توسعه مدل پيش بين ريسك منسجم در شركت‌هاي بورسي: رويكرد داده هاي حسابداري

بورس اوراق بهادار ايران در سالهاي اخير توسعه زيادي يافته است. امروزه اهميت پيش بيني و منافع حاصل از آن، براي تصميم‌گيري و سياست‌گذاري از ابعاد مختلف، به خصوص در حوزه سرمايه‌گذاري بر كسي پوشيده نيست. ريسك يكي از اولين دغدغه‌هاي سرمايه‌گذاران است و معياري مهم در تصميم‌گيري‌ها محسوب مي‌شود. ارزش در معرض خطر به عنوان يك سنجه ريسك، جاي خود را براي اندازه گيري انواع ريسك ها باز كرده اما علي رغم كارآيي بالاي اين مدل به دليل برخي نارسايي‌ها از جمله نداشتن ويژگي جمع پذيري يك سنجه منسجم ريسك نيست. ارزش در معرض خطر شرطي(CvaR) به عنوان معيار ريسك منسجم محسوب مي‌شود كه اخيرا مورد استقبال قرار گرفته و بعنوان ابزاري مفيد براي اندازه گيري ريسك مطرح گرديده است.جهت پيش بيني ريسك تاكنون مدلهاي مختلفي ارايه شده كه هر يك داراي نقاط قوت و ضعفي بوده‌اند. برخي از لحاظ كمبود مباني نظري مناسب داراي ضعف بوده و برخي ديگر علي‌رغم بهره بردن از مباني نظري مناسب در عمل كارآيي مناسبي از خود نشان نداده اند. ارائهمدلي مناسب براي برآورد ريسك منسجم كه هم به سرمايه گذاران كمك نمايد و هم خطرات غيرمنتظره‌اي كه ممكن است شركت‌ها را تهديد كنند، پيش بيني نمايد. در طول سالهاي اخير، به كاربرد مدلهاي شبكه عصبي و مدل هاي تركيبي توجه بسياري شده است. در تحقيق حاضر يك مدل تركيبي پيش بيني از ريسك منسجم با استفاده از سيستم استنتاج شبكه عصبي فازي (انفيس) و مبتني بر مدلهاي ماركوف سوئيچينگ و مدلهاي خانواده گارچ ارائه و توسعه داده شده است.