Islamic Economics & Banking

fa ارزیابی مدل ریسک اوراق صکوک به پشتوانه دارایی بر اساس روش‌های یادگیری عمیق به منظور کاربرد در صنعت بیمه Evaluating the risk model of asset-backed Sukuk bonds based on deep learning methods for application in the insurance industry عمومى General پژوهشي Research <div style="text-align: justify;">با توجه به گسترش بازار تأمین مالی از طریق اوراق صکوک به پشتوانه دارایی و الزام سازمان بورس و اوراق بهادار مبنی بر انتشار اوراق بدهی با استفاده از رتبه اعتباری، شناخت عوامل مؤثر در فرآیند رتبه بندی اوراق صکوک به پشتوانه دارایی و ارایه مدلی برای رتبه‌بندی آنها در بازار سرمایه کشور از جمله صنعت بیمه امری ضروری و اجتناب ناپذیر محسوب می شود. در بسیاری از مطالعات انواع ریسک به‌عنوان عوامل اصلی مؤثر در رتبه بندی اوراق صکوک معرفی شده‌ است. اگرچه تاکنون مطالعه ای کمی برای مدل سازی ریسک در اوراق صکوک به پشتوانه دارایی انجام نشده‌ است. از این رو در این مقاله به ارایه و ارزیابی مدل ریسک اوراق صکوک به پشتوانه دارایی بر اساس روشهای یادگیری عمیق به منظور کاربرد در صنعت بیمه پرداخته شده‌ است.</div> <div style="text-align: justify;">در این پژوهش بعد از تعریف ورودی ها، دو شبکه عصبی مبتنی بر یادگیری عمیق CNN و RNN  با استفاده از داده‌های اوراق صکوک منتشره در بورس اوراق بهادار تهران آموزش داده شده‌ است. قلمرو مکانی این تحقیق، بورس اوراق بهادار تهران می باشد و قلمرو زمانی آن سالهای 1389 تا 1403 است. برای انتخاب نمونه آماری جهت آموزش، تست و تبیین مدل از هر دو اوراق صکوک سر رسید شده و در حال معامله استفاده شده‌ است. در این تحقیق اعتبارسنجی مدل با استفاده از داده های آموزشی و داده های تست صورت گرفته‌ است. میزان صحت برای هر دو مدل محاسبه شد و برای مدل‌های CNN وRNN به ترتیب 0.098 و 0.096 میلی‌متر بدست آمد. نتایج نشان می‌دهد که مدل به خوبی قادر به تشخیص برچسب‌های مثبت و منفی است و همچنین به خوبی از تشخیص‌های نادرست منفی جلوگیری می‌کند.</div> <div style="text-align: justify;">Considering the expansion of the financing market through asset-backed Sukuk and the requirement of the Securities and Exchange Organization to issue debt securities using credit ratings in order to facilitate, accelerate, and reduce financing costs, it is necessary and inevitable to identify the factors affecting the process of rating asset-backed Sukuk and provide a model for their rating in the country's capital market, including the insurance industry. In many studies, types of risk have been introduced as the main factors affecting the rating of Sukuk. However, little study has been conducted to model the risk in asset-backed Sukuk so far. Therefore, this paper presents and evaluates the risk model of asset-backed Sukuk based on deep learning methods for application in the insurance industry.</div> In this study, after defining the inputs, two deep learning-based neural networks CNN and RNN were trained using data from Sukuk issued on the Tehran Stock Exchange. For this purpose, an objective function is determined and the model parameters are adjusted using optimization algorithms such as statistical gradient descent (SGD) and derivative with respect to the parameters. The spatial domain of this research is Tehran Stock Exchange and its temporal domain is from 1389 to 1403. To select the statistical sample for training, testing and explaining the model, both matured and currently traded sukuk bonds were used.   اوراق صکوک ,ریسک- یادگیری عمیق, صنعت بیمه Sukuk, Risk-Deep Learning, Insurance Industry 355 380 http://mieaoi.ir/browse.php?a_code=A-10-1688-1&slc_lang=fa&sid=1 Pooneh Farnia پونه فرنیا pooneh.farnia@gmail.com 100319475328460014788 100319475328460014788 No Doctoral student in Insurance Finance, Science and Research Branch, Islamic Azad University, Tehran, Iran دانشجوی دکتری رشته مالی بیمه، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Hamidreza Kordlouie حمیدرضا کردلویی Kordlouie@iiau.ac.ir 100319475328460014789 100319475328460014789 Yes Associate Professor, Department of Business Administration, Islamshahr Branch, Islamic Azad University, Islamshahr, Iran. دانشیار گروه مدیریت مالی، واحد اسلامشهر، دانشگاه آزاد اسلامی،اسلامشهر، ایران. Hashem Nikoumaram هاشم نیکو مرام Nikoomaram@ac.srbiau.ir 100319475328460014790 100319475328460014790 No Department of Financial Management, Science and Research Branch, Islamic Azad University, Tehran, Iran استاد گروه مدیریت مالی واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Mohsen Rostami mal khalifeh محسن رستمی مال خلیفه rostamy@srbiau.ac.ir 100319475328460014791 100319475328460014791 No Department of Mathematics, Science and Research Branch, Islamic Azad University, Tehran, Iran دانشیار گروه ریاضی واحد علوم تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران