حسابداری سایهبدهی صندوقهای سرمایهگذاری طلای بورس کالا

مقدمه: حسابداری خاموش و شکاف میان واقعیت اقتصادی و صورت‌های مالی

در ادبیات نوین حسابداری مدیریت، اصطلاح «حسابداری خاموش» به مجموعه‌ای از تعهدات، ریسک‌ها و هزینه‌های فرصتی اطلاق می‌شود که در صورت‌های مالی سنتی بازتاب نمی‌یابند، اما اثر اقتصادی آن‌ها بر ارزش شرکت و ریسک نقدینگی انکارناپذیر است. در ایران، دو حوزه وزارت نفت و شبکه بانکی، به دلیل ماهیت قراردادهای بلندمدت، تحریم‌ها و سیاست‌های دستوری، بیشترین حجم بدهی پنهان را در خود جای داده‌اند.

این مقاله با تکیه بر روش‌های ارزش‌گذاری مبتنی بر هوش مصنوعی در مالی، تلاش می‌کند دو نمونه شاخص از این بدهی‌های پنهان را کمّی‌سازی کند: نخست، اجاره‌های تجدید نشده سکوهای نفتی در آب‌های مشترک و تعهدات برجامی رهاشده در ترازنامه وزارت نفت؛ دوم، تعهدات پرداخت تسهیلات قرض‌الحسنه به سپرده‌گذاران بزرگ و هزینه فرصت صف‌های انتظار وام در ترازنامه بانک‌های ایران.

مبانی نظری: بدهی پنهان و اقلام خارج از ترازنامه

تعریف بدهی پنهان در حسابداری

بدهی پنهان به تعهداتی گفته می‌شود که به دلیل ابهام در اندازه‌گیری، فقدان الزام استانداردهای گزارشگری، یا انگیزه‌های مدیریتی، در ترازنامه ثبت نمی‌شوند. این تعهدات در قالب قراردادهای اجاره عملیاتی، تضمین‌های ضمنی، تعهدات بازنشستگی، و صف‌های انتظار خدمات مالی نمود پیدا می‌کنند.

نقش هوش مصنوعی در شناسایی و ارزش‌گذاری

مدل‌های یادگیری ماشین و تحلیل شبکه‌ای می‌توانند الگوهای پنهان در قراردادها، داده‌های عملیاتی و رفتار سپرده‌گذاران را آشکار سازند. رویکرد «ارزش‌گذاری مبتنی بر عامل» و شبیه‌سازی مونت‌کارلو، ابزار مناسبی برای برآورد ارزش فعلی تعهدات مشروط فراهم می‌کند.

بخش اول: بدهی پنهان در ترازنامه وزارت نفت

اجاره‌های تجدید نشده سکوهای نفتی در آب‌های مشترک

سکوهای نفتی مستقر در آب‌های مشترک خلیج فارس اغلب با قراردادهای اجاره بلندمدت بهره‌برداری می‌شوند. توقف یا تأخیر در تجدید این قراردادها، به معنای تحمیل هزینه‌های جایگزینی، توقف تولید و جریمه‌های قراردادی است که در ترازنامه منعکس نمی‌شود. ارزش فعلی این تعهدات مشروط را می‌توان با مدل‌سازی سناریوهای تجدید قرارداد و نرخ تنزیل مبتنی بر ریسک کشور برآورد کرد.

ارزش‌گذاری تعهدات برجامی رهاشده

تعهدات ناشی از توافق برجام، از جمله قراردادهای فروش نفت، سرمایه‌گذاری‌های مشترک و تعهدات صادراتی، پس از خروج آمریکا به تعهداتی «رهاشده» تبدیل شدند. این تعهدات به شکل زیان‌های احتمالی آتی و هزینه‌های فرصت از دست رفته ظاهر می‌شوند. ارزش‌گذاری آن‌ها نیازمند تحلیل سناریو و برآورد احتمال بازگشت به وضعیت پایدار است.

بخش دوم: بدهی پنهان در ترازنامه بانک‌های ایران

تعهدات پرداخت تسهیلات قرض‌الحسنه به سپرده‌گذاران بزرگ

در نظام بانکی ایران، بخشی از سپرده‌های بزرگ با وعده اعطای تسهیلات قرض‌الحسنه در آینده جذب می‌شوند. این وعده، یک تعهد خارج از ترازنامه است که در صورت عدم تحقق، به ریسک نقدینگی و اعتباری بانک تبدیل می‌شود. ارزش‌گذاری این تعهدات با استفاده از مدل‌های رفتاری سپرده‌گذاران و شبیه‌سازی احتمال مراجعه آن‌ها امکان‌پذیر است.

هزینه فرصت صف‌های انتظار وام

صف‌های انتظار وام، بازتابی از عدم تعادل عرضه و تقاضای اعتبار است. هر روز انتظار متقاضی، هزینه فرصت اقتصادی برای او و ریسک اعتباری برای بانک ایجاد می‌کند. محاسبه این هزینه فرصت با نرخ بازده جایگزین و مدل‌سازی طول صف، بخشی از بدهی پنهان شبکه بانکی را آشکار می‌سازد.

مدل پیشنهادی ارزش‌گذاری با رویکرد هوش مصنوعی

مدل پیشنهادی این پژوهش شامل چهار لایه است: گردآوری داده‌های قراردادی و رفتاری، استخراج ویژگی با روش‌های یادگیری عمیق، برآورد احتمال و اندازه تعهد با مدل‌های بیزی، و ارزش‌گذاری نهایی با شبیه‌سازی مونت‌کارلو. این چارچوب، امکان مقایسه بدهی پنهان دو حوزه نفت و بانک را فراهم می‌کند.

نتیجه‌گیری و توصیه‌های سیاستی

حسابداری خاموش بدهی پنهان، واقعیتی است که مدیران مالی و حسابداران نمی‌توانند از آن چشم‌پوشی کنند. شفاف‌سازی اجاره‌های تجدید نشده سکوهای نفتی، تعهدات برجامی رهاشده، تعهدات پرداخت تسهیلات قرض‌الحسنه به سپرده‌گذاران بزرگ و هزینه فرصت صف‌های انتظار وام، پیش‌نیاز مدیریت ریسک و تصمیم‌گیری مبتنی بر داده است. توصیه می‌شود نهادهای ناظر، الزامات افشای اقلام خارج از ترازنامه را تقویت کنند و بانک‌ها و وزارت نفت از مدل‌های هوش مصنوعی برای ارزش‌گذاری دوره‌ای این تعهدات بهره بگیرند.