قانون اصلاحات داد-فرانک وال استریت و حمایت از مصرف کننده: عنوان هفتم، مشتقات

The Dodd-Frank Wall Street Reform and Consumer Protection Act: Title VII, Derivatives

چکیده
مقدمه
پس زمینه
ساختار و تنظیم بازار قبل از قانون داد-فرانک
ساختار بازار برای مشتقات تصفیه شده و معامله شده در بورس
ساختار بازار برای مشتقات فرابورس (OTC)
شرایط تصفیه و گزارش دهی قانون داد- فرانک
الزامات تصفیه (پایاپای)
شرط معامله در بورس
معافیت مالیاتی کاربر نهایی
تعاریف کارگزار و شرکت کننده اصلی سواپ
گزارش سواپ ها و سواپ های مبتنی بر اوراق بهادار
جلوگیری از فرار
اقتدار پیشرفته CFTC در بازارهای کالاها
الزام حداقل ودیعه
محدودیت های اتخاذ موضع
سازمان ضد دستکاری در بازار برای بازارگرمی
بخش 716- ممنوعیت کمک فدرال به نهادهای سواپ

چکیده
بحران مالی بازار مشتقات فرابورس (OTC) را به عنوان منبع اصلی ریسک سیستمی درگیر نمود. تعدادی از شرکت ها از مشتقات برای ساخت موقعیت های سوداگرانه بسیار اهرمی استفاده نمودند، که خسارات زیادی ایجاد کرد که نه تنها خود بنگاه ها بلکه بستانکاران و شرکای تجاری آنها را به ورشکستگی تهدید می کرد. صدها میلیارد دلار اعتبار دولتی لازم بود تا از بروز چنین خسارات در سیستم جلوگیری شود. AIG مشهورترین نمونه بود ، اما به هیچ وجه تنها نمونه نبود.

این واقعیت که بازار فرابورس به ثبات مالی چند تاجر عمده بستگی داشت، به همان اندازه مشکل ساز بود. عدم موفقیت یک کارگزار منجر به خنثی کردن قراردادهای ارزش تریلیون دلار می شود و باعث می شود که طرفین مشتقه در معرض ریسک و ضرر ناگهانی قرار بگیرند، و این امر منجر به تشدید اهرم زدایی و امتناع اعتبار خواهد شدکه مشخصه بحران است. همه کارگزاران عمده تحت استرس قرار گرفته و حتی اگر معاملات مشتقات به طور کلی منبع مستقیم ضعف مالی نبود، سقوط بازار 600 تریلیون دلاری مشتقات فرابورس قریب الوقوع بود و بدون مداخله فدرال انجام می شد. اولین گروه از دریافت کنندگان برنامه نجات دارايي‌هاي مشکل دار (TARP) تقریباً همه کارگزاران مشتقات بزرگ را شامل می شد.

قانون داد-فرانک (203-111. P.L) به دنبال بازسازی بازار فرابورس در تصویر بورس آتی تنظیم شده بود. اصلاحات اساسی شامل لزوم پاکسازی قراردادهای سواپ از طریق یک طرف قرارداد مرکزی است که توسط یک یا چند آژانس فدرال تنظیم می شود. مراكز تهاتر معامله گران را ملزم می کند که در زمان انعقاد قرارداد به منظور پوشش خسارات احتمالی، پول نقد (به نام ودیعه اولیه) واریز نموده و نیاز به سپرده های بعدی (به نام حداقل ودیعه) برای پوشش ضررهای واقعی موقعیت است. تاثیر مورد نظر الزام حداقل ودیعه، از بین بردن این احتمال است که هر شرکتی بتواند معرض بدون سرمایه ای را ایجاد کند که آنقدر زیاد باشد که در آن نکول عواقب سیستمیک در پی داشته باشد (دوباره وضعیت AIG). اندازه وضعیت تسویه توسط شرکت توسط قابلیت شرکت در ارسال سرمایه برای پوشش خسارات خود محدود می شود. این سرمایه از شرکای تجاری و کل سیستم محافظت می کند.

ساختار و تنظیم بازار قبل از قانون داد-فرانک
انواع مختلف مشتقات برای اهداف مشابه مورد استفاده قرار می گیرند – اجتناب از ریسک تجاری یا پوشش اقتصادی و ریسک پذیری در جستجوی سودهای سوداگرانه. با این وجود قبل از قانون داد-فرانک، این ابزارها در بازارهای مختلفی معامله می شدند. قراردادهای آتی در بورس هایی که توسط کمیسیون معاملات آتی کالا (CFTC)، گزینه های سهام در بورس های تحت کمیسیون بورس و اوراق بهادار (SEC) تنظیم شده اند معامله می شوند و تمام سواپ ها (و سواپ های امنیتی و همچنین برخی اختیارات) در فرابورس معامله شده و توسط کسی تنظیم نمی شوند.

بورس اوراق بهادار بازارهای متمرکزی هستند که در آن تمام سود خرید و فروش جمع می شود. معامله گرانی که می خواهند خرید کنند (یا موقعیت خرید دارند) با کسانی که می خواهند بفروشند (دارای موقعیت فروش هستند) تعامل می کنند، و معاملات انجام شده و قیمت ها در طول روز گزارش می شود. در بازار فرابورس، قراردادها بصورت دوجانبه انجام می شود، معمولاً بین یک فروشنده و یک کاربر نهایی و به طور کلی هیچ الزامی وجود ندارد که قیمت، شرایط یا حتی وجود قرارداد برای تنظیم کننده یا عموم اعلام شود.

مشتقات می توانند قراردادهای بی ثباتی باشند و انتظار عادی این است که سود و زیان بزرگی بین معامله گران به وجود آید. در نتیجه، مسئله یکپارچگی بازار وجود دارد. از کجا بدانیم که این موقعیت های فروش قادر به انجام تعهدات خود خواهند بود و بالعکس؟ بازاری که در آن میلیاردها قرارداد عوض می شود، در صورتی که همه معامله گران باید اعتبارمندی تاجر دیگر یا طرف مقابل را بررسی کنند، کنترل غیرممکن است. بازار مبادلات از یک طرف با این مشکل ریسک اعتباری و از طرف دیگر با بازار OTC سروکار دارد. چگونگی مدیریت این ریسک – که معمولاً ریسک طرف قرارداد خوانده می شود – باید عنصر اصلی اصلاحات اعمال شده توسط قانون داد-فرانک باشد.

تاثیر مدیریت سود بر کارایی بانک: شواهدی از بانک های تحت نظارت بانک مرکزی اروپا

The effect of earnings management on bank efficiency: Evidence from ECB-supervised banks

چکیده

1- مقدمه

2- مسیر متدولوژی

3- نتایج تجربی

4- نتیجه گیری

منابع

چکیده
     این مطالعه به بررسی تأثیر مدیریت سود روی راندمان و بهره وری بانک های منطقه ی یورو می پردازد، ضمن اینکه تکامل زمانی آن را تا زمان اجرای استانداردهای گزارشگری مالی بین المللی 9 بررسی می کند. ما با استفاده از داده های مروبط به 70 بانک متوجه می شویم که مدیریت سود، که به صورت ذخیره ی زیان وام اختیاری تعریف شده، راندمان و بهره وری را به صورت منفی تحت تأثیر قرار می دهد. ضمنا، زمانی که ما ذخایر غیراختیاری را درنظر می گیریم (آن ذخایری که از طبق تعهدات قانونی مورد نیاز می باشند)، تأثیر مثبت ذخایر وام روی راندمان و بهره وری تخصیصی را برآورد می کنیم – درست برخلاف تأثیر منفی ذخایر اختیاری. این یافته به تأکید بر اهمیت تعریف کافی و مناسب مدیریت سود کمک می کند، از جمله برای هدف آنالیز تأثیر آن روی راندمان و بهره وری بانکداری.

2- مسیر متدولوژی
2-1 نمونه
     نمونه ی استفاده شده در این مطالعه مشتکل از 70 بانک تحت نظارت ECB است. بانک های تحت نظارت مستقیم ECB 82% دارایی های بانکداری در منطقه ی یورو را نشان می دهند (بانک مرکزی اروپا، 2018) و بانک های گنجانده شده در نمونه، در سال 2017، با 81% از کل دارایی های بانک های تحت نظارت بانک مرکزی اروپا مطابقت داشتند. جدول 1 جمعیت و نمونه ی ما را در سراسر کشور مقایسه می کند. ما بازه ی زمانی 2013-2017 را مورد مطالعه قرار می دهیم.

2-2 متغیرها     در جدول 2 ما متغیرهای وابسته و مستقل استفاده شده در مطالعه ی خود را نشان می دهیم. راندمان اقتصادی یا بهره وری هزینه (CE) همراه با راندمان فنی (TE) و راندمان تخصیصی (AE) محاسبه می شود. در مورد متغیرهای تبیینی، سه اندازه گیری متفاوت از مدیریت سود بکار گرفته می شوند. اولین معیار اندازه گیری به المان اختیاری LLP اشاره می کند و به صورت تخمین باقیمانده ی مدل اثرات تصادفی داده های پانلی (جدول داده ها) بدست می آید (همراستا با ادبیات پژوهشی مربوطه – برای مثال، الحدب و الاون، 2019؛ دستا، 2017؛ کولسی و گراسا، 2017):

     که در اینجا α_0,…,α_3 به ترتیب پارامترهای i و t را نشان می دهند که به ترتیب شاخص های واحد و زمان می باشند، ϵ خطا را نشان می دهد، و معنای عبارات باقیمانده به شرح زیر می باشند: LLP – ذخایر زیان وام؛ TL- کل وام ها؛ NPL- وام های غیرجاری هستند. جایگزینی برای مؤلفه ی اختیاری ذخایر از طریق برآورد باقیمانده از این مدل ارائه می شود – که این به صورت RD نشان داده می شود.

کمبود نقدینگی در شرکت های عرضه اولیه عمومی سهام

Cash shortfalls in IPO firms

چکیده
1 مقدمه
2 آزمون های تجربی
3 نتیجه گیری
پیوست. تعاریف متغیر
منابع

چکیده

     ما دریافتیم که در صورتی که شرکت های عرضه اولیه عمومی (IPO) درآمد حاصل از فروش سهام اولیه را دریافت نکنند، اکثر آن ها به زودی نقدینگی خود را از دست خواهند داد. کسری نقدی ناشی از افزایش در مخارج سرمایه، تحقیق و توسعه (R&D)، M&A یا بازپرداخت بدهی نیست و در طول ۵ سال پس از عرضه اولیه سهام باقی می ماند. جریان های نقدی خالص منفی به توضیح کمبودهای نقدی مداوم کمک می کنند. این نتایج با نظریه افق تامین مالی سازگار هستند. شرکت های عرضه اولیه عمومی (IPO) با کسری های نقدی اولیه بیشتر نیز جریان های نقدی کمتری در ۵ سال آینده دارند که نشان می دهد کسری های نقدی اولیه را می توان برای پیش بینی عملکرد عملیاتی آینده شرکت های عرضه اولیه عمومی (IPO) استفاده کرد.

2 آزمون های تجربی
2-1 داده ها و نمونه
     ما نمونه اولیه ۱۳،۴۰۳ عرضه اولیه عمومی (IPO) بین سال های ۱۹۸۰ تا ۲۰۱۷ را از پایگاه داده انتشارات جدید مالی تامسون (‏SDC)‏ جمع آوری کردیم. داده های مالی و سهام از پایگاه داده Compustat و پایگاه داده مرکز تحقیقات قیمت های اوراق بهادار (CRSP)‏ به دست آمده است. ما از روند استاندارد در مطالعات IPO برای مرتب نمودن نمونه پیروی می کنیم.

     همانطور که در جدول ۱ توضیح داده شد، ما همه سهام های کم ارزش (‏با قیمت کمتر از ۵ دلار )‏، حق تقدم، سهام های واحد، سهام های سرمایه گذاری واحد، سهام های سپرده، سهام های اعتماد صندوق بسته و سهام های REIT را حذف می کنیم. ما همچنین شرکت های مالی (‏کد SIC بین ۶۰۰۰ و ۶۷۹۹) ‏و شرکت های برق (‏کد SIC از ۴۸۰۰ تا ۴۹۹۹)‏ را حذف می کنیم. نمونه نهایی شامل ۵۵۴۸ عرضه اولیه عمومی (IPO) است.

2-2 شواهد تجربی در مورد کمبود نقدینگی
     ابتدا در بخش الف جدول ۲ میانه های وجوه نقد، وجوه نقد/کل دارایی ها و وجوه نقد مازاد/کل دارایی ها را از سال قبل از IPO تا سال پنجم پس از سال IPO برای شرکت های نمونه خود گزارش می کنیم. وجوه نقد مازاد با استفاده از روش مطالعه دی آنجلو و همکاران (‏۲۰۱۰) ‏محاسبه می شود. میانه درآمد حاصل از IPO نیز در بخش الف گزارش شده است. به نظر می رسد که موجودی نقدی بیشتر شرکت های IPO، کمتر از موجودی نقدی عادی قبل از IPO اما بالاتر از موجودی نقدی عادی بعد از IPO است، به خصوص در چند سال اول بعد از IPO.

پیش بینی درماندگی مالی از طریق تلفیق کردن ویژگی های لحن عاطفی

Financial distress prediction by combining sentiment tone features

چکیده
1 مقدمه
2 مروی بر پیشینه
2-1 ویژگی ها در پیش بینی درماندگی مالی
2-2 مدل های پیش بینی درماندگی مالی
3 طرح پژوهشی
3-1 مبنای نظری
3-2 کسب داده
3-3 پردازش داده و استخراج ویژگی
3-3-1 ویژگی های مالی
3-3-2 ویژگی های متنی
3-3-3 انتخاب مقطع زمانی اظهارنظرها در تالار آنلاین بورس
3-4 ساخت مدل
3-4-1 CatBoost
3-4-2 دیگر مدل ها
4 ارزیابی تجربی
4-1 مجموعه داده ی آزمایشی
4-2 انتخاب ویژگی های مالی
4-3 مقیاس های ارزیابی
4-4 انتخاب مقطع زمانی اظهار نظرها در تالارهای آنلاین بورس
5 نتایج آزمایشی و بحث
5-1 نتایح آزمایشی و تحلیل
5-2 مزایای اقتصادی چهارچوب پیش بینی پیشنهادی
5-3 آزمون استواری
6 نتیجه گیری
منابع

چکیده

در این مقاله افزون بر ارائه ی ویژگی های مالی، یک چهارچوب نوین پیش می نهیم که با تلفیق کردن ویژگی های لحن عاطفیِ مستخرج از اظهار نظرها در تالارهای آنلاین بورس، بحث و تحلیل مدیریت، و نکات صورت های مالی، درماندگی مالی را پیش بینی می کند. ما چهارچوب پیشنهادی را با استفاده از داده های مربوط به بازار بورس چین در فواصل سال های 2016 تا 2020 ارزیابی می کنیم. ما درمی یابیم که شرکت های دچار درماندگی مالی با احتمال بیش-تری دارای لحن عاطفی ضعیفی هستند چون سرمایه گذاران نگرش منفی نسبت به وضعیت عملیاتی و مالی آن شرکت ها دارند، در حالی که شرکت های عادی وضعیت عکس دارند. افزون بر این، لحن عاطفی اظهار نظرها در طول یک ماه به طور کارامدی این همبستگی ها را منعکس می کند. ما گنجاندن ویژگی های لحن عاطفی را توصیه می کنیم چون آن ها به بهبودی عملکرد پیش بینی همه ی مدل هایی که صرفاً از ویژگی های مالی استفاده می کنند، می انجامند، و همچنین استفاده از مدل CatBoost را توصیه می کنیم چون نسبت به همه ی مدل های معیار عملکرد بهتری دارد و از این توانایی برخوردار است که روابط میان ویژگی های پیچیده را استخراج کند. تحلیل مزایای اقتصادی نشان می-دهد که چهارچوب پیشنهادی می تواند به درستی شرکت های از نظر مالی درمانده تر را شناسایی کند.

1 مقدمه

با گسترش مستمر حجم بازار اوراق بهادار و توسعه ی تدریجی بازار سرمایه، شرکت ها با محیط های اقتصادی بسیار پیچیده و متغیر و فشار رقابتی عظیمی رو به رو هستند (لیو و همکاران، 2020). بدون یک سازوکار مناسب برای تطبیق دادن با این محیط، شرکت ها با احتمال بیش تری به مسائل و مشکلاتی برمی خورند، مانند نقدینگی ناکافی و بدهی های فراوان، که در نهایت منجر به درماندگی مالی می شوند (وانگ و همکاران، 2018). درماندگی مالی به عنوان یکی از نگران کننده ترین مسائل در حوزه ی اقتصادی می تواند به طور نامطلوبی بر توسعه ی پایدار شرکت ها تأثیر بگذارد، بقای آن ها را تهدید کند، و منجر به زیان های هنگفت برای سرمایه گذاران، بستانکاران، مشتریان، و دیگر ذینفعان (بهره وران) شود (کیم و اوپنجا، 2014). هنگامی که شمار شرکت های در وضعیت درماندگی مالی به یک سطح مشخص می رسد، ممکن است درماندگی مالی اجتماعی رخ دهد و ثبات و پایداری توسعه ی اقتصاد کلان ممکن است به خطر بیفتد (مای و همکاران، 2019).

6 نتیجه گیری

توانایی پیش بینی کردن به هنگام و کارامد درماندگی مالی برای تصمیم گیری شرکت ها و ذینفعان مهم است. بنابراین، پژوهشگران مدت هاست که توجه ویژه ای به تدوین و طراحی مدل پیش بینی درماندگی مالی با عملکرد افتراقی بالاتر مبذول داشته اند. به دست آوردن ویژگی های معتبر و ساختن مدل هایی با عملکرد بالا، مولفه های ارزشمندی برای بهبود توانایی پیش بینی دقیق درماندگی مالی هستند. در این مقاله، ما استفاده از تلفیق اطلاعات مالی پایه ای و دیگر اطلاعات متنی و CatBoost برای بهبود عملکرد افتراقی پیش بینی درماندگی مالی شرکت های ثبت شده را مطالعه می کنیم. ما چهارچوبی را پیشنهاد می کنیم که ویژگی های لحن عاطفی مستخرج از تالارهای آنلاین بورس، بحث و تحلیل مدیریت، و نکات صورت های مالی را تلفیق می کند. به ویژه، ما ویژگی های مرتبط را از تالارهای آنلاین بورس استخراج می کنیم و اثبات می کنیم که این ویژگی ها می توانند به طور چشمگیری صحت پیش بینی درماندگی مالی را بهبود ببخشند. ما تأثیر تالارهای آنلاین بورس طی مقاطع زمانی گوناگون و ویژگی های لحن عاطفی گوناگون بر مدل پیش بینی درماندگی مالی را بررسی می کنیم. ما همچنین شش مدل با استفاده از LR، DT، SVM، XGBoost و ANN طراحی می کنیم و عملکرد CatBoost با پنج مدل معیار دیگر به ازای مجموعه ویژگی های گوناگون مقایسه می شود.

Abstract

In addition to financial features, we propose a novel framework that combines sentiment tone features extracted from comments on online stock forums, management discussion and analysis, and financial statement notes, to predict financial distress. We evaluate the proposed framework using data from the Chinese stock market between 2016 and 2020. We find that financially distressed companies are more likely to have weak sentiment tones as investors have a negative attitude toward the operation and financial status of the companies, while normal companies are to the contrary. Additionally, the sentiment tones of comments within one month most effectively reflect such correlations. We recommend incorporating sentiment tone features as they contribute to predictive performance improvements of all models using financial features only, and using the CatBoost model as it outperforms all benchmarked models with its ability to capture complex feature relationships. Economic benefits analysis shows that the proposed framework can correctly identify more financially distressed companies.

1 Introduction

With the continuous expansion of the scale of the securities market and the gradual development of the capital market, companies are facing highly complex and changeable economic environments and huge competitive pressure (Liu et al., 2020). Without a good mechanism to adapt to this environment, companies are more likely to encounter problems, such as insufficient liquidity and excessive liabilities, which eventually lead to financial distress (Wang et al., 2018). As one of the most concerning issues in the economic field, financial distress can adversely affect the sustainable development of companies, threaten their survival, and result in huge losses to investors, creditors, customers, and other stakeholders (Kim and Upneja, 2014). When the number of companies in financial distress accumulates to a certain level, social financial distress may occur and the stability and sustainability of macroeconomic development may be endangered (Mai et al., 2019).

6 Conclusion

The ability to predict financial distress timely and effectively is important for the decision-making of companies and stakeholders. Therefore, researchers have paid close attention toward developing a financial distress prediction model with higher discrimination performance for a long time. Obtaining valid features and building highperformance models have proven to be important directions for improving the ability to accurately predict financial distress. In this paper, we study the use of COSF to supplement basic financial information and other text information and CatBoost to improve the discrimination performance of predicting the financial distress of listed companies. We propose a framework that combines sentiment tone features extracted from COSF, MD&A, and FSN. Specifically, we extract relevant features from COSF and prove that these features can significantly improve the accuracy of predicting financial distress. We examine the impact of COSF during different periods and different sentiment tone features on the financial distress prediction model. We also build six models using CatBoost, LR, DT, SVM, XGBoost, and ANN, and the performance of CatBoost is compared with the other five benchmark models on different feature sets.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

پیش بینی درماندگی مالی از طریق تلفیق کردن ویژگی های لحن عاطفی

Financial distress prediction by combining sentiment tone features

عوامل تعیین کننده کیفیت سود در پیش از بحران کرونا: بینش دیگری از دسته بندی سرمایه اصلی بانک

Earnings quality determinants in pre-corona crisis: another insight from bank core capital categories

چکیده

1 مقدمه

2 مروری بر ادبیات

3 توسعه فرضیه

4 روش

5 نتایج و بحث

6 نتیجه گیری و تحقیقات بیشتر

منابع

چکیده

هدف – اقلام تعهدی اختیاری، مقیاس هایی برای کیفیت سود می باشند که مشخص می کنند هرچه ارزش اقلام تعهدی اختیاری بیشتر باشد، عملکرد مدیریت سود بیشتر خواهد بود و برعکس. پیش بینی می شود گزارش های مالی که کیفیت بالایی دارند (‏به خصوص کیفیت سود)، در تصمیم گیری به سرمایه گذاران و سرمایه گذاران بالقوه کمک کنند. این مطالعه عواملی را تجزیه و تحلیل می کند که بر کیفیت سود تاثیر می گذارند، مانند سود از پیش مدیریت شده، نقدینگی و کارایی. در ضمن نویسندگان اثر تعدیل کننده مکانیزم های حاکمیتی را شناسایی می کنند که از طریق نسبت ماموران عالی رتبه مستقل در بانک های تجاری متعارف پذیرفته شده در بورس اوراق بهادار اندونزی نشان داده می شوند.
طرح/روش شناسی/رویکرد – در این مطالعه از ۲۲۶ داده بانکی در دوره بحران پیش از کرونا ۲۰۱۳ تا ۲۰۱۹ استفاده می کنیم. داده ها با استفاده از EViews 10 برای فرضیه و MS Excel برای یک آزمون افتراقی تجزیه و تحلیل شدند.
یافته ها – نتایج حاکی از آن است که سودهای از پیش مدیریت شده، نقدینگی و کارایی، کیفیت سود را تحت تاثیر قرار می دهند. مکانیزم های حاکمیتی می توانند نقدینگی و کارایی را بر کیفیت سود تعدیل کنند، در حالی که سودهای از پیش مدیریت شده را نمی توان تعدیل کرد. دسته های مختلف مکانیزم های مدیریت سود (BUKU)‏ برای هر BUKU نشان داده شده است (BUKU ۱، ۳ و ۴ مدیریت سود را با افزایش سود و BUKU 2 با کاهش سود انجام می دهند)‏. نکته دیگر، اطلاعات مربوط به کیفیت سود بین BuKU 3 با BuKU 3 و BuKU 4 به دلیل تفاوت در مقررات پوشش عملیاتی بانک و سرمایه است.
محدودیت‌ها/پیامدهای پژوهش- انتظار می رود پژوهش های بیشتر عوامل موثر بر کیفیت سود بانکی را با توجه به اعمال IFRS 9 (‏PSAK 71) ‏در اندونزی تجزیه و تحلیل کنند. انتظار می رود که پژوهشگران آینده از روش های ترکیبی برای بررسی داده های صورت های مالی و ارائه بحث جامع و بینش واقعی از مطالعه خود استفاده کنند. تحقیقات آینده نیازمند نمونه های بیشتری از شرکت ها یا یک مقیاس بین المللی (‏بین کشوری)‏ برای به دست آوردن حداکثر نتایج و به طور کلی پذیرفته شدن است.
مفاهیم کاربردی – این پژوهش نشان می دهد که مدیران باید کنترل بیشتری بر سود از پیش مدیریت‌شده و نقدینگی بانک به عنوان انگیزه مدیر برای انجام هموارسازی سود داشته باشند. مدیران نیز باید به بهره وری هزینه و اجرای موثر مکانیزم های حاکمیت برای به حداکثر رساندن کیفیت سود توجه کنند. این پژوهش نیز نشان می دهد که سیاست گذاران می توانند بانک های تجاری را تشویق کنند تا اصول احتیاطی بیشتری را از نظر ذخیره برای وام های شکست خورده به منظور به حداقل رساندن مدیریت سود در بانکداری به کار گیرند.
اصالت/ارزش – مقصود این پژوهش به صورت بحث درمورد آزمون تفاوت بین دسته های سرمایه اصلی بانک (BUKU) و ارتباط آن با کیفیت سود مشخص شد.

مروری بر ادبیات
نظریه نمایندگی
     نظریه نمایندگی رابطه عامل-نماینده را به صورت یک قرارداد تعریف می کند، به طوری که عامل به نماینده اجازه می دهد تصمیم بگیرد (جنسن و مکلینگ، 1976). نظریه نمایندگی، مشارکت مدیریت در مدیریت سود را با توجه به رابطه نظارتی و اصول نمایندگی توضیح می دهد. مدیریت شرکت با به خطر انداختن رابطه مدیریتی، از منافع خود در مقابل سرمایه گذاران محافظت خواهد کرد. اگر سهامداران، اعتباردهندگان، هیئت مدیره های مستقل مدیران و حسابرسان نتوانند به طور مناسب از مکانیزم های کنترل استفاده کنند، مدیریت از قدرت آن ها برای تحقق منافع خود استفاده خواهد کرد (کیروبل و اکمل، 2019).

     نظریه نمایندگی بر این فرض بنا نهاده شده است که هر کسی از منافع شخصی انگیزه می گیرد و منجر به تضاد منافع بین مدیر و نماینده می شود. مدیرانی که به عنوان عوامل بانکی عمل می کنند، تشویق می شوند تا تقاضاهای مالی و روانی خود را برای به دست آوردن سرمایه گذاری ها، اعتبارات و قراردادهای سود افزایش دهند. سهامداران به عنوان مدیران به قراردادها می پیوندند تا ثروت خود را با ایجاد درآمدهای همیشه در حال افزایش بیشتر کنند. مشکلات نمایندگی ناشی از اقدامات فرصت طلبانه عوامل، مانند رفتار مدیریت برای افزایش رونق آن ها، که متفاوت از منافع است، بروز می‌ کند (اسکات، 2012).

نظریه مدیریت سود
براساس نظریه مدیریت سود اطلاعاتی، مدیران از رای خود استفاده می کنند تا باورهای خود را براساس اطلاعاتی که به عنوان افراد خودی (‏اطلاعات شخصی) ‏در مورد چشم انداز سود شرکت در آینده دارند، انتقال دهند. دو نیت، مدیران را در موقعیت مدیریت سود قرار می دهند. اول، اگر گزارش های مدیریت سود انتظارات سرمایه گذاران را دنبال کنند، عملکرد شرکت کاهش خواهد یافت. دوم اینکه تنها شرکت هایی با چشم انداز خوب می توانند در سال جاری می توانند با پذیرش ریسک، برخی از سود در سال بعد را به حداکثر برسانند. از آنجا که اگر سال بعد سود کمتر شود، این اقدام به یک اشکال تبدیل خواهد شد (‏تاکر دان زاروین، ۲۰۰۶)‏.

شفافیت و متخصصان بیمه: مطالعه نگرش های بیمه سوئدی و توسعه آینده

Transparency and insurance professionals: a study of Swedish insurance practice attitudes and future development

چکیده

1 مقدمه

2 کارهای مرتبط

اعتماد و شفافیت در روابط مشتری

اعتماد و شفافیت مربوط به هوش مصنوعی

اعتماد و شفافیت در بیمه

خلاصه کارهای مرتبط

داده‌های مربوط به نگرش‌های مصرف‌کننده

روش‌شناسی

مصاحبه با کارشناسان بیمه

مصاحبه‌ها با کارشناسان شرکت‌های بیمه سوئدی انجام شد.

پرسشنامه متخصصان بیمه

نتایج

پرسشنامه

مصاحبه‌ها

ارزش شفافیت

محدودیت شفافیت

قابل‌درک کردن اطلاعات

تغییر نگرش‌ها و هوش مصنوعی

بحث

مدیریت انتظار

اطلاعات قیمت‌گذاری

تقاضا برای عملیات

رابطه با رقبا

رابطه با فردیت

هوش مصنوعی و اثبات آینده

اعتبار و قابلیت اطمینان

نتایج و کارهای آینده

کارهای آینده

مراجع

چکیده

صنعت بیمه با افزایش پذیرش تصمیم‌گیری خودکار به چالش کشیده می‌شود. پیشرفت‌های هوش مصنوعی می‌تواند به طور امکان‌پذیر همه چیز را خودکار کند: بازاریابی ، خدمات مشتری ، نوشتن سند و مدیریت مطالبات به طور یکسان. با این حال چنین اتوماسیونی اعتماد مصرف‌کننده را به چالش می‌کشد زیرا بحث‌های عمومی و علمی قابل‌توجهی در مورد ویژگی “جعبه سیاه” بسیاری از الگوریتم ها وجود دارد. تبدیل‌شدن بیمه به یک تجارت اعتماد ، یک معضل را نشان می‌دهد. یک راه‌حل پیشنهادی شامل اتخاذ الگوریتم ها به شیوه‌ای شفاف می‌باشد. این مقاله یک مطالعه از نحوه برخورد بیمه گران سوئدی با این معضل را گزارش می‌کند براساس (‏۱)‏هشت مصاحبه با متخصصان بیمه که نماینده چهار شرکت با سهم بازار مشترک ۴۵ % از بازار بیمه املاک سوئد و (‏۲)‏پرسشنامه‌ای که توسط ۷۱ متخصص در یک شرکت بیمه سوئدی پاسخ داده شد. نتایج نشان می‌دهد در حالی که شفافیت به طور بالقوه با ارزش تلقی می‌شود ، بیشتر بیمه گران سوئدی از آن برای به دست آوردن مزیت رقابتی یا شناسایی محدودیت‌های واضح برای شفافیت استفاده نمی‌کنند و به طور گسترده از هوش مصنوعی استفاده نمی‌کنند.

1 مقدمه

صنعت بیمه با چالش‌هایی مواجه می‌باشد. با توجه به تجزیه و تحلیل اکونومیست ، “بیمه گران به دلیل تغییر تکنولوژیکی با فشار رقابتی بی‌سابقه‌ای مواجه هستند” (‏The Economist 2017)‏. دلیل آن ساده است: جایگزین‌های کمی برای محصول ، جریان‌های پایدار درآمد سرمایه‌گذاری و پایه‌های بزرگ مشتری ، خوب کار کرده‌اند. تا کنون یعنی زمانی که پیشرفت‌ها در تصمیم‌گیری خودکار به طور ناگهانی چشم اندازهای خودکارسازی همه چیز را ارائه می‌دهند: مانند بازاریابی ، خدمات مشتری ، بیمه‌کردن و مدیریت مطالبات. 

کارهای آینده

براساس این مقاله و مسائل شناسایی‌شده ، فرصت‌های زیادی برای کار آینده وجود دارد. قابل‌ذکر است که انجام مطالعات مشابه در صنعت بیمه در کشورهای دیگر و همچنین در کل صنایع دیگر ممکن است روشن کند که چگونه معضلات شفافیت ، اعتماد و اتخاذ هوش مصنوعی در این زمینه‌ها دیده می‌شوند.

همانطور که تعداد کمی از پاسخ‌دهندگان در مصاحبه‌ها از صحبت در مورد پیامدهای هوش مصنوعی بر شفافیت احساس راحتی کردند ، تحقیقات بیشتری باید در مورد این که چه نوع شفافیت ممکن است و برای شرکت‌های بیمه در آینده نزدیک ضروری است انجام شود.

Abstract

The insurance industry is being challenged by increased adoption of automated decision-making. AI advances could conceivably automate everything: marketing, customer service, underwriting and claims management alike. However, such automation challenges consumer trust, as there is considerable public and scholarly debate over the ‘black box’ character of many algorithms. Insurance being a business of trust, this suggests a dilemma. One suggested solution involves adopting algorithms in a transparent manner. This article reports a study of how Swedish insurers deal with this dilemma, based on (i) eight interviews with insurance professionals representing four companies with a joint market share of 45–50% of the Swedish property insurance market and (ii) a questionnaire answered by 71 professionals in a Swedish insurance company. The results show that while transparency is seen as potentially valuable, most Swedish insurers do not use it to gain a competitive advantage or identify clear limits to transparency and are not using AI extensively.

Introduction

The insurance industry faces challenges. According to an analysis by The Economist, “insurers face unprecedented competitive pressure owing to technological change” (The Economist 2017). The reason is simple: few substitutes to the product, steady fows of investment revenue and large customer bases have worked well. Until now, that is, when advances in automated decision-making suddenly ofer the prospects of automating everything: marketing, customer service, underwriting and claims management.

Future work

Based on this article, and the issues identifed, there are many opportunities for future work. Notably, performing similar studies in the insurance industry in other countries, as well as in other industries altogether, might shed more light on how the dilemmas of transparency, trust and AI adoption look in these contexts.

As few of the respondents in the interviews felt comfortable talking about the implications of AI on transparency, further research ought to be done on what kind of transparency would be possible and necessary for insurance companies in the near future.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

شفافیت و متخصصان بیمه: مطالعه نگرش های بیمه سوئدی و توسعه آینده

Transparency and insurance professionals: a study of Swedish insurance practice attitudes and future development

تأثیر شوک های داخلی و خارجی بر درآمدهای حاصل از تنوع بخشی پورتفولیو (سبد) و ریسک های همراه با آن

The Influence of Domestic and Foreign Shocks on Portfolio Diversification Gains and the Associated Risks

چکیده

1. مقدمه

2. بازده های بازار (rt) در بازارهای توسعه یافته، نوظهور و مرزی

3. همبستگی های بازار

4. همبستگی های بازار و واکنش نوسان پذیری همبستگی به شوک های داخلی و خارجی

4.1 مدل EGARCH چند متغیری

4.2 نتایج تجربی: تأثیر شوک های بازار سهام داخلی و خارجی بر روی همبستگی ها (معادله (1))

4.2.1 ماهیانه

4.2.2 روزانه

4.3 تأثیر «نوآوری های مبتنی بر نوسان پذیری بازار سهام داخلی خارجی» بر روی «نوسان پذیری همبستگی» (معادله (4))

4.3.1 ماهیانه

4.3.2 روزانه

4.4 ماندگاری نوسان پذیری همزمان سازی بازار

4.4.1 داده های ماهانه

4.4.2 روزانه

4.5 پیامدهای کلی

5. شرایط بازارهای کساد

5.1 داده های فیلتر شده در بازارهای کساد

5.2 تأثیرات شوک بازارهای کساد داخلی و خارجی

5.2.1 شوک های مبتنی بر بازده بازار بر روی بهره های تنوع بخشی

5.2.2 تأثیرات شوک های نوسان پذیری بازار کساد بر روی ریسک تنوع بخشی

5.2.3 پایداری

6. نتیجه گیری ها

منابع

چکیده

ما در این مقاله «تأثیر بازده بازار سهام خارجی یا داخلی، و بازده شوک های نوسان پذیری (نوسانات بازده)» بترتیب بر روی «همبستگی های مشروط پویا (DCC) بین بازارهای سهام بین المللی، و نوسان پذیری همبستگی» را بررسی می کنیم. همبستگی های بین بازارها پیامدهایی برای درآمدهای حاصل از تنوع بخشی پورتفولیو دارد در حالیکه نوسان پذیری های همبستگی را می توانیم بصورت ریسک هایی برای تنوع بخشی پورتفولیو ببینیم. در ضمن شوک های داخلی از بازده و نوسانات بازده از 24 بازار سهام توسعه یافته، نوظهور، و مرزی ناشی می گردند. بازار سهام ایالات متحده، منبعی از شوک های خارجی است. شوک های داخلی و خارجی با استفاده از بازده های مبتنی بر بازار و در شرایط بازار کساد ایجاد می گردند. ما مدلهای واریانس ناهمسانی شرطی اتورگرسیو تعمیم یافته نمایی چندمتغیری (E-GARCH) را با استفاده از داده های قیمت سهام مبتنی بر MSCI روزانه و ماهانه برآورد می کنیم؛ این داده ها مربوط به بازارهای توسعه یافته، نوظهور، و مرزی در دوره 1993:1 2014:1 هستند. نتایج کلیدی ما بشرح روبرو هستند: شوک های بازار داخلی غالباً محرک های مهمی برای درآمدهای حاصل از تنوع بخشی پورتفولیو بودند، اگرچه اثرات بازار آمریکا هم نسبتاً قوی تر بودند. از طرف دیگر، آمریکا از لحاظ تعداد موارد مهم و همچنین اثرات اندازه شوک ها، بصورت یک عامل تعیین کننده نوسان پذیری همبستگی (یا ریسک های موجود برای تنوع بخشی پورتفولیو) حکمفرما بود. همچنین مشخص شد که در شرایط بازار کساد، تعدیل در همبستگی ها و نوسان پذیری های همبستگی ها غالباً تحت تأثیر ایالات متحده قرار می گیرند. شوک های بازارهای کساد (و نه شوک های مبتنی بر بازده بازار) شواهد قوی ای از اثر اهرم (نسبت بدهی به دارائی خالص) را نشان میدهد. نشانه های ماندگاری شوک ها عمدتاً در شرایط بازار کساد مشاهده میشود.

6. نتیجه گیری ها

ما یکپارچگی بازار سهام را بصورت همبستگی های شرطی پویا بین بازارها اندازه گیری کردیم. مقاله حاضر با بررسی همبستگی های دو جانبه بین بازار آمریکا و 24 بازار توسعه یافته، نوظهور و مرزی، تأثیر شوک های بازار از بازارهای داخلی و آمریکا بر روی همبستگی ها و واریانس های آنها در دوره 2000 تا 2013 را بررسی کرد.

ما برای بررسی تأثیرات شوک های بازده بر روی همبستگی ها و شوک های نوسان پذیری بر روی نوسان پذیری همبستگی، از مدل EGARCH چند متغیری استفاده کردیم. این مدل با اینکه بصورت گسترده برای بازده های بازار استفاده می شود اما برای اولین بار برای همبستگی های جفتی اعمال شد. مقایسه نتایج بازده های بازار در اغلب موارد نشان میداد که همبستگی های ماهانه به یک شیوه مشابه با بازده های بازار، به شوک های بازده و نوسان پذیری واکنش نشان می دادند. بعنوان مثال اثبات شد که شوک های نوسانات بازده آمریکا (و نه شوک های بازده آمریکا) در این چارچوب، محبوب هستند. همچنین اثبات شد که اندازه (و نه نشانه) اثرات اهرم، مهم و معنادار هستند. با اینحال تفاوت هایی هم وجود داشت. بر خلاف نوسانات بازده، نوسان پذیری همبستگی ها با آمریکا، هیچ تأثیر اهرم محدودی را نشان نمی داد. همچنین پایداری نوسان پذیری همبستگی ها در مدلهای ماهانه کاملاً غایب بود اما به شکل های مختلفی در مدلهای روزانه وجود داشت. این بدین معناست که شوک های داخلی و خارجی میتوانند تا یک ماه ماندگار باشند.

Abstract

This paper evaluates the influence of foreign or domestic stock market return and return of volatility shocks on dynamic conditional correlations (DCCs) between international stock markets and correlation volatility, respectively. The correlations between markets have implications for the gains from portfolio diversification, while correlation volatilities can be seen as risks to portfolio diversification. Meanwhile, domestic shocks are sourced from the return and return volatility from 24 developed, emerging, and frontier stock markets. The US stock market is the source of foreign shocks. The domestic and foreign shocks are derived using market-based returns and under bearish market conditions. We estimate multivariate exponential generalized autoregressive conditional heteroskedasticity (E-GARCH) models using daily and monthly MSCI based stock price data of selected developed, emerging, and frontier markets over 1993:1–2014:1. Our key results are as follows. Domestic market shocks were significant drivers of gains from portfolio diversification most of the time, although the US market effects were relatively stronger. On the other hand, the US, in terms of the number of significant cases as well as the size effects of shocks, dominated as a determinant of correlation volatility (or risks to portfolio diversification). Further, under bear market conditions, adjustments in correlations and correlation volatilities are found to be mostly US-induced. Bearish shocks, rather than market return based shocks, show strong evidence of the leverage effect. Signs of persistence of shocks are mainly noticed under bearish conditions.

6. Conclusions

We measured stock market integration as dynamic conditional correlations between markets. Taking the bilateral correlations between the US and 24 developed, emerging, and frontier markets, this paper examined the impact of market shocks from domestic and US markets on correlations and their variances over the period from 2000 to 2013.

The multivariate EGARCH model was employed to examine the influences of return shocks on correlations and volatility shocks on correlation volatility. This model, while widely applied to market returns, was applied to pairwise correlations for the first time. A comparison of market returns results suggested, in most cases, that monthly correlations reacted to return and volatility shocks in a similar fashion to market returns. For instance, the US return volatility shocks rather than US return shocks were found to be popular within this framework. Similarly, the size, rather than the sign, of leverage effects was found to be important. However, there were some differences. Unlike returns volatility, the volatility of correlations with the US showed limited leverage effects. Further, persistence of correlations volatility was mainly missing in monthly models but was present in some form in daily models. This means that domestic and foreign shocks could persist for up to a month.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

تأثیر شوک های داخلی و خارجی بر درآمدهای حاصل از تنوع بخشی پورتفولیو (سبد) و ریسک های همراه با آن

The Influence of Domestic and Foreign Shocks on Portfolio Diversification Gains and the Associated Risks

مقایسه نوآوری بانکی در کشورهای کم درآمد: روش فرامرزی

Comparison of banking innovation in low-income countries: A meta-frontier approach

چکیده

1 مقدمه

2 مواد و روش ها

3 نتایج تجربی و بحث

4 نتیجه گیری

منابع

چکیده

نواوری مالی یک عامل مهم برای پیشرفت در بخش مالی است که بطور مستقیم تاثیر مثبتی بر اقتصاد می گذارد. نواوری مالی می تواند واسطه گری مالی را تغییر و شفافیت و اطمینان پذیری را افزایش دهد. پژوهش ها نشان داده اند که سطوح نواوری مالی در بین کشورهای پردرامد یکسان است. در عین حال، مطالعات حاکی از ان بوده اند که پیشرفت مالی در کشورهای کم درامد، صرف نظر از رشد اقتصادی بسیار متفاوت است که نشان می دهد نواوری مالی نیز در این کشورها متفاوت می باشد. این مطالعه سطح نواوری مالی و عوامل تعیین کننده ی نواوری را در بین کشورهای کم درامد ارزیابی می کند. به طور خاص، در این پژوهش یک رویکرد فرامرزی دو مرحله ای جدید برای براورد نسبت شکاف فناوری ارائه گردید و یک مدل سانسور شده نیز برای تعیین عوامل تاثیر گذار در نظر گرفته شد. نتایج حاکی از ان هستند که در کشورهای کم درامد، نواوری مالی بسیار متفاوت است. رقابت، گنجایش مالی و دسترسی بانکی به عنوان مهمترین عوامل تاثیر گذار بر نواوری مالی شناخته می شوند.

2 مواد و روش ها

2-1 روش شناسی

     دو رویکرد اصلی برای مدل سازی توابع هزینه در ادبیات ارائه شده است: تحلیل پوششی داده ها (DEA) که توسط چارنز، کوپر و رودز (1978) توسعه یافته است و تحلیل مرزی تصادفی (SFA) که از سوی ایگنر، لوول و اشمیت (1977) معرفی شده است. DEA یک روش غیر پارامتری است که از برنامه نویسی خطی استفاده می کند. این روش، داده ها را قطعی فرض می کند و خطاهای سنجش را در نظر قرار نمی دهد. از سوی دیگر، SFA یک رویکرد پارامتری است و از استنباط و خطاهای سنجش تصادفی بهره مند است. این روش یک توزیع کاربردی را به داده ها اختصاص می دهد. با در نظر گرفتن این موضوع که اطلاعات بانکی جمع اوری می شوند و برای سنجش تصادفی و خطاهای بررسی در نظر قرار می گیرند، ما از SFA برای مدل سازی توابع هزینه ی خود بهره بردیم. SFA فرض را بر این می گذارد که هرگونه انحراف از مشاهدات واقعی در تابع هزینه، برگرفته از اختلال و ناکارامدی است. این مورد بر خلاف رویکرد DEA غیر پارامتری است که هرگونه انحراف را همانند ناکارامدی در نظر قرار می دهد. بانک i را در نظر بگیرید که از بردار N با ورودی برای تولید بردارهای R خروجی در زمان t در یک گروه یا کشور استفاده می کند. تابع هزینه ی تصادفی به صورت زیر بیان می شود:

     جایی که و به ترتیب بردار K متغیرهای کنترلی بانک i در زمان t و یک بردار پارامتری ناشناخته در کشور مورد نظر هستند. تابع هزینه می باشد و بیانگر هزینه های کلی بانک i در زمان t است. و نیز به ترتیب بردارهای خطا و بردار ناکارامدی بانک i در زمان t می باشند. مستقل فرض می شود و به عنوان متغیر تصادفی توزیع می گردد که مستقل از است. همانطور که بانک ها در مورد ناکارامدی هزینه ی بالاتری صرف می کنند، زیر صفر نگهداشته می شود و در نتیجه، انتظار داریم که توزیع خطای کلی به سمت راست چولگی داشته باشد. بنابراین، از توزیع نرمال بریده شده به صورت پیروی می کند، جایی که بیانگر برخی متغیرهای برون زا می باشد (باتز و کولی، 1995). دو مرحله برای تعیین فرا مرزی بودن وجود دارد: مرحله ی اول ،ایجاد مرز یک گروه یا کشور می باشد و مرحله ی دوم، حالت فرا مرزی است. براوردهای ادغام شده از مرزهای کشور، متغیر قابل توضیح فرامرزی را ایجاد می کنند. بهره وری هزینه ی بانک i در زمان t در یک کشور معین به صورت زیر تعریف می شود:

     بهره وری هزینه بر اساس مرز کشور، نسبت ارزش پیش بینی شده  می باشد که برای اختلالات تصادفی در متغیر قابل توضیح  تطبیق یافته است. پارامتر ناشناخته ی ، بردار خطاها  و بردار ناکارامدی  را می توان با استفاده از روش براورد راست نمایی ماکزیمم محاسبه نمود در نتیجه، معادله ی (2) به صورت زیر بیان می شود:

تعادل شبکه زنجیره تامین با حمایت مالی استراتژیک با استفاده از معاملات آتی

Supply chain network equilibrium with strategic financial hedging using futures

Abstract

In this paper, we develop a network equilibrium model for supply chain networks with strategic financial hedging. We consider multiple competing firms that purchase multiple materials and parts to manufacture their products. The supply chain firms’ procurement activities are exposed to commodity price risk and exchange rate risk. The firms can use futures contracts to hedge the risks. Our research studies the equilibrium of the entire network where each firm optimizes its own operation and hedging decisions. We use variational inequality theory to formulate the equilibrium model, and provide qualitative properties. We provide analytical results for a special case with duopolistic competition, and use simulations to study an oligopolistic case. The analytical and simulation studies reveals interesting managerial insights.

1 Introduction

Supply chains today have become increasingly complex and global, which have made firms at different stages of supply chains more and more vulnerable to various risk factors. Understanding and managing these risks as well as their impacts on supply chain operations and profitability have become a business imperative for many companies. Therefore, supply chain risk management has drawn increasing attentions from both academians and practitioners.

In this research we focus on using futures to hedge foreign exchange risk and commodity price risk in supply chains. A survey by Scott (2009) showed that foreign exchange risk was ranked as the second most important risk factor by the risk management executives of 500 global companies. The fluctuations of currency values can cause significant loss to firms that are engaged in global trades. For example, in January 2015, the chief executive officer of Procter & Gamble warned that the appreciating value of dollar would result in a 5% reduction of the company 2015 sales and a 12% reduction in profit (Narvaez, 2015). For another example, in 2016 the British companies rushed to hedging their foreign exchange risk to protect themselves from the growing “Brexit” risk (Nag, 2016). Moreover, supply chains are also affected by the commodity price risk directly by the raw material prices and indirectly by the energy and transportation cost (Zsidisin, Hartley, & Gaudenzi, 2016). For example, in 2011 the consumer production company, Kimberly-Clark, suffered sales and profit decline partially due to the increasing wood pulp price (Zsidisin & Hartley, 2012). Commodity prices can be very volatile in the global market. For instance, from August 2003 to March 2004, soybean prices increased by 74% from $237 to $413, and then dropped to $256 within the next two years (Zsidisin & Hartley, 2012). For another instance, from April 2010 to April 2011, the price of silver tripled in the commodity market (Zsidisin & Hartley, 2012).

According to a study of over 7000 nonfinancial firms from 50 countries, about 60% of the surveyed firms have conducted some form of hedging using financial derivatives (Bartram, Brown, & Fehle, 2009). Our research focuses on the use of futures to hedge foreign exchange and commodity price risks. In the world largest futures and option market, CME Group, (Chicago Mercantile Exchange and Chicago Board of Trade), futures are the dominant form of derivative contract for foreign exchange rates and commodity prices. For example, as of October 2017, for foreign exchange rate, the ADV (average daily volume) of futures is 832,165 and the ADV of options is 78,688; for metals, the ADV of futures is 506,049 and the ADV of options is 47,462; and for commodities and alternative investment, the ADV of futures is 1,116,089 and the ADV of options is 249,468 (CME Group, 2017). CME also provides detailed guides for businesses at different stages of supply chains to engage in financial hedging.

مدیریت ریسک کیفیت در زنجیره تامین برای هدایت عملکرد شرکت: نقش مکانیسم های کنترل

Managing quality risk in supply chain to drive firm’s performance: The roles of control mechanisms

چکیده

1 مقدمه

2 ادبات و توسعه ی نظری

3 متدولوژی

4 تجزیه و تحلیل داده ها

5 بحث

6 نتیجه گیری

منابع

چکیده

     رسوایی زیان و آسیب محصول به عنوان کابوس یک شرکت در نظر گرفته می شود. در بسیاری از موارد، منبع مولفه های معیوب یا ناامن ممکن است از خود شرکت تولیدی نباشد، ممکن است مسائل ذاتی در شبکه ی تامین وجود داشته باشد. هدف این پژوهش، بررسی تاثیرات دو اقدام مدیریت ریسک متمرکز تحت عنوان توسعه ی تامین کننده و فراخوان محصول پیشگیرانه بر عملکرد شرکت است. برای بررسی دقیق تاثیر دو نوع مکانیزم کنترل، کنترل اجتماعی و کنترل رسمی را به عنوان سوابق اقدامات مدیریت ریسک مورد بررسی قرار می دهیم و نقش تعدیل کننده ی آن ها بر رابطه ی بین اقدامات مدیریت ریسک و عملکرد شرکت را کشف می کنیم. بر مبنای داده های به دست آمده از 209 تولیدکننده ی چینی، مدل سازی معادلات ساختاری و رگرسیون سلسله مراتبی برای آزمون فرضیات پیشنهادی مورد استفاده قرار گرفتند. نتایج نشان می دهند که توسعه ی تامین کننده فراخوان محصول به طور قابل توجهی بر عملکرد شرکت و عملکرد کیفیت نقش دارند. علاوه براین، کنترل اجتماعی و رسمی، سوابق قابل توجه دو اقدام مدیریت ریسک هستند. از همه مهم تر، نقش تعدیل کننده ی مکانیزم های کنترل بر رابطه ی بین اقدامات مدیریت ریسک و عملکرد شرکت را بررسی می کنیم. شاغلین حرفه ای باید آگاه باشند که مکانیزم های کنترل دارای تاثیرات تعدیل کننده ی مختلفی هستند، نوع مختلفی از مکانیزم کنترل باید برای تسهیل اقدامات مدیریت ریسک به کار گرفته شود تا عملکرد بهتر شرکت محقق شود.

2- ادبات و توسعه ی نظری:
     مفهوم اصلی مدل پیشنهادی این است که مدیریت ریسک دارای تاثیر بر عملکرد مالی FP و عملکرد کیفیت QP است. مفهوم سازی ما از مدیریت ریسک شامل اقدامات واکنشی و پیشگیرانه با هدف مدیریت ریسک کیفیت در زنجیره تامین بالادستی (فعالیت های ابتدایی زنجیره تامین) و کاهش پیامدهای منفی فراخوان محصول در شبکه ی پایین دستی (فعالیت های انتهایی زنجیره تامین) است. به منظور هماهنگی فعالیت های اقدامات مدیریت ریسک، مدیران نیز باید از مکانیزم های کنترل استفاده نمایند. بنابراین، دو مکانیزم کنترل را به عنوان سوابق و عوامل SD,PPR قرار می دهیم. برای درک تصویر کلی از مکانیزم های کنترل، نقش تعدیل کننده ی ان ها را نیز در رابطه ی بین اقدامات مدیریت ریسک و عملکرد شرکت بررسی می کنیم. مدل مفهومی در تصویر 1 ارائه شده است.

2-1 مدیریت ریسک کیفیت و عملکرد شرکت
     به منظور مدیریت مناسب ریسک کیفیت، شرکت باید زنجیره تامین بالادستی و پایین دستی را در نظر بگیرد. در زنجیره تامین بالادستی، شرکت باید رویکرد خرید معقول و مناسبی را برای بستن و مسدود کردن منبع مواد معیوب ایجاد نماید. این امر شامل اقدامات پیشگیرانه برای توقف رخداد ریسک است (اقدامات پیشگیرانه). در زنجیره تامین پایین دستی، شرکت باید اقدام سریع و واکنشی را اتخاذ نماید زمانی که بحران آسیب و زیان محصول کشف می شود. تان و هونیگ در سال 2011 بیان کردند که برنامه ی جامع SCRM باید شامل هر دو اقدام واکنشی و پیشگیرانه باشد. به طور مشابه، لویس در سال 2003 مکانیزم های واکنشی و پیشگیرانه را به عنوان عوامل مهم در کنترل مدیریت ریسک عملیاتی طبقه بندی می کند. فعالیت های پیشگیرانه به عنوان اقدام پیشگیرانه در نظر گرفته می شوند که مشابه با مفهوم”درست زمان اول” و اثبات خطا در مدیریت کیفیت است. مکانیزم واکنشی، مدیریت پیامدهای منفی را شناسایی می کند، زیرا کیفیت خدمات، بهبود از شکست کیفیت را در نظر می گیرد. در این پژوهش، SD را به عنوان اقدام پیشگیرانه و PPR را به عنوان اقدام واکنشی بررسی می کنیم. تصویر 2 شرح می دهد که چگونه می توان اقدامات مدیریت ریسک را به منظور کاهش ریسک کیفیت در زنجیره تامین بالادستی و پایین دستی اتخاذ نمود.