عباسعلی جعفری ندوشن

همواره یکی از اساسی ترین مسائل در تصمیمات سرمایه گذاری و بهینه سازی سبد سهام انتخاب یک سنجه مناسب برای بررسی ریسک و کاهش آن بوده است. در این مطالعه، به بررسی عملکرد الگوریتم دسته های میگو در بهینه سازی مدل های میانگین-ارزش در معرض ریسک و میانگین-ارزش در معرض ریسک شرطی با در نظر گرفتن محدودیت تعداد سهام برای 35 شرکت فعال در بورس اوراق بهادار تهران پرداخته شده است. برای آموزش الگوریتم از روش پنجره غلتان در دوره های 1390 تا 1397 و 1391 تا 1398 استفاده شده است. همچنین نسبت شارپ و نسبت شارپ شرطی سبد های حاصله مقایسه شده و معناداری تفاوت مدل ها با آزمون ویلکاکسون ارزیابی شده است. یافته ها حاکی از آن است که بیشترین مقدار بازده با اختلاف کمی متعلق به مدل با سنجه ارزش در معرض ریسک شرطی می باشد. لیکن در هر دو روش، سبدهای متشکل از 5 سهم دارای عملکرد بهتری می باشند. با توجه به بررسی های صورت گرفته در میان خروجی ها و مقایسات میان رده ای، این نتیجه حاصل گردید که بین عملکرد مدل های بهینه سازی مبتنی بر سنجه ی ارزش در معرض ریسک و ارزش در معرض ریسک شرطی تفاوت معناداری وجود ندارد. همچنین محدودیت کاردینالیتی عملکرد مدل را بهبود می بخشد و سبد با تعداد سهام کمتر بازدهی بهتری از خود نشان می دهد.

امروزه سیاستگذاری در شرایط بحران مالی با هدف خنثی سازی تبعات سوء اقتصادی، اجتماعی و سیاسی به یکی از مهم ترین ارکان مدیریت اقتصاد جهانی تبدیل شده است. با عنایت به پیشرفت سریع فناوری و تکنولوژی ها ی کامپیوتری می توان الگوی دقیق تری از این پدیده بر اساس تجربیات قبلی ترسیم و در قالب یک سیستم پشتیبان تصمیم گیری مورد استفاده قرار داد. با تکیه بر قابلیت تعمیم دهی مدل های شبکه عصبی مصنوعی، این رویکرد به منظور مدل سازی دینامیک های موجود در پدیده بحران مالی مورد استفاده قرار گرفته است. متغیرهای وضعیت اقتصادی، تولید ناخالص داخلی، شاخص ارزش صادرات، شاخص ارزش واردات، موقعیت زمانی و موقعیت جغرافیایی هر کشور در هنگام وقوع بحران مالی به عنوان ورودی های مدل شبکه عصبی مصنوعی و ترکیب بهینه سیاست ها برای مقابله با بحران مالی به عنوان خروجی مدل تعریف شده است. به منظور آموزش این شبکه، از اطلاعات مشخصات و شرایط حاکم بر سیستم ها و نیز سیاست های اتخاذ شده در مواجهه با بحران های مالی بزرگ دنیا از سال 1997 تا به امروز استفاده شده است. به منظور نشان دادن قابلیت مدل پیشنهادی، نحوه طراحی و پیاده سازی سیستم پیشنهادی در مورد بحران شیوع ویروس کووید-19 در ایران مورد کاوی شد. نتایج به دست آمده بیانگر آن می باشد که استفاده از مدل پیشنهادی به عنوان پشتیبان سیاستگذاران و تصمیم گیران حوزه های مدیریت مالی می تواند در حل مسائل نیمه ساختار یافته کمک کننده باشد و موجب بهبود کارایی تصمیم گیری و توجه بیشتر به اثر بخشی آن شود. به طوری که با توجه به نتایج حاصل از پژوهش حاضر، اتخاذ سیاست های پولی و مالی انبساطی و اعطای بسته های حمایتی به عنوان راهکارهای اساسی جهت کاهش اثرات بحران مالی ناشی از همه گیری کرونا در کشور ایران توصیه می شود.

بانک ها یکی از اصلی ترین ارکان نظام اقتصادی هر کشوری به شمار می روند و عملکرد صحیح آن ها موجب پیشرفت اقتصادی کشور می شود. با توجه به افزایش تقاضای تسهیلات بانک ها و ریسک موجود در این فعالی ت ه ا، بررس ی ابزاره ای مدیریت ریسک برای ساماندهی، کنترل و مدیریت ریسک اعتباری بانک ها الزامی است. در این پژوهش با بررسی ادبیات موضوع و جمع آوری اطلاعات از خبرگان از طریق نمونه گیری گلوله برفی، ابزارهای مدیریت ریسک اعتباری در بانک ها در قالب 15 ابزار استخراج گردید. سپس با تدوین پرسشنامه و کسب نظرات متخصصین، هشت ابزار نهایی انتخاب و به کمک روش های ویکور فازی، تاپسیس فازی و واسپاس فازی رتبه بندی شد. به منظور تعیین رتبه بندی نهایی ابزارها بر اساس نتایج به دست آمده از روش های فازی از دو تکنیک میانگین رتبه ها و کپلند استفاده شد. نتایج نشان داد که وثیقه و ضمانت به عنوان مهم ترین ابزار در مدیریت ریسک اعتباری به شمار می آید. همچنین طراحی نظام تعیین درجه اعتباری و تعیین سقف تسهیلات نیز در رتبه های بعدی قرار دارند. بنابراین بانک ها جهت کنترل و مدیریت ریسک اعتباری خود لازم است به این ابزارها توجه ویژه ای داشته باشند.

هدف: زمان بندی عملیات و تخصیص کارگران موضوعی است که در مسئله چیدمان سلولی، بخش شایان توجهی از هزینه را به خود اختصاص می دهد. این موضوع زمانی اهمیت بیشتری می یابد که منابع مالی با محدودیت روبه رو باشد. در این پژوهش، مسئله چیدمان پویای سلولی بر اساس زمان بندی، تخصیص کارگر و محدودیت های منابع مالی روی ماشین ها و کارگران به طور هم زمان بررسی شده است؛ به گونه ای که هدف حداقل کردن هزینه کل، شامل هزینه ماشین ها، کارگران و حمل ونقل قطعات است. روش: در ابتدا یک مدل ریاضی برای مسئله مدنظر ارائه شد، سپس خطی سازی و اعتبارسنجی آن انجام گرفت. در ادامه، یک الگوریتم ژنتیک برای حل مسئله پیشنهاد شد که پارامترهای آن با استفاده از روش تاگوچی تنظیم و انتخاب گردید. همچنین بر اساس پارامترهای مرتبط با محدودیت های منابع مالی ماشین ها و کارگران تحلیل حساسیت انجام گرفت. یافته ها: نتایج نشان دهنده صحت مدل و اعتبارسنجی آن است. همچنین، نشان داده شد که الگوریتم پیشنهادی کارایی مطلوبی دارد و برای مسائل با ابعاد متوسط و بزرگ که امکان یافتن جواب بهینه وجود ندارد، قابلیت استفاده دارد. نتیجه گیری: تحلیل حساسیت نشان داد که محدودیت های منابع مالی برای خرید ماشین ها نسبت به محدودیت های مالی کارگران تأثیر بیشتری روی تابع هدف دارد که اهمیت آن را نشان می دهد.