فهرست نشریات علمی دسترسی آزاد ایران

گزارش‌های مالی فصلی از جمله دقیق‌ترین و ارزشمندترین منابع برای ارزیابی عملکرد و جهت‌گیری استراتژیک یک شرکت هستند. در این مقاله، ما یک مدل استراتژی سرمایه‌گذاری جدید پیشنهاد می‌کنیم که از این گزارش‌ها برای بهبود تصمیمات سرمایه‌گذاری بلندمدت استفاده می‌کند. هسته اصلی رویکرد ما در ادغام هوش مصنوعی و تجزیه و تحلیل مالی پیشرفته نهفته است. به طور خاص، ما از نوتبوک‌ال‌ام، ابزاری مبتنی بر هوش مصنوعی که قادر به تجزیه و استخراج بینش‌های کلیدی از متون مالی بدون ساختار است، و مدل فینبرت، یک مدل تحلیل احساسات متناسب با امور مالی، برای ارزیابی احساسات بازار و لحن افشای اطلاعات یک شرکت استفاده می‌کنیم. ما از معیار ارزش در معرض خطر برای محاسبه ریسک مدل پیشنهادی استفاده می‌کنیم که زیان‌های مالی بالقوه را ارزیابی و کمّی می‌کند. با شناخت محدودیت‌های مدل‌های کمی سنتی به ویژه در شرایط بازار بی‌ثبات یا مبهم ما از نظریه اعداد فازی در زمینه نظریه اعتبار استفاده کرده‌ایم. این امر به مدل اجازه می‌دهد تا عدم دقت و ابهام را به طور مؤثرتری مدیریت کند و عدم قطعیت‌های ذاتی بازارهای مالی را منعکس کند. برای ارزیابی کاربرد عملی مدل خود، آزمایش‌های تجربی را با استفاده از داده‌های مالی واقعی از شرکت‌های فهرست شده در (DJIA) انجام می‌دهیم. نتایج نشان می‌دهد که رویکرد ما نه تنها دقت ارزیابی ریسک را بهبود می‌بخشد، بلکه عملکرد پرتفوی را نیز در مقایسه با مدل‌های مرسوم افزایش می‌دهد. با ادغام تحلیل احساسات، منطق فازی و معیارهای ریسک مالی، چارچوب ما دیدگاه جامع‌تری از ریسک شرکتی و ارزش بلندمدت ارائه می‌دهد.