هدف این مقاله مدلسازی، شناسایی توپولوژی و تحلیل شبکه بازار بین بانکی ایران به منظور ارزیابی ریسک سیستمی با استفاده از سنجه های آماری است که در تئوری شبکه های پیچیده به کار می رود. به این منظور از اطلاعات مربوط به تعاملات فی مابین 33 بانک و موسسه اعتباری فعال دربازار بین بانکی ایران از فروردین ماه 1389 الی شهریور ماه 1394 شامل 66 ماتریس ماهانه استفاده شده است. بررسی دو سنجه توزیع تجمعی درجه و معیار شباهت نشان می دهد که شبکه بازار بین بانکی ایران از نوع شبکه بدون مقیاس بوده و توزیع درجه از توزیع پاور لاو تبعیت می کند. از منظر معیار شباهت شبکه بازار بین بانکی ایران دارای ساختار غیر مشابه و پیرامون- هسته و دارای یک یا چند بانک به عنوان مرکز پول می باشد. از منظر دو سنجه مورد بررسی شبکه بازار بین بانکی ایران در طی سالهای مورد بررسی ریسک سیستمی بالایی داشته است. همچنین در صورت بروز مشکل و نکول در شبکه بیشترین آسیب پذیری از ریسک سیستمی متوجه بانک های خصوصی شده و بانک های تخصصی دولتی بوده و بانک های خصوصی با توجه به حجم مبادلات بالا و جریان خالص منفی می توانند ریسک سیستمی قابل توجهی را به شبکه بازار بین بانکی منتقل کنند. Manuscript profile

هدف تحقیق حاضر ارائه مدلی کارا و توانمند جهت پیش بینی ورشکستگی شرکت های تولیدی بورس اوراق بهادار تهران با استفاده از یک مدل جدید ترکیبی الگوریتم ژنتیک- شبکه گروهی دستکاری داده ها (GA-GMDH)، می باشد. هم چنین، با استفاده از تعدادی از پر کاربرد ترین روش های انتخاب متغیر در ادبیات پیش بینی ورشکستگی، مطالعه جامعی در جهت شناسائی بهترین متغیر های پیش بینی کننده ورشکستگی شرکت های بورس اوراق بهادار تهران صورت گرفته است. به منظور ساخت مدل‌های پیش بینی در ابتدا با استفاده از چهار روش انتخاب متغیر 1-آزمون T نمونه های مستقل (T-test)، 2- ماتریس همبستگی(CM) ، 3- تحلیل تشخیصی گام به گام (SDA) و 4- تحلیل مولفه های اصلی (PCA)، نسبت های مالی نهایی از بین 19 نسبت مالی متناسب با بازار سرمایه کشور، انتخاب شده است. با استفاده از نسبت‌های مالی انتخاب شده و مدل ترکیبی GA-GMDH، شبکه عصبی- فازی تطبیق‌پذیر ANFIS)) و رگرسیون لجستیک(LR)، 12 مدل جهت پیش بینی ورشکستگی استخراج شد و نتایج حاصل از آن ها مورد مقایسه قرار گرفت. نتایج حاصل از تحقیق، نشان دهنده قابلیت بالای مدل پیشنهادی GA-GMDH در مدل‌سازی پیش‌بینی ورشکستگی و برتری آن بر روش های ANFIS وLR می‌باشد. همچنین، نتایج تحقیق نشان می دهد که روش ماتریس همبستگی در مقایسه با سایر روش‌های انتخاب متغیر، توانایی بیشتری در انتخاب متغیرهای موثر بر پیش‌بینی ورشکستگی شرکت‌ها دارد. بنابراین، مدل CM-GA-GMDH به عنوان بهترین مدل پیش بینی کننده ورشکستگی شرکت‌های بورس اوراق بهادار تهران شناخته می شود. Manuscript profile