بررسی قدرت تبیین سنجه های ریسک طیفی، منسجم، انحراف و شبکه های عصبی مصنوعی و کاربرد آن ها در انتخاب سبد بهینه سرمایه گذاری در بورس اوراق بهادار تهران

هدف مطالعه حاضر مقایسه کارایی مدل های شبکه عصبی و سنجه های موجود در دسته سنجه های ریسک در تشکیل پرتفوی بهینه است. ابتدا اطلاعات سری زمانی مربوط به نرخ بازده شرکت های مختلف طی سال های 95-1386 از بانک های اطلاعاتی سازمان بورس و اوراق بهادار ایران گردآوری شده و در چارچوب مدل های شبکه عصبی و سنجه های ریسک طیفی، انحراف و منسجم با استفاده از آزمونهای کوپیک ، کریستوفرسن و لوپز مورد تجزیه و تحلیل قرار گرفته اند. از نتایج آزمونهای کوپیک و کریستوفرسن برای مدل های شبکه عصبی و CVaR مشخص گردید مقدار آماره آزمون LR برای تمامی گروه شرکت های تحت بررسی بزرگ تر از مقدار بحرانی است؛ بر این اساس نتیجه گیری شد که عملکرد  مدل های شبکه عصبی و معیار CVaR در سطح معنی داری 5 درصد برای تمامی گروه شرکت ها قابل استناد می باشد و برای سنجه SE، آماره آزمون LR برای تمامی گروه شرکت ها کوچک تر از مقدار بحرانی است؛ که گویای آن است که عملکرد معیار SE برای تمامی گروه شرکت ها در سطح معنی داری 5 درصد قابل استناد نمی باشد. از سوی دیگر، بر اساس نتایج آزمون کوپیک و کریستوفرسن برای سنجه VaR نیز، مقدار آماره آزمون LR برای شش گروه شرکت بزرگ تر از مقدار بحرانی و برای چهار گروه شرکت کوچک تر از مقدار بحرانی بوده است. بر این اساس می توان گفت که در مدل های شبکه عصبی مصنوعی متوسط تعداد تخطی ها یا حالت استثنا در سطح معنی داری 5 درصد کمتر از سنجه های ریسک طیفی، انحراف و منسجم می باشد.