سعید شیپوریان چشم انداز حسابداری و مدیریت 2645-4572 8 108 2025 11 22 Empirical Analysis of the Conceptual Model of the Impact of Artificial Intelligence on the Decision-Making Efficiency of Retail Investors تحلیل تجربی مدل مفهومی اثر هوش مصنوعی بر کارایی تصمیم‌گیری سرمایه‌گذاران خرد 148 171 242077 FA میر سجاد مسجد موسوی استادیار گروه مالی و حسابداری، موسسه آموزش عالی الکترونیکی ایرانیان، تهران، ایران. 0009-0004-4891-4933 کاظم قطبی دانشجوی کارشناسی ارشد مدیریت مالی، موسسه آموزش عالی الکترونیکی ایرانیان، تهران، ایران. Journal Article 2026 01 03 Abstract In recent years, the widespread adoption of artificial intelligence (AI)-based tools in financial markets has fundamentally transformed investors' decision-making patterns. Retail investors, who are often confronted with cognitive limitations and behavioral biases such as overconfidence, anchoring, loss aversion, and herding behavior, are more affected by these developments than institutional investors. Examining the impact of AI on the financial decision-making efficiency of this group is highly significant, as their decisions influence the overall efficiency of the capital market. The present study employed a quantitative approach with a survey method. The statistical population consisted of active individual investors in the Tehran Stock Exchange (TSE) and Iran Fara Bourse who had at least one year of trading experience and prior use of AI tools (such as investment advisory robots or smart applications). Convenience sampling was used, and from 538 distributed questionnaires, 500 valid cases were selected for final analysis. The data collection instrument was a standard questionnaire with 29 items based on a five-point Likert scale, measuring seven key constructs of the model (AI capabilities, information quality, transparency, trust in AI, reduction of behavioral biases, over-reliance, and decision-making efficiency). Data analysis was performed using structural equation modeling via the partial least squares (PLS-SEM) method in SmartPLS software version 4, with 5,000 bootstrap replications. The findings revealed that AI technical capabilities (β=0.291) and provided information quality (β=0.380) have positive direct effects on decision-making efficiency. Reduction of behavioral biases showed the strongest positive path (β=0.427), while over-reliance had a significant negative effect (β=-0.175). AI transparency exhibited the strongest influence on trust (β=0.682), and trust had a weak positive direct effect (β=0.220) but a negative indirect effect (through over-reliance) on efficiency. The model's coefficient of determination for the decision-making efficiency construct was 0.615, confirming strong explanatory power. The main innovation of this research lies in the simultaneous integration of psychological factors (trust, over-reliance, and biases) with AI technological features in a coherent empirical model tailored to the Iranian market. This model provides a foundation for future research and assists policymakers, regulatory bodies, and designers of smart tools in harnessing AI benefits while mitigating behavioral risks—for instance, by incorporating algorithmic transparency mechanisms and anti-over-reliance warnings in financial platforms. در سال‌های اخیر، ورود گسترده ابزارهای مبتنی بر هوش مصنوعی به بازارهای مالی، الگوهای تصمیم‌گیری سرمایه‌گذاران را به طور اساسی تغییر داده است. سرمایه‌گذاران خرد، که اغلب با محدودیت‌های شناختی و خطاهای رفتاری نظیر بیش‌اطمینانی، لنگراندازی، ترس از زیان و رفتار گله‌ای مواجه هستند، بیش از سرمایه‌گذاران نهادی از این تحولات تأثیر می‌پذیرند. بررسی تأثیر AI بر کارایی تصمیم‌گیری مالی این گروه اهمیت زیادی دارد، زیرا تصمیمات آنان بر کارایی کلی بازار سرمایه اثرگذار است. پژوهش حاضر با رویکرد کمی و روش پیمایشی انجام شد. جامعه آماری شامل سرمایه‌گذاران حقیقی فعال در بورس اوراق بهادار تهران و فرابورس ایران بود که حداقل یک سال سابقه معامله و تجربه استفاده از ابزارهای AI (مانند ربات‌های مشاور سرمایه‌گذاری یا اپلیکیشن‌های هوشمند) داشتند. نمونه‌گیری به صورت در دسترس بود و از ۵۳۸ پرسشنامه توزیع‌شده، ۵۰۰ مورد معتبر برای تحلیل نهایی انتخاب شد. ابزار گردآوری داده‌ها پرسشنامه استاندارد با ۲۹ گویه بر پایه مقیاس پنج‌درجه‌ای لیکرت بود که هفت سازه کلیدی مدل (قابلیت‌های AI، کیفیت اطلاعات، شفافیت، اعتماد به AI، کاهش سوگیری‌های رفتاری، وابستگی بیش‌ازحد، و کارایی تصمیم‌گیری) را اندازه‌گیری می‌کرد. تحلیل داده‌ها با استفاده از مدل‌سازی معادلات ساختاری به روش حداقل مربعات جزئی (PLS-SEM) در نرم‌افزار SmartPLS نسخه ۴ و با بوت‌استرپینگ ۵۰۰۰ تکراری انجام گرفت. یافته‌ها نشان داد که قابلیت‌های فنی AI (β=0.291) و کیفیت اطلاعات ارائه‌شده (β=0.380) اثر مثبت مستقیم بر کارایی تصمیم‌گیری دارند. کاهش سوگیری‌های رفتاری قوی‌ترین مسیر مثبت (β=0.427) بود، در حالی که وابستگی بیش‌ازحد اثر منفی معنادار (β=-0.175) داشت. شفافیت AI قوی‌ترین تأثیر را بر اعتماد (β=0.628) نشان داد و اعتماد اثر مثبت مستقیم ضعیف(β=0.220) اما منفی غیرمستقیم (از طریق وابستگی) بر کارایی ایجاد کرد. ضریب تعیین مدل برای سازه کارایی تصمیم‌گیری 0.615 بود که قدرت تبیین قوی را تأیید می‌کند. نوآوری اصلی پژوهش، یکپارچه‌سازی همزمان عوامل روان‌شناختی (اعتماد، وابستگی و سوگیری‌ها) با ویژگی‌های فناوری AI در یک مدل تجربی منسجم برای بازار ایران است. این مدل پایه‌ای برای تحقیقات آتی فراهم می‌آورد و به سیاست‌گذاران، نهادهای نظارتی و طراحان ابزارهای هوشمند کمک می‌کند تا ضمن بهره‌برداری از مزایای AI، ریسک‌های رفتاری را کاهش دهند، مثلاً با افزودن مکانیزم‌های شفافیت الگوریتمی و هشدارهای ضد وابستگی در پلتفرم‌های مالی.

https://www.jamv.ir/article_242077_00b0611966f9ba6a606a7c97ac0604c9.pdf