بررسی قدرت تبیین سنجه‌های ریسک طیفی، منسجم، انحراف و شبکه‌های عصبی مصنوعی و کاربرد آن‌ها در انتخاب سبد بهینه سرمایه گذاری در بورس اوراق بهادار تهران

هدف مطالعه حاضر مقایسه کارایی مدل­های شبکه عصبی و سنجه‌های موجود در دسته سنجه‌های ریسک در تشکیل پرتفوی بهینه است. ابتدا اطلاعات سری زمانی مربوط به نرخ بازده شرکت­های مختلف طی سال­های 95-1386 از بانک‌های اطلاعاتی سازمان بورس و اوراق بهادار ایران گردآوری شده و در چارچوب مدل­های شبکه عصبی و سنجه­های ریسک طیفی، انحراف و منسجم با استفاده از آزمونهای کوپیک ، کریستوفرسن و لوپز مورد تجزیه و تحلیل قرار گرفته­اند. از نتایج آزمونهای کوپیک و کریستوفرسن برای مدل­های شبکه عصبی و CVaR مشخص گردید مقدار آماره آزمون LR برای تمامی گروه شرکت‌های تحت بررسی بزرگ‌تر از مقدار بحرانی است؛ بر این اساس نتیجه­گیری شد که عملکرد  مدل­های شبکه عصبی و معیار CVaR در سطح معنی‌داری 5 درصد برای تمامی گروه شرکت‌ها قابل استناد می‌باشد و برای سنجه SE، آماره آزمون LR برای تمامی گروه شرکت‌ها کوچک‌تر از مقدار بحرانی است؛ که گویای آن است که عملکرد معیار SE برای تمامی گروه شرکت‌ها در سطح معنی‌داری 5 درصد قابل استناد نمی‌باشد. از سوی دیگر، بر اساس نتایج آزمون کوپیک و کریستوفرسن برای سنجه VaR نیز، مقدار آماره آزمون LR برای شش گروه شرکت­ بزرگ‌تر از مقدار بحرانی و برای چهار گروه شرکت کوچک‌تر از مقدار بحرانی بوده است. بر این اساس می‌توان گفت که در مدل­های شبکه عصبی مصنوعی متوسط تعداد تخطی­ها یا حالت استثنا در سطح معنی‌داری 5 درصد کمتر از سنجه‌های ریسک طیفی، انحراف و منسجم می‌باشد.