حسین جهانگیرنیا

هدف: صنعت نفت یکی از حوزه های پیشران و کلیدی در اقتصاد ایران و جهان است. سالانه در این صنعت، پروژه های بسیاری، تعریف و اجرا می شوند. بدون تامین مالی مناسب و استفاده از روش های تامین مالی کارآمد، موفقیت این صنعت برای اکتشاف، تولید، سودآوری و توسعه زنجیره ارزش غیر ممکن است. آینده تامین مالی و روش های آن تحت تأثیر فناوری مالی و روندهای جدید به کلی در حال تغییر است. به همین خاطر پژوهش حاضر به دنبال شناسایی پیشران های اثرگذار روی آینده روش های تامین مالی در صنعت نفت است.روش: تحقیق حاضر از نظر جهت گیری، کاربردی و از منظر روش شناسی، کمی چندگانه است. در این پژوهش، دو روش کمی بهترین-بدترین و کپراس برای تحلیل داده ها مورد استفاده قرار گرفتند. جامعه نظری پژوهش، مدیران و کارشناسان ارشد حوزه تامین مالی در پروژه های نفتی بودند. حجم نمونه در این پژوهش، 10 نفر بود و نمونه گیری به صورت قضاوتی انجام شد. برای جمع آوری داده های پژوهش، سه پرسشنامه خبره سنجی، مقایسه زوجی و اولویت سنجی، مورد استفاده قرار گرفت. یافته ها: در ابتدا پیشران های پژوهش با به کارگیری مرور تحلیلی پیشینه، استخراج شد. 25 پیشران استخراج شده با استفاده از آزمون بینم، غربال گردید و هشت پیشران به خاطر ضریب معناداری کمتر از پنج درصد برای اولویت بندی نهایی انتخاب شدند. پیشران های باقیمانده با به کارگیری تکنیک کپراس و در نظر گرفتن سه شاخص شدت اهمیت، میزان قطعیت و میزان تخصص خبرگان، اولویت بندی شدند. برای وزن دهی به شاخص ها، روش بهترین-بدترین استفاده شد و شاخص میزان قطعیت (542/0)، بیشترین وزن را داشت. نهایتا خروجی کپراس نشان داد که پیشران های ریسک های سرمایه گذاری در کشور، وضعیت بازار سرمایه در ایران و محدودیت های قانونی و شرعی در حوزه تامین مالی و سرمایه گذاری، به ترتیب دارای بالاترین اولویت از نظر اثرگذاری روی آینده روش های تامین مالی صنعت نفت بودند.نتیجه گیری: پیشنهادهای پژوهش، با توجه به پیشران های اولویت دار ارائه شدند. مهم ترین پیشنهادهای این پژوهش عبارت بودند از: توجه به ماهیت ریسک های پروژه برای انتخاب روش تامین مالی مناسب، بهبود بازار سرمایه برای ورود سرمایه گذاران خارجی، رفع موانع قانونی و تعدیل محدودیت های شرعی برای تشویق سرمایه گذاری و تامین مالی پروژه ها، حمایت از فین تک ها توسط موسسات مالی سنتی و نهایتاً تلاش ذی نفعان دیپلماسی برای رفع تحریم ها و محدودیت های خارجی..

موضوع ریسک سیستمیک به عنوان یک ریسک سطح کلان که می تواند پایداری کل یک سیستم مالی را تحت تأثیر قرار دهد، بسیار حائز اهمیت است. از این رو تحقیق حاضر به بررسی عوامل خارج از بانک که موجب وقوع اثر دومینویی سرایت ورشکستگی (وقوع ریسک سیستمیک) در نظام بانکی می شود می پردازد. به منظور بررسی اثر پذیری ریسک فراگیر بحران مالی در نظام بانکی کشور از عوامل خارجی، با بکارگیری مدلهای چند متغیره تعمیم یافته خود رگرسیونی شرطی ناهمسان  واریانس (MGARCH) و با رویکردDCC  و BEKK، داده های مربوط به سالهای90 الی 97 مورد تجزیه و تحلیل قرار گرفت تا مشخص گردد آیا رابطه ای بین سرایت پذیری (وقوع ریسک سیستمیک) ما بین بازار ارز، بازار جهانی طلا، بازار جهانی نفت، بازار بورس اوراق بهادار و ریسک های سیستماتیک بانک وجود دارد یا خیر؟ نتایج تحقیق حاضر نشان می دهد که ضریب متغیر بازدهی بازار جهانی نفت و بازار طلا معنی دار می باشد بطوریکه شوک هایی که به بازار جهانی نفت و بازار طلا وارد می شود به ترتیب بازدهی این متغیرها را 4 و 13 درصد تحت تأثیر قرار می دهد. همچنین بیشترین شرایط نااطمینانی در سالهای مورد بررسی به ترتیب مربوط به بازار سهام، بازار طلا، بازار های ارز و بازار جهانی نفت می باشد. نتایج تحقیق نشان می دهد یک شوک وارده در بازار جهانی نفت و بازار سهام، ریسک سیستمیک بانکها را 25 و 16 درصد افزایش می دهد.

یادگیری عمیق، زیرمجموعه ای از کلاس گسترده تر از روش های یادگیری ماشین مبتنی شبکه های عصبی می باشد که اخیراً در حوزه های مختلفی از جمله پیش بینی سری های زمانی در بازارهای مالی، توجهات زیادی را به خود جلب کرده است. در این تحقیق، ابتدا بر اساس مدل های یادگیری عمیق مبتنی بر شبکه های LSTM و CNN حرکت شاخص بورس اوراق بهادار تهران پیش بینی می گردد. در ادامه با ترکیب دو مدل مذکور، مدل هیبریدی یادگیری عمیق CNN-LSTM به منظور پیش بینی شاخص بورس اوراق بهادار تهران مورد استفاده قرار گرفت. در مرحله بعد، به منظور ارزیابی عملکرد مدل های پیش بینی مذکور، سه معیار سنجش کارایی میانگین درصد قدرمطلق خطای متقارن (SMAPE)، میانگین مطلق درصد خطا (MAPE) و ریشه میانگین مربع خطا (RMSE) مورد استفاده قرار گرفت. در این تحقیق از داده های روزانه شاخص بورس اوراق بهادار تهران در دوره زمانی 23/4/1395 - 26/1/1400 استفاده شده است. نتایج برآورد مدل ها در پیش بینی شاخص بورس اوراق بهادار تهران با گام یک روزه و مقایسه معیارهای سنجش کارایی، حاکی از برتری عملکرد مدل پیشنهادی CNN-LSTM در مقایسه با دو مدل دیگر می باشد. مدل LSTM در رتبه بعدی دقت و کارایی پیش بینی قرار می گیرد. با توجه به نتایج ارایه شده در این تحقیق، به فعالین بازارهای مالی در ایران پیشنهاد می گردد مدل های تلفیقی یادگیری عمیق را به منظور افزایش کارایی و دقت پیش بینی های خود مورد توجه قرار دهند.