برآورد ارزش در معرض خطر تعدیل شده با نقدینگی (L-VaR) شاخص بورس اوراق بهادار تهران با رویکرد یادگیری ماشین: الگوریتم جنگل تصادفی

مدل های ارزش در معرض خطر (VaR) با فرض نقدشوندگی کامل دارایی ها، ریسک واقعی را در بازارهای نوظهور کمتر برآورد می کنند. این پژوهش به برآورد ارزش در معرض خطر تعدیل شده با نقدینگی (L-VaR) در بورس اوراق بهادار تهران با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی می پردازد. داده های مورد استفاده شامل سری های زمانی شاخص های بازار سهام (نظیر TEPIX و TEDPIX) و متغیرهای کلان اقتصادی طی دوره ۲۰۱۶–۲۰۲۳ می باشد. برای تعدیل نقدینگی از معیار آمیهود استفاده شده است. یافته ها حاکی از آن است که مدل پیشنهادی L-VaR برآورد محافظه کارانه تر و دقیق تری نسبت به VaR سنتی ارائه می دهد. همچنین، نتایج نشان می دهد مدل جنگل تصادفی در سطح اطمینان ۹۹٪ از صحت بالایی برخوردار است. این مطالعه گامی به سوی ادغام ریسک نقدینگی و فناوری های یادگیری ماشین در مدیریت ریسک بازارهای مالی ایران است.

Keywords:

ارزش در معرض خطر تعدیل شده با نقدینگی (L-VaR) , جنگل تصادفی , ریسک نقدینگی , معیار آمیهود , بورس اوراق بهادار تهران