DOI: https://doi.org/10.3846/jbem.2026.25512
تاريخ النشر: 2026-02-10
المؤلف: Cristiana Tudor وآخرون
الموضوع الرئيسي: آثار جائحة كوفيد-19
نظرة عامة
تستكشف هذه الورقة البحثية إمكانيات الاستثمار في التصنيع الذكي، وخاصة من خلال صناديق الاستثمار المتداولة في التصنيع الذكي (ETFs)، مقارنةً بمحافظ الصناعة التقليدية ومحفظة تتبع السوق الواسعة S&P 500. باستخدام بيانات يومية من أكتوبر 2019 إلى أكتوبر 2022، تستخدم الدراسة نماذج تسعير الأصول ذات العامل الواحد، والعوامل الثلاثة، والعوامل الخمسة لتحليل الأداء المعدل حسب المخاطر لهذه المحافظ. تكشف النتائج أنه بينما تظهر استثمارات التصنيع الذكي أداءً أقل مقارنةً بالمحافظ التقليدية، فإنها تقدم أيضًا تعرضًا أقل لمخاطر السوق، مما يوفر فوائد تنويع كبيرة. ومن الجدير بالذكر أن محفظة التصنيع الذكي تظهر تحميلًا إيجابيًا لعامل الحجم وتحميلًا سلبيًا لعوامل القيمة والربحية، مما يشير إلى أنه مع تحسن الربحية، قد يتحول التحميل على عامل الربحية إلى إيجابي، مما يعزز العوائد.
تساهم الورقة في أدبيات تسعير الأصول من خلال تسليط الضوء على عوامل المخاطر الفريدة المرتبطة باستثمارات التصنيع الذكي وآثارها على إدارة المحافظ. وتؤكد على إمكانية أن يكون التصنيع الذكي أداة تنويع، خاصة خلال فترات الركود الاقتصادي، نظرًا لمخاطرها النظامية المنخفضة. تشير التحليلات إلى أن أسهم التصنيع الذكي عادة ما تكون لشركات أصغر، تركز على النمو ولها نسب سعر إلى قيمة عالية، مما يتناقض مع الشركات الأكبر التي تركز على القيمة في المحافظ الصناعية التقليدية. توفر النتائج رؤى قابلة للتنفيذ للمستثمرين ومديري المحافظ وصانعي السياسات، داعيةً إلى تضمين التصنيع الذكي في استراتيجيات الاستثمار المتنوعة. علاوة على ذلك، تحدد الدراسة الحاجة إلى أبحاث مستقبلية لتطوير نماذج متعددة العوامل يمكن أن تلتقط بشكل أفضل عوائد شركات الصناعة 4.0، نظرًا لقيود النماذج الحالية في تفسير التغيرات في عوائد أسهم الشركات الذكية.
مقدمة
ت outlines مقدمة هذه الورقة البحثية التأثير التحويلي للعمليات المدفوعة بالبيانات على قطاع التصنيع، وخاصة من خلال عدسة الصناعة 4.0 والتصنيع الذكي. تستفيد هذه النماذج من التقنيات الرقمية المتقدمة، مثل إنترنت الأشياء (IoT)، وتحليلات البيانات الضخمة، والأنظمة السيبرانية الفيزيائية، لإنشاء بيئات تصنيع متكاملة وقابلة للتكيف بشكل كبير. تسلط الورقة الضوء على الفوائد المحتملة للتصنيع الذكي، بما في ذلك تحسين الكفاءة التشغيلية، وتحسين جودة المنتج، وتحسين تكاليف الإنتاج، مع الإشارة أيضًا إلى النتائج المختلطة في الأدبيات الحالية بشأن الأداء المالي للشركات التي تعتمد هذه التقنيات.
تتناول الأبحاث فجوة كبيرة في فهم الآثار المالية لاستثمارات التصنيع الذكي، وخاصة من خلال تطبيق نماذج تسعير الأصول. من خلال تحليل العوائد المعدلة حسب المخاطر لصندوق استثمار متداول في التصنيع الذكي، ومحفظة قطاع الصناعة التقليدية، وصندوق مؤشر S&P 500، تهدف الدراسة إلى توضيح الخصائص الفريدة للمخاطر وعوامل الأداء لاستثمارات التصنيع الذكي. تشير النتائج الأولية إلى أن محافظ التصنيع الذكي تظهر مخاطر نظامية أقل وتتميز بحجم أصغر وربحية أقل مقارنةً بالاستثمارات الصناعية التقليدية. تسهم هذه الأعمال في مجالات الابتكار الصناعي وتحليل الأسواق المالية، مقدمةً رؤى للمستثمرين وصانعي السياسات بشأن جدوى ودمج التصنيع الذكي ضمن محافظ الاستثمار.
الطرق
ت outlines قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح اختيار المواد، بما في ذلك الكواشف والمعدات المحددة المستخدمة، بالإضافة إلى البروتوكولات المتبعة لضمان إمكانية تكرار النتائج وموثوقيتها. يصف قسم الطرق أيضًا التحليلات الإحصائية التي تم إجراؤها لتفسير البيانات، بما في ذلك أي برامج تم استخدامها للحسابات ومعايير الدلالة.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات عن أحجام العينات، والضوابط، وأي تقنيات أو منهجيات محددة كانت حاسمة للبحث. تضمن هذه المقاربة الشاملة أن الدراسة يمكن تكرارها بدقة وأن النتائج قوية وصالحة ضمن سياق أهداف البحث.
النتائج
تقدم النتائج المعروضة في هذا القسم تحليلًا شاملاً لثلاث محافظ استثمارية: محفظة التصنيع الذكي (SM)، ومحفظة تتبع SP500، ومحفظة صناعية تقليدية. تشير الإحصائيات الوصفية إلى أن محفظة SM تظهر عوائد متوسطة أقل (0.03%) وتقلبًا (انحراف معياري قدره 1.56%) مقارنةً بالمحفظة الصناعية، التي لديها أعلى تقلب (1.7%) ومتوسط عائد. ومن الجدير بالذكر أن جميع المحافظ تظهر توزيعًا مائلًا إلى اليسار للعوائد، مع تجاوز العوائد الوسيطة القيم المتوسطة. تكشف مقاييس الأداء المعدلة حسب المخاطر أنه بينما تمتلك محفظة SM نسب شارب أقل من محافظ SP500 والصناعية، فإنها تتفوق عليها عند تعديلها للانخفاض المتوقع، كما يتضح من نسبة سورتينو.
تظهر مزيد من التحليلات باستخدام نموذج فاما-فرينش ذو العوامل الخمسة أن محفظة SM لديها تحميل إيجابي على عامل الحجم، مما يشير إلى ميل نحو الأسهم ذات القيمة السوقية الصغيرة، بينما تظهر المحفظة الصناعية علاوة إيجابية لعامل القيمة. يكشف مكون الربحية عن معامل سلبي مفاجئ لمحفظة SM، مما يتناقض مع المعاملات الإيجابية للمحفظة الصناعية. يحسن نموذج العوامل الخمسة بشكل كبير من القوة التفسيرية لمحفظة SM، مع زيادة R-squared المعدل من 37.8% في نموذج العامل الواحد إلى 47.3% في نموذج العوامل الخمسة، على الرغم من أنه لا يزال يلتقط أقل من العوائد المتوسطة مقارنةً بالمحافظ الصناعية وSP500. بشكل عام، تؤكد النتائج على الخصائص الفريدة للمخاطر والعوائد لمحفظة SM مقارنةً باستراتيجيات الاستثمار التقليدية.
المناقشة
تسلط قسم المناقشة في الورقة الضوء على فوائد التنويع المتفوقة لمحافظ التصنيع الذكي مقارنةً بالمحافظ الصناعية التقليدية. تؤكد على أن نموذج فاما-فرينش ذو العوامل الخمسة (FF5) يفسر بشكل فعال تباينات العوائد لكل من محافظ التصنيع الذكي والصناعية التقليدية. تكشف التحليلات أن محفظة التصنيع الذكي، الممثلة بصندوق Amundi Smart Factory ETF، تتكون من 272 شركة عبر 30 دولة، تركز على تقنيات متقدمة مثل الروبوتات وإنترنت الأشياء. على الرغم من ملفها الشخصي المخاطر المنخفض، إلا أن محفظة التصنيع الذكي كانت أداؤها أقل مقارنةً بمؤشر S&P 500 والمحافظ الصناعية التقليدية من حيث نسب شارب وسورتينو، لكنها أظهرت مرونة خلال فترات الركود في السوق، خاصة خلال جائحة COVID-19.
تشير النتائج إلى أن محفظة التصنيع الذكي تظهر تحميلًا سلبيًا لعوامل القيمة والربحية، مما يشير إلى أن العديد من الشركات في مراحل نمو مبكرة وتفضل الاستثمارات الرأسمالية على الربحية الفورية. يتناقض هذا مع المحفظة الصناعية التقليدية، التي تظهر تحميلات إيجابية لهذه العوامل، مما يشير إلى شركات أكبر وأكثر ربحية. تؤكد الأبحاث على الحاجة إلى نماذج متعددة العوامل مصممة خصيصًا لالتقاط الديناميكيات الفريدة للمخاطر والعوائد لاستثمارات التصنيع الذكي، حيث يفشل نموذج FF5 في حساب أكثر من نصف تباين العائد في هذا القطاع. تختتم الورقة بتقديم آثار عملية للمستثمرين ومديري المحافظ وصانعي السياسات، داعيةً إلى دمج التصنيع الذكي في استراتيجيات الاستثمار المتنوعة للاستفادة من إمكانياته في تقليل المخاطر والنمو على المدى الطويل. تشمل اتجاهات البحث المستقبلية استكشاف عوامل إضافية تؤثر على عوائد التصنيع الذكي ومقارنة هذه المحافظ بالاستثمارات الخضراء.
DOI: https://doi.org/10.3846/jbem.2026.25512
Publication Date: 2026-02-10
Author(s): Cristiana Tudor et al.
Primary Topic: COVID-19 Pandemic Impacts
Overview
This research paper investigates the investment potential of smart manufacturing, particularly through smart manufacturing exchange-traded funds (ETFs), in comparison to traditional industrial portfolios and a broad-market S&P 500 tracking portfolio. Utilizing daily data from October 2019 to October 2022, the study employs one-factor, three-factor, and five-factor asset pricing models to analyze the risk-adjusted performance of these portfolios. The findings reveal that while smart manufacturing investments exhibit lower performance relative to conventional portfolios, they also present reduced exposure to market risk, thereby offering significant diversification benefits. Notably, the smart manufacturing portfolio shows a positive loading for the size factor and a negative loading for the value and profitability factors, suggesting that as profitability improves, the loading on the profitability factor may turn positive, enhancing returns.
The paper contributes to the asset pricing literature by highlighting the unique risk factors associated with smart manufacturing investments and their implications for portfolio management. It underscores the potential for smart manufacturing to serve as a diversification tool, particularly during economic downturns, due to its lower systematic risk. The analysis indicates that smart manufacturing stocks are typically smaller, growth-oriented firms with high price-to-book ratios, contrasting with larger, value-oriented firms in traditional industrial portfolios. The results provide actionable insights for investors, portfolio managers, and policymakers, advocating for the inclusion of smart manufacturing in diversified investment strategies. Furthermore, the study identifies the need for future research to develop multi-factor models that can better capture the returns of Industry 4.0 companies, given the limitations of existing models in explaining variations in smart firms’ stock returns.
Introduction
The introduction of this research paper outlines the transformative impact of data-driven processes on the manufacturing sector, particularly through the lens of Industry 4.0 and smart manufacturing. These paradigms leverage advanced digital technologies, such as the Internet of Things (IoT), big data analytics, and cyber-physical systems, to create highly integrated and adaptive manufacturing environments. The paper highlights the potential benefits of smart manufacturing, including enhanced operational efficiency, improved product quality, and the optimization of production costs, while also noting the mixed results in existing literature regarding the financial performance of firms adopting these technologies.
The research addresses a significant gap in understanding the financial implications of smart manufacturing investments, particularly through the application of asset pricing models. By analyzing the risk-adjusted returns of a smart manufacturing ETF, a traditional industrial sector portfolio, and a broad-market S&P 500 index fund, the study aims to elucidate the distinct risk characteristics and performance determinants of smart manufacturing investments. Preliminary findings suggest that smart manufacturing portfolios exhibit lower systematic risk and are characterized by smaller size and lower profitability compared to conventional industrial investments. This work contributes to both the fields of industrial innovation and financial market analysis, offering insights for investors and policymakers regarding the viability and strategic integration of smart manufacturing within investment portfolios.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the selection of materials, including specific reagents and equipment used, as well as the protocols followed to ensure reproducibility and reliability of results. The methods section also describes the statistical analyses performed to interpret the data, including any software utilized for calculations and the criteria for significance.
Additionally, the section may include information on sample sizes, controls, and any specific techniques or methodologies that were critical to the research. This comprehensive approach ensures that the study can be accurately replicated and that the findings are robust and valid within the context of the research objectives.
Results
The results presented in this section provide a comprehensive analysis of three investment portfolios: the Smart Manufacturing (SM) portfolio, the SP500 tracking portfolio, and a conventional industrial portfolio. Descriptive statistics indicate that the SM portfolio exhibits lower mean returns (0.03%) and volatility (standard deviation of 1.56%) compared to the industrial portfolio, which has the highest volatility (1.7%) and average return. Notably, all portfolios display a left-skewed distribution of returns, with median returns exceeding mean values. Risk-adjusted performance metrics reveal that while the SM portfolio has lower Sharpe ratios than the SP500 and industrial portfolios, it outperforms them when adjusted for expected shortfall, as indicated by the Sortino ratio.
Further analysis using the Fama-French five-factor model demonstrates that the SM portfolio has a positive loading on the size factor, suggesting a tilt towards small-cap stocks, while the industrial portfolio shows a positive premium for the value factor. The profitability component reveals a surprising negative coefficient for the SM portfolio, contrasting with positive coefficients for the industrial portfolio. The five-factor model significantly improves explanatory power for the SM portfolio, with an adjusted R-squared increase from 37.8% in the one-factor model to 47.3% in the five-factor model, although it still captures less of the average returns compared to the industrial and SP500 portfolios. Overall, the findings underscore the distinct risk and return characteristics of the SM portfolio relative to traditional investment strategies.
Discussion
The discussion section of the paper highlights the superior diversification benefits of smart manufacturing portfolios compared to conventional industrial portfolios. It emphasizes that the Fama-French five-factor model (FF5) effectively explains return variations for both smart manufacturing and traditional industrial portfolios. The analysis reveals that the smart manufacturing portfolio, represented by the Amundi Smart Factory ETF, consists of 272 companies across 30 countries, focusing on advanced technologies such as robotics and IoT. Despite its lower risk profile, the smart manufacturing portfolio underperformed relative to the S&P 500 and conventional industrial portfolios in terms of Sharpe and Sortino ratios, yet it demonstrated resilience during market downturns, particularly during the COVID-19 pandemic.
The findings indicate that the smart manufacturing portfolio exhibits a negative loading for the value and profitability factors, suggesting that many firms are in early growth stages and prioritize capital investments over immediate profitability. This contrasts with the conventional industrial portfolio, which shows positive loadings for these factors, indicating larger, more profitable firms. The research underscores the need for tailored multi-factor models to better capture the unique risk-return dynamics of smart manufacturing investments, as the FF5 model fails to account for more than half of the return variation in this sector. The paper concludes by offering practical implications for investors, portfolio managers, and policymakers, advocating for the integration of smart manufacturing into diversified investment strategies to leverage its potential for risk reduction and long-term growth. Future research directions include exploring additional factors influencing smart manufacturing returns and comparing these portfolios with green investments.