آزاده مهرانی

رتبه اعتباری شرکت ها عاملی مهم در جهت قابلیت اطمینان به شرکت ها محسوب می شود که می تواند بر رفتارهای سرمایه گذاران و فعالین بازار تاثیرگذار باشد و اعتماد آنها را جلب نماید. امروزه بسیاری از ذینفعان و ناظران بازار سرمایه به اهمیت و مزایای رتبه اعتباری و کارکردهای قابل توجه آن پی برده اند.هدف اصلی تحقیق حاضر شناسایی عوامل موثر بر رتبه بندی اعتباری ناشران در بازار سرمایه است. جامعه آماری این پژوهش کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران بوده و تعداد نمونه آماری این پژوهش 118 شرکت در نظر گرفته شده است. طول دوره تحقیق دوره زمانی 1393 الی 1400 می باشد. آزمون فرضیه های تحقیق به روش اقتصادسنجی پانل دیتا و با بهره گیری از نرم افزار ایویوز انجام شده است. نتایج حاصل از آزمون فرضیه های تحقیق تاثیر متغیرهای سود خالص، سود عملیاتی، سود اقتصادی، سود قبل از کسر مالیات و نسبت آنی بر رتبه بندی اعتباری ناشران را نشان می دهد. همچنین بر مبنای نتایج ضریب رگرسیونی بیشترین ضریب مرتبط با نسبت آنی با 0.16 و کمترین مربوط به سود اقتصادی با 0.14 به دست آمد.

هدف پژوهش ارائه الگوی بهینه سازی فین تک براساس شاخص های هوش مصنوعی در بازار مالی بوده است. پژوهش به علت ارائه الگو از نوع پژوهش های اکتشافی است و چون بهره وران از نتایج آن استفاده می کنند، کاربردی تلقی می شود. الگوریتم ژنتیک مرتب سازی نامغلوب (NSGA-II) به عنوان یک روش فراابتکاری برای حل 9 شبیه سازی مسئله مورد استفاده قرار گرفت سپس جوابهای بدست آمده از این روش با روش اپسیلن محدودیت مقایسه شدند، ارتباط بین جواب ها نشاندهنده آن است که الگوریتم توسعه داده شده NSGA-II توانایی رسیدن به جواب مناسب در زمان کوتاه تر در مقایسه با روش اپسیلن محدودیت علی الخصوص برای تست مسئله های بزرگ مقیاس را دارا می باشد. نتایج حاصل از حل مدل ریاضی پیشنهادی با ارائه نه شبیه سازی مسئله به وسیله الگوریتم های مورد نظر بیان شده و در نرم افزار GAMS و MATLAB حل گردید. مدلی که در این تحقیق در نظر گرفته شده است یک مدل دو هدفه برای حداقل سازی حرکات بین سلولی و خرید فین تک (تشکیل سلول) و بیشینه سازی روابط عملگرهای هوش مصنوعی با ملاحظات شبکه ای و کارایی عملگرها بر روی فین تک ها (تخصیص عملگر) می باشد. این الگو، نه تنها بهبود در کارایی فین تک ها را فراهم می کند بلکه با ارائه رویکردی نوین و مؤثر، امکان تطبیق با چالش های مختلف بازار مالی را نیز فراهم می سازد. از این رو، استفاده از این الگوی بهینه سازی می تواند به بهبود عملکرد و سودآوری در بازار مالی کمک کرده و به توسعه و پیشرفت در فضای مالی کمک نماید.