پیشبینی بازدهی استارتاپ با استفاده از روشهای مبتنی بر هوش مصنوعی و مدلهای اقتصادسنجی و بهینهسازی پورتفوی با استفاده از مدلهای VaR و C-VaR
- سال انتشار: 1401
- محل انتشار: فصلنامه مطالعات مدیریت، اقتصاد و کارآفرینی، دوره: 3، شماره: 2
- کد COI اختصاصی: JR_JMEK-3-2_006
- زبان مقاله: فارسی
- تعداد مشاهده: 268
نویسندگان
کارشناسی ارشد، دانشکده مالی، دانشگاه خاتم، تهران، ایران.
کارشناسی، گروه حسابداری، واحد اسلامشهر، دانشگاه آزاد اسلامی، تهران، ایران.
دانشجوی دکتری، گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
دانشجوی دکتری، گروه مدیریت مالی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.
چکیده
یکی از مهم ترین مفاهیم در هر اقتصادی استارتاپها هستند زیرا آنها ویژگیها و شاخصههایی مانند نوآوری، ایجاد اشتغال، افزایش بهرهوری اقتصادی و ... دارند که آنها را از سایر شرکتها متمایز میکنند. بنابراین، شناخت بهتر آنها و آشنایی با جریانات درآمدی و ارزشگذاری آنها حائز اهمیت است. در این مقاله، تلاش کردهایم تا نقش مهم استارتاپها در اقتصاد، ویژگیها، اهداف اصلی و ... آنان را مطالعه کنیم. هدف اصلی این مقاله، پیشبینی بازدهی استارتاپ با استفاده از روشهای مبتنی بر هوش مصنوعی مانند الگوریتم ژنتیک (GA) و شبکه عصبی مصنوعی (ANN) است. برخی شاخصهای جهانی مانند شاخص S&P۵۰۰، شاخص DJIA و نماگرهای اقتصادی از جمله بازده ۱۰ساله اوراق بهادار خزانه، شاخص مجموع بازار Wilshire۵۰۰۰ به همراه برخی نماگرهای ویژه دیگر در استارتاپها مانند تیم، ایده، زمانبندی و ... به عنوان متغیرهای ورودی مورد استفاده قرارگرفتهاند. از الگوریتم ژنتیک به عنوان انتخاب ویژگی و انتخاب مهمترین متغیرها استفاده گردیده است. از شبکه عصبی مصنوعی به عنوان مدلی جهت بهینهسازی و پیشبینی بازدهی استارتاپ استفاده گردیده است. از مدلهای اقتصادسنجی مانند تحلیل رگرسیون نیز استفاده کردهایم. مدلهای ارزش در معرض ریسک (VaR) و ارزش در معرض ریسک شرطی (C-VaR) را برای پورتفوی مورد نظر شامل سه استارتاپ (شرکت عام) دراپ باکس (DBX)، اسکوت۲۴ (G۲۴.DE) و تی آی ای (TIE.AS) تخمین زدهایم و پورتفوی بهینه را تشکیل دادهایم. نتایج نشان میدهد که روشهای مبتنی بر هوش مصنوعی در پیشبینی بازدهی استارتاپ قدرتمندتر هستند. از سویی دیگر، مدلهای VaR و C-VaR رهیافتهایی مفید در کمینهسازی ریسک و بیشینهسازی بازدهی هستند. در این مقاله دریافتیم که مدلهای مبتنی بر هوش مصنوعی دارای قدرت پیشبینی بالا و قابلیتهایی مانند افزایش سرعت محاسبات، بهبود نتایج براساس یادگیری، عدم وجود مفروضات محدودکننده، سهولت بکارگیری و ... هستند. اما، مدلهای اقتصادی دارای برخی ویژگیها و مفروضات محدودکننده مانند فرض نرمال بودن، خطی بودن، مانایی و ... هستند.کلیدواژه ها
شبکه عصبی مصنوعی (ANN), الگوریتم ژنتیک (GA), مدلهای اقتصادسنجی, ارزشگذاری استارتاپ, ارزش در معرض ریسک (VaR) و ارزش در معرض ریسک شرطی (C-VaR)اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.