بررسی عوامل تعیین کننده سرمایه گذاری مخاطره آمیز در بورس اوراق بهادار تهران

سرمایه‌گذاری‌های مخاطره‌آمیز نقش مهمی در اقتصاد ایفا می‌کنند. هدف مقاله حاضر بررسی عوامل تعیین‌کننده سرمایه‌گذاری مخاطره‌آمیز در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران است. پژوهش حاضر ازنظر هدف، کاربردی و ازنظر روش پژوهش توصیفی پیمایشی با رویکرد علی مقایسه‌ای است. 100شرکت حاضر در بورس اوراق بهادار ایران در سال‌های 1393 تا 1398 به‌عنوان نمونه انتخاب شد. داده‌ها از پایگاه‌های داده‌ای بانک مرکزی ایران، مرکز آمار ایران، وب‌سایت کدال، سایت سازمان بورس اوراق بهادار تهران و سایت wdi ( بانک جهانی) گردآوری و با استفاده از نرم‌افزارهای excel و 9eviews و matlab تجزیه‌وتحلیل شد. فرآیند انجام تحقیق به این صورت بود که عوامل تعیین‌کننده سرمایه‌گذاری مخاطره‌آمیز در بورس اوراق بهادار تهران (حجم سرمایه‌گذاری، میزان صادرات، مالیات شرکت، شاخص افشا، شاخص حاکمیت قانون، تنوع‌گرایی صنعت، تنوع‌گرایی مراحل چرخه عمر شرکت، نوع مالکیت، تعداد بخش‌ها و شرکت‌های تابعه، سرمایه‌گذاری شرکت ، اندازه شرکت و سن شرکت) با استفاده از مطالعه ادبیات پژوهش تعیین و با به‌کارگیری شبکه عصبی و منطق فازی به ایجاد یک مدل پیشگویانه برای تعیین ریسک سرمایه‌گذاری بر اساس شاخص‌های تعیین شده پرداخته شد. مدل دسته‌بندی بر اساس ترکیب خوشه‌بندی با استفاده از شبکه عصبی بدون نظارت som و انعطاف‌پذیری منطق فازی ارائه شد. پارامتر ارزیابی طرح، دقت دسته‌بندی ترکیبی ارائه‌شده، مقدار خطای میانگین مربعات و ضریب تبیین می‌باشد. نتایج شبیه‌سازی حاکی از آن بود که عملکرد طرح پیشنهادی نسبت به دسته‌بندی به روش شبکه عصبی mlp بهبود داشته و مدل پیشنهادی بر مبنای آموزش ارائه‌شده به مدل، با دقت مطلوبی به پیش‌بینی وضعیت سرمایه‌گذاری‌های انجام‌شده پرداخته است.

determinants of venture capital on the tehran stock exchange

venture capital plays a significant role in economy. different types of companies involved in venture capital activities may face difficulty in financing. this study aimed to investigate the determinants of venture capital in the companies listed on the tehran stock exchange. the present study was applied in terms of purpose and in terms of the descriptive research method, it is a survey with a comparative causal approach. a number of 100 companies listed on the tehran stock exchange in 2014 to 2019 were selected as a sample. data were collected from the databases of the central bank of iran, statistics center of iran, codal website, and wdi website and tehran stock exchange website, and then analyzed using excel, 9eviews, and matlab software. in this study, the determinants of venture capital on the tehran stock exchange (capital volume, export volume, company tax, disclosure index, rule of law index, industry diversity, diversity of company life cycle stages, type of property, number of divisions and subsidiaries, company capital, company, size and company age) by studying the research literature and using neural network and fuzzy logic, a predictive model was created to determine the investment risk based on the determined indicators.. the classification model was presented using neural network without som supervision and fuzzy logic flexibility. the evaluation parameters of design, accuracy of the proposed ensemble classifier, mean error of the squares, and coefficient of explanation. the simulation results indicated that the performance of the proposed design compared to the classification by mlp neural network method was improved and the presented model based on the training provided predicted the status of capital with good accuracy.introductionventure capital and its role in economy has been raised since the 1990s and includes not only financial capital but also non-financial capital. (gompers and lerner, 1998). venture capital is described as a means of providing capital to the companies which may not use independent financial instruments and thus require external financing. venture capital is a kind of active capital in the market in which some activities like monitoring and influencing the company’s strategic decisions are performed using salary control and board seats. the abilities of an individual to participate in venture capital to add more value is reflected in the duration of the capital (hain et al., 2018).materials and methodthe data set used in this simulation included capitals made by the companies listed on the stock exchange in 2014 to 2019, with a record of 500 capitals selected as a sample. such data included two parts: training data and testing data to evaluate the accuracy of the model in forecasting. of all the devices, 350 capitol records were used as training data and 150 capital data were as test datasets to evaluate project performance. each capital record was assigned a numerical value as the amount of venture capital. the present study was applied in terms of purpose.