طراحي مدل ارزيابي رتبه بندي اعتباري اوراق بهادار اسلامي با رويكرد شبكه‌هاي عصبي- فازي تطبيق‌پذير

Designing an evaluation model for credit rating of Islamic securities with a Adaptive Neuro-Fuzzy network approach

هدف اين پژوهش، طراحي مدل رتبه بندي اعتباري ناشران و ابزارهاي تامين مالي اوراق بهادار اسلامي در بازار سرمايه ايران است. جهت انجام اين هدف، سه گام اصلي انجام پذيرفت. گام اول، شناسايي معيارهاي ارزيابي و يا همان ريسك هاي مرتبط با اوراق بهادار اسلامي بود كه توسط خبرگان و مروري بر مباني نظري انجام پذيرفت. گام دوم، مدلسازي اوراق بهادار اسلامي با استفاده از مدل شبكه عصبي- فازي تطبيق پذير بود كه ميانگين خطاي آموزش تمامي مدل هاي اصلي و زيرمجموعه كمتر از حد آستانه بود. گام سوم، بكارگيري مدل سازي سيستم عصبي فازي در رتبه بندي اعتباري اوراق بهادار اسلامي مي باشد. براي انجام اين كار، در مرحله اول رتبه بندي ناشر بوده است كه نتايج پژوهش نشان داد كه ناشر دولت داراي كمترين و شركت هاي خصوصي داراي بيشترين ريسك ميباشند. در مرحله دوم براي رتبه بندي ابزارهاي تامين مالي، نتايج نشان داد كه براي ناشر دولت اوراق اسناد خزانه داراي كمترين و اوراق سلف داراي بيشترين ريسك مي-باشند. براي ناشر شركت هاي دولتي، اوراق سلف داراي بيشترين و اوراق اجاره داراي كمترين ريسك مي باشد. براي ناشر شركت هاي مرتبط با نهادهاي عمومي، اوراق مرابحه داراي بيشترين و اوراق اجاره داراي كمترين ريسك مي باشد. براي ناشر شركت هاي خصوصي، اوراق مشاركت داراي بيشترين و اوراق اجاره داراي كمترين ريسك ميباشد.

The purpose of this research is designing a credit rating model for issuers and tools for financing Islamic securities in the Iranian capital market. To do this, three major steps were taken. The first step was to identify the evaluation criteria or the risks associated with the Islamic securities, which was carried out by the experts and a review of theoretical basics. The second step, is modeling of Islamic securities using adaptive-network-based fuzzy approach in which the mean error of the training of all main and subset models was below the threshold. The third step is to apply adaptive fuzzy neural network modeling in credit rating of Islamic securities. In order to do this, the issuer’s ranking was used in the first stage and the results of the research showed that the issuer of the government had the least risk and private companies had the highest risk. In the second stage, for ranking financial instruments, the results showed that for issuer of government, treasury bonds had the lowest risk and forward bonds had the highest risk. For the issuer of state-owned companies, the forward bonds had the highest risk and lease bonds had the lowest risk.