طراحی سیستم هشدار سریع وقوع بحران مالی در بورس اوراق بهادار تهران با رویکرد درخت تصمیم
محورهای موضوعی :
دانش سرمایهگذاری
علیرضا قلیزاده
1
,
میرفیض فلاح شمس
2
,
محمد علی افشار کاظمی
3
1 - دانشجوی دکتری مدیریت مالی، گروه مدیریت مالی، واحد تهران مرکزی، دانشگاه آزاد اسلامی،تهران، ایران
2 - دانشیار گروه مدیریت مالی دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران.(گروه پژوهشی مخاطرات مالی نوین)
3 - دانشیار گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
تاریخ دریافت : 1398/06/27
تاریخ پذیرش : 1398/06/27
تاریخ انتشار : 1400/10/01
کلید واژه:
قیمت سهام,
بحران مالی,
سیستم هشدار سریع,
داده کاوی,
قیمت نفت,
چکیده مقاله :
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.
چکیده انگلیسی:
The main purpose of this paper is to predict financial crisis in stock exchange market along with designing warning syetem by data analysis and then to present to financial policy makers for preventing the outbreak or decreasing the effects of crisis. Due to this purpose, it’s used the weekly datas during the years from 10.03.1997 to 03.22.2019. The mean of crises in this present paper is the falling more than 15% of stock price rather to last three months. Hence, it’s been used the dummy variable for operating the dependent variable. It’s been used the residual of autoregressive integrated moving average (ARIMA) for measuring the shocks caused by the index of stock price, exchange rate, price of oil and gold. Based on the results by the different data showed the financial crisis outbreak is the most important variable for predicting the crisis of Tehran stock exchange in weekly data in the last periods. Hence it’s claimed that falling the stock index is affected the value of index in the last periods more than external shock including shock of exchange rate as well as gold and oil. As it’s determined the detection accuracy of crisis is 81.82%, the same for all trees. It means that 36 crisises have been predicted and recognized from the 44 ocurred crisises during the mentioned periods (1121 weeks).
منابع و مأخذ:
احمدیان، اعظم(1394)، «طراحی سیستم هشدار سریع جهت پیش بینی زمان در معرض ورشکستگی قرار گرفتن بانکها»، فصلنامه علمی پژوهشی نظریههای کاربردی اقتصاد، دوره 2، شماره 4، زمستان 1394.
درخشان، مسعود (1387)، ماهیت و علل بحران مالی 2008 و تاثیر آن بر اقتصاد ایران، مرکز تحقیقات استراتژیک مجمع تشخیص مصلحت نظام، پژوهشنامه شماره 9.
صادقی, حجت اله و فرشته فتاحیان، ۱۳۹۴، بررسی عملکرد ماشین بردار پشتیبان در پیشبینی بحران مالی شرکتها مطالعهای در بورس اوراق بهادار تهران،اولین کنفرانس بین المللی حسابداری و مدیریت در هزاره سوم، رشت، شرکت پیشگامان پژوهش های نوین،
صمدی، سعید و عذرا بیانی(1390)، « بررسی ارتباط متغیرهای کلان اقتصادی و بازده سهام در بورس اوراق بهادار تهران»، فصلنامه اقتصاد مالی، دوره 5، شماره 16، پاییز 1390، صفحه 91-112.
صیادنیا طیبی، عزت اله و همکاران(1391)، « تبیین یک سیستم هشداردهنده جهت شناسایی بحرانهای مالی در ایران» فصلنامه پول و اقتصاد، شماره 6، زمستان 13، ص 169-211.
فطرس، محمد حسن و هوشیدری، مریم(1395)، «ﺑﺮرﺳﯽ ﺗﺄﺛﯿﺮ ﻧﻮﺳﺎﻧﺎت ﻗﯿﻤﺖ ﻧﻔﺖ ﺧﺎم ﺑﺮ ﻧﻮﺳﺎﻧﺎت ﺑﺎزدﻫﯽ ﺑﻮرس اوراق ﺑﻬﺎدار ﺗﻬﺮان روﯾﮑﺮد GARCH ﭼﻨﺪ ﻣﺘﻐﯿﺮه » ﭘﮋوﻫﺸﻨﺎﻣﻪ اﻗﺘﺼﺎد اﻧﺮژی اﯾﺮان، سال پنجم، شماره 18، بهار 1395، صص 147-177.
علیزاده، سمیه و ملک محمدی،سمیرا(1393)، داده کاوی و کشف دانش، چاپ سوم، دانشگاه صنعتی خواجه نصیر طوسی.
قوام، محمد حسین و همکاران(1394)، « طراحی مدل هیبریدی هشدار دهنده پیش از موعد بحران مالی برای اقتصاد ایران» فصلنامه علمی- پژوهشی مطالعات اقتصادیِ کاربردی ایران، سال چهارم، شماره 13، بهار 1394، صص35-68.
ﮐﺮﯾﻢزاده، ﻣﺼﻄﻔﯽ (1385)، »ﺑﺮرﺳﯽ راﺑﻄﻪ ﺑﻠﻨﺪ ﻣﺪت ﺷﺎﺧﺺ ﻗﯿﻤﺖ ﺳﻬﺎم ﺑﻮرس ﺑﺎ ﻣﺘﻐﯿﺮﻫﺎی ﮐﻼن ﭘﻮﻟﯽ ﺑﺎ اﺳﺘﻔﺎده از روش ﻫﻢ ﺟﻤﻌﯽ در اﻗﺘﺼﺎد اﯾﺮان«، ﻓﺼﻠﻨﺎﻣﻪ ﭘﮋوﻫﺶﻫﺎی اﻗﺘﺼﺎدی، 8(26).
گجراتی، دامودار، 1388، مبانی اقتصاد سنجی، مترجم : حمید ابریشمی، جلد اول، چاپ هفتم،تهران.
محمدی اقدم، سعید، (1397)، « سنجش ریسک سیستمی ناشی از شوک ارزی در بازارهای مالی ایران در چارچوب اقتصاد مقاومتی» پایان نامه کارشناسی ارشد رشته معارف اسلامی و مدیریت گرایش مالی، دانشگاه امام صادق، دانشکده معارف اسلامی و مدیریت، صص18-22.
نادری، مرتضی (1382)، "ارائه سیستم هشدار پیش از موعد برای بحران های مالی دراقتصاد ایران" فصلنامه پژوهش های اقتصادی ایران / شماره 17 / زمستان 1382.
نادمی، یونس و همکاران(1394)، " ارائه یک الگوی هشدار پیش از وقوع نوسانات شدید در بازار سهام تهران: رویکرد مارکوف سوئیچینگ گارچ " فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار سال هشتم، شماره بیست و هشتم زمستان 1394.
نصراللهی، محمد و همکاران(1396)، " طراحی یک سیستم هشدار زودهنگام بحران های ارزی در ایران: رویکرد رگرسیون لجستیک" ، تحقیقات اقتصادی / دوره 52 ، شمارة 1، بهار 96.
نعمتی، محمد و سلیمانی، محمد، بحران مالی 2008: ریشه ها، پیامد ها و راهکارها،انتشارات دانشگاه امام صادق، چاپ اول،1390.
هان، ژیاوی و همکاران. داده کاوی (تکنیک ها)، جلد دوم. ترجمه نسترن حاجی حیدری و بهنام خاکباز، چاپ اول، انتشارات دانشگاه تهران.
Al-Ameer, & et al,.2018. The Relationship of Gold Price with the Stock Market: The Case of Frankfurt Stock Exchange. International Journal of Energy Economics and Policy, 2018, 8(5), 357-371.
Ahn, J, JooK Oh, K, Kim, T, Kim, D, 2011. Usefulness of support vector machine to develop an early warning system for financial crisis. J. Expert Systems with Applications 38(2011) 2966-2973.
Bilginsoy, C. 2015. A History of Financial Crises. Routledge.Bussiere, M, Fratzscher, M, 2002. Towards a new early warning system of financial crises. European central bank Working paper no. 145.
Candelon,, Dumitrescu,E.-I.,Hurlin,C.,2014.Currency crises early arning systems: why they should be dynamic. Int. J. Forecast. 30, 1016–1029.
Caggiano, G, Calice, P, Leonida, L, 2014. Early warning systems and systemic banking crises in low income countries: A multinomial logit approach. Journal of Banking & Finance 47(2014) 258-269.
Chatzis a,S.P, et al, 2018. Forecasting stock market crisis events using deep and statistical machine learning techniques. Expert Systems With Applications 112 (2018) 353–371.
Claessens, S. & Kose, M. A, 2013, Financial Crises: Explanations, Types, and Implications, IMF Working Paper, No WP/13/28.
Levy, M, 2008. Stock market crashes as social phase transitions. Journal of Economic Dynamics & Control 32 (2008) 137–155.
Klopotan,L & et al, 2018. Early warning system in business, finance, and economics: Bibliometric and topic analysis, International Journal of Engineering Business Management, Volume 10: 1–12.
Eisenbeis, R. A, 1997, Bank Deposits and Credit As Sources of Systemic Risk, Federal Reserve Bank of Atlanta Economic Review, No. 3, 4-19.
Gresnigt, F, Kole, E, Franses, PH, 2015. Interpreting financial market crashes as earthquakes: A new Early Warning System for medium term crashes. Journal of Banking & Finance 56(2015) 123-139.
Kaminsky, G. and Lizondo, S., and M. Reinhart. (1998). Leading Indicator of Currency Crises. IMF Staff Papers, 45(1998), PP. 1-48.
Kim, D, Lee, S, Joo Oh, K, Kim, T, 2009. An early warning system for financial crisis using a stock market instability index. J. Expert Systems, July 2009, Vol. 26, No. 3.
Kim, S, Upneja, A, 2014. Predicting restaurant financial distress using decision tree and AdaBoosted decision tree models. J. Economic Modelling 36(2014) 354-362.
Kindleberger , Charles P. & Aliber, R. (2005), Manias, Panics, and Crashes: A History of Financial Crises, 5th ed. Wiley, ISBN 0471467146.
Maghyereh, A., Awartani, B. and Jahera, J. (2016) Oil Price Uncertainty and Equity Returns: Evidence from Oil Importing and Exporting Countries in the Mena Region. Journal of Financial Economic Policy, 8, 64-79.
Waidyanatha, Nuwan (2010). "Towards a typology of integrated functional early warning systems". International Journal of Critical Infrastructures. No 1. 6: 31–51.
Xuan Li, W, Sheng Chen, C, French, J, 2015. Toward an early warning system of financial crises: What can index futures and options tell us?. The Quarterly Review of Economics and Finance 55(2015) 87-99.
Zhang,R Xian,X Fang,H, 2019. The early warning system of stock market crises with investor sentiment: Evidence fromChina. wileyonlinelibrary.com/journal/ijfe, Int J Fin Econ. 2019;24:361–369.
_||_