پیش بینی ارزش در معرض خطر با رویکرد هوش مصنوعی

هدف این پژوهش تحلیل مقایسه ای دقت پیش بینی روش های محاسباتی ریسک بازار در ارزش در معرض خطر با رویکرد هوش مصنوعی ارتباطی می باشد توسعه روز افزون بازارهای مالی اهمیت برآورد معیار شناخته شده اندازه گیری ریسک بازار، (ارزش در معرض خطر) را بیش از گذشته آشکار ساخته است. ارزش در معرض خطر (Var) یک معیار آماری است که حداکثر زیان مورد انتظار از نگهداری یک دارایی یا پرتفوی را در دوره زمانی معین و با احتمال مشخص (سطح اطمینان معلوم) محاسبه و به صورت کمی گزارش می کندو یکی از مهم ترین معیارهای ریسک بازار است که به طور گسترده برای مدیریت ریسک مالی توسط نهادهای قانون گذار مالی و مدیران پرتفوی به کاربرده می شود. ریسک ها در سطح کلان دارای آثار فراگیر هستند و می توانند تاثیرات منفی را در کل بازار مالی برجای بگذارند. شناخت وابستگی های درونی و ارتباطات متقابل شرکت ها و توسعه معیارهای ریسک که افزایش وابستگی دنباله بازده شرکت ها را در طول بحران را پیش بینی نماید ، از اهمیت زیادی برخوردار است. وجود چنین روش هایی، یک ابزار قدرتمند به منظور افزایش ثبات مالی آتی در اختیار تصمیم گیران قرار می دهد . بدین جهت با استفاده از اطلاعات روزانه قیمت سهام ، ارزش در معرض خطر با روش های پارامتریک (روش واریانس –کوواریانس)، شبیه سازی تاریخی، شبیه سازی بوت استرپ بین دوره زمانی ۱۳۹۰ الی ۱۳۹۶ بورس اوراق بهادار تهران برای شرکت های نمونه آماری ، محاسبه و استفاده شد. پس از کاهش نوسانات روش Bootstrap، Historical و Variance covariance با استفاده از تبدیل موجک برای آموزش مدل ها و پیش بینی، روش هر ۱۵ روز متوالی را به‎عنوان ورودی (همان متغیر مستقل) در مدل RVM و روز ۱۶ ام به‎عنوان متغیر وابسته را به‎عنوان خروجی مدل در نظر گرفته شدو برای ارزیابی مدل ها از دو معیار ارزیابی بانام های میانگین مربعات خطا (MSE)، میانگین قدر مطلق خطا (MAE) استفاده شده است برای پیش بینی از الگوریتم ماشین بردار ارتباطی استفاده شده است. الگوریتم RVM یک مدل غیرخطی است و با انتقال داده ها از فضای ورودی به فضای ویژگی باعث غیرخطی شدن الگوریتم می شود. در ماشین بردار ارتباطی از کرنل گوسی برای غیرخطی سازی استفاده شده است. نتایج آزمون فرضیه ها و برازش الگوریتم هوش مصنوعی ارتباطی نشان داد که الگوریتم هوش مصنوعی جهت پیش بینی روش های روزانه ارزش در معرض خطر روش کارایی می باشد و همچنین در بازار سرمایه ایران پیش بینی ارزش در معرض خطر با روش نیمه پارامتریک بوت استرپ باقدرت بالاتری انجام و جهت استفاده توصیه می گردد، روش های پارامتریک(واریانس - کوواریانس) و شبیه سازی تاریخی در رتبه های بعدی قرار می گیرند. مطالعات انجام شده در مورد ارزش در معرض ریسک محدود به یک صنعت و یا با تعریف پرتفویی بوده است و تمام شرکت های بورسی موردبررسی قرار نگرفته اند، در این مطالعه سعی شد تمام شرکت های حاضر در بورس ریسک بازارشان با رویکرد ارزش در معرض ریسک تحت ۳ مدل مهم و پرکاربرد واریانس –کواریانس، شبیه سازی تاریخی، شبیه سازی بوت استرپ محاسبه شود و با استفاده از الگوریتم هوش مصنوعی کارایی آن ها سنجیده شود. به نوعی پژوهش های پیشین از جامعه آماری کمتر و عدم سنجش کارایی مدل ها در عمل برخوردارند

Keywords:

ریسک بازار , ارزش در معرض خطر , الگوریتم هوش مصنوعی ارتباطی