سياستگذاري سيستم‌هاي مالي در شرايط بحران با مدل‌سازي مبتني بر شبكه‌هاي عصبي مصنوعي

امروزه سياستگذاري در شرايط بحران مالي با هدف خنثي‌سازي تبعات سوء اقتصادي، اجتماعي و سياسي به يكي از مهم‌ترين اركان مديريت اقتصاد جهاني تبديل شده است. با عنايت به پيشرفت سريع فناوري و تكنولوژي‌ها‌ي كامپيوتري مي‌توان الگوي دقيق تري از اين پديده بر اساس تجربيات قبلي ترسيم و در قالب يك سيستم پشتيبان تصميم گيري مورد استفاده قرار داد. با تكيه بر قابليت تعميم‌دهي مدل‌هاي شبكه عصبي مصنوعي، اين رويكرد به منظور مدل‌سازي ديناميك‌هاي موجود در پديده بحران مالي مورد استفاده قرار گرفته است. متغيرهاي وضعيت اقتصادي، توليد ناخالص داخلي، شاخص ارزش صادرات، شاخص ارزش واردات، موقعيت زماني و موقعيت جغرافيايي هر كشور در هنگام وقوع بحران مالي به‌عنوان ورودي‌هاي مدل شبكه عصبي مصنوعي و تركيب بهينه سياست‌ها براي مقابله با بحران مالي به‌عنوان خروجي مدل تعريف شده است. به‌منظور آموزش اين شبكه، از اطلاعات مشخصات و شرايط حاكم بر سيستم‌ها و نيز سياست‌هاي اتخاذ شده در مواجهه با بحران‌هاي مالي بزرگ دنيا از سال 1997 تا به امروز استفاده شده است. به‌منظور نشان دادن قابليت مدل پيشنهادي، نحوه طراحي و پياده‌سازي سيستم پيشنهادي در مورد بحران شيوع ويروس كوويد-19 در ايران مورد كاوي شد. نتايج به‌دست‌آمده بيانگر آن مي‌باشد كه استفاده از مدل پيشنهادي به‌عنوان پشتيبان سياستگذاران و تصميم‌گيران حوزه‌هاي مديريت مالي مي‌تواند در حل مسائل نيمه ساختار يافته كمك‌كننده باشد و موجب بهبود كارايي تصميم‌گيري و توجه بيشتر به اثر بخشي آن شود. به‌طوري كه با توجه به نتايج حاصل از پژوهش حاضر، اتخاذ سياست‌هاي پولي و مالي انبساطي و اعطاي بسته‌هاي حمايتي به‌عنوان راهكارهاي اساسي جهت كاهش اثرات بحران مالي ناشي از همه‌گيري كرونا در كشور ايران توصيه مي‌شود.