مقایسه قدرت پیشبینی کنندگی مدلهای ترکیبی شبکه های عصبی مصنوعی، در پیش بینی قیمت قراردادهای سواپ نکول اعتباری با مدل مرتون
ریسک نکول از تعهدات یکی از مهمترین انواع ریسک، و قراردادهای سواپ نکول اعتباری از مهمترین ابزار مالی جهت پوشش آن میباشند. نبود چنین ابزار ی موجب کاهش جذابیت به خصوص برای سرمایه گذاران بین المللی میگردد و زیانهای اقتصادی را به کشورهای فاقد این نوع ابزر، من جمله ایران، تحمیل مینماید. پس از بحران 2007، کارایی ابزار مالی مذکور پررنگتر شد، زیرا در تئوری و عمل، این ابزار میتوانست تا حد زیادی از بروز فاجعه ی مالی جلوگیری کند. هدف این پژوهش ، پیش بینی قیمت قراردادهای مذکور با مدل مرتون و برخی از مدلهای ترکیبی شبکه عصبی من جمله انفیس، نارکس، آدابوست و رگرسیون ماشین بردار پشتیبان، و مقایسه ی این الگوریتمهاست که از کاراترین مدلهای هوشمند حوزه ی فایننس میباشند. جامعه ی آماری را شرکتهای آمریکای شمالی و اروپایی تشکیل میدهند که نهاد مرجع قراردادهای مذکور بوده اند. داده ها از پایگاه بلومبرگ برای دوره ی 2015-2008 استخراج گردید که 125 شرکت به عنوان نمونه ی آماری انتخاب شدند. طبق نتایج، میانگین قدرت پیش بینی کنندگی الگوریتم نارکس بیش از سایر مدلهاست.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.