فیلتر های جستجو:
فیلتری انتخاب نشده است.
نمایش ۱٬۸۰۱ تا ۱٬۸۲۰ مورد از کل ۳٬۹۲۴ مورد.
مقایسه قدرت پیش بینی برای مدلهای فاما و فرنچ و ارزش بتا و بازده مورد انتظار سهام
حوزه های تخصصی:
مقاله حاضر به مقایسه دو مدل – مدل (RBM)، مدل سه عامله (F&F) برای پیش بینی بازده مورد انتظار در بازار بورس اوراق بهادار تهران می پردازد.
یافته های تحقیق نشان می دهد که مدل سه عامله F&F بر مدل RBM برتری دارد و ارتباط اندازه شرکت با بازده مورد انتظار شرکت مستقیم و نسبت ارزش دفتری به ارزش بازار با بازده مورد انتظار شرکت معکوس می باشد.
بانک مرکزی بی دست و پا
برآورد حجم اقتصاد زیرزمینی در ایران با استفاده از روش غیر مستقیم
منبع:
اقتصاد مالی سال ۳ پاییز ۱۳۸۸ شماره ۸
29-53
حوزه های تخصصی:
پدیده اقتصاد زیر زمینی که در چند دهه اخیر گسترش،و اهمیت فراوانی در کشورهای مختلف یافته است،پدیده جدیدی نیست و در همه نظامهای شناخته شده در جهان کم و بیش وجود دارد. هر چند ممکن است به صورت متفاوتی ظاهر شوند.داشتن اطلاعات از اندازه اقتصاد زیر زمینی برای بررسی اقتصاد زیر زمینی برای بررسی اثر بخشی سیاستهای پولی و مالی ،شکاف مالیاتی،فرار مالیاتی،رشد اقتصادی و توزیع درآمد بسیار مهم است.افزایش نرخ بیکاری،فرار مالیاتی و اختلاف زیاد بین وصول مالیاتها و ظرفیت مالیاتی،بدتر شدن توزیع درآمدی و کاهش درامد سرانه،اختلاف بین هزینه و درامد خانوارهای ایران شوهادی هستند که نشان می دهند حسابهای ملی ایران واقعیت اقتصادی را گزارش نمی کنند،اصلی ترین دلایل ان نیز گزارش یا ثبت نشدن و یا مشکلات در اندازه گیری برخی از فعالیتهای اقتصادی در ایران است.در این پژوهش به برآورد حجم اقتصاد زیر زمینی ایران با استفاده از روش تقاضای پول نقد در سالهای 1386-1352 می پردازیم.نتایج نشان می دهد که میانگین نسبت اقتصاد زیر زمینی به GDP در این دوره در حدود 20 درصد است،که نتیجه به دست امده تا حدودی شواهد موجود را تایید میکند.
ارائه مدل پیشبینی شاخص کل قیمت سهام با رویکرد شبکههای عصبی (مطالعه موردی: بورس اوراق بهادار تهران)(مقاله علمی وزارت علوم)
حوزه های تخصصی:
هدف تحقیق حاضر ارائه مدل پیشبینی شاخص قیمت سهام در بورس اوراق بهادار با استفاده از شبکههای عصبی مصنوعی است. بر این اساس، شاخص صنعت، شاخص مالی و شاخص بازده نقدی به صورت سالانه به عنوان متغیرهای ورودی (مستقل) طرح شد. برای ارزیابی مدل شبکه عصبی از طرح MLP با الگوریتم آموزش پس انتشار و مدل چند عاملی بهره گرفته شده است. نتایج نشان میدهد که مدل شبکه عصبی پیشنهادی، توانایی بالایی در پیشبینی شاخص قیمت سهام در بورس اوراق بهادار تهران را دارا میباشد. در پایان مقاله، بحث، نتیجه گیری، پیشنهادات کاربردی و نیز مواردی در خصوص ادامه و پیگیری تحقیقات مشابه در آینده بیان شده است.
بحران رفاه
روسیه و بحران مالی
حوزه های تخصصی:
نقش و جایگاه اطلاعات در بازار سرمایه
حوزه های تخصصی:
تحلیل آثار افزایش قیمت حاملهای انرژی بر صنعت فولاد ایران
منبع:
اقتصاد مالی سال ۳ زمستان ۱۳۸۸ شماره ۹
23-36
حوزه های تخصصی:
اصلاح قیمت حاملهای انرژی از حساسیت بالایی در اقتصاد کشور به خصوص بخش صنعت برخوردار است.صنعت فولاد از جمله صنایع انرژی بر،سرمایه بر و نیازمند تکنولوژی بالا می بتشد که سهم بالای انرژی در تولید ان(حدود 8 درصد) سبب می شود که افزایش قیمت حاملهای انرژی ،قیمت تمام شده تولید و فروش محصول را تحت تاثیر قرار دهد.لذا به علت وجود ارتباطات پسین و پیشین این صنعت با سایر صنایع،تغییر قیمت فولاد آثار مهمی بر سایر بخش های اقتصادی و صنعتی نیز خواهد داشت.نتایج این تحقیق نشان می دهد که در صورت افزایش قیمت حاملهای انرژی آثار مستقیم این سیاست بر هزینه تمام شده صنعت فولاد در هر سال به صورت مشروط قابل تحمل خواهد بود.دلیل مشروط بودن امر این است که اگر بسته سیاسی غیر قیمتی مانند اصلاح فرایند،بهبود تکنولوژی تولید و اصلاح الگوی مصرف انرژی در واحدهای صنعتی همزمان و به موازات سیاست قیمتی به کار گرفته نشود،به دلیل انباشت آثار تجمعی افزایش قیمت حاملهای انرژی ،احتمال ورشکستگی و تعطیلی واحدهای صنعتی کشور وجود دارد.
کمیسیون بورس و اوراق بهادار پاکستان ( SECP )
حوزه های تخصصی:
از جنس تورم ، از جنس رکود
حوزه های تخصصی: