مهران سعیدی اقدم

توسعه، توسعه یافتگی و توسعه نیافتگی از دیر باز از مباحث بسیار مهم و اغلب چالش برانگیز در حوزه های مختلف علوم اقتصادی بوده است. در ایران نیز، آن چنان که بیشترین متفکران گفته اند از مشروطه تاکنون، جامعه ای در حال گذار و در حال توسعه را شاهد هستیم و طبیعی است که بحث توسعه، توسعه نیافتگی و علل عقب ماندگی ایران از دغدغه های مهم آنان بوده باشد. هر یک از این متفکران، از دیدگاهی به بررسی این امر پرداخته است که توضیح آن با توجه به نظریات توسعه می تواند راه گشا باشد. دراین پژوهش تلاش می کنیم عوامل مؤثر بر توسعه نیافتگی اقتصاد ایرانرا شناسایی و رتبه بندی کنیم. روش پژوهش، با توجه به ماهیت پژوهش توصیفی از نوع پیمایشی است. جامعه آماری این پژوهش، خبرگان فعال در حوزه اقتصاد هستند. بدین ترتیب، نخست با به کارگیری نظر خبرگان و کارشناسان و با استفاده از تکنیک دلفی، 20 مؤلفه مؤثر بر توسعه نیافتگی اقتصاد ایران را شناسایی و در پنج گروه دسته بندی می کنیم. این عوامل در نهایت با استفاده از روش های آماری و تکنیک های تصمیم گیری چند معیاره فازی رتبه بندی شدند. نتایج به کارگیری تکنیک های تصمیم گیری چند معیاره مانند تصمیم گیری آزمون و خطا و فرایند تحلیل شبکه ای نشان می دهد از میان عوامل پنج گانه مؤثر بر توسعه نیافتگی اقتصاد، عوامل مدیریتی، بیشترین تأثیر را بر توسعه نیافتگی دارد و شاخص های عوامل فرهنگی، عوامل سیاسی، عوامل جامعه و عوامل مالی در اولویت های بعدی قرار دارند.

پژوهش حاضر با هدف شبیه سازی سرمایه گذاری جمعی در اکوسیستم کارآفرینی فناورانه انجام شده است. روش پژوهش به صورت مطالعه موردی آمیخته کیفی-کمی و مبتنی بر روش پویایی سیستم است. برای گردآوری اطلاعات از بررسی های کتابخانه ای، بررسی متون علمی پژوهش، مقالات و نشریات تخصصی و مصاحبه با خبرگان استفاده شد و بررسی و تحلیل داده ها به روش رویکرد پویایی سیستم و با استفاده از نرم افزار ونسیم انجام گرفت. داده های حاصل نشان داد مدل پژوهش به خوبی تعاملات متقابل متغیرهای اثرگذار در این امر را نشان می دهد. جریانات نقدی، حساسیت بالایی را به تغییرات تعداد سرمایه گذاران در هر واحد نشان می دهد. همچنین افزایش مقررات اقتصادی تأثیرات بسیاری در متغیرهای توسعه کارآفرینی پایدار و توسعه پلتفرم های سرمایه گذاری جمعی می گذارد و موجب افزایش توسعه کارآفرینی پایدار می شود؛ افزایش سرمایه گذاری اثر مناسبی بر تقویت نوآوری در مراکز رشد و فناوری و کاهش دخالت دولت می گذارد؛ تغییر هزینه های ترویج باعث افزایش نرخ ترویج سرمایه گذاری جمعی در دوره های ۱۸ تا ۳۰ می شود و اثر بسیار مناسبی بر کاهش مالیات دارند.

پیش بینی قیمت سهام امری پیچیده است؛ مؤلفه های گوناگونی از قبیل وضع عمومی اقتصاد، رخداد های سیاسی و انتظارات سرمایه گذاران، بر بازار سهام تأثیر می گذارد. بازار سهام، در حقیقت یک سیستم غیرخطی و آشوبناک است که به عوامل متعدد سیاسی، اقتصادی و روانی وابسته است، برای غلبه بر محدودیت تکنیک های تحلیل سنتی در پیش بینی الگوهای غیرخطی، متخصصان طی دو دهه اخیر تکنیک های هوشمند و بخصوص شبکه های عصبی مصنوعی و الگوریتم ژنتیک را برای بهبود پیش بینی قیمت سهام به کاربرده اند. این پژوهش، با توجه به گسترش روز افزون روش های پیش بینی در بازارهای مالی و نیز، از آنجا که قیمت سهام یکی از مهم ترین عوامل مؤثر در تصمیمات سرمایه گذاری است و پیش بینی آن می تواند نقش با اهمیتی در این زمینه ایفا کند، در این پژوهش سعی شده است، مدلی ارائه شود تا بر اساس آن بتوان روند حرکتی قیمت سهام مورد نظر را با دقت بالایی پیش بینی کرد. بر همین اساس، یک مدل ترکیبی برای پیش بینی روند حرکتی قیمت سهام با استفاده از شبکه عصبی مصنوعی ارائه شده است. برای نمونه آماری، شرکت های برتر بورس اوراق بهادار در سه ماهه دوم سال ۱۳۹۹ انتخاب شده است. سپس برای هراین منظور، ۳۲ متغیر محاسبه شد. این متغیرها ورودی مدل هستند و به کمک الگوریتم شبکه عصبی مصنوعی بهینه سازی شده اند. نتایج نشان می دهد، مدل در پیش بینی روند حرکتی قیمت سهام بسیار بهتر عمل کرده و درمقایسه باروش های سنتی، از دقت بالاتری برخوردار است.