پيش‌بيني ارزش در معرض خطر با رويكرد هوش مصنوعي

هدف اين پژوهش تحليل مقايسه‌اي دقت پيش بيني روش هاي محاسباتي ريسك بازار در ارزش در معرض خطر با رويكرد هوش مصنوعي ارتباطي مي‌باشد توسعه روز افزون بازارهاي مالي اهميت برآورد معيار شناخته شده اندازه گيري ريسك بازار، (ارزش در معرض خطر) را بيش از گذشته آشكار ساخته است. ارزش در معرض خطر (Var) يك معيار آماري است كه حداكثر زيان مورد انتظار از نگهداري يك دارايي يا پرتفوي را در دوره زماني معين و با احتمال مشخص (سطح اطمينان معلوم) محاسبه و به صورت كمي گزارش مي‌كندو يكي از مهم‌ترين معيارهاي ريسك بازار است كه به‌طور گسترده براي مديريت ريسك مالي توسط نهادهاي قانون‌گذار مالي و مديران پرتفوي به‌كاربرده مي‌شود. ريسك‌ها در سطح كلان داراي آثار فراگير هستند و مي‌توانند تأثيرات منفي را در كل بازار مالي برجاي بگذارند. شناخت وابستگي هاي دروني و ارتباطات متقابل شركت ها و توسعه معيارهاي ريسك كه افزايش وابستگي دنباله بازده شركت ها را در طول بحران را پيش بيني نمايد ، از اهميت زيادي برخوردار است. وجود چنين روش هايي، يك ابزار قدرتمند به منظور افزايش ثبات مالي آتي در اختيار تصميم گيران قرار مي‌دهد . بدين‌جهت با استفاده از اطلاعات روزانه قيمت سهام ، ارزش در معرض خطر با روش‌هاي پارامتريك (روش واريانس –كوواريانس)، شبيه‌سازي تاريخي، شبيه‌سازي بوت استرپ بين دوره زماني 1390 الي 1396 بورس اوراق بهادار تهران براي شركت‌هاي نمونه آماري ، محاسبه و استفاده‌شد. پس از كاهش نوسانات روش Bootstrap، Historical و Variance covariance با استفاده از تبديل موجك براي آموزش مدل‌ها و پيش بيني، روش هر 15 روز متوالي را به‎عنوان ورودي (همان متغير مستقل) در مدل RVM و روز 16 ام به‎عنوان متغير وابسته را به‎عنوان خروجي مدل در نظر گرفته شدو براي ارزيابي مدل‌ها از دو معيار ارزيابي بانام‌هاي ميانگين مربعات خطا (MSE)، ميانگين قدر مطلق خطا (MAE) استفاده‌شده است براي پيش‌بيني از الگوريتم ماشين بردار ارتباطي استفاده‌شده است. الگوريتم RVM يك مدل غيرخطي است و با انتقال داده ها از فضاي ورودي به فضاي ويژگي باعث غيرخطي شدن الگوريتم مي‌شود. در ماشين بردار ارتباطي از كرنل گوسي براي غيرخطي سازي استفاده‌شده است. نتايج آزمون فرضيه‌ها و برازش الگوريتم هوش مصنوعي ارتباطي نشان داد كه الگوريتم هوش مصنوعي جهت پيش‌بيني روش‌هاي روزانه ارزش در معرض خطر روش كارايي مي باشد و همچنين در بازار سرمايه ايران پيش‌بيني ارزش در معرض خطر با روش نيمه پارامتريك بوت استرپ باقدرت بالاتري انجام و جهت استفاده توصيه مي گردد، روش هاي پارامتريك(واريانس - كوواريانس) و شبيه سازي تاريخي در رتبه‌هاي بعدي قرار مي‌گيرند. مطالعات انجام‌شده در مورد ارزش در معرض ريسك محدود به يك صنعت و يا با تعريف پرتفويي بوده است و تمام شركت‌هاي بورسي موردبررسي قرار نگرفته‌اند، در اين مطالعه سعي شد تمام شركت‌هاي حاضر در بورس ريسك بازارشان با رويكرد ارزش در معرض ريسك تحت 3 مدل مهم و پركاربرد واريانس –كواريانس، شبيه‌سازي تاريخي، شبيه‌سازي بوت استرپ محاسبه شود و با استفاده از الگوريتم هوش مصنوعي كارايي آن‌ها سنجيده شود. به‌نوعي پژوهش‌هاي پيشين از جامعه آماري كمتر و عدم سنجش كارايي مدل‌ها در عمل برخوردارند.