طراحی شاخص ترکیبی استرس فراگیر برای بورس اوراق بهادار تهران با رویکرد یادگیری ماشین
کلمات کلیدی:
ریسک سیستمی, سرایت مالی, شاخص استرس فراگیر, DCC-MGARCH, الگوریتم جنگل تصادفیچکیده
هدف این پژوهش طراحی و اعتبارسنجی شاخصی جامع برای پایش استرس فراگیر و ریسک سیستمی در بورس اوراق بهادار تهران با استفاده از مدل‌های پیشرفته آماری و الگوریتم‌های یادگیری ماشین است. این مطالعه از داده‌های روزانه شاخص‌های منتخب بورس اوراق بهادار تهران طی سال‌های ۱۳۹۳ تا ۱۴۰۳ استفاده کرده است. ابتدا بازدهی لگاریتمی محاسبه شد و با مدل DCC-MGARCH ماتریس همبستگی شرطی و شاخص‌های ریسک سیستمی از جمله ΔCoVaR استخراج گردید. سپس برای تعیین اهمیت و وزن‌دهی شاخص‌ها سه الگوریتم یادگیری ماشین (بردار پشتیبان رگرسیونی، شبکه عصبی و جنگل تصادفی) مقایسه شد و مدل جنگل تصادفی به دلیل دقت بالاتر انتخاب گردید. نهایتاً شاخص ترکیبی استرس فراگیر طراحی و از طریق آزمون‌های پایداری زمانی، تحلیل استرس (شوک) و مدل رگرسیون لجستیک اعتبارسنجی شد. نتایج نشان داد شاخص‌های خودرو، انبوه‌سازی، محصولات کاغذی و محصولات فلزی بیشترین ریسک سیستمی و شاخص‌های رایانه، ذغال‌سنگ و منسوجات کمترین ریسک سیستمی را دارند. شاخص استرس فراگیر توانست سیگنال‌های هشدار زودهنگام در دوره‌های پرتنش بازار ارائه دهد و در آزمون رگرسیون لجستیک با AUC معادل 0.801 و دقت 89.9٪ توانایی خوبی در پیش‌بینی شوک‌های بازار داشت. شاخص استرس فراگیر طراحی‌شده ابزاری کارآمد برای شناسایی نقاط آسیب‌پذیری و پیش‌بینی بحران در بورس تهران است و می‌تواند به تحلیلگران، سیاست‌گذاران و نهادهای نظارتی در مدیریت ریسک‌های سیستمی و افزایش تاب‌آوری بازار کمک کند. توسعه بیشتر این شاخص با لحاظ داده‌های کلان اقتصادی و بازه‌های زمانی طولانی‌تر پیشنهاد می‌شود.
دانلودها
مراجع
Akhtaruzzaman, M., Boubaker, S., & Sensoy, A. (2021). Financial contagion during COVID-19 crisis. Finance Research Letters, 38, 101604. https://doi.org/10.1016/j.frl.2020.101604
Bhaduri, A., Gupta, A., & Graham-Brady, L. (2022). Stress field prediction in fiber-reinforced composite materials using a deep learning approach. Composites Part B: Engineering, 238, 109879. https://doi.org/10.1016/j.compositesb.2022.109879
Boshkoska, M., Odzaklieska, D., & Spaseska, T. (2024). Understanding Financial Contagion: Insights Into Transmission Mechanisms and Their Contribution in Shock Intensification. Balkan and Near Eastern Journal of Social Sciences, 10(01), 119-125.
Chen, Y., Wang, G. J., Zhu, Y., Xie, C., & Salah Uddin, G. (2024). Identifying systemic risk drivers of FinTech and traditional financial institutions: machine learning-based prediction and interpretation. The European Journal of Finance, 30(18), 2157-2190. https://doi.org/10.1080/1351847X.2024.2358940
Covi, G., Montagna, M., & Torri, G. (2019). Economic shocks and contagion in the euro area banking sector: a new micro-structural approach. Financial stability review, 1, 1.
Dastkhan, H. (2020). Principles of Systemic Risk in Financial Markets: A Special Focus on the Application of Financial Networks.
Diaz-Ramos, R. E., Gomez-Cravioto, D. A., Trejo, L. A., López, C. F., & Medina-Pérez, M. A. (2021). Towards a resilience to stress index based on physiological response: a machine learning approach. Sensors, 21(24), 8293. https://doi.org/10.3390/s21248293
Ding, C., Zhang, Y., & Ding, T. (2023). A systematic hybrid machine learning approach for stress prediction. Peerj Computer Science, 9, e1154. https://doi.org/10.7717/peerj-cs.1154
Fallah, M. F., Pourmansouri, R., & Ahmadpour, B. (2024). Presenting a new deep learning-based method with the incorporation of error effects to predict certain cryptocurrencies. International Review of Financial Analysis, 95, 103466. https://doi.org/10.1016/j.irfa.2024.103466
Flavin, T. J., & Lagoa-Varela, D. (2020). Financial Contagion and Shock Transmission During the Global Financial Crisis: A Review of the Literature. In Emerging Tools and Strategies for Financial Management (pp. 173-197). https://doi.org/10.4018/978-1-7998-2440-4.ch008
Gai, P., & Kapadia, S. (2019). Networks and systemic risk in the financial system. Oxford Review of Economic Policy, 35(4), 586-613. https://doi.org/10.1093/oxrep/grz023
Gao, Y., Rojasavachai, R., Rouxelin, F., & Yang, L. (2025). Financial Illiteracy as a Systemic Risk: Implications for Household Resilience and Portfolio Vulnerability.
Liu, J., Song, Q., Qi, Y., Rahman, S., & Sriboonchitta, S. (2020). Measurement of systemic risk in global financial markets and its application in forecasting trading decisions. Sustainability, 12(10), 4000. https://doi.org/10.3390/su12104000
Martins, N. M. (2020). Risco sistêmico, fragilidade financeira e crise: uma análise pós-keynesiana a partir da contribuição de Fernando Cardim de Carvalho. Revista de Economia Contemporanea, 24, e202428. https://doi.org/10.1590/198055272428
Pourmansouri, R., Fallahshams, M., & Afshani, R. G. G. (2024). Designing a financial stress index based on the GHARCH-DCC approach and machine learning models. Journal of the Knowledge Economy, 1-30. https://doi.org/10.1007/s13132-024-02075-9
Shokrollahi, Y., Nikahd, M. M., Gholami, K., & Azamirad, G. (2023). Deep learning techniques for predicting stress fields in composite materials: A superior alternative to finite element analysis. Journal of Composites Science, 7(8), 311. https://doi.org/10.3390/jcs7080311
So, M. K., Chan, T. W., & Chu, A. M. (2024). Bayesian Systemic Risk Analysis using Latent Space Network Models. Data Science in Science, 3(1), 2381724. https://doi.org/10.1080/26941899.2024.2381724
Tedeschi, G., Caccioli, F., & Recchioni, M. C. (2020). Taming financial systemic risk: models, instruments and early warning indicators. Journal of Economic Interaction and Coordination, 15, 1-7. https://doi.org/10.1007/s11403-019-00278-x
Yarovaya, L., Brzeszczyński, J., Goodell, J. W., Lucey, B., & Lau, C. K. M. (2022). Rethinking financial contagion: Information transmission mechanism during the COVID-19 pandemic. Journal of International Financial Markets, Institutions and Money, 79, 101589. https://doi.org/10.1016/j.intfin.2022.101589
Zhang, X., & Hu, Q. (2024). Counterparty risk and contagion in financial networks. Applied Economics Letters, 1-14. https://doi.org/10.1080/00036846.2024.2405202
دانلود
چاپ شده
ارسال
بازنگری
پذیرش
شماره
نوع مقاله
مجوز
حق نشر 2025 Elham Babaheidarian, Farhad Hanifi, Mirfiz Fallah Shams (Author)
این پروژه تحت مجوز بین المللی Creative Commons Attribution-NonCommercial 4.0 می باشد.
