كاربرد الگوريتم هوش مصنوعي در پيش‌بيني كارايي سرمايه‌گذاري با تأكيد بر نقش معيار‌هاي مديريت ريسك

Application of artificial intelligence algorithm in predicting investment efficiency Emphasizing the role of risk management criteria

كارايي سرمايه گذاري زماني حاصل مي شود كه شركت فقط در تمامي طرح هايي با ارزش فعلي خالص مثبت سرمايه گذاري كند.البته اين سناريو در صورتي كارساز است كه بازار كامل باشد و هيچ يك از مسايل بازار ناقص از جمله گزينش نادرست و هزينه هاي نمايندگي وجود نداشته باشد.هدف پژوهش كاربرد الگوريتم هوش مصنوعي شبكه عصبي و ژنتيك در تبيين ميزان تاثير معيار هاي مديريت ريسك جهت پيش‌بيني كارايي سرمايه‌گذاري مي‌باشد. بدين منظور از اطلاعات مالي 139 شركت بين سال‌هاي 1388 الي 1397 با استفاده از روش‌هاي هوش مصنوعي ژنتيك و شبكه عصبي استفاده شد. نتايج تحقيق حاكي از تاثير معيار‌هاي مديريت ريسك بر كارايي سرمايه‌گذاري مي‌باشد و همچنين نتايج نشان داد كه روش هوش مصنوعي شبكه عصبي نسبت به روش هوش مصنوعي ژنتيك قدرت بالاتري جهت پيش‌بيني كارايي سرمايه‌گذاري شركت‌هاي پذيرفته‌شده در بورس اوراق بهادار تهران را دارد.

Investment efficiency is achieved when the company invests only in all projects with a positive net present value. Of course, this scenario works if the market is complete and there are no incomplete market issues such as incorrect selection and agency costs. Do not haveThe purpose of this research is to apply artificial intelligence algorithm in predicting investment efficiency by emphasizing the role of risk management criteria. For this purpose, the financial information of 139 companies between 2010 and 2019 was used using genetic artificial intelligence and neural network methods. The results indicate the effect of risk management criteria on investment efficiency and also the results showed that the neural network artificial intelligence method has higher power than the genetic artificial intelligence method to predict the investment efficiency of companies listed on the Tehran Stock Exchange.