حجت الله صادقی

اهداف: شناخت مشتریان و ارائه پیشنهادهای سرمایه گذاری شخصی به آنها جنبه ای ضروری از یک استراتژی مشورتی سودمند و مؤثر است. بسیاری از خانوارها برای راهنمایی سرمایه گذاری به مشاوران مالی اعتماد می کنند. تجزیه و تحلیل داده های هوشمند یکی از زمینه های هوش مصنوعی است که مسئله یادگیری سیستم های اتوماتیک را بدون برنامه صریح حل می کند. شرکت های مالی دریافته اند که باید خودشان را به سرعت با محیط سازگار و با استفاده از سیستم های خودکار در هزینه و دقت توصیه های مالی به سرمایه گذاران صرفه جویی کنند. در سال های اخیر نوعی مشاوره مبتنی بر فناوری به عنوان روش جایگزین با نام مشاوره روبو معرفی شده است. مشاوره روبو توصیه گری مالی است که از طریق الگوریتم های یادگیری ماشینی برای تجزیه و تحلیل خودکار سطح ریسک محصول مالی و ارائه سبد سرمایه گذاری پیشنهادی کمک می کند. ربات های هوشمند، پلتفرم های دیجیتالی هستند که خدمات برنامه ریزی مالی و سرمایه گذاری را مبتنی بر الگوریتم و به طور خودکار ارائه می دهند.روش: در این پژوهش با استفاده از روش نگاشت دانش به مرور سیستماتیک پژوهش های انجام شده درخصوص ربات های هوشمند توجه شده است. سپس مرتبط ترین پژوهش ها در این زمینه شناسایی و طبقه بندی آنها براساس مقالات، نویسندگان، مجلات، مؤسسات و کشورها انجام شده است.نتایج: در انتها چارچوبی به منظور طراحی ربات های هوشمند در ایران پیشنهاد شده است. این پژوهش دیدی کلی به پژوهشگران درخصوص روند پژوهش های انجام شده و اهمیت موضوع می دهد. روش نگاشت دانش با ارائه اطلاعات کمی و دقیق، نویسندگان را در بهبود کیفیت مقاله ها، تحلیل تأثیر آنها و انتخاب بهترین راهکار در نگارش مقالات علمی یاری می کند.

سکونتگاه های روستایی تحت تأثیر شاخص های محیطی متفاوتی شکل گرفته اند. امروزه برنامه ریزی برای نواحی روستایی، نیاز به شناخت درست از ظرفیت های طبیعی موجود و به کارگیری تصمیمات مطلوب است. داده های مکانی یا محیطی در این زمینه نقش مهمی دارند. بر همین اساس در این تحقیق هدف شناخت داده های محیطی مؤثر در مباحث روستایی و سپس تحلیل این داده ها در شکل گیری و توسعه پایدار سکونتگاه های روستایی و اولویت بندی آنها از نظر استقرار در پهنه های جغرافیایی است. روش تحقیق توصیفی-تحلیلی و مبتنی بر داده های مکانی سازمان نقشه برداری کشور است. در این تحقیق از 13 شاخص استفاده شد. روش استانداردسازی داده ها، Fuzzy AHP بوده است. روش تحلیل داده ها با به کارگیری الگوریتم های مختلف در نرم افزار Arc GIS از جمله درون یابی (IDW و Krijing)، الگوریتم همپوشانی (Weighted Sum Overlay) و عمل وزن دهی در مدل (IO) بوده است. برای وزن دهی و مقایسه معیارها از دیدگاه کارشناسان به صورت پنل(10 نفر) مبتنی بر روش AHP در نرم افزار Expert Choice استفاده شد. بر اساس نتایج شاخص ژئومورفولوژی 455/0، شاخص پوشش زمین 263/0، شاخص فاصله از مخاطرات 141/0 و شاخص اقلیمی 141/0 در استقرار سکونتگاه های روستایی، به ترتیب نقش مهمی داشته است. همچنین مهمترین عامل «متوسط بارش سالانه» با ضریب اهمیت 239/0 شناخته شد. تحلیل همپوشانی نشان داد که بیش از 121 نقطه روستایی (38/10 درصد) در شرایط نامناسب، 334 روستا(6/28 درصد) در وضعیت متوسط و 713 روستا(89/60 درصد) در وضعیت مناسبی ارزیابی بوده است.

هدف: با افزایش حجم اطلاعات و پیچیدگی بازارهای مالی، سرمایه گذاران به طور فزاینده ای به دنبال ابزارهای نوین مالی، برای تصمیم گیری آگاهانه ترند. این ابزارها باید به سرمایه گذاران کمک کنند تا ضمن انتخاب سهام مناسب، بازدهی بیشتری کسب کنند. در این راستا، سیستم های توصیه کننده سهام، اهمیت بیشتری پیدا می کنند. سیستم های توصیه کننده سهام می توانند در این زمینه به سرمایه گذاران کمک کنند تا با انتخاب سهام مناسب، بازدهی بیشتری کسب کنند. سیستم های توصیه کننده سنتی سهام، اغلب دقت و کارایی لازم را ندارند. این پژوهش، روشی نوینی به نام فیلترینگ مشارکتی مبتنی بر سهام را برای طراحی سیستم توصیه کننده سهام در بورس اوراق بهادار تهران ارائه می دهد. این روش بر پایه دو فرضیه کلیدی بنا شده است: ۱. عدم کارایی بازار: بازار سهام به طور کامل کارآمد نیست و اطلاعات را به طور کامل و دقیق منعکس نمی کند. ۲. اطلاعات نهفته در حرکات سهام: حرکت سهام نوعی اطلاعات دارد و می تواند بر قیمت سهام دیگر در بازار تأثیر بگذارد. در این پژوهش با فرض وجود اثر انتقال در بورس اوراق بهادار تهران، از تکنیک فیلترینگ مشارکتی برای طراحی یک سیستم سهام توصیه کننده استفاده شده است که یکی از الگوریتم های سیستم های توصیه کننده به شمار می رود. هدف این استراتژی، یافتن سهام مستعد برای کسب بازدهی بیشتر از بازار است. روش: در این پژوهش، از داده های تاریخی قیمت سهام ۱۴۵ شرکت حاضر در بورس اوراق بهادار تهران، در بازه زمانی ۱۳۹۱ تا ۱۴۰۰ استفاده شد. الگوریتم فیلترینگ مشارکتی، در دو مرحله یادگیری و آزمایش اجرا شد. در مرحله یادگیری، الگوریتم با استفاده از داده های سال های ۱۳۹۱ تا ۱۳۹۵ آموزش داده شد و در مرحله آزمایش، عملکرد آن روی داده های سال های ۱۳۹۵ تا ۱۴۰۰ ارزیابی شد. در گام بعدی با استفاده از الگوریتم فیلترینگ مشارکتی مبتنی بر سهام، سیگنال خریدوفروش در طول دوره محاسبه و در نهایت، استراتژی ارزیابی شد. یافته ها: الگوریتم به عنوان یک استراتژی سرمایه گذاری، در دو دوره درون نمونه ای و برون نمونه آزمایش شد. نتایج به دست آمده از طریق الگوریتم برای دوره های برون نمونه نشان می دهد که این استراتژی می تواند ۲۵ برابر بازدهی داشته باشد؛ در حالی که شاخص کل در این بازه زمانی ۱۶ برابر شده که نشان دهنده عملکرد عالی استراتژی در طول دوره زمانی است. همچنین میزان ارزش در معرض ریسک در دوره زمانی مورد بررسی، برای روش منتخب 8/12- درصد است که میزان ریسک کمتر این روش را نشان می دهد.   نتیجه گیری: الگوریتم فیلترینگ مشارکتی مبتنی بر سهام، نوعی استراتژی سرمایه گذاری فعال است. هدف این الگوریتم هوشمند، شناسایی سهام ارزشمند و کسب بازدهی بیشتر از بازار است و می تواند در این زمینه به سرمایه گذاران کمک کند. این الگوریتم می تواند ابزاری ارزشمند برای سرمایه گذاران فعالی باشد که به دنبال یافتن سهام ارزشمند و کسب بازدهی بیشتر از بازار هستند. بنابراین پژوهش های بیشتر برای بررسی عملکرد این الگوریتم در بازارهای مختلف و شرایط اقتصادی متنوع ضروری است. همچنین، به پژوهشگران بعدی توصیه می شود که از استراتژی های کنترل ریسک بهره ببرند و این عملکرد سیستم را تقویت کنند.

زمینه و هدف : امروزه گردشگران به واسطه برندسازی از بسیاری از مناطق بازدید می نمایند. میهمان نوازی به عنوان یک منبع توسعه گردشگری ناملموس در ایران شناخته می شود که کمتر به گردشگران معرفی شده و برنامه ریزی مناسبی نیز در این زمینه انجام نشده است. بنابراین هدف پژوهش شناخت عوامل موثر در برندسازی فرهنگ میهمان نوازی در گردشگری ایران است. روش شناسی : روش تحقیق توصیفی-تحلیلی و مبتنی بر گردآوری داده های میدانی است. در این پژوهش از دو روش کیفی و کمی استفاده شد. در بخش مصاحبه، 11 نفر و پرسش نامه نیز 75 متخصص حوزه گردشگری مورد مطالعه قرار گرفتند. تجزیه و تحلیل به روش تحلیل محتوا و آزمون های آماری انجام شد. یافته ها : نتایج نشان داد که 15 عامل در برندسازی فرهنگ میهمان نوازی در گردشگری ایران موثر است. آزمون تی تک نمونه ای نشان داد که مهمترین عامل ثبت و معرفی فرهنگ میهمان نوازی به عنوان برند گردشگری ایران با میانگین 493/4 است. همچنین دو عامل کاهش اختلافات سیاسی خارجی با میانگین 213/4 و بهبود شاخص امنیت گردشگران خارجی با میانگین 173/4 در رتبه های دوم و سوم اهمیت شناخته شده اند. مدلسازی نیز تایید نمود که عوامل موثر برندسازی فرهنگ میهمان نوازی دارای اثرکل 54/0 در رشد گردشگری ایران است. در این زمینه بیشترین تاثیرگذاری مربوط به عامل تبلیغات و معرفی جاذبه های ناملموس با تبیین 871/0 بوده است. نتیجه گیری و پیشنهادات : در مجموع عوامل متنوعی در برندسازی فرهنگ میهمان نوازی تاثیرگذار هستند که این عوامل به رشد گردشگری ایران نیز می توانند ختم شوند. پیشنهاد می شود که جنبه های مختلف فرهنگ میهمان نوازی جهت برندسازی آن مورد مطالعه قرار گیرد. نوآوری و اصالت : نوآوری پژوهش این است که تحقیقات کمی در حوزه برندسازی فرهنگ میهمان نوازی در ایران انجام شده و این تحقیق می تواند جز گام های اولیه در این حوزه قلمداد شود.