سید یوسف حاجی اصغری

کارشناسان اقتصادی همواره از رقابت به عنوان راهکاری برای رشد اقتصادی و بهره گیری بهینه از منابع اقتصادی یاد می کنند. طول دو دهه گذشته تغییرات سیاستی قابل توجهی در سیستم بانکی، به ویژه در اقتصادهای بازار در حال ظهور، رخ داده است که این تغییرات بر رقابت تأثیر گذاشته است. هدف اصلی این پژوهش ارزیابی قدرت انحصار بازار بانک ها بر اساس رویکرد کشش تغییرات حدسی است. برای سنجش قدرت انحصاری انحصاری بازار از الگوی تعمیم یافته آزام و لوپز (2002) استفاده گردید. جهت تجزیه وتحلیل داده پانل از روش حداقل مربعات دومرحله ای با اثرات ثابت معادلات عرضه و تقاضای وام استفاده شد. به منظور برآورد مدل انتخابی، متغیرهای کلان اقتصادی و داده های ترازنامه ای 33 بانک از شبکه بانکی کشور، طی سال های 1380 الی 1399، به کارگرفته شده اند. نتایج به دست آمده بیانگر آن است که طی دوره مذکور، کشش تغییرات حدسی برابر با 9769/0- بوده و نزدیک شدن عدد مذکور به 1- نشان از رقابتی شدن صنعت بانکی دارد. از طرفی شاخص قدرت انحصاری بازار 0386/0- بوده و قدرت انحصاری بازار در سیستم بانکی کشور و رفتار مبتنی بر همکاری بین بانک ها نیز کاهش داشته است. از طرفی یافته های تحقیق مؤید آن است که کشش قیمتی تقاضای تسهیلات در دوره برابر 4/0- بوده و اعمال تحریم های بانکی نیز از طریق ناکارآمد نمودن بازارهای جایگزین، موجب بی کیش تر شدن آن شده است که نشانگر کشش ناپذیر شدن بیشتر تقاضای تسهیلات بانکی است که سبب افزایش قدرت بازاری صنعت بانکداری می شود.

هدف از مقاله برآورد درج ه تواف ق و می زان ق درت بازاری ص نعت بیمه با استفاده از رویکرد هال - راجر در قالب معادلات عرضه و تقاضا با کمک داده پانل به روش حداقل مربعات دومرحله ای است. بدین منظور، اطلاعات 27 شرکت بیمه ای (دولتی و خصوصی) در ایران طی سال های 1380-1399 استفاده شد. نتایج حاکی از وابستگی متقابل شرکت های صنعت بیمه و سطح بالای توافق و قدرت بازار در این صنعت است؛ به طوری که بیش از 85 درصد شرکت های بیمه مورد بررسی با ایجاد شکاف بین قیمت و هزینه نهایی توانسته اند از حاشیه سود قابل توجهی برخوردار شوند. همچنین، نتایج محاسباتی مربوط به شاخص لرنر براساس مدل هال - راجر اطلاعات مربوط به ضریب ناهمگونی در بین شرکت های بیمه را نشان می دهد. بیمه ایران با ضریب 565/0 دارای بالاترین شاخص لرنر بوده و بیمه های آسیا، دانا و پاسارگاد به ترتیب، با 419/0 و 248/0 و 182/0 در رتبه های بعدی قرار دارند؛ این بدین معناست که این شرکت ها به دلیل فاصله قیمت تا هزینه نهایی بیشترین حاشیه سود را کسب کرده اند. براساس نتایج، در صنعت بیمه ایران سرمایه گذاری بیشتری در فعالیت های بازاریابی، ارائه خدمات نوین بیمه ای مناسب با شرایط و نیاز جامعه ایجاد و گسترش آن، پیشنهاد می گردد.

پیروی از سیاست کنترل جمعیت سازمان های بین المللی که در چند دهه اخیر در ایران اجرایی شد، امروزه باعث تحول عظیمی در ساختارهای سنی جمعیتی گردیده و جمعیت کشور را به طرف ازدیاد نرخ سالمندی سوق داده و باعث شده تا نرخ وابستگی در آینده جزء چالش های اساسی سیاست گذاران باشد. هدف پژوهش حاضر پیش بینی، شبیه سازی و تحلیل پویا از تحولات ساختاری جمعیت کشور ایران و آثار و تبعات آن در نرخ وابستگی جمعیتی دهه های آتی با توجه به تحولات نامتوازن جمعیتی طی دوره 1355 الی 1455 می باشد. نتایج شبیه سازی با روش مدل سازی سیستم های پویا نشان داد که جمعیت کشور با متوسط سالانه نرخ باروری 6/1 در سال 1426 به 94132000 میلیون نفر می رسد. پس از آن روند نزولی به خود گرفته و در سال 1455 به 86416400 نفر خواهد رسید. همچنین روند رشد گروه سنی زیر 15 سال از سال 1370 به بعد سیر روند نزولی داشته و جمعیت سالخورده در طی این دوره، رشد فزاینده ای خواهد داشت؛ به طوری که در پایان دوره به 29 درصد از کل جمعیت خواهد رسید. یافته های پژوهش بر اساس رشد نامتوازن جمعیتی کشور در سه دهه 60،50 و70 و افزایش امید زندگی از 54 سال به 76 سال، نشان می دهد در دهه های آتی ساختار جمعیت کشور یک ساختار پیر خواهد بود و افزایش نرخ وابستگی جمعیت کشور، پیامدهای اقتصادی آسیب زایی را به دنبال خواهد داشت.

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.