در مواجهه با بحران های مالی نظارت، و پیش بینی چنین رویدادهایی به منظور کاهش آثار منفی آنها بر بازارهای مالی و اقتصادی ضرورت دارد. هدف اصلی مطالعه ی حاضر، ارائه مدل سیستم هشدار سریع وقوع بحران مالی در بورس اوراق بهادار تهران است. بدین منظور از داده های هفتگی طی سال های 1376 تا 1397 (1121 هفته) استفاده شد. منظور از بحران در مطالعه حاضر، سقوط بیش از 15 درصدی شاخص قیمت (TEPIX) نسبت به سه ماه گذشته است. از اینرو جهت عملیاتی نمودن متغیر وابسته، از متغیر دامی استفاده شده و برای اندازه گیری شوک های ناشی از شاخص قیمت، نرخ ارز، قیمت طلا و نفت از پسماند مدل خود توضیح میانگین متحرک انباشته (ARIMA) استفاده شده است. نتایج حاصل با استفاده از مدل لاجیت و پروبیت مدل سازی شده و پس از تجزیه و تحلیل داده ها نشان داده است که با کاهش شاخص قیمت در دوره ی گذشته و نیز بروز بحران در دوره ی گذشته، احتمال وقوع بحران افزایش می یابد. در حالیکه کاهش نرخ ارز، افزایش قیمت طلا و کاهش قیمت نفت بر بروز بحران در دوره ی جاری تاثیر معنی داری ندارد. بر اساس داده های هفتگی، 44 بحران رخ داده که هر دو مدل 36 بحران را پیش بینی کرده است. قدرت پیش بینی بحران ها 82 درصد و قدرت پیش بینی کل مدل در حدود 99 درصد می باشد. Manuscript profile

هدف اصلی مطالعه‌ی حاضر، پیش‌بینی بحران مالی در بازار اوراق بهادار تهران با طراحی سیستم هشدار سریع با استفاده از داده کاوی و ارائه به سیاستگذاران مالی برای پیشگیری از وقوع یا کاهش اثرات بحران است. بدین منظور از داده‌های هفتگی طی دوره ی 11/7/1376-2/1/1398استفاده شد. منظور از بحران در مطالعه حاضر، سقوط بیش از 15 درصدی قیمت سهام نسبت به سه ماه گذشته است. از اینرو جهت عملیاتی نمودن متغیر وابسته، از متغیر موهومی استفاده شده است. جهت اندازه گیری شوک های ناشی از شاخص قیمت سهام، نرخ ارز، قیمت طلا و نفت از پسماند مدل خود توضیح میانگین متحرک انباشته(ARIMA) استفاده شده است. با توجه به نتایج حاصل از داده های مختلف مشخص گردید، مهم ترین متغیر برای پیش بینی بحران در بورس اوراق بهادار تهران در دادههای هفتگی، وقوع بحران مالی در دوره ی گذشته بوده است. لذا می توان ادعا نمود افت شاخص سهام بیشتر متاثر از ارزش شاخص در دوره ی قبل است تا شوک های خارجی از جمله شوک نرخ ارز، طلا و نفت. هم چنین مشخص گردید دقت تشخیص بحران برای تمامی درخت ها یکسان و برابر با 81.82 درصد است. یعنی از 44 بحران رخ داده طی دوره ی مذکور (شامل 1121 هفته می‌باشد)، 36 بحران توسط روش های مذکور قابل شناسائی و پیش بینی بوده است. Manuscript profile