مرتضی عبادی

انرژی نقش اساسی در فرایند تولید و رفاه اجتماعی داشته و پیش بینی تقاضای آن به منظور تنظیم بازار و عرضه مطمئن آن امری ضروری می باشد. با توجه به روند پرنوسان و غیرخطی تقاضای انرژی و متغیرهای موثر بر آن، مدل های غیرخطی بخصوص شبکه-های عصبی و الگوریتم انبوه ذرات در این امر توفیق بیشتری داشته اند. با توجه به اینکه در کنار نقاط قوت فراوان، این تکنیک ها دارای نقاط ضعفی مانند نیاز به تعیین فرم تبعی خاص، نیاز به داده های آموزشی فراوان و ضعف در یافتن نقطه بهینه سراسری نیز می-باشند، در این مطالعه با ادغام آنان به صورت یک الگوریتم ترکیبی این نقایص مرتفع شده است. پس از بکارگیری و مقایسه این تکنیک ترکیبی با سایر روش ها در پیش بینی تقاضای انرژی طی سال های 1346 تا 1390 ، نتایج مطالعه قدرت پیش بینی بالاتر تکنیک ترکیبی در کنار قدرت توضیح دهندگی متغیرهای توضیحی بکار رفته را تائید می کند.

این مطالعه با هدف بررسی کارایی (عملکرد) مجموعه بانک های ایران و تاثیر تحریم بر آن، در بازه زمانی 1395-1379 انجام شده است.برای بررسی این عملکرد از روش تحلیل پوششی داده ها و الگوریتم بوت استرپ استفاده شده است. یافته های تحقیق نشان می دهد که نوع بازدهی به مقیاس شبکه بانکی ایران در بازه زمانی مذکور ثابت بوده است و الگوریتم بوت استرپ باعث واقعی تر شدن و کاهش متوسط کارایی در بازه زمانی مذکور شده است. با اعمال الگوریتم بوت استرپ در این بازه، مجموعه بانک های ایران در تمامی سال ها در سطح کارایی کامل نبوده است. الگوریتم بوت استرپ باعث کاهش هفت درصدی متوسط کارایی شده است. بهترین عملکرد بانک های ایران مربوط به سال 1383 و بدترین عملکرد مربوط به سال 1391(سال اوج فشار تحریمی) بوده است. بررسی اثر متغیر تحریم بر عملکرد نظام بانکی نشان می دهد که تحریم اثر منفی و معنی دار بر عملکرد بانکی دارد. به طوریکه یک درصد افزایش در سطح تحریم ها باعث می شود کارایی مجموعه بانک های ایران 0.14 درصد کاهش یابد. در تخمین رگرسیون، اعمال الگوریتم بوت استرپ سبب بهبود آمارهt و سطح معنی داری متغیرهای توضیحی می شود.