پیش بینی ریسک سیستماتیک شرکت های پذیرفته شده در بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

تصمیم گیری در مسائل مالی و اقتصادی به دلیل عدم اطمینانهای آتی ، همواره با ریسک همراه است. بنابراین یکی از راههای کمک به سرمایه گذاران ، ارائه الگوهای پیش بینی ریسک سرمایه گذاری می باشد . استفاده از نسبت های مالی برای پیش بینی ریسک سیستماتیک(بتا) شرکت ها، همیشه مورد توجه دانشگاهیان و بنگاه های اقتصادی بوده است . هر چه این پیش بینی ها به واقعیت نزدیکتر باشند ، تصمیم گیری هایی که بر اساس چنین پیش بینی هایی اتخاذ می شوند صحیح تر خواهد بود.در بسیاری از تحقیقات انجام شده مدل های مختلفی جهت پیش بینی ریسک سیستماتیک استفاده شده است که بیشتر این تحقیقات بر مدل های خطی آماری متکی بوده اند ، مانند مدل های بلوم ، پیش بینی سادهst ، mw ، mlpfs ، رگرسیون ، رگرسیون چندگانه و ... مطالعات اخیر در خصوص شبکه های عصبی مصنوعی (ann) نشان می دهد که این الگو به علت دارا بودن ویژگی های غیرخطی ، ناپارامتریک و یادگیری تطبیقی ، ابزار قدرتمندی برای دسته بندی وشناسایی می باشد. در این پژوهش، با استفاده از مدل شبکه عصبی مصنوعی (ann)، به پیش بینی ریسک سیستماتیک شرکت های پذیرفته شده در بورس اوراق بهادار تهران پرداخته شده است . به منظور بررسی اثر تفاوت ناشی از نمونه ها در پیش بینی، از روش معتبر سازی مقطعی استفاده گردیده است. در این تحقیق مدل شبکه عصبی مصنوعی با مدل های آماری رگرسیون ، بلوم و پیش بینی سادهst ،مورد مقایسه قرار گرفت.متغیرهای مستقل در این تحقیق شامل نسبت های مالی و بتای سال جاری میباشد و متغیر وابسته بتای سال آینده است. نتایج حاصله از این مدل ها ، بر اساس اطلاعات 82 شرکت در طی سالهای 82 تا87 ، نشان داد که مدل شبکه عصبی مصنوعی در پیش بینی ریسک سیستماتیک ، به طور معنی داری نسبت به مدل های خطی آماری رگرسیون ، بلوم و پیش بینی سادهst ، از دقت پیش بینی بیشتری برخوردار است .