ارائه الگوی بهینه سازی فین تک براساس شاخص‌های هوش مصنوعی در بازار مالی

نویسندگان

    عصمت قاسم زاده گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
    محمدعلی کرامتی * گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران mohammadalikeramati@yahoo.com
    صفیه مهری نژاد گروه مدیریت مالی ، واحد تهران مرکزی، دانشگاه آزاد اسلامی ، تهران، ایران
    آزاده مهرانی گروه مدیریت مالی ، واحدنوشهر، دانشگاه آزاد اسلامی، نوشهر، ایران
https://doi.org/10.61838/kman.jtesm.2.4.7

کلمات کلیدی:

هوش مصنوعی, فین تک, بازار مالی, ژنتیک مرتب سازی نامغلوب

چکیده

هدف پژوهش ارائه الگوی بهینه سازی فین تک براساس شاخص‌های هوش مصنوعی در بازار مالی بوده است. پژوهش به علت ارائه الگو از نوع پژوهش‌های اکتشافی است و چون بهره وران از نتایج آن استفاده می‌کنند، کاربردی تلقی می‌شود. الگوریتم ژنتیک مرتب سازی نامغلوب (NSGA-II) به عنوان یک روش فراابتکاری برای حل 9 شبیه سازی مسئله مورد استفاده قرار گرفت سپس جوابهای بدست آمده از این روش با روش اپسیلن محدودیت مقایسه شدند، ارتباط بین جواب­ها نشاندهنده آن است که الگوریتم توسعه داده شده NSGA-II توانایی رسیدن به جواب مناسب در زمان کوتاه‌تر در مقایسه با روش اپسیلن محدودیت علی­الخصوص برای تست مسئله‌های بزرگ مقیاس را دارا می­باشد. نتایج حاصل از حل مدل ریاضی پیشنهادی با ارائه نه شبیه سازی مسئله به وسیله الگوریتم­های مورد نظر بیان شده و در نرم افزار GAMS و MATLAB حل گردید. مدلی که در این تحقیق در نظر گرفته شده است یک مدل دو هدفه برای حداقل سازی حرکات بین سلولی و خرید فین تک (تشکیل سلول) و بیشینه سازی روابط عملگرهای هوش مصنوعی با ملاحظات شبکه‌ای و کارایی عملگرها بر روی فین تک­ها (تخصیص عملگر) می­باشد. این الگو، نه تنها بهبود در کارایی فین تک‌ها را فراهم می‌کند بلکه با ارائه رویکردی نوین و مؤثر، امکان تطبیق با چالش‌های مختلف بازار مالی را نیز فراهم می‌سازد. از این رو، استفاده از این الگوی بهینه‌سازی می‌تواند به بهبود عملکرد و سودآوری در بازار مالی کمک کرده و به توسعه و پیشرفت در فضای مالی کمک نماید.

دانلودها

دسترسی به دانلود اطلاعات مقدور نیست.

مراجع

Abad-Segura, E., González-Zamar, M.-D., López-Meneses, E., & Vázquez‐Cano, E. (2020). Financial Technology: Review of

Trends, Approaches and Management. Mathematics, 8(6), 951. https://doi.org/10.3390/math8060951

Abdul-Rahim, R., Bohari, S. A., Aman, A., & Awang, Z. (2022). Benefit–Risk Perceptions of FinTech Adoption for

Sustainability From Bank Consumers’ Perspective: The Moderating Role of Fear of COVID-19. Sustainability, 14(14),

https://doi.org/10.3390/su14148357

Abuzov, A. Y. (2023). The Role of Technological Innovations in Institutional Regulation of the Financial Capital Market. E3s

Web of Conferences, 376, 05047. https://doi.org/10.1051/e3sconf/202337605047

Al-Okaily, M., Alkhwaldi, A. F., Abdulmuhsin, A. A., Alqudah, H., & Al-Okaily, A. (2022). Cloud-Based Accounting

Information Systems Usage and Its Impact on Jordanian SMEs’ Performance: The Post-Covid-19 Perspective. Journal of

Financial Reporting and Accounting, 21(1), 126-155. https://doi.org/10.1108/jfra-12-2021-0476

Aloulou, M. (2023). Does FinTech Adoption Increase the Diffusion Rate of Digital Financial Inclusion? A Study of the Banking

Industry Sector. Journal of Financial Reporting and Accounting, 22(2), 289-307. https://doi.org/10.1108/jfra-05-2023-

Bandyopadhyay, P. (2022). A Study on Integration of Applied Artificial Intelligence in Accounting, Finance, Insurance, and

E-Commerce Sectors. Multimedia Research, 5(2), 15-19. https://doi.org/10.46253/j.mr.v5i2.a3

Belanche, D., Casaló, L. V., & Flavián, C. (2019). Artificial Intelligence in FinTech: Understanding Robo-Advisors Adoption

Among Customers. Industrial Management & Data Systems, 119(7), 1411-1430. https://doi.org/10.1108/imds-08-2018-

Deng, X., Huang, Z., & Xiang, C. (2019). FinTech and Sustainable Development: Evidence From China Based on P2P Data.

Sustainability, 11(22), 6434. https://doi.org/10.3390/su11226434

Dunis, C. L., Middleton, P. W., Karathanasopolous, A., & Theofilatos, K. (2016). Artificial Intelligence in Financial Markets.

https://doi.org/10.1057/978-1-137-48880-0

El-Said, H. M. (2021). A Review of Literature Directions Regarding the Impact of Fintech Firms on the Banking Industry.

Qualitative Research in Financial Markets, 15(5), 693-711. https://doi.org/10.1108/qrfm-10-2020-0197

Kazachenok, O. P., Stankevich, G. V., Chubaeva, N. N., & Tyurina, Y. (2023). Economic and Legal Approaches to the

Humanization of FinTech in the Economy of Artificial Intelligence Through the Integration of Blockchain Into ESG

Finance. Humanities and Social Sciences Communications, 10(1). https://doi.org/10.1057/s41599-023-01652-8

Kini, A. N., & Basri, S. (2022). An Empirical Examination of Customer Advocacy Influenced by Engagement Behaviour and

Predispositions of FinTech Customers in India. F1000research, 11, 27. https://doi.org/10.12688/f1000research.74928.2

Lagna, A., & Ravishankar, M. N. (2021). Making the World a Better Place With Fintech Research. Information Systems

Journal, 32(1), 61-102. https://doi.org/10.1111/isj.12333

Rizinski, M., Peshov, H., Mishev, K., Chitkushev, L. T., Vodenska, I., & Trajanov, D. (2022). Ethically Responsible Machine

Learning in Fintech. IEEE Access, 10, 97531-97554. https://doi.org/10.1109/access.2022.3202889

Sheng, Y., Fu, K., & Liang, J. (2022). Construction of a Fundamental Quantitative Evaluation Model of the a-Share Listed

Companies Based on the BP Neural Network. Computational Intelligence and Neuroscience, 2022, 1-12.

https://doi.org/10.1155/2022/7069788

Utami, A. F., Ekaputra, I. A., & Japutra, A. (2021). Adoption of FinTech Products: A Systematic Literature Review. Journal

of Creative Communications, 16(3), 233-248. https://doi.org/10.1177/09732586211032092

Yeh, J.-Y., & Chen, C. H. (2020). A Machine Learning Approach to Predict the Success of Crowdfunding Fintech Project.

Journal of Enterprise Information Management, 35(6), 1678-1696. https://doi.org/10.1108/jeim-01-2019-0017

Zhou, M., & Zheng, X. (2021). Evaluation of the Development of Fintech-Served Real Economy Based on Fintech

Improvement. Discrete Dynamics in Nature and Society, 2021, 1-10. https://doi.org/10.1155/2021/4836933

دانلود

چاپ شده

۱۴۰۲/۱۰/۰۱

ارسال

۱۴۰۳/۱۱/۰۱

بازنگری

۱۴۰۳/۱۱/۲۵

پذیرش

۱۴۰۳/۱۲/۱۱

شماره

نوع مقاله

مقاله کیفی

ارجاع به مقاله

قاسم زاده ع.، کرامتی م.، مهری نژاد ص.، و مهرانی آ. (1402). ارائه الگوی بهینه سازی فین تک براساس شاخص‌های هوش مصنوعی در بازار مالی. تکنولوژی در کارآفرینی و مدیریت استراتژیک، 2(4)، 69-84. https://doi.org/10.61838/kman.jtesm.2.4.7

مقالات مشابه

1-10 از 129

همچنین برای این مقاله می‌توانید شروع جستجوی پیشرفته مقالات مشابه.