طراحی و تبیین مدل برآورد ریسک سیستماتیک به روش فوق ابتکاری در بورس اوراق بهادار تهران؛ رویکرد تطبیقی مدل اقتصاد سنجی و هوش مصنوعی

محورهای موضوعی : مهندسی مالی

نعمت راستگو ¹ (دانشجوی دکتری گروه حسابداری ، واحد کاشان، دانشگاه آزاد اسلامی ، کاشان ، ایران)
حسین پناهیان ² (گروه حسابداری ، واحد کاشان ، دانشگاه آزاد اسلامی ، کاشان ، ایران)

تاریخ دریافت : 1396/10/07 تاریخ پذیرش : 1396/12/03 تاریخ انتشار : 1397/04/01

کلید واژه: ریسک سیستماتیک, مدل های گارچ, روش رگرسیون گام به گام, الگوریتم های هوش مصنوعی,

چکیده مقاله :

ریسک سیستماتیک همواره یکی از مهمترین شاخص هایی است که سرمایه گذاران و تحلیل گران مالی در تصمیم‌گیری های مالی خود اهمیت ویژه ای برای آن قائل هستند .هدف این پژوهش ارائه مدلی جدید و مبتنی بر متغیر های حسابداری برای برآورد شاخص ریسک سیستماتیک یا همان بتا است به روش اقتصاد سنجی نوین آرفیما- فیگارچ که حافظه بلند مدت ریسک سیستماتیک را ارزیابی می‌کند. دوره زمانی این پژوهش سال های 1385 تا 1394 است جامعه آماری پژوهش شرکت های پذیرفته شده در بورس اوراق بهادار تهران بوده و با استفاده از فرمول کوکران تعداد 174 شرکت به عنوان نمونه پژوهش انتخاب گردید . به همین منظور ابتدا بتای ریسک سیستماتیک از طریق آرفیما – فیگارچ محاسبه شد و سپس مدل های برآورد شده به روش اقتصاد سنجی رگرسیون گام به گام (انتخاب پیشرو ) و روش هوش مصنوعی ( از طریق ترکیب الگوریتم های ژنتیک و پرواز پرندگان در انتخاب عوامل موثر و مدلسازی آن از طریق ترکیب و پیاده سازی الگوریتم ارزیاب سرمایه گذاری داده های پویای تکاملی بر روی الگوریتم های مذکور) مقایسه گردید. به منظور تجزیه و تحلیل داده ها از سه نرم افزار اُکس متریکس ، ایویوز و متلب استفاده گردید . دقت پیش بینی دو مدل مبتنی بر اقتصاد سنجی و هوش مصنوعی از طریق محاسبه ضریب همبستگی بین تاهای برآورد شده و بتای آرفیا – فیگارچ انجام شده که مدل مبتنی بر هوش مصنوعی با ضریب همبستگی 94 درصد دقت پیش بینی به مراتب بالاتری را از خود نشان داد

چکیده انگلیسی:

Systematic risk is always one of the most important indicators that investors and financial analysts attach importance in their financial decision making. The purpose of this research is to provide a new model based on accounting variables for estimating the systematic risk index (β). The period of study is from 2006 to 2015. The statistical population of the research is the companies accepted in Tehran Stock Exchange. Using the Cochran formula, 174 companies are selected as the research sample. For this purpose, systematic risk beta is first calculated through ARFIMA-FIGARCH, and then, estimated models are compared using stepwise regression econometrics (forward selection) and artificial intelligence (through combination of genetic algorithms and flying birds algorithms in selecting effective factors and its modeling by combining and implementing an evolutionary dynamic data estimator algorithm on the above algorithms). In order to analyze the data, three software of Oxmetrics, Eviews, and MATLAB are used. The prediction accuracy of two models based on econometrics and artificial intelligence is evaluated by calculating the correlation coefficient between estimated betas and beta of ARFIMA-FIGARCH. The AI-based model with a correlation coefficient of 94 percent shows a higher predictive accuracy.