چکیده مقاله
مدل های ارزش در معرض خطر VaR با فرض نقدشوندگی کامل دارایی ها، ریسک واقعی را در بازارهای نوظهور کمتر برآورد می کنند این پژوهش به برآورد ارزش در معرض خطر تعدیل شده با نقدینگی L VaR در بورس اوراق بهادار تهران با استفاده از الگوریتم یادگیری ماشین جنگل تصادفی می پردازد داده های مورد استفاده شامل سری های زمانی شاخص های بازار سهام نظیر TEPIX و TEDPIX و متغیرهای کلان اقتصادی طی دوره ۲۰۱۶–۲۰۲۳ می باشد برای تعدیل نقدینگی از معیار آمیهود استفاده شده است یافته ها حاکی از آن است که مدل پیشنهادی L VaR برآورد محافظه کارانه تر و دقیق تری نسبت به VaR سنتی ارائه می دهد همچنین، نتایج نشان می دهد مدل جنگل تصادفی در سطح اطمینان ۹۹٪ از صحت بالایی برخوردار است این مطالعه گامی به سوی ادغام ریسک نقدینگی و فناوری های یادگیری ماشین در مدیریت ریسک بازارهای مالی ایران است
کلیدواژهها
نویسندگان
مجید خلیلیان
دانشیار، گروه کامپیوتر، دانشکده هوش مصنوعی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران
مسعود کریمخانی
دانشجوی دکتری کامپیوتر، گروه علوم کامپیوتر، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
شیوه ارجاع
�لیلیان، مجید و کریمخانی، مسعود،1404،برآورد ارزش در معرض خطر تعدیل شده با نقدینگی (L-VaR) شاخص بورس اوراق بهادار تهران با رویکرد یادگیری ماشین: الگوریتم جنگل تصادفی،دومین کنفرانس ملی "بدون نفت، چگونه؟"،تهران
ارائهشده در
مجموعه مقالات دومین کنفرانس ملی "بدون نفت، چگونه؟"6 آذر 1404 · تهران