درخت حوزه‌های تخصصی

هدف از نگارش این تحقیق بررسی مزیت های نسبی و سنجش آمادگی صنایع کارخانه ای ایران برای پیوستن به هم گرایی های بین المللی، به ویژه ازطریق الحاق به سازمان تجارت جهانی است. باتوجه به ماهیت داده ها و خروجی های موردانتظار، در این مطالعه، از رویکرد تصمیم گیری چندمعیاره و روش رتبه بندی تاپسیس ( TOPSIS ) استفاده شده است که امکان بهره گیری از نظرات خبرگی برای دست یابی به اعتبار ( validity ) بالاتر را فراهم می سازد. نتایج مطالعه حاکی از آن است که علاوه بر مزیت های نسبی سنتی و مبتنی بر منابع طبیعی، بخشی از دیگر صنایع کارخانه ای کشور نظیر تولید جواهرات، ماشین آلات اداری و محاسباتی، قطعات خودرو، دارو و مواد شیمیایی مورد استفاده در پزشکی، ابزارهای اپتیکی و تجهیزات عکاسی، تولید ماشین آلات متالورژی ذوب فلز، وسایل نقلیة موتوری، و... نیز تحت ثابت بودن سایر شرایط، از آمادگی بالقوه برای مواجهه با شرایط رقابتی تجارت آزاد برخوردار بوده و الحاق به WTO می تواند برای این صنایع فرصت تلقی شود.

عدم تعادلهای مالی دولت سبب ایجاد کسری بودجه می شود. تامین مالی این کسریها با استقراض از بانک مرکزی از طریق چاپ پول سبب افزایش پایه پولی و رشد عرضه پول می شود، و در صورتی که افزایش عرضه پول بیشتر از تقاضای واقعی پول باشد، سبب افزایش سطح عمومی قیمتها یا تورم می گردد. تورم باعث کاهش قدرت خرید پولی می شود و افراد جامعه مجبور خواهند شد برای خنثی کردن تورم بر ذخیره اسمی پول خود بیفزایند و از مصارف دیگر صرف نظر کنند. این مسئله به مثابه نوعی مالیات غیرمستقیم است و دولت با ایجاد تورم منابع را به سمت خود جذب می کند؛ که به درآمد مالیات تورمی دولت موسوم است. رابطه ایجاد تورم و درآمد مالیات تورمی دولت به صورت خطی نیست، بلکه ابتدا دارای روند صعودی است و در نقطه ای به حداکثر می رسد، فراتر از نقطه حداکثر با ایجاد تورم، درآمد دولت به شدت کاهش می یابد و فقط تورم به صورت افسار گسیخته افزایش پیدا می کند، در واقع رفتاری شبیه منحنی درآمدی لافر دارد. در این مقاله با استفاده از داده های پولی و مالی میل تورمی سرعت گردش پول تعیین شده و با استفاده از آن حداکثر مقدار بهینه رشد پول مشخص می شود، این نقطه بیانگر این واقعیت است که دولت تا چه اندازه می تواند به چاپ پول مبادرت ورزد، به گونه ای که باعث ایجاد تورم لجام گسیخته نشود.

از دیدگاه اقتصادی، کسب و کارهای کوچک (SEs) ابزاری برای رشد اقتصادی و اجتماعی هستند و می تواند در کاهش نرخ بیکاری و ایجاد فرصت های جدید اشتغال موثر باشد. بسیاری از کسب و کارهای کوچک در ایران توسط زنان راه اندازی می شوند و زنان نخستین گروهی هستند که از کسب وکارهای کوچک استقبال نموده اند. هم اکنونزنان روستایی در ایران در صدها کسب وکار کوچک به فعالیت اشتغال دارند و سازمان های رسمی و غیررسمی از آنان حمایت می کنند. تحقیق حاضر به منظور پاسخ به این پرسش است که آیا اینگونه مشاغل توجیه اقتصادی دارند یا خیر. در این پژوهش شماری از کسب وکارهای کوچک زنان روستایی در بخش های مختلف خدماتی، کشاورزی و صنعتیدر استان همدان در سال 1390 مورد ارزیابی قرار گرفته اند. برای ارزیابی اثرگذاری های اقتصادی کسب وکارهای کوچک از روش ارزشحالخالص (NPV) و تحلیل هزینه فایده(CBA)استفاده شده است. بنابر نتایج تحقیق عملکرد اقتصادی کسب وکارهای کوچک زنان روستایی (RWSE,s)در نقطه بهینه و در وضعیت مثبت قرار داشته و دو نسبت ارزش حال خالص و نسبت هزینه فایده بر پایه معیارهای تعریف شده وضع مطلوبی دارند. به این ترتیب نسبت ارزش حال کسب و کارهای مورد بررسی بزرگتر از صفر و نسبت هزینه فایده آن ها بزرگتر از یک بوده است. با این وجود نتایج تحقیق نشان داد نسبت B/Cدر کسب وکارهای مختلف متفاوت و در برخی از کسب وکارها به حدود 00/4 رسیده است. این بدان معنی است که نتایج اقتصادی کسب وکارهای مختلف متفاوت است. کسب وکارهایی که دارای اقدام های نوآورانه هستند و در منطقه مورد بررسی اقدام های همانند آن ها انجام نشده و یا کم است، همچنین فعالیت هایی که مدیر کسب وکار دارای تحصیلات مرتبط و عالی است دارای نسبت هزینه فایده بالاتری هستند. با توجه به محدودیت منابع پیشنهاد می شود با آموزش زنان روستایی، آنان به سوی کسب وکارهای جدید و با صرفه اقتصادی تشویق شوند.

در این مطالعه به منظور پیش بینی وضعیت آتی تقاضای انرژی (کل مصرف نهایی انرژی) ایران، با استفاده از خط سیر شاخص های کلان اقتصادی، دو فرم از معادلات تقاضای انرژی غیر خطی شبیه سازی شده است، به عبارت دیگر، کارآیی برآورد تقاضای انرژی ایران، بر اساس الگوریتم بهینه سازی انبوه ذرات (PSO) بهبود یافته است. مدل شبیه سازی تقاضای انرژی با استفاده از الگوریتم بهینه سازی انبوه ذرات (PSOEDS)، با استفاده از متغیرهای جمعیت، تولید ناخالص داخلی (GDP) و واردات کالاها و خدمات بسط داده شده است. یکی از معادلات پیشنهادی نمایی و دومی درجه دوم است. در تابع تقاضای انرژی، فرم درجه دوم نتایج بهتری را در مشاهده داده ها فراهم می کند و با یک ضریب همبستگی بالاتر، برای پروژه های بخش انرژی ایران به کار برده می شود.

این مطالعه دردشت قزوین و به منظور تعیین الگوی کشت بهینه، مقایسه الگوی موجود با الگوی بهینه، مقایسه درآمد خالص گروههای مختلف در برنامه بهره برداری کنونی و بهینه و همچنین تعیین حاشیه ایمنی زارعان انجام شده است. پس از مشخص شدن زمین های آبی منطقه، نخست داده های مورد نیاز از 127 بهره بردار نمونه، که با استفاده از روش نمونه گیری تصادفی از 27 آبادی این دشت انتخاب شده بودند، گردآوری شد، سپس برای هر یک از گروههای بهره برداری همگن، یک مزرعه نماینده تعیین و اطلاعات مربوط به بهره برداری های نماینده در چهارچوب مدل های برنامه ریزی خطی به کارگرفته شد.نتایج این پژوهش نشان داده است که :1-کاربرد الگوی بهینه، تا اندازه در خور ملاحظه ای در آمد زارعان را افزایش می دهد.-برای زارعان دارای بیش از 10 هکتار زمین، نسبت حاشیه ایمنی در فعالیت ذرت دانه ای نزدیک به 79.8 درصد است. به دیگر سخن، احتمال خطر زیان این فعالیت کمتر از فعالیت های دیگر است، پس می توان گفت سود بالایی نسیب بهره برداران آن خواهد شد.3-درصد ظرفیت تولید در نقطه سربه سر برای فعالیت گندم کاران دارای کمتر از 10 هکتار زمین، درحدود 20.9 درصد است، بدین معنا که حاشیه ایمنی این فعالیت بیشتر از فعالیت های دیگر برآورده شده است.

طلا یک کالای استراتژیک است و عوامل زیادی بر قیمت آن تاثیر می گذارد. از طرفی روش شبکه عصبی توانایی خاصی در برآورد روند و پیش بینی نوسانات قیمت طلا دارد و روش رگرسیون سوئیچینگ نیز توانایی در شناسایی شوک ها و سال های تغییر رژیم های نوسانات در سطح پر نوسان و کم نوسان دارد. این تحقیق به طور جداگانه بر بررسی هر یک و پیاده سازی این روش ها در داده های نوسانات قیمت طلا می پردازیم. روش تحقیق: در این پژوهش با شناسایی عوامل موثر بر نوسان های قیمت طلا برای دوره 1390-1359 الگوی متناسب با این نوسان ها مدل سازی می شود. برای مدل سازی از دو روش غیر خطی شبکه عصبی و مدل رگرسیون چرخشی مارکف استفاده شده است. هدف مدل سازی در این مطالعه مقایسه دو روش نیست بلکه با یاری جستن از دو مدل سعی در برازش بهتر و پیش بینی بهتر مدل ها می باشد. هر یک از این دو روش توانایی خاصی در قسمتی از فرآیند مدل سازی دارند. شبکه عصبی به کار گرفته شده در این پژوهش حاوی 2 لایه پنهان و رگرسیون چرخشی نیز دارای 2 رژیم می باشد. نتایج حاکی از آن است که روش شبکه عصبی به خوبی توانسته نوسانات قیمت طلا را پیش بینی کند و روش رگرسیون چرخشی سال های چرخش و شوک را شناسایی نموده و تشخیص داده شده که در ایران مدتی که بازار طلا در حالت کم نوسان است، بیشتر از حالت پر نوسان است. نتایج نشان می دهد از میان عوامل موثر بر قیمت طلا در مدل شبکه عصبی متغیر نرخ ارز و قیمت جهانی طلا بیشترین تاثیر را دارد و در مدل چرخشی مارکف متغیر قیمت نفت و پس از آن CPIدارای بالاترین اهمیت و درجه تاثیر گذاری بر قیمت طلا می باشد.

در بسیاری از تحقیقاتی که در بخش کشاورزی و بخصوص در زمینه ی تعیین الگوی بهینه کشت محصولات انجام می پذیرد از ابزار برنامه ریزی خطی[3] کلاسیک استفاده می گردد. اما از آنجایی که ضرایب و پارامتر های مدل های برنامه ریزی خطی کلاسیک نیاز به داده های قطعی و دقیق داشته و از سویی تنها می توان یک هدف را در آنها وارد نمود، دارای اشکال بوده و جواب های بدست آمده با شرایط دنیای واقعی چندان سازگار نمی باشد. لذا با توجه به شرایط ریسک و عدم قطعیت موجود در بخش کشاورزی و ثانیا وجود اهداف گوناگون برای تصمیم گیر ی های مدیران و برنامه ریزان در این بخش، نیاز به مدل های برنامه ریزی ریاضی جدید امری ضروری و اجتناب ناپذیر است. در این تحقیق سعی می گردد تا به کمک تکنیک برنامه ریزی چند هدفه فازی[4] مناسب ترین الگوی بهینه کشت محصولات زراعی با در نظر گرفتن شرایط ریسک و عدم قطعیت و با توجه به اهداف مورد نظر کشاورزان و تصمیم گیرندگان تعیین گردد. تحقیق حاضر بر روی مزرعه ای به وسعت 120 هکتار واقع در استان همدان صورت پذیرفته و داده ها و اطلاعات مورد استفاده مربوط به سال های زراعی 1378 تا 1384می باشد. نتایج این تحقیق در دوازده سناریو مختلف محاسبه و تنظیم شده است. نتایج حاکی از آن است که در هیچ یک از سناریو ها جو آبی و آفتاب گردان وارد الگوی بهینه کشت نشده و سیب زمینی در تمامی سناریوها در الگوی بهینه کشت حضور دارد.

برنامه ریزی اقتصادی ومدلسازی در بازار نفت با توجه به مفهوم ""تجدید ناپذیری"" و قریب الوقوع بودن ورود تکنولوژی رقیب نفت و""تخلیه اقتصادی"" آن اهمیت روز افزون دارد. با توجه به لزوم سیاستگذاری بهینه در تولید نفت، این بررسی با هدف دستیابی به مسیر بهینه تولید نفت  حوزه نقتی  مورد نظر از یک مدل ماکزیمم سازی منافع با قیود و ملاحظات فنی تولید استفاده می کند. مساله بهینه یابی تصریح شده با استفاده از برنامه رایانه ای طراحی شده  در نرم افزارMATLAB  و شرایط اولیه متغیرها و سطوح توسعه مورد انتظار تولید برای  حوزه نفتی حل شده و مسیر های بهینه  حاصل در چند سناریو  برای دوره 1365-1425 شبیه سازی و تحلیل شده است. نتایج بررسی حاکی است، صرف نظر از تفاوت در سناریوها به لحاظ نرخ تنزیل یا دوره برنامه ریزی، مسیرهای بهینه تولید نفت و تزریق گاز فاصله قابل توجهی با مقادیر تحقق یافته دارد. این نتایج را می توان فقدان برنامه ریزی اقتصادی در تولید نفت میدان و استفاده بهینه از منابع گازی در تولید صیانتی آن قلمداد کرد.

جنگل زدایی به عنوان یکی از بزرگ ترین مشکلات زیست محیطی جهانی، بزرگ ترین تهدید برای تنوع محیط زیست و یکی از مولفه های اصلی تغییر بهره بردای از زمین به ثبت رسیده است. در این پژوهش، بر پایه ی تئوری زیست محیطی کوزنتس، تصریح تابع جنگل زدایی برای ایران و پنج کشور همسایه (افغانستان، پاکستان، کویت، عراق و ترکیه) به صورت پانل انجام شد. نتایج این مطالعه، همانند مطالعه های قبلی انجام شده در منطقه ی آسیا، فرضیه ی وجود منحنی زیست محیطی کوزنتس برای کشورهای منتخب را رد می کند. تنها متغیر اثرگذار بر روند جنگل زدایی در این تابع، متغیر جمعیت است. معنا دار نشدن متغیر نهادی در این مطالعه، حکایت از این واقعیت دارد که کشورهای منتخب، با توجه به شاخص انتخابی همگن هستند.

امروزه نفت به عنوان یکی از منابع مورد استفادهی بشر، از اهمیت ویژه ای برخوردار است. قیمت نفت به دلیل اهمیت آن در بازارهای بین المللی، رابطهی اساسی با اقتصاد کشورها و موقعیت استراتژیک آن در بین کالاهای اقتصادی، به عنوان یکی از عوامل مؤثر در اقتصاد بین الملل، نقش تعیین کننده ای دارد. شناخت ساختار قیمت این کالا و مدل سازی آن همواره مورد توجه پژوهش های اقتصادی بوده و تلاش هایی نیز برای بررسی علت نوسان و پیش بینی آن انجام گرفته است. در این راستا، شبکه های عصبی مصنوعی از قابلیت بالایی در مدل سازی فرایندهای تصادفی و پیچیده و پیش بینی مسیرهای غیرخطی پویا برخوردار هستند. در این مقاله، با استفاده از شبکه ی عصبی مصنوعی مبتنی بر انتظارات قیمتی برای داده های روزانه، به مدل سازی و پیش بینی روزانهی قیمت سبد نفت خام اوپک پرداخته شده و نتایج آن با مقادیر پیش بینی شده توسط مدل ARIMA براساس معیارهای اندازه گیری دقت پیش بینی، مورد مقایسه قرار گرفته است. نتایج تحقیق نشان می دهد که شبکهی عصبی مورد استفاده، نسبت به مدل ARIMA از قدرت پیش بینی بهتری برخوردار است و قیمت نفت خام تابعی از قیمت های 5 روز گذشتهی خود می باشد.