جواد عین آبادی

این پژوهش به تحلیل ارزش و ریسک استارتاپ های ایرانی در مواجهه با عدم قطعیت های مالی و عملیاتی می پردازد. هدف مطالعه، ارائه چارچوبی ریسک محور و واقع بینانه برای ارزش گذاری استارتاپ ها و حمایت از تصمیم گیری سرمایه گذاران و بنیان گذاران است. در این تحقیق، داده های کمی از ۱۰ تا ۲۰ استارتاپ منتخب در حوزه های فناوری اطلاعات، خدمات دیجیتال، تجارت الکترونیک، فناوری مالی و سلامت دیجیتال جمع آوری شد. متغیرهای کلیدی شامل درآمد، نرخ رشد، Burn Rate، CAC، نرخ ریزش مشتری (Churn)، ارزش طول عمر مشتری (LTV) و حاشیه سود EBITDA مدل سازی شدند. برای تحلیل عدم قطعیت ها، شبیه سازی مونت کارلو با ۱۰۰۰ تکرار اجرا شد و توزیع های احتمالی جریان نقدی و ارزش خالص فعلی (NPV) استارتاپ ها استخراج گردید. تحلیل حساسیت و نمودار Tornado نشان داد که نرخ رشد درآمد، CAC و Burn Rate بیشترین تأثیر را بر ارزش و ریسک استارتاپ ها دارند. همچنین، سناریوهای بدبینانه، پایه و خوش بینانه دامنه احتمالات ارزش و احتمال کمبود نقدینگی را روشن کردند. نتایج نشان می دهد که استفاده از تحلیل probabilistic و مدل های Real Options امکان برنامه ریزی مرحله ای و مدیریت انعطاف پذیر را فراهم می کند، ریسک سرمایه گذاری را کاهش می دهد و تصمیمات سرمایه گذاران و بنیان گذاران را آگاهانه تر می سازد. یافته ها تأکید می کنند که مدل های پیشرفته ارزش گذاری، تحلیل سناریو و ابزارهای ریسک، ابزارهای مؤثری برای مدیریت عدم قطعیت در اکوسیستم استارتاپی هستند و می توانند پایه ای برای پژوهش های آینده با بهره گیری از هوش مصنوعی و داده های بلادرنگ فراهم کنند.

در دهه اخیر، اقتصاد ایران شاهد تحولات بنیادین در نظام مالیاتی خود بوده است که با هدف گذار از اقتصاد نفتی به اقتصاد مبتنی بر مالیات، شفافیت مالی و عدالت اقتصادی صورت گرفته است. این پژوهش با رویکردی جامع و تحلیلی، به بررسی اثرات دو رویداد مهم قانونی، یعنی «اصلاحیه قانون مالیات های مستقیم مصوب ۱۳۹۴» و «اجرای قانون مالیات بر ارزش افزوده»، بر ارزش شرکت های پذیرفته شده در بورس اوراق بهادار تهران می پردازد. اهمیت این موضوع از آنجا ناشی می شود که مالیات نه تنها به عنوان یک هزینه بر جریان های نقدی شرکت اثر می گذارد، بلکه از طریق کانال های ساختار سرمایه، هزینه های نمایندگی و ریسک اطلاعاتی، پارامترهای ارزش گذاری را دگرگون می سازد. در این مقاله، ابتدا مبانی نظری شامل تئوری های ساختار سرمایه (موازنه ایستا و سلسله مراتب)، تئوری نمایندگی و تئوری های مرتبط با سرمایه در گردش در بستر مالیات بر ارزش افزوده تشریح شده اند. سپس، تحلیلی از مواد قانونی کلیدی شامل ماده ۹۷ (حذف علی الرأس)، ماده ۱۳۲ (مشوق های سرمایه گذاری) و ماده ۱۰۵ (تثبیت نرخ) ارائه شده است. مرور ادبیات تحقیق نشان می دهد که اصلاحات سال ۱۳۹۴، به ویژه حذف شیوه تشخیص علی الرأس، با کاهش عدم تقارن اطلاعاتی و ریسک سیستماتیک ناشی از برخورد سلیقه ای ممیزان، رابطه ای مثبت با ارزش شرکت داشته است. از سوی دیگر، اگرچه مالیات بر ارزش افزوده چالش های نقدینگی کوتاه مدت برای صنایع با دوره وصول مطالبات طولانی ایجاد کرده، اما در بلندمدت از طریق شفاف سازی زنجیره تأمین و حذف رقبای غیررسمی، به بهبود کیفیت سود و ارزش شرکت کمک کرده است. این پژوهش استدلال می کند که اثر خالص اصلاحات مالیاتی بر ارزش شرکت، برایند تقابل «کاهش سپر مالیاتی ناشی از کاهش نرخ ها» و «افزایش ارزش ناشی از کاهش ریسک و شفافیت» است که در سال های اخیر کفه ترازو به نفع شفافیت سنگینی کرده است.

معامله گری در بازارهای مالی با نرخ شکست بالایی همراه است که ادبیات پژوهشی، ریشه های آن را بیش از دانش فنی، در عوامل روانشناختی و فقدان انضباط معاملاتی جستجو می کند. در حالی که راهکارهای فناورانه (فین تک) به عنوان ابزاری برای کاهش خطاهای انسانی مطرح شده اند، تأثیر تجربی آن ها بر ابعاد روان شناختی معامله گر کمتر مورد سنجش قرار گرفته است. هدف اصلی این پژوهش، بررسی کمی و آماری این رابطه بود. این تحقیق با روش توصیفی-همبستگی، به سنجش نقش ابزارهای فین تک در بهبود کنترل هیجانات و انضباط معاملاتی پرداخت. داده ها با استفاده از پرسشنامه از نمونه ای متشکل از ۱۰۰ معامله گر فعال در بازارهای فارکس و ارزهای دیجیتال گردآوری گردید. نتایج حاصل از تحلیل مدل سازی معادلات ساختاری (SEM) نشان داد که استفاده از ابزارهای فین تک، رابطه مثبت و معناداری با افزایش کنترل هیجانات و بهبود انضباط معاملاتی دارد. این یافته ها شواهد تجربی فراهم می کند که فین تک می تواند به مثابه یک «لنگر رفتاری» خارجی، با ساختارمند کردن فرآیند تصمیم گیری و ارائه بازخورد عینی، به معامله گران در پایبندی به استراتژی هایشان کمک کند، مشروط بر آنکه بر پایه ی یک استراتژی معاملاتی معتبر به کار گرفته شود. نوآوری این پژوهش در ارائه شواهد کمی برای پیوند میان مبانی نظری مالی-رفتاری و راهکارهای فناورانه است که شکاف تحقیقاتی موجود را از طریق آزمون یک مدل تجربی پر می کند.

تحولات سریع در حوزه فناوری های مالی، به خصوص پیشرفت های چشمگیر در بلاک چین، باعث شده ساختارهای سنتی نظام پولی با چالش ها و فرصت های تازه ای روبرو شوند. در این میان، ارزهای دیجیتال بانک مرکزی ، به عنوان نوآوری های کلیدی و استراتژیک، توجه زیادی از سوی سیاست گذاران مالی در سطح جهان به خود جلب کرده اند. این ارزها که توسط نهادهای مرکزی صادر می شوند، ظرفیت بالایی برای افزایش شفافیت مالی، کاهش هزینه های تراکنش ها و ساده تر کردن نظارت بر جریان نقدینگی دارند. در این مقاله، تمرکز ما بر بررسی قابلیت ها و ظرفیت های بلاک چین ترکیبی در طراحی و اجرای CBDC است. بلاک چین هیبریدی با ترکیب ویژگی های بلاک چین های عمومی و خصوصی، شرایط مناسبی برای ایجاد تعادل بین شفافیت عمومی و کنترل مرکزی فراهم می کند. همچنین، با الهام از مدل پیشنهادی در پایان نامه کارشناسی ارشد با عنوان ثبات، ساختاری سه لایه متشکل از پشتوانه طلا، ضمانت نامه های بانکی و زیرساخت فناورانه تحلیل شده است. روش تحقیق مبتنی بر رویکرد ترکیبی و تکنیک دلفی بوده و با همکاری ۱۴ نفر از خبرگان حوزه های حقوق، اقتصاد و فناوری اطلاعات انجام شده است. نتایج نشان می دهد که استفاده از بلاک چین ترکیبی نه تنها می تواند چارچوبی امن و انعطاف پذیر برای انتشار و مدیریت CBDC ایجاد کند، بلکه با تلفیق پشتوانه های فیزیکی مانند طلا، به افزایش اعتماد عمومی و پایداری مالی نیز کمک می کند. بنابراین، مدل بومی ثبات می تواند به عنوان الگویی عملیاتی برای کشورهایی با شرایط اقتصادی مشابه ایران، مورد استفاده قرار گیرد.

این پژوهش با هدف طراحی و توسعه مدل اعتبارسنجی تعاملی در صنعت لیزینگ ایران انجام شده است تا اثر هم زمان مدت قرارداد و نرخ بازپرداخت بر ریسک اعتباری مشتریان با دقت بیشتری سنجیده شود. ضرورت این مطالعه از آنجا ناشی می شود که ادبیات رایج اعتبارسنجی، چه در قالب مدل های آماری نظیر لاجیت و رگرسیون های کلاسیک و چه در چارچوب کارت های امتیازدهی و روش های یادگیری ماشین، غالباً بر اثرات منفرد متغیرها تکیه دارد و کمتر به برهم کنش های ساختاری میان شاخص های قراردادی توجه کرده است؛ در حالی که تصمیمات اعتباری شرکت های لیزینگ به صورت عملی از ترکیب همزمان پارامترهای مدت و شدت بازپرداخت متاثر می شوند.مطالعه حاضر با رویکردی بومی و تطبیقی نسبت به مدل های معتبر جهانی، تلاش کرده است شکاف مزبور را پوشش دهد و چارچوبی ارائه کند که به طور مشخص بر ضریب تعاملی حاصل ضرب مدت قرارداد و نرخ بازپرداخت تمرکز دارد.پژوهش حاضر کاربردی و کمی است و داده های ۱۱۳۶ قرارداد لیزینگ فعال در شرکت های ایران خودرو، پارسیان، ملت و کارآفرین طی دوره ۱۳۹۸ تا ۱۴۰۲ را تحلیل می کند. پس از پاکسازی، اعتبارسنجی و کدگذاری متغیرها، ریسک اعتباری به صورت شاخصی از احتمال نکول و رفتار بازپرداخت عملیاتی سازی شد. روش تحلیل، رگرسیون چندگانه تعدیل شده است که علاوه بر اثرات اصلی مدت قرارداد و نرخ بازپرداخت، ضریب تعاملی آنها نیز به عنوان شاخص اثر مشترک وارد شد. افزون بر این، کنترل های لازم برای ویژگی های قراردادی و مشتریان در مدل منظور گردید تا برآوردها از سوگیری های متعارف مصون بمانند. یافته ها نشان می دهد مدت قرارداد با ریسک اعتباری رابطه ای مثبت دارد و افزایش طول دوره به طور معنادار احتمال بروز رفتارهای پرریسک را تقویت می کند؛ در مقابل، نرخ بازپرداخت با ریسک اعتباری رابطه ای منفی دارد و شدت بالاتر پرداخت ها به کاهش ریسک منجر می شود. مهم تر آنکه ضریب تعامل میان این دو متغیر به طور معنادار منفی است (β₄ = −0.192، Sig=0.001 )و مدل توانسته است حدود ۶۱ درصد از واریانس ریسک اعتباری را توضیح دهد. این نتیجه به روشنی نشان می دهد که در قراردادهای بلندمدت،تعیین نرخ بازپرداخت بالا قادر است اثر افزایشی مدت بر ریسک را نه تنها جبران، بلکه به طور قابل ملاحظه ای کاهش دهد. به بیان دیگر، اثر ترکیبی «طول × شدت» دارای ماهیتی غیرخطی و سیاست پذیر است و استفاده از الگوهای تعاملی نسبت به ارزیابی جداگانه متغیرها، دقت پیش بینی نکول را افزایش می دهد. از منظر مدیریتی، پیامدهای پژوهش حاکی از آن است که شرکت های لیزینگ باید در طراحی سبد محصولات اعتباری، قیمت گذاری ریسک و تخصیص منابع مالی، به تنظیم هم زمان مدت و نرخ بازپرداخت توجه کنند؛ به ویژه در قراردادهای با دوره های طولانی، سیاست نرخ های بازپرداخت قوی (به همراه ابزارهای انگیزشی و جریمه های رفتاری) می تواند پروفایل ریسک رابه نحو معناداری بهبود دهد. همچنین، پیاده سازی کارت های امتیازدهی با مؤلفه های تعاملی و بازتنظیم مقررات داخلی اعتبارسنجی بر مبنای نتایج این مدل، توصیه می شود. از حیث نوآوری، مدل تعاملی پیشنهادی خلأ مهمی را در ادبیات ایرانی پر می کند و با تکیه بر داده های واقعی صنعت، چارچوبی قابل انتقال برای بهبود دقت پیش بینی و تصمیم گیری اعتباری ارائه می دهد. در نهایت، پیشنهاد می شود مطالعات آتی با افزودن متغیرهای رفتاری، آزمون های پایداری در زیر بازارها و مقایسه با الگوریتم های پیشرفته یادگیری ماشین، ظرفیت تعمیم و کارایی مدل را بیش از پیش ارزیابی کنند.