پیشبینی بازدهی استارتاپ با استفاده از روشهای مبتنی بر هوش مصنوعی و مدلهای اقتصادسنجی و بهینهسازی پورتفوی با استفاده از مدلهای VaR و C-VaR

یکی از مهم ترین مفاهیم در هر اقتصادی استارت اپها هستند زیرا آنها ویژگی ها و شاخصه هایی مانند نوآوری، ایجاد اشتغال، افزایش بهره وری اقتصادی و... دارند که آنها را از سایر شرکتها متمایز میکنند. بنابراین، شناخت بهتر آنها و آشنایی با جریانات درآمدی و ارزش گذاری آنها حائز اهمیت است. در این مقاله، تلاش کردهایم تا نقش مهم استارت اپها در اقتصاد، ویژگی ها، اهداف اصلی و... آنان را مطالعه کنیم. هدف اصلی این مقاله، پیش بینی بازدهی استارتاپ با استفاده از روش های مبتنی بر هوش مصنوعی مانند الگوریتم ژنتیک (GA) و شبکه عصبی مصنوعی (ANN) است.  برخی شاخص های جهانی مانند شاخص S&P500، شاخص DJIA و نماگرهای اقتصادی از جمله بازده 10ساله اوراق بهادار خزانه، شاخص مجموع بازار Wilshire5000 به همراه برخی نماگرهای ویژه دیگر در استارتاپها مانند تیم، ایده، زمانبندی و... به عنوان متغیرهای ورودی مورد استفاده قرارگرفته اند. از الگوریتم ژنتیک به عنوان انتخاب ویژگی و انتخاب مهمترین متغیرها استفاده گردیده است. از شبکه عصبی مصنوعی به عنوان مدلی جهت بهینه سازی و پیشبینی بازدهی استارتاپ استفاده گردیده است. از مدل های اقتصادسنجی مانند تحلیل رگرسیون نیز استفاده کردهایم. مدلهای ارزش در معرض ریسک (VaR) و ارزش در معرض ریسک شرطی (C-VaR) را برای پورتفوی مورد نظر شامل سه استارتاپ (شرکت عام) دراپ باکس (DBX)، اسکوت 24 (G24.DE) و تی آی ای (TIE.AS) تخمین زده ایم و پورتفوی بهینه را تشکیل داده ایم. نتایج نشان میدهد که روش های مبتنی بر هوش مصنوعی در پیشبینی بازدهی استارتاپ قدرتمندتر هستند. از سویی دیگر، مدلهای VaR و C-VaR رهیافتهایی مفید در کمینه سازی ریسک و بیشینه سازی بازدهی هستند. در این مقاله دریافتیم که مدلهای مبتنی بر هوش مصنوعی دارای قدرت پیش بینی بالا و قابلیت هایی مانند افزایش سرعت محاسبات، بهبود نتایج براساس یادگیری، عدم وجود مفروضات محدودکننده، سهولت بکارگیری و... هستند. اما، مدلهای اقتصادی دارای برخی ویژگ یها و مفروضات محدودکننده مانند فرض نرمال بودن، خطی بودن، مانایی و... هستند.