پیش بینی ریسک

یکی از کانال های شکل گیری سرایت مالی، ریسک نگهداری دارایی های مشترک یا ریسک سبد همپوشان است. با توجه به اینکه سرایت مالی ناشی از این ریسک می تواند به یک نهاد سرمایه گذاری زیان زیادی وارد سازد و کل بازارسهام و حتی اقتصاد را دچار بحران کند؛ بنابراین هدف اصلی این پژوهش ارائه مدلی برای پیش بینی سرایت مالی مبتنی بر ریسک همپوشانی سبد سهام ناشی از شوک در گروه های صنعتی است. این پژوهش از نوع پیمایشی تحلیلی است که با استفاده از روش آماری تحلیل تشخیصی انجام شده است. در این راستا، بر اساس داده های مربوط به سبد سهام نهادهای سرمایه گذار در بورس اوراق بهادار تهران مدل تشخیصی چند متغیره مبتنی بر شوک در گروه های صنعتی ارائه شده است. یافته های پژوهش بیانگر این است که متغییرهای مستقل؛ «مبلغ سرمایه گذاری شده در گروه صنعتی» و «تنوع سرمایه گذاران در گروه صنعتی» به عنوان متغیرهای پیش بینی کننده سرایت مالی مبتنی بر ریسک همپوشانی سبد سهام ناشی از ایجاد شوک در گروه صنعتی تایید شده است. بخش های نظارتی می توانند با استفاده از مدل ارائه شده در این پژوهش گروه های صنعتی که ریسک همپوشانی سبد بالایی دارند را شناسایی کنند و با اتخاذ تدابیر مناسب ثبات سیستم مالی را حفظ نمایند.

مدیریت ریسک در زنجیره تأمین یکی از چالش های مهم در دنیای کسب وکار است که تأثیر زیادی بر عملکرد سازمان ها دارد. در این تحقیق، مدل هوشمند مدیریت ریسک در زنجیره تأمین با استفاده از تکنیک های یادگیری ماشین طراحی شده است. هدف از این مدل، شناسایی و ارزیابی ریسک ها، پیش بینی اثرات آن ها و ارائه راهکارهای بهینه سازی استراتژی ها با توجه به داده های بزرگ و پیچیده است. با استفاده از الگوریتم های یادگیری ماشین مانند درخت تصمیم، شبکه های عصبی و ماشین های بردار پشتیبان، مدل پیشنهادی قادر است ریسک ها را به صورت دقیق تر و سریع تر شبیه سازی و پیش بینی کند. نتایج این تحقیق نشان می دهند که این مدل هوشمند می تواند در بهبود تصمیم گیری ها و افزایش تاب آوری زنجیره تأمین مؤثر باشد. در نهایت، این مدل به سازمان ها کمک می کند تا ریسک ها را به نحو مؤثری مدیریت کرده و هزینه های ناشی از بحران ها را کاهش دهند. این مطالعه می تواند به عنوان پایه ای برای تحقیقاتی بیشتر در زمینه به کارگیری یادگیری ماشین در مدیریت ریسک زنجیره تأمین مورد استفاده قرار گیرد.