طراحی مدل هوشمند امتیازدهی پایداری برای شرکت های پذیرفته شده در بورس با رویکرد شبکه های عصبی گرافی
منبع:
مدیریت مالی هوشمند سال ۲ بهار ۱۴۰۵ شماره ۱ (پیاپی ۵)
21 - 37
حوزههای تخصصی:
در سال های اخیر، ارزیابی عملکرد پایداری شرکت ها به یکی از مهم ترین دغدغه های سرمایه گذاران، نهادهای نظارتی و بازارهای سرمایه تبدیل شده است. رشد سرمایه گذاری های مبتنی بر معیارهای محیط زیستی، اجتماعی و حاکمیتی (ESG) موجب شده است که توسعه مدل های دقیق و هوشمند برای سنجش پایداری شرکت ها از اهمیت ویژه ای برخوردار شود. با این حال، اغلب مدل های سنتی امتیازدهی پایداری بر تحلیل شاخص های مستقل و داده های ساختاریافته متمرکز بوده و قادر به استخراج روابط پیچیده میان شرکت ها، صنایع و ذی نفعان نیستند. این محدودیت باعث کاهش دقت ارزیابی و ضعف در پیش بینی عملکرد آتی پایداری شرکت ها می شود. هدف این پژوهش طراحی یک مدل هوشمند امتیازدهی پایداری برای شرکت های پذیرفته شده در بورس مبتنی بر شبکه های عصبی گرافی است. در مدل پیشنهادی، شرکت ها به عنوان گره های یک گراف و روابط مالی، صنعتی، مالکیتی و اطلاعاتی میان آن ها به عنوان یال های شبکه تعریف می شوند. سپس با استفاده از الگوریتم های یادگیری عمیق گرافی، الگوهای پنهان و وابستگی های ساختاری میان شرکت ها استخراج و در فرآیند محاسبه امتیاز پایداری لحاظ می شود. روش پژوهش از نوع کاربردی و توسعه ای بوده و در چارچوب رویکرد کمی انجام می شود. داده های مورد نیاز شامل شاخص های مالی، معیارهای ESG، اطلاعات مالکیتی و داده های ارتباطی شرکت های پذیرفته شده در بورس جمع آوری خواهد شد. پس از پیش پردازش داده ها، مدل شبکه عصبی گرافی طراحی و با مدل های یادگیری ماشین متداول نظیر Random Forest، XGBoost و شبکه های عصبی چندلایه مقایسه می شود. ارزیابی عملکرد مدل با استفاده از شاخص هایی نظیر MAE، RMSE،Accuracy و ضریب تعیین انجام شد. نتایج پژوهش نشان داد که بهره گیری از ساختارهای گرافی و روابط بین شرکتی می تواند دقت و قابلیت تبیین مدل های امتیازدهی پایداری را به طور معناداری افزایش داد. همچنین مدل پیشنهادی قادر بود ابزاری کارآمد برای سرمایه گذاران، مدیران و سیاست گذاران بازار سرمایه در راستای تصمیم گیری های مبتنی بر توسعه پایدار فراهم آورد.