دانشگاه اصفهان مدیریت دارایی و تامین مالی 2383-1189 14 1 2026 05 22 The Impact of Institutional Cross-Ownership on Corporate Social Responsibility Considering the Mediating Role of Industry Competition تأثیر مالکیت متقابل نهادی بر مسئولیت‌پذیری اجتماعی با در نظر گرفتن نقش میانجی رقابت در صنعت 1 20 29426 10.22108/amf.2025.143394.1937 FA احمد انور سعد دانشجوی دکتری، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران حمزه دیدار دانشیار، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران غلامرضا منصورفر دانشیار، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران مهدی حیدری دانشیار، گروه حسابداری، دانشکده اقتصاد و مدیریت، دانشگاه ارومیه، ارومیه، ایران Journal Article 2024 11 14 This study investigates the impact of institutional cross-ownership on corporate social responsibility (CSR) and industry competition, while also examining the mediating role of industry competition in this relationship. Given the complex and multifaceted influence of ownership structures on firms' competitive dynamics and socially responsible behaviors, this study holds significant theoretical and practical relevance. Utilizing a sample of companies listed on the Tehran Stock Exchange over a ten-year period (2014–2023), we employ multivariate regression models to analyze the data. The findings reveal that institutional cross-ownership exerts a positive and significant effect on CSR, while also enhancing competition within the industry. Moreover, industry competition serves as a meaningful mediator, whereby heightened competitive pressures encourage firms to adopt stronger commitments to social responsibility. By offering novel empirical insights into corporate governance and market competition, this study contributes to strategic decision-making in firm management and advances the understanding of the interplay between economic performance and social accountability. Keywords: Corporate Social Responsibility, Institutional Cross-Ownership, Product Market Competition JLE: M41, I22, G11 Introduction This study investigates the impact of institutional cross-ownership on corporate social responsibility (CSR) and industry competition, with a particular focus on the mediating role of competition. In recent years, CSR reporting has gained prominence alongside financial disclosures as stakeholders increasingly demand corporate accountability beyond mere profitability (Asadi et al., 2024). While financial statements reflect a firm’s economic performance, CSR disclosures communicate its commitment to societal and environmental obligations (Hassas et al., 2019). However, the influence of institutional cross-ownership—where investors hold stakes in multiple competing firms within the same industry (He & Huang, 2017)—remains underexplored in the CSR literature. This study presents conflicting perspectives on cross-ownership’s effects: some scholars argue that it fosters anti-competitive behavior by aligning investor interests across firms, potentially leading to collusion (Azar et al., 2018; Kang et al., 2018; Kempf et al., 2016), while others contend that it enhances governance and industry competitiveness through improved oversight (Schmalz, 2018; Gao et al., 2019; Porter & Kramer, 1986). Furthermore, industry competition itself significantly shapes CSR engagement, as firms may adopt CSR initiatives to differentiate themselves and strengthen stakeholder relationships (Lau et al., 2018; Firas et al., 2023), though excessive competitive pressures could alternatively divert resources toward short-term financial goals at the expense of CSR (Kempf et al., 2016). This study aims to reconcile these divergent views by analyzing how institutional cross-ownership influences CSR, both directly and through its impact on industry competition. Methods & Materials This study adopts an applied, quasi-experimental research design utilizing ex-post facto (archival) data. The data were collected from the Tehran Stock Exchange database, Rahavard Novin software, and corporate financial statements (including accompanying notes). For hypothesis testing, we employed Ordinary Least Squares (OLS) regression analysis conducted in Stata (v17) and EViews (v13), with robust standard errors to address potential heteroskedasticity. To evaluate the mediating role of industry competition in the institutional cross-ownership-CSR relationship, we implemented the Sobel test – a rigorous statistical procedure for assessing mediation effects that determines whether the indirect path through the mediator variable is statistically significant. This methodological approach ensures both the reliability of our causal inferences and the validity of our mediation analysis. Findings Our empirical analysis reveals three key findings. First, institutional cross-ownership significantly enhances corporate social responsibility performance (P < 0.01), consistent with the monitoring hypothesis of institutional ownership. This supports governance theories emphasizing the oversight role of cross-owners (Smith & Johnson, 2020). Second, contrary to collusion concerns, we find cross-ownership reduces industry concentration (P < 0.05), suggesting it promotes competition through operational synergies and knowledge sharing - a finding aligned with Schmalz's (2018) efficiency perspective. Third, mediation analysis confirms industry competition's pivotal role (P < 0.05). The results demonstrate that competitive pressures transform cross-ownership from a passive governance mechanism into an active CSR driver, as firms strategically enhance social commitments to maintain competitive differentiation (Kang et al., 2018; Gao et al., 2019). This tripartite relationship provides novel insights into how market dynamics moderate institutional investors' influence on corporate social performance. Discussion and Conclusion This study demonstrates that institutional cross-ownership serves as a dual mechanism for market enhancement. By leveraging their privileged access to industry-wide information, cross-owners transform competitive pressures into catalysts for improved corporate social responsibility. Our findings reveal that such ownership structures not only mitigate anti-competitive tendencies but actively promote market competitiveness through two channels: (1) by enforcing operational efficiencies, and (2) by compelling firms to adopt more sustainable practices as differentiation strategies in competitive environments. These results underscore the pivotal governance role of institutional cross-owners in simultaneously strengthening market dynamics and corporate social performance. The implications suggest that cross-ownership structures may represent an underutilized policy tool for aligning competitive markets with sustainable development goals. این پژوهش با هدف بررسی تأثیر مالکیت متقابل نهادی بر مسئولیت‌پذیری اجتماعی شرکت‌ها و رقابت در صنعت انجام شد و نقش میانجی رقابت در صنعت در این رابطه تحلیل شد. این موضوع از اهمیت زیادی برخوردار است؛ زیرا ساختار مالکیت می‌تواند تأثیرات متفاوت و پیچیده‌ای بر رفتارهای مسئولیت‌پذیری و رقابتی شرکت‌ها داشته باشد. این پژوهش ازلحاظ هدف، کاربردی است و ازنظر بررسی رابطۀ بین متغیرها در شاخۀ مطالعات توصیفی-همبستگی قرار می‌گیرد. جامعۀ آماری شامل شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران بوده و داده‌های پژوهش از دورۀ زمانی 10ساله از سال 1393 تا 1402 گردآوری شده‌ است؛ درنهایت با استفاده از الگوهای رگرسیونی چندمتغیره آزمون شده است. نتایج نشان داد که مالکیت متقابل نهادی تأثیر مثبت و معناداری بر مسئولیت‌پذیری اجتماعی دارد. مشخص شد که مالکیت متقابل نهادی به تقویت رقابت در صنعت کمک می‌کند؛ علاوه‌براین، رقابت در صنعت نقش میانجی مؤثری بین مالکیت متقابل نهادی و مسئولیت‌پذیری اجتماعی ایفا می‌کند؛ به‌طوری‌که افزایش رقابت به تشویق شرکت‌ها برای تعهد بیشتر به مسئولیت‌های اجتماعی منجر می‌شود. پژوهش حاضر شواهدی جدید و کاربردی در حوزۀ حاکمیت شرکت و رقابت در بازار ارائه می‌دهد که می‌تواند به تصمیم‌گیری‌های راهبردی بهتر در مدیریت کمک کند.

https://amf.ui.ac.ir/article_29426_6fa8184ee6079d619a14057e33d4e1c1.pdf

دانشگاه اصفهان مدیریت دارایی و تامین مالی 2383-1189 14 1 2026 05 22 Forecasting the Tehran Stock Exchange Dividend and Price Index (TEDPIX) Using a NARX Neural Network Model پیش‌بینی شاخص کل بورس اوراق بهادار تهران با استفاده از مدل شبکۀ عصبی نارکس 21 48 29541 10.22108/amf.2025.143461.1940 FA علی تسلیم پور دانشجوی دکتری، گروه مدیریت مالی، حسابداری و مهندسی مالی، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران غلامرضا عسکرزاده استادیار، گروه مدیریت مالی، دانشکده بازار و کسب وکار، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران کریم قالمق استادیار، گروه مدیریت، دانشکده صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران هومن نصیری استادیار، گروه اقتصاد، دانشکده علوم انسانی، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران Journal Article 2024 11 23 This study aims to optimize the settings of the nonlinear autoregressive network with exogenous inputs (NARX) model for predicting the next-day Tehran Exchange Dividend and Price Index (TEDPIX), compare its performance with the nonlinear autoregressive (NAR) and nonlinear input-output (NIO) models, extend the prediction horizon using the NAR model, and validate the NARX model through sensitivity analysis and performance comparison with the traditional autoregressive integrated moving average (ARIMA) model. This study uses TEDPIX data from 2009 to 2023. The NARX model was employed to predict the next day's index, and the NAR model was used to extend the forecasting horizon. The performance of the NARX model was compared to the NAR, NIO, and ARIMA models, using the percentage of absolute error as the evaluation metric. The mean squared error was used to determine the optimal settings for the NARX model and compare the performance of the NAR model with ARIMA. The findings indicate that the proposed NARX model, when combined with open, close, high, and low prices, trading volume, simple moving average, and exponential moving average, delivers the best prediction performance. Additionally, the Levenberg-Marquardt training algorithm achieves the highest accuracy. The model validation results confirm the superiority of the NARX algorithm over the NAR and NIO models and the traditional ARIMA model. Keywords: NARX Neural Network, Machine Learning, Price Prediction, Stock Index JEL Codes: C45, C53, G12, G17 Introduction With the advancement of computational technologies and the growth of electronic trading, capital markets have expanded considerably, generating large volumes of financial data (Zeng et al., 2025). Analyzing this data is vital for improved decision-making and effective risk management (Rashid & Ismail, 2024). In Iran, the Tehran Exchange Dividend and Price Index (TEDPIX) is a key economic indicator, yet accurately forecasting its movements remains a challenge for market analysts (Chavoshi et al., 2022). Due to its nonlinear and dynamic nature (Osoolian et al., 2025), advanced techniques such as artificial neural networks have been proposed to enhance forecasting performance (Rafi et al., 2023). Traditional models like ARIMA (Autoregressive Integrated Moving Average) often fall short in volatile environments (Dhafer et al., 2022), whereas neural networks are better equipped to capture complex, nonlinear patterns (Shariffar et al., 2023). Among artificial neural network models, the Nonlinear Autoregressive model with eXogenous inputs (NARX) demonstrates higher accuracy in time series forecasting by considering the relationship between exogenous inputs and the target variable (Alcalde et al., 2024). It also exhibits greater efficiency by converging more rapidly to optimal weights (Jaiswal et al., 2025). Despite its advantages, the NARX model has not yet been applied to forecast TEDPIX specifically. This study develops a NARX-based forecasting model for TEDPIX, compares its performance with the NAR (Nonlinear Autoregressive) and NIO (Nonlinear Input-Output) models, evaluates different forecasting horizons, conducts sensitivity analysis, and benchmarks its results against ARIMA. The central question is whether NARX can provide more accurate forecasts for TEDPIX. Materials & Methods This study utilizes TEDPIX data from 2009 to 2023, obtained from the official website of the Tehran Securities Technology Management Company. The NARX model is employed to forecast the next day's index value, while the NAR model extends the prediction to longer horizons. The research follows a four-stage methodology: data collection and preparation, preprocessing, model configuration and execution, and performance evaluation. In addition to price and trading volume, several technical indicators—including Simple Moving Average (SMA), Exponential Moving Average (EMA), Moving Average Convergence Divergence (MACD), and Relative Strength Index (RSI)—were computed to define the model's input variables. During model configuration, the optimal number of neurons, the best input combinations, and the most effective training algorithm were identified. Model optimization was guided by the Mean Squared Error (MSE), while the Mean Absolute Error (MAE) was used to compare prediction accuracy across models. Following model execution, a sensitivity analysis was conducted to evaluate the impact of neuron count on forecasting accuracy. Finally, the predictive performance of the NARX model was benchmarked against the NAR, NIO, and ARIMA models to assess its relative forecasting effectiveness. Findings The results indicate that the optimal input set for the NARX model includes opening, closing, highest, and lowest prices, trading volume, SMA (10), EMA (10), SMA (50), and EMA (50). The model showed its best performance when the number of neurons was set according to the formulation proposed by Dhafer et al. (2022). Among training algorithms, Levenberg-Marquardt, Bayesian Regularization, and Scaled Conjugate Gradient produced the most accurate outcomes, respectively. Model validation through sensitivity analysis confirmed its robustness: as shown in Figure 4, changes in the number of neurons resulted in controlled variations in accuracy, indicating model stability. Figure (4) Sensitivity analysis of the NARX model to the number of neurons Furthermore, a one-day-ahead forecasting comparison between NARX and ARIMA indicated the superior predictive capability of the proposed model. Over a 15-year period, the absolute percentage error for NARX was 0.32, compared to 0.55 for ARIMA (see Table 6). Table (6) Comparison results of the ARIMA model with the NARX model Time Horizon Forecasted Value (NARX) Forecasted Value (ARIMA) MAE – NARX (%) MAE – ARIMA (%) 15 Years 1,412,700 1,415,891 0.32 0.55 10 Years 1,414,200 1,416,041 0.43 0.56 5 Years 1,414,100 1,416,497 0.42 0.59 3 Years 1,413,300 1,416,040 0.36 0.56 Discussion and Conclusion To enhance TEDPIX forecasting accuracy, this study proposes a model based on the optimized design and configuration of the NARX network, achieving a notably low error rate of 0.00052. Addressing the second objective, the NARX model was benchmarked against its predecessors—NIO and NAR—demonstrating superior performance consistent with findings by Alcalde et al. (2024). Moreover, by leveraging the predictive capacity of the NAR model, the forecasting horizon was extended to 21 days. Sensitivity analysis regarding the number of neurons, aligned with the study's fourth objective, confirmed the model's robustness. Additionally, a performance comparison with the ARIMA model showed that NARX outperformed ARIMA, in line with previous research by Alshater et al. (2022), Devyatkin and Otmakhova (2021), and Badshah et al. (2023). Despite these contributions, the study faces several limitations, including a constrained time frame, reliance solely on price and technical indicators, sensitivity to model configuration, and limited generalizability to other contexts. Future research may improve model performance by developing more efficient training algorithms, integrating hybrid approaches, expanding applications to diverse markets, and optimizing the network architecture. این پژوهش با هدف تعیین تنظیمات بهینۀ مدل شبکۀ عصبی خودرگرسیون غیرخطی با ورودی‌های برون‌زا (نارکس) برای پیش‌بینی روز آتی شاخص کل بورس اوراق بهادار تهران انجام شده است. سایر اهداف شامل مقایسۀ عملکرد مدل نارکس با مدل‌های شبکۀ عصبی خودرگرسیون غیرخطی (نار) و ورودی - خروجی غیرخطی (نایو)، توسعۀ بازۀ زمانی پیش‌بینی با استفاده از شبکۀ عصبی نار، اعتبارسنجی مدل نارکس ازطریق تحلیل حساسیت و مقایسۀ عملکرد آن با مدل میانگین متحرک خودرگرسیون انباشته (آریما) است. طبق داده‌های شاخص کل از سال ۱۳۸۸ تا ۱۴۰۲، مدل نارکس برای پیش‌بینی روز آتی و مدل نار برای توسعۀ بازۀ زمانی پیش‌بینی به کار گرفته شد. عملکرد مدل نارکس با مدل‌های نار، نایو و آریما براساس درصد خطای مطلق مقایسه شد. برای تعیین تنظیمات بهینۀ مدل نارکس و مقایسۀ عملکرد مدل نار با آریما نیز میانگین مجذور خطا ملاک قرار گرفت. یافته‌ها نشان می‌دهد که مدل نارکس پیشنهادی، در ترکیب با داده‎‌های قیمت باز، بسته، سقف و کف، حجم معاملات و میانگین‌های متحرک ساده و نمایی بهترین عملکرد پیش‌بینی را داشته است. در مقایسه با سایر الگوریتم‌های آموزشی، الگوریتم لونبرگ - مارکوارت بالاترین دقت را ایجاد کرده است. نتایج اعتبارسنجی نیز برتری مدل نارکس را به الگوریتم‌های شبکۀ عصبی نار و نایو و مدل سنتی آریما تأیید می‌کند. این پژوهش نخستین بررسی از عملکرد شبکۀ عصبی نارکس در پیش‌بینی شاخص کل بورس تهران است و یافته‌های آن، علاوه‌بر توسعۀ دانش نظری در زمینۀ کاربرد شبکۀ عصبی پویا می‌تواند به‌عنوان ابزاری اثربخش در اختیار تحلیلگران بازار سرمایه قرار گیرد.

https://amf.ui.ac.ir/article_29541_21e3d8981ccb0eb884a1f4e9ece9a99a.pdf

دانشگاه اصفهان مدیریت دارایی و تامین مالی 2383-1189 14 1 2026 05 22 Energy Diversification and Firm Performance: The Moderating Role of Innovation Capability, Culture and Industry تنوع انرژی و عملکرد شرکت: نقش تعدیلگری توانایی نوآوری، فرهنگ و صنعت 49 72 29585 10.22108/amf.2025.144267.1958 FA سیدجلال طباطبائی استادیار، گروه مدیریت، دانشکده مدیریت، اقتصاد و حسابداری، دانشگاه پیام نور، تهران، ایران Journal Article 2025 02 16 This study investigates the effect of energy diversification on corporate financial performance at the global level and examines the moderating role of corporate innovation capacity. Utilizing a comprehensive panel dataset comprising 31,000 firm-year observations from 50 firms across 31 developed and developing economies between 2002 and 2021, the analysis employs a two-stage least squares instrumental variable (2SLS-IV) regression to mitigate endogeneity concerns. The findings reveal that, independently, energy diversification exerts a significantly negative influence on financial performance. However, this relationship is moderated by firms’ innovation capabilities—particularly those driven by R&D investments—which, under certain conditions, can reverse the negative effect and engender positive financial outcomes. The moderating impact of innovation is especially salient within energy-intensive industries, such as raw materials and energy sectors, relative to less energy-dependent industries. Additionally, this effect is more pronounced in countries characterized by individualistic and long-term oriented cultural traits that foster risk-taking and sustainability initiatives. These results underscore the intricate interplay between energy diversification, innovation, industry-specific factors, and national cultural contexts. The study offers meaningful implications for corporate managers seeking to leverage innovation in energy strategy development, as well as for policymakers aiming to incentivize investments in clean and sustainable technologies. Keywords: Energy Diversification, Corporate Innovation, Firm Performance, National Culture, Energy-Intensive Industries JEL Classification: D22, G10, G39 Introduction This study investigates the impact of energy diversification on firms’ financial performance, with a particular focus on the moderating role of corporate innovation capacity. Amid the global shift toward renewable energy and the urgent need to reduce reliance on fossil fuels, energy diversification has emerged as a vital strategy for mitigating both economic and environmental risks. This issue is especially relevant for Iran, given its heavy dependence on oil and gas, along with ongoing challenges such as electricity imbalances and international sanctions. The objective of this study is to examine how energy diversification interacts with firms’ innovation capabilities to influence financial outcomes. The analysis also considers contextual factors, including national cultural dimensions—specifically individualism and long-term orientation—and industry characteristics, particularly the distinction between energy-intensive and less energy-intensive sectors. This study contributes to the existing literature by addressing a notable gap, which largely concentrates on the direct effects of innovation on firm performance while overlooking the role of energy diversification. It provides practical insights for managers aiming to optimize their energy and innovation strategies, as well as for policymakers designing incentives to foster sustainable technological development. The study formulates the following hypotheses: 1) Energy diversification enhances innovation performance, 2) Innovation mitigates the negative impact of energy diversification on financial performance, 3) This moderating effect is stronger in energy-intensive industries, and 4) The effect is more pronounced in cultures characterized by individualism and long-term orientation. Methodology This study employs a quantitative research design based on panel data analysis. The sample comprises 50 firms operating across 31 developed and developing economies, including Iran, over the period 2002–2021, yielding a total of 31,000 firm-year observations. Data for Iranian firms were sourced from the Rayan Hamafza software, while international data were obtained from recognized global databases. Energy diversification data were drawn from Gozgor and Paramati (2022), and gross national product (GNP) figures were retrieved from the World Bank. Firm financial performance was assessed using three key indicators: return on assets (ROA), return on equity (ROE), and Tobin’s Q. Corporate innovation capacity was proxied by the ratio of R&D expenditures to total revenue. Control variables included firm size (logarithm of total assets), financial leverage, fixed assets, and corporate governance indicators such as board size, board independence, and gender diversity. To address potential endogeneity, the analysis employed a panel regression framework utilizing a two-stage least squares (2SLS) instrumental variable approach. The model incorporated industry and year fixed effects to control for unobserved heterogeneity across sectors and over time. Subgroup analyses examined the moderating effects of energy diversification within energy-intensive versus less energy-intensive industries, as well as across cultural contexts characterized by individualism and long-term orientation. Standard errors were clustered at the firm level to correct for heteroskedasticity. This methodological approach ensures rigorous hypothesis testing and enhances the robustness and reliability of the empirical findings. Findings The findings indicate that energy diversification exerts a statistically significant negative impact on firms’ financial performance, as measured by return on assets (ROA), return on equity (ROE), and Tobin’s Q. However, this adverse effect is moderated by firms’ innovation capabilities, which can convert the relationship into a positive one among firms with high levels of innovation. An analysis of the direct effect of energy diversification on innovation, controlling for both firm- and country-level variables, reveals a positive and statistically significant coefficient at the 1% level (Model 1: β = 0.12, SE = 0.0009; Model 2: β = 0.06, SE = 0.0008), thereby supporting Hypothesis 1. The moderating role of innovation is further evidenced by a positive and significant interaction term between energy diversification and innovation (ROA: β = 0.008, SE = 0.002; Tobin’s Q: β = 0.06, SE = 0.03), confirming Hypothesis 2. Subgroup analyses demonstrate that this moderating effect is more pronounced in energy-intensive industries—such as raw materials and energy—where the interaction term is stronger (ROA: β = 0.013, SE = 0.003) compared to less energy-dependent sectors (β = 0.005, SE = 0.003), thus supporting Hypothesis 3. Additionally, cultural context further influences the relationship: the effect is significantly stronger in countries characterized by high levels of individualism (β = 0.015, SE = 0.004) and long-term orientation (β = 0.012, SE = 0.003), lending support to Hypothesis 4. These results remain robust across multiple sensitivity analyses, underscoring the reliability and validity of the findings. Discussion and Conclusion The findings demonstrate that, in isolation, energy diversification negatively impacts firms’ financial performance. However, this adverse effect is significantly mitigated by corporate innovation capacity—particularly through substantial investments in R&D—ultimately enabling more innovative firms to enhance their performance. These results support the study’s hypotheses and highlight the role of innovation as a compensatory mechanism that can offset the costs or complexities associated with diversifying energy sources. The moderating influence of innovation is notably stronger within energy-intensive industries, where demand for clean technologies is higher, and in cultural contexts characterized by individualism and long-term orientation—traits that foster risk-taking, innovation, and commitments to sustainability. These insights are particularly pertinent for countries like Iran, where heavy dependence on fossil fuels, coupled with systemic challenges such as energy imbalances and international sanctions, underscores the pressing need for strategic investments in innovation and renewable energy sources such as solar and wind. Policymakers can play a crucial role by incentivizing the adoption of clean technologies through targeted tax incentives, subsidies, and other financial support mechanisms. For corporate leaders, the results suggest that aligning energy strategies with innovation initiatives is essential for achieving both environmental sustainability and financial performance. Future research could explore the effects of specific renewable energy sources—such as hydrogen or geothermal energy—investigate the influence of corporate culture on energy strategy adoption, and examine the interaction between energy diversification and international carbon reduction policies. Overall, this study contributes to the expanding literature on energy diversification and corporate innovation, offering practical insights for managers and policymakers seeking to balance environmental responsibility with financial performance amid the evolving global energy landscape. پژوهش حاضر تأثیر تنوع انرژی را بر عملکرد مالی شرکت‌ها در سطح بین‌المللی بررسی می‌کند و نقش تعدیلگر توانایی نوآوری شرکتی را دراین‌رابطه تحلیل می‌کند. با استفاده از داده‌های تابلویی گسترده شامل 31000 سال-شرکت از 50 شرکت فعال در 31 اقتصاد توسعه‌یافته و درحال‌توسعه طی سال‌های 2002 تا 2021، تحلیل‌ها با روش رگرسیون چندمتغیره و رویکرد متغیر ابزاری حداقل مربعات دومرحله‌ای انجام شد تا مشکل درون‌زایی برطرف شود. یافته‌ها نشان داد که تنوع انرژی به‌تنهایی اثر منفی و معناداری بر عملکرد مالی دارد؛ اما این تأثیر در شرکت‌هایی با توانایی نوآوری بالاتر، ازطریق سرمایه‌گذاری در پژوهش و توسعه، تعدیل شده و در برخی موارد به اثر مثبت تبدیل می‌شود. اثر تعدیلگر نوآوری در صنایع پرمصرف انرژی، مانند مواد اولیه و انرژی، قوی‌تر از صنایع کم‌مصرف است. همچنین، این اثر در کشورهای با فرهنگ‌های فردگرا و گرایش بلندمدت که ریسک‌پذیری و پایداری را ترویج می‌کنند، برجسته‌تر است. این نتایج بر اهمیت تعامل بین تنوع انرژی، نوآوری و عوامل زمینه‌ای نظیر فرهنگ و صنعت تأکید دارد. مطالعۀ حاضر برای مدیران در بهینه‌سازی استراتژی‌های تنوع انرژی و سرمایه‌گذاری در نوآوری و برای سیاست‌گذاران در تدوین مشوق‌های مالی برای فناوری‌های پاک راهنمایی‌های عملی ارائه می‌دهد.

https://amf.ui.ac.ir/article_29585_63720b1307d78fe9d1a7bc012e2a1be4.pdf

دانشگاه اصفهان مدیریت دارایی و تامین مالی 2383-1189 14 1 2026 05 22 The Impact of Transient versus Persistent Operating Efficiency on Short-Term Performance and Firm Value: A Stochastic Frontier Analysis تأثیر کارایی عملیاتی موقت و پایدار بر عملکرد کوتاه‌مدت و ارزش شرکت براساس تابع مرزی تصادفی 73 98 29628 10.22108/amf.2025.142901.1925 FA بهروز بادپا استادیار، گروه حسابداری، دانشکده ادبیات و علوم انسانی، دانشگاه ایلام، ایلام، ایران 0000-0002-1048-0787 روح اله آماره دکتری تخصصی، گروه حسابداری، دانشکده اقتصاد و علوم اداری، دانشگاه مازندران، بابلسر، ایران Journal Article 2024 09 26 In an era of heightened shareholder expectations for value creation, firms face increasing pressure to optimize operating efficiency. This study investigates the distinct effects of transient and persistent operational efficiency on firm performance and market value. Applying the multi-step stochastic frontier analysis (SFA) framework developed by Kumbhakar et al. (2014), we decompose efficiency into transient and persistent components using a panel dataset of 167 firms listed on the Tehran Stock Exchange (2006–2022). Empirical analysis combines stochastic frontier estimation with multivariate linear regression (Stata 17) to assess the drivers and outcomes of efficiency. Key findings reveal that cost of goods sold, tangible fixed assets, and selling, general, and administrative expenses significantly enhance cash flow and drive both transient and persistent efficiency, whereas intangible assets exhibit no measurable impact. Notably, persistent efficiency negatively correlates with return on assets (ROA) and Tobin’s Q, suggesting a potential erosion of firm value over time. Transient efficiency, however, positively influences ROA but lacks a significant association with market valuation. These results highlight a prevailing short-term managerial focus and offer critical insights for investors, corporate leaders, and policymakers aiming to reconcile operational efficiency with sustainable value creation. افزایش فزایندۀ علاقه به ایجاد ارزش به افزایش فشار سهام‌داران به شرکت‌ها برای بهبود کارایی عملیاتی منجر شده است. در چنین شرایطی، شرکت‌ها با هدف ارزش‌آفرینی و افزایش سهم خود از بازار در جهت پویایی و موفقیت آتی خود، باید از منابع موجود واحد تجاری به‌صورت کارا و مؤثر استفاده کنند؛ بنابراین، بر پایۀ این استدلال، پژوهش حاضر تأثیر کارایی عملیاتی موقت و پایدار را بر عملکرد و ارزش شرکت بررسی کرده است. برای سنجش کارایی عملیاتی موقت و پایدار از تابع مرزی تصادفی و رویکرد چندمرحله‌ای کومباکار و همکاران (Kumbhakar et al., 2014) استفاده شد. فرضیه‌های پژوهش با استفاده از نمونه‎‌ای شامل 167 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران طی سال‌های 1385 تا 1401 و با بهره‌گیری از تابع مرزی تصادفی و رگرسیون خطی چندمتغیره در نرم‌افزار استتا نسخۀ 17 بررسی شد. یافته‌ها نشان داد که متغیرهای بهای‌ تمام‌شدۀ کالای فروش‌رفته، دارایی‌های ثابت مشهود و هزینه‌های فروش، اداری و عمومی با تأثیر مثبت بر جریان‌های نقدی شرکت نقش تعیین‌کننده‌ای در اندازه‌گیری و تفکیک کارایی عملیاتی پایدار و موقت شرکت دارد؛ اما دارایی‌های نامشهود نقش مؤثری در تبیین کارایی عملیاتی ندارد. در ادامه نتایج پژوهش نشان داد که کارایی عملیاتی پایدار شرکت، تأثیر منفی بر بازدۀ دارایی‎‌های شرکت (عملکرد کوتاه‌مدت) دارد و با افزایش کارایی عملیاتی پایدار، شاخص کیوتوبین نیز کاهش پیدا می‌کند؛ اما کارایی عملیاتی موقت تأثیر مثبتی بر بازدۀ دارایی‎‌ها دارد. از طرفی، کارایی عملیاتی موقت، تأثیری بر ارزش بازار شرکت ندارد. نوآوری این پژوهش در به‌کارگیری تابع مرزی تصادفی و رویکرد چندمرحله‌ای کومباکار و همکاران (Kumbhakar et al., 2014) در سنجش کارایی عملیاتی موقت و پایدار شرکت‌ها است؛ علاوه براین، متغیرهای تعیین‌کنندۀ کارایی عملیاتی موقت و پایدار شناسایی شدند و تأثیر اجزای کارایی عملیاتی بر سودآوری و ارزش شرکت بررسی شد. در تبیین نتایج می‌توان گفت که سیاست‌های مدیریت، بیشتر در جهت نتایج کوتاه‌مدت تدوین و اجرا شده است و ارزش‌آفرینی در بلندمدت و در بازار، هدف اصلی مدیریت نبوده است؛ بنابراین، بیشتر شرکت‌ها با افزایش سطح کارایی موقت (در یک‌سال) در تلاش هستند که حتی با فروش‌های غیرنقدی و مخارج غیرسرمایه‌ای سود کسب کنند، حتی اگر اندک باشد. نتایج پژوهش حاضر می‌تواند برای سرمایه‌گذاران، تحلیلگران، مدیران، کارآفرینان و سیاست‌گذاران بازار مفید باشد.

https://amf.ui.ac.ir/article_29628_873e4215b4616b718c98ebf85bcfee8e.pdf

دانشگاه اصفهان مدیریت دارایی و تامین مالی 2383-1189 14 1 2026 05 22 Examining the Moderating Role of Economic Uncertainty Conditions and Profitability on the Relationship Between Stock Prices and Forward-Looking Risk Disclosure: A Static and Dynamic Approach بررسی نقش تعدیلگر شرایط نااطمینانی اقتصادی و سودآوری بر رابطه بین قیمت سهام و افشای ریسک آینده‌نگر با استفاده از رویکرد ایستا و پویا 99 124 29689 10.22108/amf.2025.143895.1946 FA فاطمه منصوری محمدآبادی دانشجوی دکتری، گروه حسابداری، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران اکرم تفتیان دانشیار، گروه حسابداری، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران محمود معین الدین استاد، گروه حسابداری، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران Journal Article 2025 01 10 Capital markets are exposed to a multitude of risks, with forward-looking risk representing a particularly critical category for investor assessment. Shareholders increasingly rely on firms' strategic disclosures to evaluate short- and long-term objectives, performance expectations, and the quality of prospective information. This study examines the value relevance of forward-looking risk disclosures within annual reports, specifically investigating the moderating effects of economic uncertainty and corporate profitability. Utilizing a sample of 93 firms listed on the Tehran Stock Exchange (TSE) from 2017 to 2023, selected via a systematic filtering process, we measure forward-looking risk disclosure through a content analysis of keyword frequency. Our empirical model employs the Generalized Method of Moments (GMM) estimator to ensure robust hypothesis testing, with stock price as the dependent variable and the disclosure level as the independent variable. The results demonstrate a statistically significant negative association between forward-looking risk disclosure and stock price. Furthermore, we find that this relationship is significantly moderated by both economic uncertainty, which exacerbates the negative effect, and profitability, which attenuates it. These findings highlight the acute sensitivity of the TSE to macro-economic conditions and firm-specific performance. Consequently, we recommend that policymakers and regulators implement strategies to enhance the transparency and reliability of forward-looking disclosures to improve market efficiency. در بازار سرمایه انواع مختلفی از ریسک وجود دارد. یکی از این انواع ریسک، ریسک آینده‌نگر است. سهام‌داران بااطلاع از نوع راهبردهای شرکت، می‌توانند استنباط مناسبی از اهداف کوتاه‌مدت و بلندمدت، عملکرد و حجم افشای اطلاعات آینده‌نگر توسط شرکت‌ها داشته باشند؛ بنابراین، پژوهش حاضر با تمرکز بر نقش تعدیلگری شرایط عدم اطمینان اقتصادی و سودآوری، تأثیر این عوامل بر ارتباط ارزشی افشای ریسک آینده‌نگر در گزارش‌های سالانه بررسی شده است. متغیر وابستۀ پژوهش قیمت سهام، متغیر مستقل افشای ریسک آینده‌نگر و متغیر تعدیلگر نااطمینانی اقتصادی و سودآوری است؛ بدین منظور 93 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران در بازۀ زمانی سال‌های 1396 تا 1402 با روش حذف سیستماتیک انتخاب شدند و به‌منظور افزایش درجۀ اطمینان از نتایج حاصل از آزمون فرضیات، از روش پیشرفتۀ گشتاورهای تعمیم‌یافته استفاده شده است. برای اندازه‌گیری افشای ریسک آینده‌نگر از روش فراوانی واژگان بهره گرفته شده است. طبق یافته‌های پژوهش، افشای ریسک آینده‌نگر بر قیمت سهام تأثیر منفی و معناداری دارد و نااطمینانی اقتصادی و سودآوری به‌عنوان تعدیلگر بر رابطۀ‏ بین افشای ریسک آینده‌نگر و قیمت سهام به ترتیب تأثیر مثبت و منفی معناداری می‏گذارد. می‌توان ادعا کرد که بازار اوراق بهادار تهران بیشتر متأثر از متغیرهای اقتصادی است؛ بنابراین، سیاست‌گذاری در حوزه‌های کلان برای افزایش افشای ریسک آینده‌نگر اقتصادی لازم به نظر می‌رسد.

https://amf.ui.ac.ir/article_29689_3683f9abb3213b6cdfcef2505228b1cf.pdf

دانشگاه اصفهان مدیریت دارایی و تامین مالی 2383-1189 14 1 2026 05 22 Investigating the Impact of Political Risk on Corporate Social Responsibility with Emphasis on the Moderating Role of Operational Flexibility & Corporate Management Stability بررسی تأثیرگذاری ریسک سیاسی بر مسئولیت‎‌های اجتماعی شرکت‎‌ها با تأکید بر نقش تعدیل‎‌کننده انعطاف‎‌پذیری عملیاتی و ثبات مدیریت شرکت 125 146 29678 10.22108/amf.2025.144762.1972 FA محسن لطفی استادیار، گروه حسابداری، دانشکده مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران افسانه دلشاد استادیار، گروه مدیریت، اقتصاد و حسابداری، دانشکده علوم انسانی و اجتماعی، دانشگاه گلستان، گرگان، ایران Journal Article 2025 03 23 This study examines the impact of political risk on the development of corporate social responsibility (CSR) in emerging markets, with a specific focus on the moderating roles of operational flexibility and managerial stability. Utilizing a sample of 129 firms listed on the Tehran Stock Exchange from 2008 to 2024, we test our hypotheses using a multiple regression model with panel data. The findings reveal that heightened political risk significantly impedes the development of CSR performance. However, operational flexibility and managerial stability serve as effective mitigating factors. Specifically, operational flexibility allows firms to adapt more swiftly and effectively to political uncertainties, thereby attenuating the negative influence on their CSR initiatives. Similarly, stable management provides the strategic foresight and consistency necessary to buffer CSR programs from the adverse effects of political risk. These results underscore the critical importance of internal organizational capabilities in sustaining CSR commitments within politically volatile environments. پژوهش حاضر با هدف مطالعۀ تأثیرگذاری ریسک‎‌ سیاسی بر ایفای مسئولیت‎‌های اجتماعی شرکت‎‌ها با تأکید بر نقش تعدیل‎‌کنندۀ انعطاف‎‌پذیری عملیاتی و ثبات مدیریت انجام شده است. برای دستیابی به هدف‎‌ پژوهش، تعداد ۱۲9 شرکت پذیرفته‌شده در بورس اوراق بهادار تهران برای دورۀ زمانی ۱۳۸۶ تا ۱۴۰۲ انتخاب شد و روش آزمون فرضیه‎ها، مدل رگرسیون چندگانه در مجموعه داده‎های ترکیبی است. نتایج نشان می‎‌دهند که درصورت وجود ریسک سیاسی، از میزان ایفای مسئولیت‎‌های اجتماعی شرکت‌های نمونه به شکلی معنادار کاسته شده است. سایر یافته‎‌ها حاکی‌ازآن است که انعطاف‎‌پذیری عملیاتی و ثبات مدیریت، به شکل مؤثری تأثیر ریسک سیاسی بر مسئولیت‎‌های اجتماعی را تعدیل می‎‌کند و در شرکت‎‌های دارای انعطاف‎‌پذیری عملیاتی، از شدت تأثیرگذاری منفی ریسک سیاسی بر ایفای مسئولیت‎‌های اجتماعی کاسته شده است؛ زیرا انعطاف‌پذیری عملیاتی به شرکت‌ها این امکان را می‌دهد که در مواجهه با ریسک‌های سیاسی، سریع‌تر و مؤثرتر واکنش نشان دهند؛ علاوه‌براین، درصورت وجود مدیریت با ثبات و مستحکم، اثرات منفی ریسک سیاسی بر ایفای مسئولیت‎‌های اجتماعی شرکت‎‌ها کاهش یافته است.

https://amf.ui.ac.ir/article_29678_8cac4622ee11fb5c0e77d206ce9bc892.pdf