثابت در قراردادهای آتی بلندمدت دقت بیشتری دارد. یافته‌ها نشان می‌دهد که ابزار مشتقه نقش مهمی در کشف قیمت و پوشش ریسک ایفا می‌کنند. (Doshni Nezhad et al., 2023) در مقاله‌ای با عنوان "بررسی محدودیتهای استفاده یکپارچه از ابزارهای مشتقه مالی در بازار سرمایه ایران" به موانع توسعه این ابزارها در شرکت‌های ایرانی اشاره کرده‌اند. از جمله این موانع، می‌توان به مشکلات حقوقی، کمبود اطلاعات و ضعف در بازارگردانی اشاره کرد. پژوهش (Mohaghegh, 2023) با عنوان "نقش ابزارهای مالی در مدیریت ریسک در بازارهای مشتقه" با رویکرد تحلیلی–کاربردی، نشان می‌دهد که ابزارهایی مانند قراردادهای آتی و اختیار معامله می‌توانند نوسانات بازار را کاهش داده و ثبات سرمایه‌گذاری را افزایش دهند. همچنین استفاده ترکیبی از این ابزارها موجب بهبود عملکرد مدیریت ریسک می‌شود. (Sepehri, 2023) در مقاله‌ای تحت عنوان "تأثیر ابزارهای مشتقه بر سرمایه‌گذاری و ریسک" با مرور ادبیات نظری به این نتیجه رسیده‌اند که بهره‌گیری استراتژیک و دقیق از ابزارهای مشتقه مالی موجب بهبود تصمیم‌گیری‌های سرمایه‌گذاری و کنترل مؤثر ریسک می‌شود. مطالعه (Zamani, 2021) با عنوان "طراحی بازار مشتقات ارزی برای پوشش نوسانات نرخ ارز" تأکید دارد که در صورت رعایت ملاحظات اقتصادی و شرعی، امکان ایجاد بازار مشتقه ارزی در ایران وجود دارد. این بازار می‌تواند پوشش ریسک مؤثر ارائه دهد و به تعمیق بازار ارز رسمی کشور کمک کند. در پژوهشی از (Mousavi et al., 2022) تحت عنوان "حباب‌های سفته‌بازی عقلایی در نرخ ارز بازار غیررسمی ایران: رویکرد احتمال سوئیچینگ رژیم مارکوف" نشان داده شد که نوسانات نرخ ارز ناشی از حباب‌های عقلایی است. همچنین متغیرهایی مانند ذخایر ارزی و تحریم‌ها به‌عنوان شاخص‌های هشداردهی حباب مطرح شدند. (Lomshakov & Filippov, 2025) در مقاله‌ای با عنوان "عوامل و پیش‌نیازهای تشکیل بازار مشتقه ارزی دیجیتال" به بررسی عوامل کلیدی و پیش‌نیازهای لازم برای شکل‌گیری بازار مشتقه ارزهای دیجیتال می‌پردازد. نویسندگان بر اهمیت بلوغ بازار، شفافیت مقررات، توسعه زیرساخت، تنوع مشارکت‌کنندگان و مکانیزم‌های مدیریت ریسک تأکید دارند. این عوامل موجب افزایش نقدشوندگی، ثبات قیمتی و اعتماد سرمایه‌گذاران می‌شود که برای پایداری بازار ضروری است. چارچوب ارائه‌شده در این پژوهش می‌تواند برای توسعه بازار مشتقه ارزی سنتی نیز مورد استفاده قرار گیرد.
مطالعه‌ای (Pawlowski, 2025) با عنوان "تحول ارزش و ساختار بازار مشتقات ارزی" نشان می‌دهد که ساختار این بازار به سمت استفاده گسترده‌تر از ابزارهای استاندارد شده و تسویه متمرکز رفته است که منجر به کاهش ریسک‌های سیستماتیک شده است. پژوهش (Bao, 2024) با عنوان " استراتژیهای سرمایه‌گذاری مشتقه برای پوشش ریسک تورم" تحلیل تطبیقی شرکت‌های چینی و آمریکایی در سال ۲۰۲۲، نشان می‌دهد که شرکتها برای مقابله با ریسک تورم، عمدتاً از مشتقات نرخ بهره و ارزی استفاده می‌کنند. انتخاب استراتژی مشتقه به عوامل مختلفی مانند استراتژی عملیاتی شرکت، استانداردهای منطقه‌ای و نوع تسویه ارزی بستگی دارد. همچنین، برای سرمایه‌گذاران خرد، استفاده از آپشن‌ها و فیوچرز کالایی توصیه شده است. یکپارچگی بازار مشتقه و جایگاه شرکت در زنجیره ارزش نیز در موفقیت استراتژی پوشش ریسک مؤثر است. (Donnelly et al., 2024) در مقاله‌ای با عنوان "باز کردن گره مشتقات: اصلاحات سیاستی بین‌المللی مرتبط با مقابله‌گران مرکزی" نشان دادند که پس از بحران مالی ۲۰۰۸، نهادهای بین‌المللی با تمرکز بر ایجاد استانداردهای مشترک و الزام‌آور برای مقابله‌گران مرکزی (CCPs) توانستند شفافیت، ثبات و قابلیت نظارت در بازار مشتقه را تقویت کنند. این مطالعه بیان می‌کند که نقش شبکه‌های فرادولتی و همکاری‌های چندجانبه در موفقیت این اصلاحات تعیین‌کننده بوده است؛ موضوعی که برای کشورهایی مانند ایران در مسیر طراحی بازار مشتقه ارزی می‌تواند درس‌آموز باشد. (Peng & Zhao, 2023) در پژوهشی با عنوان "روندهای جدید در بازار جهانی مشتقات ارزی" به بررسی تغییرات محصولات و مشارکت‌کنندگان در بازار مشتقه ارزی اروپا و آمریکا می‌پردازد. نتایج نشان می‌دهد که بازار مشتقه ارزی جهانی با ظهور محصولات نوآورانه و افزایش اتوماسیون معاملات روبه‌رو است. ساختار مشارکت‌کنندگان نیز در حال تغییر است و بازار از معاملات اسپات ساده به یک سیستم متنوع و پیچیده تبدیل شده است. این مقاله توصیه‌هایی برای فعالان و نهادهای ناظر بازار ارائه می‌دهد. پژوهش (Pinter, 2023) با عنوان "پوشش ریسک، تمرکز بازار و سیاست پولی: تحلیل مشترک از بازار طلا و مشتقات" بیان می‌کند که نهادهای مالی غیر بانکی در واقع از مشتقات بهره برای افزایش ریسک استفاده می‌کنند، نه کاهش آن. همچنین، تمرکز بالای بازار اثرات شوک‌های سیاست پولی را تشدید می‌کند. مقاله (Abdurakhmanov & Zhegalova, 2022) با موضوع "ویژگی‌ها و ساختار بازار مشتقه ارزی در جهان" به بررسی ساختار و دینامیک بازار مشتقه ارزی در دو بخش بورس و خارج از بورس (OTC) می‌پردازد. نویسندگان شاخص‌های کلیدی این دو بخش را مقایسه کرده و تفاوت‌های ساختاری و عملکردی آنها را تحلیل می‌کنند. این پژوهش به درک بهتر از نحوه عملکرد بازار مشتقه ارزی و انتخاب ابزار مناسب برای مدیریت ریسک کمک می‌کند.
(Menkhoff et al., 2021)در مقاله "تأثیر پویای مداخلات ارزی بر بازارهای مالی" شواهد تجربی را ارائه می‌دهند که مداخلات بانک مرکزی اغلب با استفاده از مشتقات، اثرات کوتاه‌مدت قوی بر نرخ ارز و نوسانات بازار دارند. (Ferrari et al., 2021) در مقاله‌ای تحت عنوان "افزایش اثر سیاست پولی بر نرخ ارز در دوران نرخ‌های بهره بسیار پایین" که در سال 2021 منتشر شده، نشان داده شده که در شرایط نرخ بهره پایین، سیاست‌های پولی اثر قوی‌تری بر نرخ ارز دارند، به‌ویژه در زمانی که بازار مشتقات ارزی فعال است. این یافته‌ها برای اقتصادهایی مانند ایران با شرایط مشابه حائز اهمیت است. (Miranda-Agrippino & Rey, 2020) در مقاله "سیاست پولی آمریکا و چرخه مالی جهانی" نشان دادند که شوک‌های سیاست پولی فدرال رزرو از طریق کانال مشتقات ارزی به‌صورت جهانی منتقل می‌شوند و نقدینگی و نرخ ارز کشورها را تحت تأثیر قرار می‌دهند
مرور مبانی نظری و پیشینه پژوهش‌های داخلی و خارجی نشان می‌دهد که اگرچه مطالعات متعددی به اهمیت بازارهای مشتقه ارزی و نقش آنها در مدیریت ریسک پرداخته‌اند، اما اغلب این تحقیقات یا به توصیف ابزارهای موجود بسنده کرده‌اند یا صرفاً تحلیل‌هایی محدود از ابعاد اجرایی ارائه داده‌اند. پژوهش‌های اندکی به مدل‌سازی ساختاری جامع و آزمون روابط علّی میان عوامل مؤثر بر تشکیل بازار مشتقه ارزی، به‌ویژه در بستر بورس کالای ایران، پرداخته‌اند. این خلأ پژوهشی، ضرورت انجام مطالعه‌ای نظام‌مند و مبتنی بر روش معادلات ساختاری را برجسته می‌کند. پژوهش حاضر با هدف پر کردن این شکاف، تلاش می‌کند تا مدلی مفهومی–تجربی از ابعاد و مؤلفه‌های کلیدی تشکیل بازار مشتقه ارزی در بورس کالای ایران ارائه نماید و اعتبار آن را با داده‌های میدانی آزمون کند. در مجموع، مطالعات خارجی بیشتر بر زیرساخت‌های حقوقی، فناوری و سیاست‌های کلان ارزی تأکید داشته‌اند، در حالی‌که در پیشینه داخلی، تمرکز بیشتر بر ضعف فرهنگ مالی و نبود آموزش تخصصی بوده است. این تفاوت‌ها نشان می‌دهد که الگوی ایرانی باید ملاحظات زمینه‌ای متفاوتی را لحاظ کند.
3- روش شناسی پژوهش
در این پژوهش، برای دستیابی به اهداف تحقیق، از روش تحقیق کمی با ماهیت توصیفی–پیمایشی استفاده شده است. از نظر هدف، پژوهش حاضر در زمره‌ی تحقیقات توسعه‌ای–کاربردی قرار می‌گیرد؛ چراکه ضمن گسترش دانش نظری در حوزه بازار مشتقه ارزی، به ارائه راهکارهای عملی برای ایجاد این بازار در بورس کالای ایران نیز می‌پردازد.
جامعه آماری در این پژوهش شامل کلیه فعالان بازار بورس کالای ایران (کارگزاران، معامله‌گران، تحلیلگران و مدیران مالی) بود. بر اساس فرمول کوکران و با فرض بیشترین واریانس ممکن (5/0 = P)، با سطح اطمینان ۹۵ درصد (96/1 = Z) و میزان خطای مجاز ۵ درصد (05/0 = e)، حجم نمونه مورد نیاز برابر با ۳۸۴ نفر محاسبه شد. به‌منظور افزایش قابلیت تعمیم نتایج به جامعه آماری، نمونه‌گیری به روش تصادفی ساده انجام گرفت.
ابزار گردآوری داده‌ها، پرسشنامه محقق‌ساخته بود که با بهره‌گیری از یافته‌های نظری و مرور ادبیات علمی و نیز تحلیل‌های مقدماتی صورت‌گرفته در مراحل پیشین پژوهش طراحی شد.
گویه‌های پرسشنامه با استفاده از مدل مفهومی اولیه طراحی‌شده در مراحل پیشین تحقیق و مبتنی بر تحلیل مفاهیم استخراج‌شده از منابع نظری، مرور نظام‌مند مطالعات و مصاحبه‌های مقدماتی با خبرگان تدوین گردیدند. این مدل مفهومی در مرحله طراحی ابزار توسط پژوهشگران توسعه داده شد و مبنای تدوین گویه‌های هر بُعد قرار گرفت.
برای اطمینان از اعتبار محتوایی گویه‌ها، پرسشنامه توسط جمعی از اساتید دانشگاهی و متخصصان حوزه بازارهای مالی و ابزارهای مشتقه مورد ارزیابی قرار گرفت و اصلاحات لازم انجام شد. همچنین، ساختار ابعاد و گویه‌ها با شاخص‌های آماری مانند بار عاملی، AVE، CR و HTMT اعتبارسنجی گردید و نتایج حاصل، صحت ساختار مفهومی و ابزار اندازه‌گیری را تأیید کرد.
پرسشنامه نهایی شامل ۶7 گویه در قالب شش بُعد اصلی (شرایط علّی، مقوله مرکزی، عوامل زمینه‌ای، عوامل مداخله‌گر، راهبردها و پیامدها) بود که بر مبنای طیف پنج‌درجه‌ای لیکرت (از خیلی کم تا خیلی زیاد) تنظیم شده‌اند. تعداد گویه‌ها در هر بعد متناسب با بار مفهومی استخراج‌شده از مرحله طراحی مفهومی ابزار بوده است.
برای سنجش روایی پرسشنامه، در ابتدا روایی صوری آن از طریق نظرات متخصصان مالی و اساتید دانشگاه بررسی و اصلاح گردید. سپس برای ارزیابی روایی همگرا و واگرا، از تحلیل عاملی تأییدی (CFA) و معیارهای AVE (میانگین واریانس استخراج‌شده) و HTMT (شاخص نسبت همبستگی چندصفته–چندروشی) استفاده شد. نتایج تحلیل نشان داد که کلیه سازه‌ها دارای AVE بالاتر از 5/0 و HTMT کمتر از 9/0 بودند که روایی همگرا و واگرا را تأیید می‌کند (Hair et al., 2022).
پایایی ابزار با استفاده از آزمون آلفای کرونباخ و پایایی ترکیبی (CR) سنجیده شد. مقادیر آلفای کرونباخ برای تمام ابعاد بالاتر از 7/0 و مقادیر CR بالاتر از 75/0 بود که نشان‌دهنده‌ی پایایی مطلوب ابزار اندازه‌گیری است.
برای تحلیل داده‌ها و آزمون مدل مفهومی، از روش مدل‌سازی معادلات ساختاری با رویکرد حداقل مربعات جزئی (PLS-SEM) استفاده شد. نرم‌افزار SmartPLS نسخه 3 برای تحلیل داده‌ها به کار گرفته شد. این روش به دلیل قدرت مناسب در تحلیل مدل‌های پیچیده، عدم نیاز به نرمال بودن داده‌ها و مناسب بودن برای نمونه‌های متوسط تا بزرگ انتخاب گردید (Hair et al., 2022)
مدل ارزیابی به دو بخش مدل اندازه‌گیری و مدل ساختاری تقسیم شد. برای بررسی مدل اندازه‌گیری، بارهای عاملی، روایی همگرا و واگرا و پایایی سازه‌ها تحلیل شد. برای بررسی مدل ساختاری، شاخص‌های برازش همچون مقدار R²، ضرایب مسیر (β)، مقدار Q² و معیار GOF11 محاسبه گردید. تمامی شاخص‌های به‌دست‌آمده در محدوده قابل قبول قرار داشتند که اعتبار مدل مفهومی طراحی‌شده را تأیید می‌کند.
در نهایت، یافته‌های پژوهش به آزمون فرضیه‌ها و تحلیل معناداری مسیرهای بین متغیرهای مکنون انجامید و بر مبنای آن، مدلی تجربی برای تشکیل بازار مشتقه ارزی در بورس کالای ایران ارائه شد.
4- یافته‌های پژوهش
1-4- توصیف جامعه‌شناختی پاسخ‌دهندگان
در این بخش، به منظور آشنایی اولیه با مشخصات عمومی جامعه آماری، اطلاعات جمعیت‌شناختی پاسخ‌دهندگان پرسشنامه شامل جنسیت، سن، میزان تحصیلات و سابقه فعالیت تخصصی بررسی شده است. این داده‌ها نقش مهمی در تحلیل دقیق‌تر نتایج کمی دارند و می‌توانند بر نحوه درک و تفسیر پاسخ‌ها در چارچوب متغیرهای پژوهش تأثیرگذار باشند. جدول زیر توزیع پاسخ‌دهندگان بر حسب متغیرهای جمعیت‌شناختی را نشان می‌دهد:
جدول (1) توصیف جامعه شناختی پاسخ‌دهندگان Table (1). Sociodemographic Description of Respondents | ||||
متغیر | دسته‌بندی | فراوانی | درصد فراوانی | درصد تجمعی |
جنسیت | مرد | ۲۹۸ | ۷۷.۶٪ | ۷۷.۶٪ |
زن | ۸۶ | ۲۲.۴٪ | ۱۰۰٪ | |
سن | زیر ۳۰ سال | ۴۳ | ۱۱.۲٪ | ۱۱.۲٪ |
۳۰–۴۰ سال | ۱۵۷ | ۴۰.۹٪ | ۵۲.۱٪ | |
۴۰–۵۰ سال | ۱۲۶ | ۳۲.۸٪ | ۸۴.۹٪ | |
بالای ۵۰ سال | ۵۸ | ۱۵.۱٪ | ۱۰۰٪ | |
سابقه فعالیت مالی | کمتر از ۵ سال | ۵۹ | ۱۵.۴٪ | ۱۵.۴٪ |
۵–۱۰ سال | ۱۰۵ | ۲۷.۳٪ | ۴۲.۷٪ | |
۱۰–۱۵ سال | ۱۳۸ | ۳۵.۹٪ | ۷۸.۶٪ | |
بالای ۱۵ سال | ۸۲ | ۲۱.۴٪ | ۱۰۰٪ | |
مدرک تحصیلی | کارشناسی | ۱۱۲ | ۲۹.۲٪ | ۲۹.۲٪ |
کارشناسی ارشد | ۲۱۰ | ۵۴.۷٪ | ۸۳.۹٪ | |
دکتری | ۶۲ | ۱۶.۱٪ | ۱۰۰٪ | |
2-4- آزمون پایایی و روایی مدل اندازه‌گیری
به منظور بررسی پایایی و روایی مدل اندازه‌گیری (بیرونی)، چهار شاخص آلفای کرونباخ، پایایی ترکیبی (CR)، پایایی همبستگی درونی (RHO_A) و میانگین واریانس استخراج‌شده (AVE) مورد استفاده قرار گرفت.
مطابق معیارهای پیشنهادی (Hair et al., 2022)، مقدار آلفای کرونباخ و CR باید بزرگ‌تر از 7/0، مقدار AVE باید بزرگ‌تر از 5/0 و مقدار RHO_A باید نزدیک به ۱ باشد تا پایایی و روایی همگرا تأیید گردد.
نتایج آزمونهای مذکور در جدول زیر ارائه شده است.
جدول (2) آزمونهای پايايی مدل Table (2). Reliability Tests of the Model | |||||
مولفه | Cronbach's Alpha | rho_A | Composite Reliability | AVE | |
ابزارهای مالی مشتقه | 822/0 | 827/0 | 876/0 | 586/0 | |
زیرساخت بازار | 778/0 | 791/0 | 858/0 | 603/0 | |
ابزار بانکی | 849/0 | 851/0 | 892/0 | 624/0 | |
محدودیتهای مالی | 730/0 | 738/0 | 848/0 | 651/0 | |
رقابت بین شرکتها | 743/0 | 757/0 | 854/0 | 662/0 | |
دانش مالی | 747/0 | 750/0 | 856/0 | 664/0 | |
فرصتهای سودآوری | 876/0 | 877/0 | 910/0 | 669/0 | |
تعدیل انتظارات و مدیریت بازار | 772/0 | 772/0 | 868/0 | 687/0 | |
کشف نرخ ارز در بازار | 782/0 | 784/0 | 873/0 | 696/0 | |
مدیریت کارآمد سبد سرمایه‌گذاری شرکتها | 790/0 | 790/0 | 877/0 | 704/0 | |
نوسانات بازار | 794/0 | 794/0 | 879/0 | 708/0 | |
انسجام نهادی در تصمیم‌سازی | 806/0 | 806/0 | 885/0 | 720/0 | |
استراتژیهای معاملاتی | 873/0 | 884/0 | 915/0 | 730/0 | |
پوشش ریسک | 817/0 | 818/0 | 891/0 | 732/0 | |
قوانین و مقررات | 827/0 | 830/0 | 897/0 | 744/0 | |
مدیریت نقدینگی | 837/0 | 838/0 | 902/0 | 754/0 | |
شفافیت و برنامه‌ریزی بهتر | 926/0 | 927/0 | 944/0 | 771/0 | |
بلوغ تحلیلی بازار | 855/0 | 856/0 | 912/0 | 775/0 | |
ابزار سرمایه‌گذاری | 870/0 | 871/0 | 920/0 | 794/0 | |
1-2-4- تحلیل پایایی و روایی مدل اندازه‌گیری
به‌منظور ارزیابی پایایی و روایی سازه‌های پژوهش، چهار شاخص آلفای کرونباخ، پایایی ترکیبی (CR)، پایایی همبستگی درونی (RHO_A) و میانگین واریانس استخراج‌شده (AVE) مورد بررسی قرار گرفت.
نتایج به‌دست‌آمده نشان می‌دهد که تمامی مقادیر آلفای کرونباخ و پایایی ترکیبی بالاتر از مقدار آستانه 7/0 بوده و بر این اساس، پایایی درونی سازه‌ها تأیید می‌شود. همچنین مقادیر RHO_A در تمامی ابعاد بالاتر از 75/0 است که نشان‌دهنده همبستگی قوی بین شاخص‌ها و متغیرهای مکنون می‌باشد.
از سوی دیگر، مقادیر AVE تمامی سازه‌ها بالاتر از 5/0 به دست آمد که این امر نشان‌دهنده روایی همگرای مناسب مدل اندازه‌گیری است.
در نتیجه، پایایی و روایی همگرای سازه‌های پژوهش تأیید شده و مدل اندازه‌گیری پژوهش از اعتبار مناسبی برخوردار است.
3-4- آزمون روایی واگرا
روایی واگرا12 بیانگر توانایی مدل در تمایز بین سازه‌های مختلف است. در این پژوهش، برای بررسی روایی واگرا از سه روش مرسوم استفاده شد:
o بارهای عرضی13: بار هر شاخص بر سازه خودش بالاتر از بار آن بر سازه‌های دیگر بود؛
o معیار فورنل و لاکر14: جذر AVE هر سازه از همبستگی آن با سایر سازه‌ها بیشتر بود؛
o شاخص 15HTMT: در جدول ۳، مقادیر HTMT بین شش مقوله اصلی مدل (شامل عوامل علّی، زمینه‌ای، مداخله‌گر، مقوله مرکزی، راهبردها و پیامدها) ارائه شده‌اند. تمام مقادیر کمتر از آستانه ۰٫9 بوده‌اند که نشان‌دهنده روایی واگرای مطلوب سازه‌هاست.
با توجه به اینکه HTMT دقت بالاتری در تشخیص عدم تمایز مفهومی بین سازه‌ها دارد (Henseler et al., 2015)، این شاخص به‌عنوان معیار اصلی تأیید روایی واگرا در نظر گرفته شد. نتایج نشان داد که مدل پژوهش از روایی واگرای قابل قبول برخوردار است.
جدول (3) مقایسه جذر میانگین واریانس خروجی و همبستگی متغیرها (HTMT) Table (3). Discriminant Validity: AVE and HTMT Correlations | ||||||
مقوله‌ها | عوامل زمینه‌ای | عوامل علّی | عوامل مداخله‌گر | مقوله مرکزی | راهبردها | پیامدها |
عوامل زمینه‌ای | – |
|
|
|
|
|
عوامل علّی | 263/0 | – |
|
|
|
|
مداخله‌گر | 381/0 | 220/0 | – |
|
|
|
مقوله مرکزی | 389/0 | 615/0 | 363/0 | – |
|
|
راهبردها | 559/0 | 391/0 | 590/0 | 611/0 | – |
|
پیامدها | 455/0 | 220/0 | 584/0 | 364/0 | 612/0 | – |
به منظور بررسی روایی واگرای مدل اندازه‌گیری، از شاخص HTMT استفاده شد. نتایج تحلیل شاخص HTMT نشان داد که تمامی مقادیر این شاخص برای جفت‌های سازه‌ای مورد بررسی، کمتر از آستانه 9/0 بوده است (Henseler et al., 2015). این موضوع تأییدکننده وجود افتراق مناسب بین متغیرهای مکنون مدل پژوهش می‌باشد. بنابراین، می‌توان نتیجه گرفت که مدل اندازه‌گیری پژوهش از روایی واگرای مطلوبی برخوردار بوده و تمایز بین سازه‌های آن به صورت علمی و قابل اتکا تأیید شده است.
4-4- یافته‌های استنباطی
پس از ارزیابی مدل اندازه‌گیری و تأیید پایایی و روایی سازه‌ها، در این بخش مدل ساختاری (درونی) پژوهش مورد بررسی قرار می‌گیرد. هدف از تحلیل مدل درونی، بررسی روابط علّی میان متغیرهای مکنون و آزمون فرضیه‌های پژوهش است. این مدل نمایانگر تأثیرات مستقیم ابعاد مستقل بر متغیر وابسته اصلی یعنی «تشکیل بازار مشتقه ارزی در بورس کالای ایران» است.
1-4-4- آزمون مدل ساختاری
مدل ساختاری پژوهش به عنوان بخش درونی مدل معادلات ساختاری، به تحلیل روابط بین مؤلفه‌های پنهان پس از برازش موفق مدل بیرونی می‌پردازد. این بخش از مدل، نمایانگر مسیرهای علّی بین مؤلفه‌های مستقل (از جمله شرایط علّی، زمینه‌ای، مداخله‌گر، راهبردها و پیامدها) و متغیر وابسته (مقوله مرکزی) است.
تحلیل مدل ساختاری معمولاً با استفاده از سه دسته شاخص انجام می‌شود:
§ ضرایب مسیر (β) و معناداری آماری آنها (T-Value و P-Value)
§ ضرایب تعیین (R²) برای متغیرهای درون‌زا
§ 
شاخص‌های پیش‌بینی (Q²) و برازش کلی مدل (GOF)
شکل (1) مدل ساختاری يا درونی در حالت تخمین ضرايب استاندارد
Figure (1). Structural Model with Standardized Coefficients
شکل (2) مدل ساختاری يا درونی در حالت معناداری ضرايب
Figure (2). Structural Model with Path Significance
2-4-4- معادلات و آزمونهای بار عاملی، ضرایب مسیر و معناداری آنها
در این بخش، آزمون فرضیه‌های مدل پژوهش بر اساس سه شاخص اصلی مورد بررسی قرار می‌گیرد:
§ ضریب مسیر (β): نشان‌دهنده شدت و جهت رابطه بین متغیرهای مکنون است.
§ آماره t (T-Value): میزان معناداری آماری مسیرها را مشخص می‌کند.
§ سطح معناداری (Sig یا P-Value): اگر مقدار آن کمتر از 05/0 یا 01/0 باشد، نشان‌دهنده معناداری رابطه در سطح اطمینان %95یا 99% خواهد بود.
آزمونهای مربوطه با استفاده از تکنیک Bootstrapping در نرم‌افزار SmartPLS انجام گرفته و نتایج حاصل در جدول زیر ارائه شده است.
در صورتی که مقدار t خارج از بازه ±96/1 و مقدار p کمتر از 05/0 باشد، فرضیه موردنظر در سطح اطمینان ۹۵٪ تأیید می‌گردد.
جدول (4) تحلیل عاملی تائیدی (بارهای عاملی) Table (4). CFA Results: Factor Loadings | ||||||
متغیر | گویه | بار عاملی | متغیر | گویه | بار عاملی | |
فرصتهای سودآوری | Q1 | 818/0 | محدودیتهای مالی | Q36 | 876/0 | |
Q2 | 821/0 | Q37 | 777/0 | |||
Q3 | 812/0 | Q38 | 763/0 | |||
Q4 | 807/0 | Q39 | 880/0 | |||
Q5 | 831/0 | استراتژیهای معاملاتی | Q40 | 901/0 | ||
شفافیت و برنامه‌ریزی بهتر | Q6 | 895/0 | Q41 | 907/0 | ||
Q7 | 882/0 | Q42 | 714/0 | |||
Q8 | 862/0 | ابزار بانکی | Q43 | 795/0 | ||
Q9 | 863/0 | Q44 | 821/0 | |||
Q10 | 888/0 | Q45 | 804/0 | |||
نوسانات بازار | Q11 | 840/0 | Q46 | 797/0 | ||
Q12 | 853/0 | Q47 | 730/0 | |||
Q13 | 830/0 | ابزار سرمایه‌گذاری | Q48 | 877/0 | ||
مدیریت نقدینگی | Q14 | 876/0 | Q49 | 916/0 | ||
Q15 | 871/0 | Q50 | 880/0 | |||
Q16 | 858/0 | ابزارهای مالی مشتقه | Q51 | 707/0 | ||
بلوغ تحلیلی بازار | Q17 | 855/0 | Q52 | 806/0 | ||
Q18 | 903/0 | Q53 | 777/0 | |||
Q19 | 882/0 | Q54 | 832/0 | |||
انسجام نهادی در تصمیم‌سازی | Q20 | 844/0 | Q55 | 697/0 | ||
Q21 | 843/0 | پوشش ریسک | Q56 | 864/0 | ||
Q22 | 882/0 | Q57 | 855/0 | |||
زیرساخت بازار | Q23 | 775/0 | Q58 | 846/0 | ||
Q24 | 707/0 | مدیریت کارآمد سبد سرمایه‌گذاری شرکتها | Q59 | 838/0 | ||
Q25 | 743/0 | Q60 | 848/0 | |||
Q26 | 872/0 | Q61 | 832/0 | |||
رقابت بین شرکتها | Q27 | 828/0 | تعدیل انتظارات و مدیریت بازار | Q62 | 821/0 | |
Q28 | 872/0 | Q63 | 833/0 | |||
Q29 | 735/0 | Q64 | 831/0 | |||
قوانین و مقررات | Q30 | 886/0 | کشف نرخ ارز | Q65 | 825/0 | |
Q31 | 838/0 | Q66 | 836/0 | |||
Q32 | 862/0 | Q67 | 843/0 | |||
دانش مالی | Q33 | 825/0 |
| |||
Q34 | 838/0 | |||||
Q35 | 780/0 | |||||
تمام بارهای عاملی در جدول فوق (بغیر از گویه Q55=0.697) بیشتر از 7/0 هستند که نشان‌دهنده روایی همگرای مطلوب است.
تفسیر نهایی:
§ گویه‌های هر سازه با مقدار بار عاملی بیشتر از 7/0، به‌درستی بارگذاری شده‌اند.
§ هیچ گویه‌ای حذف نشده چون بارهای عاملی همگی قابل قبول هستند.
§ در نتیجه، می‌توان نتیجه گرفت که روایی همگرای سازه‌های پژوهش تأیید می‌شود.
جدول (5) ضرایب مسیر، ضریب تعیین، T-Value و مقدار P-Value مسیرهای مدل ساختاری Table (5). Structural Model Results: Path Coefficients, R², T- and P-Values | |||||
مسیر مدل | ضریب مسیر (β) | R Square | T-Values | P-Values | معناداری کلی |
شرایط علّی ← فرصتهای سودآوری | 659/0 | 434/0 | 446/20 | 000/0 | معنی‌دار |
شرایط علّی ← شفافیت و برنامه‌ریزی بهتر | 806/0 | 649/0 | 036/46 | 000/0 | معنی‌دار |
شرایط علّی ← نوسانات بازار | 636/0 | 405/0 | 885/19 | 000/0 | معنی‌دار |
شرایط علّی ← مدیریت نقدینگی | 705/0 | 562/0 | 021/30 | 000/0 | معنی‌دار |
مرکزی ← بلوغ تحلیلی بازار | 911/0 | 830/0 | 148/102 | 000/0 | معنی‌دار |
مرکزی ← انسجام نهادی در تصمیم‌سازی | 889/0 | 790/0 | 896/79 | 000/0 | معنی‌دار |
عوامل زمینه‌ای ← زیرساخت بازار | 893/0 | 797/0 | 474/83 | 000/0 | معنی‌دار |
عوامل زمینه‌ای ← رقابت بین شرکتها | 858/0 | 736/0 | 682/56 | 000/0 | معنی‌دار |
عوامل زمینه‌ای ← قوانین و مقررات | 873/0 | 763/0 | 081/54 | 000/0 | معنی‌دار |
عوامل مداخله‌گر ← دانش مالی | 870/0 | 757/0 | 683/79 | 000/0 | معنی‌دار |
عوامل مداخله‌گر ← استراتژیهای معاملاتی | 914/0 | 836/0 | 109/115 | 000/0 | معنی‌دار |
عوامل مداخله‌گر ← محدودیتهای مالی | 767/0 | 588/0 | 136/30 | 000/0 | معنی‌دار |
راهبردها ← ابزار بانکی | 931/0 | 867/0 | 146/133 | 000/0 | معنی‌دار |
راهبردها ← ابزار سرمایه‌گذاری | 811/0 | 658/0 | 264/45 | 000/0 | معنی‌دار |
راهبردها ← ابزارهای مالی مشتقه | 904/0 | 817/0 | 222/74 | 000/0 | معنی‌دار |
پیامدها ← پوشش ریسک | 699/0 | 488/0 | 795/24 | 000/0 | معنی‌دار |
پیامدها ← مدیریت کارآمد سبد سرمایه‌گذاری شرکتها | 714/0 | 510/0 | 146/30 | 000/0 | معنی‌دار |
پیامدها ← تعدیل انتظارات و مدیریت بازار | 712/0 | 507/0 | 418/26 | 000/0 | معنی‌دار |
پیامدها ← کشف نرخ ارز در بازار | 747/0 | 558/0 | 892/32 | 000/0 | معنی‌دار |
توضیح:
مقادیر β نشان‌دهنده شدت و جهت تأثیر متغیرهای مستقل بر متغیرهای وابسته در مدل ساختاری هستند. ضریب تعیین (R²) نیز میزان واریانس تبیین‌شده توسط متغیرهای پیش‌بین برای هر سازه وابسته را نشان می‌دهد؛ به‌عبارتی، هرچه مقدار (R²) بالاتر باشد، مدل در پیش‌بینی آن متغیر موفق‌تر عمل کرده است. مقادیر t-value میزان معناداری آماری ضرایب مسیر را نشان می‌دهند و p-value نیز احتمال رخداد رابطه مشاهده‌شده در اثر تصادف را بیان می‌کند؛ مقادیر (t) بالاتر از 96/1 و (p) کمتر از 05/0 نشان‌دهنده معناداری آماری مسیرها در سطح 95٪ اطمینان هستند.
3-4-4- آزمون فرضیه‌ها
در ادامه، برای بررسی معناداری روابط ساختاری بین متغیرهای پژوهش و پاسخ به فرضیه‌ها، ضرایب مسیر (β)، آماره‌های t و مقادیر سطح معناداری (p-value) مورد تحلیل قرار گرفته‌اند. این تحلیل بر پایه الگوریتم بوت‌استرپ با ۵۰۰ نمونه‌گیری تکراری در نرم‌افزار SmartPLS انجام شده است. نتایج نشان می‌دهند که مسیرهای مدل از نظر آماری معنادار بوده و ضرایب (t) به‌طور قابل توجهی از مقدار بحرانی (96/1 برای سطح اطمینان 95 درصد) بیشترند. جدول زیر، خلاصه‌ای از نتایج مسیرهای معنادار بین سازه‌های مدل مفهومی پژوهش را ارائه می‌دهد:
|
Table (6). Results of Hypotheses Testing | ||||||
مسیر مدل | ضریب مسیر (β) | t-value | p-value | R² | Q² | |
شرایط علّی ← مقوله مرکزی | 559/0 | 498/13 | 000/0 | 312/0 | 301/0 | |
مقوله مرکزی ← راهبردها | 301/0 | 760/8 | 000/0 | 792/0 | 774/0 | |
عوامل مداخله‌گر ← راهبردها | 244/0 | 901/4 | 000/0 | --- | --- | |
عوامل زمینه‌ای ← راهبردها | 430/0 | 712/9 | 000/0 | --- | --- | |
راهبردها ← پیامدها | 675/0 | 680/22 | 000/0 | 455/0 | 445/0 | |
o فرضیه 1 (H1):
عوامل علّی تأثیر مثبت و معناداری بر مقوله مرکزی دارد
تأیید شد؛ زیرا ضریب مسیر = 559/0، آماره (t) = 498/13و مقدار (p) = 000/0 که نشان‌دهنده رابطه معنادار است.
تفسیر: این نتیجه حاکی از آن است که متغیرهای تشکیل‌دهنده «عوامل علّی» (شامل نوسانات بازار، فرصتهای سودآوری، مدیریت نقدینگی و شفافیت و برنامه‌ریزی بهتر) به عنوان پیش‌ران‌های اولیه و قوی، بیشترین تأثیر را در شکل‌گیری «مقوله مرکزی» (یعنی بلوغ بازار و احساس نیاز به ایجاد بازار مشتقه ارزی) دارند. به بیان دیگر، زمانی که فعالان بازار، نوسانات ارزی را به عنوان یک تهدید یا فرصت درک کنند، درمی‌یابند که مدیریت سنتی نقدینگی کافی نیست و به شفافیت اطلاعاتی بیشتری نیاز است، ضرورت ایجاد یک بازار جدید برای پوشش این ریسک‌ها برای آنان ملموس‌تر و فوری‌تر می‌شود.
o فرضیه 2 (H2):
مقوله مرکزی تأثیر مثبت و معناداری بر راهبردها دارد.
تأیید شد؛ زیرا ضریب مسیر = 301/0، آماره (t) = 760/8 و مقدار (p) = 000/0 می‌باشد.
تفسیر: این یافته نشان می‌دهد که «بلوغ بازار و احساس نیاز» (مقوله مرکزی) به عنوان یک عامل توانمندساز کلیدی، بستر لازم برای تدوین «راهبردهای اجرایی» را فراهم می‌کند. البته شدت این رابطه در مقایسه با عوامل علّی متوسط ارزیابی می‌شود. این بدان معناست که صرفِ احساس نیاز، برای تدوین راهبرد کافی نیست، اما بدون آن، هیچ اقدامی صورت نمی‌گیرد. این رابطه نشان‌دهنده نقش حیاتی «آگاهی و دانش» فعالان بازار به عنوان پیش‌نیاز هرگونه اقدام عملیاتی است.
o فرضیه 3 (H3):
عوامل مداخله‌گر به‌طور معناداری بر راهبردهای اجرایی تأثیر دارند.
تأیید شد؛ زیرا ضریب مسیر = 244/0، آماره (t) = 901/4 و مقدار (p) = 000/0 است.
تفسیر: جهت این رابطه مثبت است، که از منظر تئوریک می‌تواند کمی غیرمنتظره باشد، چرا که انتظار می‌رود عوامل مداخله‌گر (مانند محدودیتهای مالی، استراتژیهای معاملاتی و کمبود دانش) مانع اجرایی شدن راهبردها شوند. تفسیر محتمل این است که این رابطه مثبت، نه به معنای «تسهیل‌گری»، بلکه به معنای «عکس‌العمل و پاسخ» است. به عبارت دیگر، هرچه موانع و محدودیت‌ها (عوامل مداخله‌گر) بزرگ‌تر و جدی‌تر درک شوند، سیاستگذاران و فعالان بازار را وادار می‌کنند تا راهبردهای قوی‌تر، هوشمندانه‌تر و منعطف‌تری را برای غلبه بر این موانع طراحی کنند. این یافته بر اهمیت مدیریت هوشمندانه موانع به جای نادیده گرفتن آنها تأکید دارد.
o فرضیه 4 (H4):
عوامل زمینه‌ای تأثیر مثبت و معناداری بر راهبردها دارد
تأیید شد؛ ضریب مسیر = 430/0، آماره (t) = 712/9، مقدار (p) = 000/0 است.
تفسیر: این قوی‌ترین رابطه در مدل ساختاری پس از عوامل علّی است. این نتیجه به وضوح نشان می‌دهد که متغیرهای تشکیل‌دهنده «عوامل زمینه‌ای» (شامل زیرساخت بازار، قوانین و مقررات و رقابت بین شرکتها) به عنوان بستر و ستون فقرات تشکیل بازار مشتقه ارزی عمل می‌کنند. وجود یک چارچوب قانونی شفاف و حمایتگر، زیرساخت‌های فناوری مناسب و وجود رقابت سالم، مهم‌ترین عوامل تعیین‌کننده در تدوین راهبردهای عملی و قابل اجرا هستند. این یافته یک پیام سیاستی بسیار قوی دارد: بدون سرمایه‌گذاری و تقویت این بسترها، هیچ راهبرد بلندمدتی به نتیجه نخواهد رسید.
o فرضیه 5 (H5):
راهبردهای اتخاذشده تأثیر مثبت و معناداری بر پیامدها دارند
تأیید شد؛ ضریب مسیر = 675/0، آماره (t) = 680/22، مقدار (p) = 000/0 است.
تفسیر: این یافته که از نظر آماری بسیار قوی است و صلابت و اعتبار کل مدل مفهومی پژوهش را نشان می‌دهد. این نتیجه تأیید می‌کند که «راهبردهای اجرایی» (شامل توسعه ابزارهای مالی مشتقه، ابزارهای بانکی و سرمایه‌گذاری) به صورت مستقیم و بسیار قدرتمندی منجر به دستیابی به «پیامدهای مطلوب» (شامل پوشش ریسک، کشف نرخ ارز، تعدیل انتظارات و مدیریت سبد سرمایه‌گذاری) می‌شوند. به زبان ساده، این یافته ثابت می‌کند که اگر مراحل قبل (از شناسایی نیاز تا تدوین راهبرد) به درستی انجام شود، دستیابی به نتایج مثبت و ملموس در بازار، تقریباً تضمین شده است.
6-4- آزمون برازش کلی مدل (معیار GOF)
برای ارزیابی هم‌زمان برازش مدل اندازه‌گیری و مدل ساختاری، از شاخص نیکویی برازش (GOF) استفاده شد.
این شاخص برای نخستین بار توسط (Tenenhaus et al., 2005) پیشنهاد شد و بعدها توسط (Wetzels et al., 2009) تکمیل گردید. شاخص GOF به‌صورت میانگین هندسی دو مقدار «میانگین AVE متغیرهای مکنون» و «میانگین ضریب تعیین (R²) برای متغیرهای درون‌زا» محاسبه می‌شود.
فرمول محاسبه شاخص GOF به صورت زیر است:
رابطه (1) |
|
رابطه (2) |
|
COPYRIGHTS © 2023 by the authors. Licensee Modern Management Engineering Journal. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution 4.0 International (CC BY 4.0) (http://creativecommons.org/licenses/by/4.0/).
|
[1] . Department of Finance, Ali.C. Islamic Azad University, Aliabad Katoul, Iran.
[2] . Department of Management and Accounting, Ali.C. Islamic Azad University, Aliabad Katoul, Iran (Corresponding Author). saeedi-p@aliabadiau.ac.ir
[3] . Department of Accounting, Ali.C. Islamic Azad University, Aliabad Katoul, Iran.
How to cite this paper: Samadzadeh, H., Saeidi, P & Bokaraeian Khorasani, M. (2025). Structural Modeling of the Factors Affecting the Formation of a Currency Derivatives Market in the Iran Mercantile Exchange. Modern Management Engineering, 11(3),312-343.[In Persian]
[4] 1. گروه مالی، واحد علی‌آباد کتول، دانشگاه آزاد اسلامی، علی‌آباد کتول، ایران.
[5] 2. گروه مدیریت و حسابداری، واحد علی‌آباد کتول، دانشگاه آزاد اسلامی، علی‌آباد کتول، ایران. (نویسنده مسئول). saeedi-p@aliabadiau.ac.ir
[6] 3. گروه حسابداری، واحد علی‌آباد کتول، دانشگاه آزاد اسلامی، علی‌آباد کتول، ایران.
استناد: صمدزاده، هومن؛ سعیدی، پرویز؛ بخارائیان خراسانی، مریم. (1404). مدل‌سازی ساختاری عوامل مؤثر بر تشکیل بازار مشتقه ارزی در بورس کالای ایران. مهندسی مدیریت نوین، 11(3)،312-343.
[7] Structural Equation Modeling
[8] Partial Least Squares
[9] Structural Equation Modeling
[10] Partial Least Squares
[11] Goodness of Fit
[12] Discriminant Validity
[13] Cross Loadings
[14] Fornell–Larcker Criterion
[15] Heterotrait–Monotrait Ratio