توسعه مدل پیش بین ریسک منسجم در شرکت های بورسی: رویکرد داده های حسابداری

بورس اوراق بهادار ایران در سالهای اخیر توسعه زیادی یافته است. امروزه اهمیت پیش بینی و منافع حاصل از آن، برای تصمیم گیری و سیاست گذاری از ابعاد مختلف، به خصوص در حوزه سرمایه گذاری بر کسی پوشیده نیست. ریسک یکی از اولین دغدغه های سرمایه گذاران است و معیاری مهم در تصمیم گیری ها محسوب می شود. ارزش در معرض خطر به عنوان یک سنجه ریسک، جای خود را برای اندازه گیری انواع ریسک ها باز کرده اما علی رغم کارآیی بالای این مدل به دلیل برخی نارسایی ها از جمله نداشتن ویژگی جمع پذیری یک سنجه منسجم ریسک نیست. ارزش در معرض خطر شرطی(CvaR) به عنوان معیار ریسک منسجم محسوب می شود که اخیرا مورد استقبال قرار گرفته و بعنوان ابزاری مفید برای اندازه گیری ریسک مطرح گردیده است.جهت پیش بینی ریسک تاکنون مدلهای مختلفی ارایه شده که هر یک دارای نقاط قوت و ضعفی بوده اند. برخی از لحاظ کمبود مبانی نظری مناسب دارای ضعف بوده و برخی دیگر علی رغم بهره بردن از مبانی نظری مناسب در عمل کارآیی مناسبی از خود نشان نداده اند. ارایهمدلی مناسب برای برآورد ریسک منسجم که هم به سرمایه گذاران کمک نماید و هم خطرات غیرمنتظره ای که ممکن است شرکت ها را تهدید کنند، پیش بینی نماید. در طول سالهای اخیر، به کاربرد مدلهای شبکه عصبی و مدل های ترکیبی توجه بسیاری شده است. در تحقیق حاضر یک مدل ترکیبی پیش بینی از ریسک منسجم با استفاده از سیستم استنتاج شبکه عصبی فازی (انفیس) و مبتنی بر مدلهای مارکوف سوییچینگ و مدلهای خانواده گارچ ارایه و توسعه داده شده است.