طراحی مدل ارزیابی رتبه بندی اعتباری اوراق بهادار اسلامی با رویکرد شبکه‌های عصبی- فازی تطبیق‌پذیر
محورهای موضوعی : مهندسی مالیمحمد شعبانی ورنامی 1 , حسین دیده خانی 2 , علی خوزین 3 , آرش نادریان 4
1 - گروه مدیریت مالی, دانشگاه آزاد اسلامی, واحد علی آباد کتول, علی آباد کتول, ایران.
2 - گروه مهندسی مالی، واحد علی آباد کتول، دانشگاه آزاد اسلامی، علی آباد کتول، ایران
3 - گروه حسابداری، واحد علی آبادکتول، دانشگاه آزاد اسلامی، علی آباد کتول، ایران
4 - گروه حسابداری واحد علی آباد کتول، دانشگاه آزاداسلامی، علی آباد کتول، ایران
کلید واژه: شبکه عصبی, منطق فازی, رتبه‌بندی اعتباری, اوراق بهادار اسلامی, شبکه عصبی- فازی تطبیق-پذیر,
چکیده مقاله :
هدف این پژوهش، طراحی مدل رتبه‌بندی اعتباری ناشران و ابزارهای تامین مالی اوراق بهادار اسلامی در بازار سرمایه ایران است. جهت انجام این هدف، سه گام اصلی انجام پذیرفت. گام اول، شناسایی معیارهای ارزیابی و یا همان ریسک‌های مرتبط با اوراق بهادار اسلامی بود که توسط خبرگان و مروری بر مبانی نظری انجام پذیرفت. گام دوم، مدلسازی اوراق بهادار اسلامی با استفاده از مدل شبکه عصبی- فازی تطبیق‌پذیر بود که میانگین خطای آموزش تمامی مدلهای اصلی و زیرمجموعه کمتر از حد آستانه بود. گام سوم، بکارگیری مدلسازی سیستم عصبی فازی در رتبه‌بندی اعتباری اوراق بهادار اسلامی میباشد. برای انجام این کار، در مرحله اول رتبه‌بندی ناشر بوده است که نتایج پژوهش نشان داد که ناشر دولت دارای کمترین و شرکت‌های خصوصی دارای بیشترین ریسک میباشند. در مرحله دوم برای رتبه‌بندی ابزارهای تأمین مالی، نتایج نشان داد که برای ناشر دولت اوراق اسناد خزانه دارای کمترین و اوراق سلف دارای بیشترین ریسک می-باشند. برای ناشر شرکت‌های دولتی، اوراق سلف دارای بیشترین و اوراق اجاره دارای کمترین ریسک میباشد. برای ناشر شرکت‌های مرتبط با نهادهای عمومی، اوراق مرابحه دارای بیشترین و اوراق اجاره دارای کمترین ریسک میباشد. برای ناشر شرکت‌های خصوصی، اوراق مشارکت دارای بیشترین و اوراق اجاره دارای کمترین ریسک میباشد.
The purpose of this research is designing a credit rating model for issuers and tools for financing Islamic securities in the Iranian capital market. To do this, three major steps were taken. The first step was to identify the evaluation criteria or the risks associated with the Islamic securities, which was carried out by the experts and a review of theoretical basics. The second step, is modeling of Islamic securities using adaptive-network-based fuzzy approach in which the mean error of the training of all main and subset models was below the threshold. The third step is to apply adaptive fuzzy neural network modeling in credit rating of Islamic securities. In order to do this, the issuer’s ranking was used in the first stage and the results of the research showed that the issuer of the government had the least risk and private companies had the highest risk. In the second stage, for ranking financial instruments, the results showed that for issuer of government, treasury bonds had the lowest risk and forward bonds had the highest risk. For the issuer of state-owned companies, the forward bonds had the highest risk and lease bonds had the lowest risk.
_||_