راه حل های محاسباتی شناختی برای مشکلات پیچیدگی در سیستم های اجتماعی محاسباتی

مقاله تحقیق |دسترسی آزاد جلد 2021 |شناسه مقاله 6618873 |https://doi. org/10. 1155/2021/6618873 استناد

استفاده از تجزیه و تحلیل پیچیدگی داده های بزرگ عملکرد محافظت از محصولات مالی مشتق

چنگ چونگ وو ، 1 Menglin Yang

، 2 Tiantong Yuan ، 3 Qionghui Fu ، 4 و Ya Ju Tsai 5

بیشتر نشان بده، اطلاعات بیشتر ویراستار دانشگاهی: وی وانگ 20 نوامبر 2020 دریافت کرد اصلاح شده 12 ژانویه 2021 20 ژانویه 2021 را پذیرفت منتشر شده 01 فوریه 2021

خلاصه

این مطالعه بر اساس وضعیت شرکتهای ذکر شده تایوان به عنوان محصولات مالی مشتق از سال 2015 تا 2017 انجام شده است و رابطه بین محافظت از محصولات مالی مشتق و ویژگی های شرکت ها و عواملی که بر تصمیم گیری محافظت از شرکت ها تأثیر می گذارد ، تجزیه و تحلیل می شود. مشخص شده است که حتی پس از اعلام بولتن های شماره 34 و شماره 34 تایوان ، هنوز هم برخی از مشکلات برای بهبود اطلاعات مربوط به سرمایه گذاری محصولات مالی مشتق شده توسط شرکت های ذکر شده تایوان ، حداقل در افشای اطلاعات لازم است. دلایل این رفتار که هنوز کافی نیست. در این مطالعه ، روش تجزیه و تحلیل رگرسیون دو مرحله ای برای تجزیه و تحلیل تجربی اعمال می شود ، و مشخص می شود که فعالیت های محافظت از خصوصیات شرکت ها مانند هزینه های بحران مالی مورد انتظار ، اندازه شرکت ها ، مسائل مربوط به سهام ، فرصت های سرمایه گذاری رشد و عدم تقارن اطلاعات مربوط می شود. در سرمایه گذاری محصولات مالی مشتق ، شرکت ها باید ویژگی های مالی خود را به عنوان مرجع تصمیم برای جلوگیری از ریسک ارزیابی کنند. در عین حال ، لازم است که طبیعت های مختلف ابزارهای حصار مورد استفاده در دسته های ریسک مناسب را مورد بررسی قرار دهیم ، تا بتوانید به طور کامل به اثر حصار دست یابید و مزایای محافظت از آن را به حداکثر برسانید. این مطالعه همچنین نشان داد که شرکت هایی که فرصت های سرمایه گذاری با رشد بالاتر ، اندازه بزرگتر و هزینه های بحرانی بالاتر را دارند ، تمایل دارند از محصولات مالی مشتق برای محافظت استفاده کنند. در مورد تأثیر سایر صنایع ، مشخص شده است که صنایع ماشین آلات الکترونیکی و برقی نسبت به سایر صنایع در رفتارهای محافظت از انجام معاملات محصولات مالی مشتق فعال تر هستند.

1. معرفی

با توسعه سریع اقتصاد ، توسعه بازار سرمایه به عنوان عامل مهمی در توسعه اقتصادی و رشد اقتصادی به آن تبدیل شده است. این نه تنها می تواند عرضه و تقاضای بودجه در جامعه اقتصادی را تنظیم کند بلکه وجوه بیکار را به سرمایه گذاران منتقل می کند و باعث شتاب دادن سرمایه و رونق اقتصادی می شود. با این حال ، نتایج عملکرد تجارت شروع به ایجاد عوامل نامشخص می کند ، بنابراین شرکت ها شروع به انگیزه و تقاضا برای جلوگیری از خطرات می کنند. به منظور پاسخگویی به تقاضای شدید برای محافظت از شرکتها ، بازارهای مالی بسیاری از محصولات مالی مشتق را توسعه داده اند تا به عنوان کانال برای شرکت ها برای جلوگیری از خطرات استفاده کنند. با این وجود ، هنگامی که محصولات مالی جدید همچنان ظاهر می شوند ، آنها به مراتب از سرعت قوانین و مقررات مربوط به اصلاح در کشورهای مختلف فراتر رفته اند. در نتیجه ، بهره برداری از محصولات مالی مشتق شده توسط شرکت ها منجر به خسارات زیادی می شود ، که به شرکت ها و سرمایه گذاری ها نیز اجازه می دهد تا ضررهای جدی داشته باشند.

به عنوان مثال ، وقایع صندوق اورنج کانتی در کالیفرنیا ، برادران لمان و بانک بحرین در ایالات متحده آمریکا همه ناشی از عملکرد نادرست محصولات مالی مشتق شده و باعث خسارات جدی شده است ، که باعث می شود مردم در مورد عملکرد اقتصادی محصولات مالی مشتق شک داشته باشندبشربسیاری از شرکت ها هنوز هم محصولات مالی مشتق را در نظر می گیرند که از آنها دور می شوند. در مقابل ، درجه بالای اهرم مالی و پیچیدگی محصولات مالی مشتق نیز باعث می شود بسیاری از شرکت ها جرات استفاده از آنها را نداشته باشند. به منظور جلوگیری از ایجاد حساب های داخلی برای تأمین خسارات بزرگ ، تایوان بیانیه استانداردهای حسابداری مالی شماره 34 "استانداردهای حسابداری برای محصولات مالی" و شماره 36 "بیان و افشای محصولات مالی" را در سال 2006 منتشر کرد. پس از اجرای رسمی، استانداردهای حسابداری برای محصولات مالی مشتق جهت مشخصی دارند. افشای محصولات مالی انجام شده توسط شرکت ها از اطلاعات خارجی به اطلاعات داخلی رفته است و باعث می شود اطلاعات معامله شفاف تر شود.

با این حال ، پس از اجرای بولتن شماره 34 و بولتن شماره 36 ، به نظر نمی رسد که بر استفاده از محصولات مالی مشتق شده توسط شرکتها تأثیر بگذارد. مطالعات قبلی نشان داده است که بیشتر شرکت ها موافق هستند که اجرای بولتن هزینه صورتهای مالی شرکت را افزایش می دهد. در همین حال ، محدودیت های استفاده از حسابداری پرچین در بولتن منجر به این واقعیت خواهد شد که بیشتر شرکت ها به جای اینکه وقت و هزینه را برای تهیه اسناد مربوطه برای اتخاذ حسابداری از خودشان انتخاب کنند ، سود یا از دست دادن محصولات مالی مشتق را می پذیرند. از آگوست 2007 ، بحران مالی در ایالات متحده پدیدار شده است ، از اولین بحران وام مسکن زیرروشی گرفته تا طوفان مالی جهانی ناشی از رویداد برادران لمان و اوراق بهادار مریل لینچ. این بحران مالی از کنترل خارج شده بود و در نتیجه از دست دادن بسیاری از شرکت های ذکر شده در تایوان در این دوره محصولات مالی مشتق را انجام می داد و باعث ایجاد مشکلات مالی و ورشکستگی شرکت های آنها شد. به عنوان مثال ، در فوریه 2008 ، Chunghwa Telecom تقریباً 4 میلیارد دلار NT گزینه های عملیاتی را از دست داد ، و در آوریل 2008 ، DAYI ، یک کارخانه مقاومت در برابر تراشه ، همچنین گزارش داد که از دست دادن مشتقات ممکن است از 40 میلیون دلار NT فراتر رود. این موارد بیشتر اهمیت یک شرکت در مدیریت ریسک مالی و انجام محصولات مشتق را نشان می دهد.

بنابراین ، استفاده از محصولات مالی مشتق به عنوان یک رفتار پرچین باید سیستم کنترل داخلی و حسابرسی را تقویت کند تا از ایمنی و عملکرد پایدار دارایی های موسسات سرمایه گذاری اطمینان حاصل شود. برخی از صنایع الکترونیک یا مشاغل مبتنی بر انرژی در تایوان می توانند با استفاده خوب از مزایای محصولات مالی مشتق برای محافظت از آن ، قرار گرفتن در معرض خطر بیش از حد را کاهش دهند [1]. بنابراین ، چه نوع عواملی فرآیند را تعیین می کند که محصولات مالی مشتق شده توسط شرکتها اداره می شوند ، یک سؤال مهم و ارزش را تشکیل می دهند.

در گذشته ، بسیاری از محققان در داخل و خارج از کشور در مورد استفاده از محصولات مالی مشتق شده توسط شرکتها تحقیق کرده اند. در کشورهای خارجی ، به دلیل افشای اولیه داده ها ، تحقیقات مربوطه فراوان است. در مرحله اولیه ، مایرز و اسمیت [2] و اسمیت و استولز [3] اساس نظری اتخاذ ریسک ریسک شرکت ها را از منظر بازارهای ناقص سرمایه بررسی کردند. Geczy و همکاران.[4] نظریه های مختلف حصار را برای آزمایش عوامل تعیین کننده تأثیرگذاری بر استفاده از محصولات مالی مشتق برای محافظت از شرکت یکپارچه کرد. به تازگی ، مطالعاتی در مورد استفاده از محصولات مالی مشتق توسط شرکت ها ، مانند Mian [5] ، Joseph [6] و Nguyen و Faff [7] انجام شده است ، که مسیرهای اصلی تحقیق آنها "دلیل شرکت ها برای جلوگیری از خطرات است ،""" ویژگی های شرکت ها "،" استراتژی های محافظت از محصولات مالی مشتق "و" تأثیر محافظت از شرکت ها ". در گذشته ، بسیاری از محققان در داخل و خارج از کشور در مورد استفاده از محصولات مالی مشتق شده توسط شرکتها تحقیق کرده اند. در کشورهای خارجی ، به دلیل افشای اولیه داده ها ، تحقیقات مربوطه فراوان است. در مرحله اولیه ، مایرز و اسمیت [2] و اسمیت و استولز [3] اساس نظری اتخاذ ریسک ریسک شرکت ها را از منظر بازارهای ناقص سرمایه بررسی کردند. Geczy و همکاران.[4] نظریه های مختلف حصار را برای آزمایش عوامل تعیین کننده تأثیرگذاری بر استفاده از محصولات مالی مشتق برای محافظت از شرکت یکپارچه کرد. به تازگی ، مطالعاتی در مورد استفاده از محصولات مالی مشتق توسط شرکت ها ، مانند Mian [5] ، Joseph [6] و Nguyen و Faff [7] انجام شده است ، که مسیرهای اصلی تحقیق آنها "دلیل شرکت ها برای جلوگیری از خطرات است ،""" ویژگی های شرکت ها "،" استراتژی های محافظت از محصولات مالی مشتق "و" تأثیر محافظت از شرکت ها ". در گذشته ، بسیاری از محققان در داخل و خارج از کشور در مورد استفاده از محصولات مالی مشتق توسط شرکت ها تحقیق کرده اند. در کشورهای خارجی ، به دلیل افشای اولیه داده ها ، تحقیقات مربوطه فراوان است. در مرحله اولیه ، مایرز و اسمیت [2] و اسمیت و استولز [3] اساس نظری اتخاذ ریسک ریسک شرکت ها را از منظر بازارهای ناقص سرمایه بررسی کردند. Geczy و همکاران.[4] نظریه های مختلف حصار را برای آزمایش عوامل تعیین کننده تأثیرگذاری بر استفاده از محصولات مالی مشتق برای محافظت از شرکت یکپارچه کرد. به تازگی ، مطالعاتی در مورد استفاده از محصولات مالی مشتق توسط شرکت ها ، مانند Mian [5] ، Joseph [6] و Nguyen و Faff [7] انجام شده است ، که مسیرهای اصلی تحقیق آنها "دلیل شرکت ها برای جلوگیری از خطرات است ،""" ویژگی های شرکت ها "،" استراتژی های محافظت از محصولات مالی مشتق "و" تأثیر محافظت از شرکت ها ".

در بخش داخلی، دو مورد قبلی رایج ترند. اثر پوشش ریسک شرکتی بیشتر در مورد صنعت مالی است تا صنعت عمومی. به عنوان مثال، هوانگ [8] از رگرسیون لجستیک عمومی برای کشف انگیزه ها و رفتارهای شرکت های فهرست شده با استفاده از محصولات مالی مشتقه برای پوشش ریسک خود استفاده کرد. Kuo [9] تأثیر ویژگی های شرکتی و سلامت مالی شرکت های فهرست شده در تایوان را بر محصولات مالی مشتقه عملیاتی آنها مورد بحث قرار داد. تسای [10] همبستگی بین پوشش ریسک ابزارهای مالی مشتقه و ویژگی های شرکت ها و همچنین عوامل موثر بر تصمیمات پوشش ریسک شرکت و انتخاب ابزارهای پوشش ریسک را تجزیه و تحلیل کرد. ثانیاً، در گذشته، محققان از رگرسیون سنتی، تحلیل لوجیت یا تحلیل توبیت برای مطالعه عوامل تعیین کننده استفاده از محصولات مالی مشتقه برای پوشش ریسک استفاده می کردند. به عنوان مثال، Mian [5] و Nguyen و Faff [7] از تحلیل لوجیت برای کشف عوامل تعیین کننده استفاده شرکت های عمومی از محصولات مالی مشتقه برای پوشش ریسک استفاده کردند، در حالی که تحلیل توبیت توسط Tufano [11] و Haushalter [12] برای تحقیق استفاده شد.. روش تحلیل لوجیت فقط می تواند بداند که آیا محصولات مالی مشتقه استفاده می شود یا خیر. این روش عمدتاً متعلق به تجزیه و تحلیل مقیاس طبقه بندی است که ممکن است منجر به نتایج مغرضانه شود. روش تجزیه و تحلیل توبیت می تواند میزان استفاده از محصولات مالی مشتقه را که متعلق به تجزیه و تحلیل مقیاس متناسب است، آزمایش کند. با این حال، هیچ یک از روش های بالا مشکل سوگیری انتخاب نمونه در داده ها را مورد بحث قرار نمی دهد. در واقع، مشکل سوگیری انتخاب نمونه اغلب در مدل های رگرسیونی ظاهر می شود. به انحراف ناشی از محدودیت داده ها یا رفتار شخصی محقق در طول استخراج نمونه اشاره دارد که در نتیجه نمونه نمی تواند به طور کامل ماتریس مورد نظر را نشان دهد. به عنوان مثال، در گذشته، اکثر مطالعات تحقیقاتی مرتبط در مورد استفاده از پوشش های پوششی محصولات مالی مشتقه توسط شرکت ها از شرکت های پذیرفته شده در بورس به عنوان نمونه استفاده می کردند که به این معنی است که شرکت های غیر بورسی در نمونه تحقیق لحاظ نمی شدند. بنابراین، نتایج تحقیقات برآورد شده احتمالاً مغرضانه است. روش رگرسیون دو مرحله ای هکمن در این تحقیق می تواند بر این مشکل غلبه کند.

بنابراین، هدف از این مطالعه بررسی عوامل تعیین کننده استفاده از محصولات مالی مشتقه به روش رگرسیون دو مرحله ای هکمن است. در مرحله اول، از تحلیل لاجیت برای کشف متغیرهایی استفاده می شود که ممکن است بر استفاده از محصولات مالی مشتقه توسط شرکت ها تأثیر بگذارد و آزمایش کند که آیا شرکت های فهرست شده به عنوان نمونه های تحقیق، سوگیری نمونه ایجاد می کنند یا خیر. در مرحله دوم، از روش حداقل مربعات (حداقل مربعات معمولی، OLS) برای پیوستن به نسبت معکوس میلز برای بررسی عوامل تعیین کننده پذیرش انواع مختلف محصولات مالی مشتقه در جامعه تجاری استفاده می شود تا مشکل نمونه حل شود. سوگیری انتخاب، و بررسی انواع محصولات مالی مشتقه و استراتژی های عملیاتی شرکت ها پس از اجرای بولتن های شماره 34 و 36، به منظور درک تصمیمات پوشش ریسک شرکت های تایوان در استفاده از محصولات مالی مشتقه.

2. مرور ادبیات

مدل رگرسیون دو مرحله ای که توسط هکمن [13] ارائه شده است برای برآورد تعصب انتخاب نمونه احتمالی بر اساس نسبت آسیاب معکوس استفاده می شود. هکمن در سال 2000 برنده "جایزه اقتصاد بل متعهد" شد ، که عمدتاً تئوری انتخاب نمونه را مورد تجزیه و تحلیل قرار داد و روش هایی را برای حل تعصب انتخاب نمونه تهیه کرد. به اصطلاح تعصب انتخاب نمونه در اقتصاد سنجی یکی از تمرکز های تحقیق مدل متغیر وابسته محدود است. این به تعصب ناشی از محدودیت داده ها یا رفتار شخصی محقق در هنگام استخراج نمونه اشاره دارد ، و در نتیجه نمونه نمی تواند ماتریس علاقه مند را به طور کامل نشان دهد [14]. بحث این موضوع عمدتاً از اقتصاد کار است. به عنوان نمونه ، اگر علاقه به نرخ بازده آموزشی زنان وجود داشته باشد ، از نظر تئوری ، ماتریس باید همه زنان باشد. با این حال ، نمونه به دست آمده توسط محقق فقط شامل زنان دارای کار می شود. این زنان بدون کار به دلیل عدم وجود داده های حقوق و دستمزد در نمونه گنجانده نشده اند. اگر این نکته را در تحقیق نادیده بگیریم و به طور مستقیم از نمونه های موجود برای تجزیه و تحلیل رگرسیون در مورد حقوق و آموزش استفاده کنیم ، احتمالاً میزان تخمین بازده به آموزش و پرورش مغرضانه است. یا هنگام مطالعه رابطه بین مدرک تحصیلی و درآمد شخصی ، به طور کلی ، در منبع نمونه ها انحراف وجود خواهد داشت. به عنوان مثال ، داده های افراد دارای تحصیلات عالی به راحتی قابل دستیابی است ، در حالی که داده های افراد دارای تحصیلات کم آسان نیست ، زیرا ممکن است کار آنها ثابت نباشد یا حتی اغلب بیکار باشد. اگر فقط داده های جمع آوری شده را تجزیه و تحلیل کنیم ، تأثیر آموزش بر درآمد شخصی دست کم گرفته می شود.

بنابراین ، هکمن روش تصحیح معروف هکمن را در سال 1979 مطرح کرد. این روش به دو مرحله تقسیم می شود: مرحله اول این است که محقق باید در مرحله اول الگویی ایجاد کند که می تواند احتمال مشارکت کار را با توجه به تئوری اقتصادی اندازه گیری کند و سپس پیش بینی کنداحتمال کار هر کارگر. مرحله دوم این است که محققان احتمال این کارگران پیش بینی شده را در یک متغیر توضیحی اضافی (Mills Lambda) ، همراه با آموزش ، سن و سایر متغیرها برای اصلاح مشکل انتخاب نمونه ترکیب کنند ، به طوری که رابطه برآورد دستمزد بسیار مناسب استبه معنای آماری

از آنجا که هکمن [13] مدل رگرسیون دو مرحله ای را پیشنهاد کرد ، علاوه بر این که به طور گسترده توسط محققان در زمینه اقتصاد مورد استفاده قرار می گیرد ، محققان در زمینه های دیگر اغلب برای حل مسئله تعصب انتخاب نمونه از مدل های رگرسیون دو مرحله ای استفاده کرده اند. شیعه و همکاران.[14] از روش رگرسیون دو مرحله ای هکمن برای بررسی تأثیر خود انتخاب حسابداران شاغل در شرکت در قیمت گذاری هزینه های حسابرسی استفاده کرد. لین و همکاران.[15] از رگرسیون دو مرحله ای هکمن برای کشف خطای انتخاب نمونه مدل هشدار دهنده بحران مالی سنتی استفاده کرد. با این حال ، تحقیقات مربوطه در مورد استفاده از محصولات مالی مشتق توسط شرکت ها از روش رگرسیون دو مرحله ای هکمن برای کشف مشکل تعصب نمونه استفاده نمی کند. در حقیقت ، از آنجا که اطلاعات مالی شرکتهای ذکر شده به راحتی قابل دستیابی است ، در گذشته تقریباً تمام مطالعات تحقیقاتی مربوط به محصولات مالی مشتق استفاده شده از شرکت های ذکر شده به عنوان نمونه ، و هیچ یک از شرکت های ثبت نشده در نمونه های تحقیق قرار نگرفتند. اگر فقط داده های شرکتهای ذکر شده برای تجزیه و تحلیل جمع آوری شود ، نتایج احتمالاً تعصب نمونه را تولید می کنند. بنابراین ، این مطالعه از رگرسیون دو مرحله ای هکمن برای کشف عوامل تعیین کننده اتخاذ محصولات مالی مشتق استفاده می کند ، تا مشکل تعصب نمونه را حل کند.

3. داده ها و طراحی تحقیق

3. 1مدل تحقیقاتی

در این مطالعه ، از روش تخمین دو مرحله ای هکمن [13] برای توضیح مدل انتخاب باینری استفاده می شود. در مرحله اول ، ابتدا از مدل رگرسیون لجستیک استفاده می شود. در مرحله دوم از رگرسیون حداقل مربعات مربع (OLS) برای آزمایش استفاده می شود. در زیر توضیح دو مدل آورده شده است.

3. 1. 1. مدل رگرسیون لجستیک

مدل با متغیر باینری به عنوان متغیر وابسته ، رابطه غیرخطی بین متغیر مستقل و احتمال رویداد دارد ، در حالی که مدل احتمال خطی نمی تواند متناسب با رابطه غیرخطی باشد. از آنجا که حداقل مدل مربع مناسب مناسب نیست ، پیشنهاد می شود از عملکرد غیرخطی برای تجزیه و تحلیل متغیر وابسته باینری استفاده کنید.

رابطه غیرخطی بین احتمال مشروط

و معمولاً یک عملکرد یکنواخت است ، یعنی به طور یکنواخت با یا کاهش یکنواخت با یکنواخت. یک گزینه منحنی با دامنه S شکل بین (0 ، 1) است. وقتی به بی نهایت منفی نزدیک می شود ،

نزدیک به 0 ، و هنگامی که به بی نهایت مثبت نزدیک می شود ، به 1 نزدیک می شود.

فرض بر این است که یک متغیر واکنش مداوم نظری وجود دارد

، که احتمال یک رویداد را نشان می دهد ، و دامنه آن از بی نهایت منفی تا بی نهایت مثبت است. هنگامی که مقدار متغیر از یک نقطه بحرانی C (مانند C = 0) عبور می کند ، یک رویداد رخ می دهد. بنابراین ، موارد زیر را می توان مشاهده کرد.

در اینجا ، متغیر پاسخ مشاهده شده است. نشان می دهد که این رویداد رخ داده است و نشان می دهد که این رویداد رخ نداده است. اگر فرض شود که بین متغیر پاسخ و متغیر مستقل رابطه خطی وجود دارد ، یعنی

از فرمول (1) ، می توانیم دریافت کنیم

به طور کلی فرض بر این است که شرایط خطا در معادله (3) دارای توزیع لجستیک یا توزیع عادی استاندارد است. برای به دست آوردن یک تابع توزیع تجمعی (CDF) ، احتمال یک متغیر باید کمتر از یک مقدار خاص باشد. بنابراین ، ما باید جهت علامت نابرابری را در معادله (3) تغییر دهیم. از آنجا

جایی که f عملکرد توزیع تجمعی است.

شکل عملکرد توزیع بستگی به توزیع فرضی در معادله دارد (3).

اگر فرض شود توزیع لجستیک است ، یک مدل رگرسیون لجستیک بدست می آید. اگر فرض کنیم این یک توزیع عادی استاندارد است ، ما مدل Probit را دریافت می کنیم. از آنجا که نمی توان مستقیماً مشاهده کرد ، اندازه گیری آن نه با مدل رگرسیون لجستیک و نه توسط مدل پروب قابل تعیین نیست. در مدل Probit ، واریانس اصطلاح خطا است

توزیع لجستیک استاندارد به طور متوسط 0 است و واریانس چنین واریانس انتخاب شده است زیرا یک معادله ساده تر برای عملکرد توزیع تجمعی امکان پذیر است:

این تابع عملکرد لجستیک نامیده می شود ، توزیع S شکل دارد و نمودار عملکرد در شکل 1 نشان داده شده است. اگر مقدار عملکرد از بی نهایت منفی به بی نهایت مثبت تغییر یابد ، نمودار در شکل 1 به دست می آید. با توجه به اینکه در سمت چپ این نمودار ، با نزدیک شدن به بی نهایت منفی ، عملکرد لجستیک دارد