خلاصة:
سرمایهگذاریهای مخاطرهآمیز نقش مهمی در اقتصاد ایفا میکنند. هدف مقاله حاضر بررسی عوامل تعیینکننده سرمایهگذاری مخاطرهآمیز در شرکتهای پذیرفتهشده در بورس اوراق بهادار تهران است. پژوهش حاضر ازنظر هدف، کاربردی و ازنظر روش پژوهش توصیفی پیمایشی با رویکرد علی مقایسهای است. 100شرکت حاضر در بورس اوراق بهادار ایران در سالهای 1393 تا 1398 بهعنوان نمونه انتخاب شد. دادهها از پایگاههای دادهای بانک مرکزی ایران، مرکز آمار ایران، وبسایت کدال، سایت سازمان بورس اوراق بهادار تهران و سایت WDI ( بانک جهانی) گردآوری و با استفاده از نرمافزارهای Excel و 9Eviews و matlab تجزیهوتحلیل شد. فرآیند انجام تحقیق به این صورت بود که عوامل تعیینکننده سرمایهگذاری مخاطرهآمیز در بورس اوراق بهادار تهران (حجم سرمایهگذاری، میزان صادرات، مالیات شرکت، شاخص افشا، شاخص حاکمیت قانون، تنوعگرایی صنعت، تنوعگرایی مراحل چرخه عمر شرکت، نوع مالکیت، تعداد بخشها و شرکتهای تابعه، سرمایهگذاری شرکت ، اندازه شرکت و سن شرکت) با استفاده از مطالعه ادبیات پژوهش تعیین و با بهکارگیری شبکه عصبی و منطق فازی به ایجاد یک مدل پیشگویانه برای تعیین ریسک سرمایهگذاری بر اساس شاخصهای تعیین شده پرداخته شد. مدل دستهبندی بر اساس ترکیب خوشهبندی با استفاده از شبکه عصبی بدون نظارت SOM و انعطافپذیری منطق فازی ارائه شد. پارامتر ارزیابی طرح، دقت دستهبندی ترکیبی ارائهشده، مقدار خطای میانگین مربعات و ضریب تبیین میباشد. نتایج شبیهسازی حاکی از آن بود که عملکرد طرح پیشنهادی نسبت به دستهبندی به روش شبکه عصبی MLP بهبود داشته و مدل پیشنهادی بر مبنای آموزش ارائهشده به مدل، با دقت مطلوبی به پیشبینی وضعیت سرمایهگذاریهای انجامشده پرداخته است.
Risky investments have a significant role in the economy. The aim of the present paper is to investigate the risky determinant factors in accepted companies in Tehran Stock Exchange. In terms of purpose, the present research is applied and in terms of method, it is descriptive-correlational. 500 available companies in Tehran Stock Exchange in 2018 were selected as the sample of study. Data were gathered from databases of Central Bank of Iran, Statistical Centre of Iran, CODAL website, Tehran Stock Exchange Organisation website and WDI World Bank website and analysed using Excel, 9Eviews and Matlab softwares. The research process was as the determinants of risky investment in Tehran Stock Exchange ( investment volume, export rate, company tax, disclosure index, rule of law index, industry diversification, diversity of the life cycle stages of the company, ownership type, number of divisions and subsidiaries, company investment, company size and age) were identified and using neural networks and fuzzy logic a predictive model to determine investment risk according to extracted indexes was created. The design evaluation parameter is the accuracy of the proposed combination category, the mean error value of the squares and the coefficient of explanation. The simulation results revealed that the performance of the proposed design improved compared to the MLP neural network classification method, and the proposed model based on training provided to model, with accepted accuracy anticipated the status of the investments made.
ملخص الجهاز:
فرآيند انجام تحقيق به اين صورت بود که عوامل تعيين کننده سرمايه گذاري مخاطره آميز در بورس اوراق بهادار تهران (حجم سرمايه گذاري ، ميزان صادرات ، ماليات شرکت ، شاخص افشا، شاخص حاکميت قانون ، تنوع گرايي صنعت ، تنوع گرايي مراحل چرخه عمر شرکت ، نوع مالکيت ، تعداد بخش ها و شرکت هاي تابعه ، سرمايه گذاري شرکت ، اندازه شرکت و سن شرکت ) با استفاده از مطالعه ادبيات پژوهش تعيين و با به کارگيري شبکه عصبي و منطق فازي به ايجاد يک مدل پيشگويانه براي تعيين ريسک سرمايه گذاري بر اساس شاخص هاي تعيين شده پرداخته شد.
قدرت يادگيري ، قدرت تعميم دهي دارند به گونه اي که قادر هستند با برخورد به تعداد محدودي نمونه يک قانون کلي از آن را استخراج و نتايج را به موارد مشابه قبل تعميم دهند همچنين شبکه هاي عصبي داراي خروجي هاي پايدار هستند قادرند اطلاعات فراگرفته ي خود را حفظ کرده و بدون از دست دادن اطلاعات قبلي موارد جديد را بپذيرند بنابراين چنانچه براثر عواملي مانند عوامل اقتصادي ، سياسي و غيره تغييري در وضعيت سرمايه گذاري ها به وجود آيد شبکه ي موردنظر قادر خواهد بود با داده - هاي جديد مجددًا اقدام به خوشه بندي کند و ميزان مخاطره آميز بودن يا نرمال بودن را تخمين بزند، منطق فازي اين امکان را فراهم مي کند تا بر اساس اطلاعات نامشخص و يا مبهم تصميم گيري هاي قطعي اتخاذ شود.