سیاستگذاری سیستم های مالی در شرایط بحران با مدل سازی مبتنی بر شبکه های عصبی مصنوعی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
امروزه سیاستگذاری در شرایط بحران مالی با هدف خنثی سازی تبعات سوء اقتصادی، اجتماعی و سیاسی به یکی از مهم ترین ارکان مدیریت اقتصاد جهانی تبدیل شده است. با عنایت به پیشرفت سریع فناوری و تکنولوژی ها ی کامپیوتری می توان الگوی دقیق تری از این پدیده بر اساس تجربیات قبلی ترسیم و در قالب یک سیستم پشتیبان تصمیم گیری مورد استفاده قرار داد. با تکیه بر قابلیت تعمیم دهی مدل های شبکه عصبی مصنوعی، این رویکرد به منظور مدل سازی دینامیک های موجود در پدیده بحران مالی مورد استفاده قرار گرفته است. متغیرهای وضعیت اقتصادی، تولید ناخالص داخلی، شاخص ارزش صادرات، شاخص ارزش واردات، موقعیت زمانی و موقعیت جغرافیایی هر کشور در هنگام وقوع بحران مالی به عنوان ورودی های مدل شبکه عصبی مصنوعی و ترکیب بهینه سیاست ها برای مقابله با بحران مالی به عنوان خروجی مدل تعریف شده است. به منظور آموزش این شبکه، از اطلاعات مشخصات و شرایط حاکم بر سیستم ها و نیز سیاست های اتخاذ شده در مواجهه با بحران های مالی بزرگ دنیا از سال 1997 تا به امروز استفاده شده است. به منظور نشان دادن قابلیت مدل پیشنهادی، نحوه طراحی و پیاده سازی سیستم پیشنهادی در مورد بحران شیوع ویروس کووید-19 در ایران مورد کاوی شد. نتایج به دست آمده بیانگر آن می باشد که استفاده از مدل پیشنهادی به عنوان پشتیبان سیاستگذاران و تصمیم گیران حوزه های مدیریت مالی می تواند در حل مسائل نیمه ساختار یافته کمک کننده باشد و موجب بهبود کارایی تصمیم گیری و توجه بیشتر به اثر بخشی آن شود. به طوری که با توجه به نتایج حاصل از پژوهش حاضر، اتخاذ سیاست های پولی و مالی انبساطی و اعطای بسته های حمایتی به عنوان راهکارهای اساسی جهت کاهش اثرات بحران مالی ناشی از همه گیری کرونا در کشور ایران توصیه می شود.Sustainable policy-making of financial systems in crisis situations with modelling based on artificial neural networks
Due to the rapid advancement of technology and computer technologies, a more accurate model of this phenomenon can be drawn based on previous experiences and used in the form of a decision support system. Relying on the generalizability of artificial neural network models, this approach has been used to model the dynamics of the financial crisis phenomenon. Variables of economic status, GDP, export value index, import value index, time position and geographical location of each country during the financial crisis as inputs of the artificial neural network model and the optimal combination of policies to deal with the financial crisis as Model output is defined. In order to show the capability of the proposed model, how to design and implement the proposed system in the event of a Covid-19 virus outbreak crisis in Iran was explored. The results indicate that using the proposed model as a support for policymakers and decision-makers in the field of financial management can help solve semi-structured problems and improve decision-making efficiency and pay more attention to its effectiveness. According to the results of the present study, the adoption of expansionary monetary and fiscal policies and the provision of support packages as basic solutions to reduce the effects of the financial crisis caused by the corona epidemic in Iran is recommended.