درخت حوزه‌های تخصصی

مطالعات بسیاری به بررسی تأثیر متغیرهایی چون اندازه شرکت، افق پیش بینی سود، نسبت های اهرم مالی و سایر متغیرهای مؤثر بر دقت پیش بینی سود پرداخته اند. هدف این پژوهش، شناسایی عوامل مؤثر ارزیابی عملکرد (معیارهای مالی و غیرمالی) و بررسی تأثیر افشای آن ها بر صحت پیش بینی سود می باشد. معیارهای مالی شامل امتیاز افشای معیارهای مالی ارزیابی عملکرد از فرآیندهای داخلی، نوآوری و آموزش و رویکردهای محیطی و معیارهای غیرمالی شامل امتیاز افشای معیارهای غیرمالی ارزیابی عملکرد از دیدگاه سرمایه گذار، کارمندان، مشتریان، عرضه کنندگان و عملکرد اجتماعی حسب مورد خواهد بود. متغیرهایی چون واریانس بازده حقوق صاحبان سهام، رشد فروش، اندازه شرکت، ریسک سیستماتیک، نسبت بدهی، نقدینگی، رشد و سوددهی نیز مورد سنجش قرارگرفته اند. نمونة آماری این پژوهش شامل 118 شرکت پذیرفته شده در بورس تهران از سال 1391 تا سال 1393 می باشد. این پژوهش از جهت هدف، کاربردی و از نظر استنتاج توصیفی تحلیلی می باشد. در این پژوهش سطح افشای اطلاعات مربوط به ارزیابی عملکرد با استفاده از تحلیل محتوا از طریق جمله اندازه گیری می شود. نتایج نشان می دهد که میان افشای معیارهای مؤثر ارزیابی عملکرد و صحت پیش بینی سود و همچنین میان افشای معیارهای ارزیابی عملکرد غیرمالی و صحت پیش بینی سود رابطة معنادار وجود دارد.

در بازارهای سرمایه عامل های مختلفی در پیش بینی قیمت سهام موثر می باشد بنابراین سرمایه گذار جهت سرمایه گذاری سودآور با کمترین ریسک با چالش، تردید و خطا مواجه می باشد. در راستای کاهش هزینه و بالا بردن سود سرمایه گذاری، تعیین عاملهای تاثیر گذار و زمان مناسب جهت خرید و فروش از مهم ترین مسائلی است که هر سهام دار یا سرمایه گذار در بازار بورس بایستی به آن توجه ویژه داشته باشد. تاکنون روشهای مختلفی جهت نیل به این اهداف معرفی شده اند که اغلب روشهای آماری، هوشمند و ترکیبی هستند. الگوریتم پیشنهادی یک روش ترکیبی است که شامل دو بخش است بخش اول پیش پردازش و بخش دوم پیش بینی کننده است. در پیش پردازش سه فرآیند جاگذاری داده های غیر موجود، نرمالیزه کردن و انتخاب ویژگی به ترتیب انجام می شود. از آنجایی که تعداد ویژگی های بکار برده شده زیاد است از روش الگوریتم ژنتیک برای انتخاب ویژگی و کاهش ابعاد فضای ویژگی استفاده شده است. در بخش پیش بینی کننده، با توجه به قابلیت پیش بینی هوشمند شبکه عصبی - فازی، از این شبکه با دو ساختار ممدانی و سوگنو بعنوان پیش بینی کننده قیمت سهام بهره می بریم که قابلیت استخراج قواعد فازی بصورت خودکار دارد. آموزش پارامترهای مقدمه و نتیجه شبکه برپایه الگوریتم پس انتشار خطا (گرادیان نزولی) می باشد. الگوریتم پیشنهادی با استفاده از داده های 10 شرکت که هر کدام از آنها دارای 7 ویژگی می باشند، ارزیابی شده است. نتایج شبیه سازی نشان می دهد که با توجه به نوع شرکتها، ویژگیهای انتخابی و نوع ساختار شبکه عصبی فازی ترکیبی نتایج متفاوتی بدست می آید. با توجه به معیارهای مورد ارزیابی، نتایج به دست آمده برتری شبکه عصبی فازی ترکیبی را به شبکه عصبی فازی ساده نشان می دهد، اما بطور کلی پیش بینی کننده با ساختار سوگنو با الگوریتم ژنتیک دارای عملکرد بهتری نسبت به ساختار ممدانی دارد، چون تعداد پارامترهای آموزش ساختار سوگنو بیشتر است.

بسیاری از سیاستگذاران تأکید زیادی بر اهمیت و نقش مؤثر مقررات زدایی دارند. در این راستا صنعت بانکداری جمهوری اسلامی ایران، یکی از انواع مقررات زدایی بازارهای مالی را از سال 1379 تحت عنوان ورود بانکهای خصوصی داخلی تجربه کرده است. این تحقیق به بررسی اثر این سیاست بر عملکرد صنعت بانکداری با استفاده از آمارهای بانکی مربوط به دوره 1385-1376 میپردازد. ما در این مطالعه، عملکرد را با استفاده از کارآیی اقتصادی بانکها و بوسیله مدل تحلیل پوششی داده های تصادفی اندازه گیری میکنیم. هدف از تصادفی گرفتن مدل تحلیل پوششی داده ها آن است که علاوه بر ناکارآیی موجود در واحدهای مورد بررسی، خطاهای اندازه گیری، ثبت و تصریح در آمارهای مربوط به سیستم بانکی را نیز در نظر بگیریم تا بتوان نتایج دقیقتری بدست آورد. این مدل را با استفاده از نرم افزار GAMS محاسبه کردیم. در مرحله دوم از مدل داده های تابلویی به روش اثرات ثابت استفاده کرده تا کارآیی اندازه گیری شده را بر روی متغیر سیاستی ورود با استفاده از نرم افزارهای Eviews و Stata تخمین بزنیم. نتایج مطالعه نشان میدهد که متغیر ورود، اثر معناداری بر کارآیی اقتصادی بانکها نداشته است. به عبارت دیگر کارآیی اقتصادی بانکها نمیتواند براساس سیاست اصلاحی ورود از یکدیگر متمایز شود.

مقاله حاضر با توجه به مفهوم خطر اخلاقی در بیمه های درمان تلاش می کند تا چگونگی وضع انواع سیاست های بیمه ای در بخش درمان را با توجه به این مفهوم تبیین کند . سیاست های بیمه ای در هر خدمت درمانی ، در ارتباط مستقیم با شدت خطر اخلاقی در آن خدمت است و هر تلاشی برای وضع سیاست های بهینه بیمه ای و بهبود وضعیت بازار بیمه ‌،‌ لاجرم باید با شناختی کامل از این مفهوم و آثار وتبعات ناشی از آن صورت پذیرد . با توجه به این موضوع و اهمیت بخش درمان و منابع مالی محدود این بخش ، لزوم بحث جامع و قانع کننده درباره این مفهومی ضروری به نظر می رسد

یکی از ابزار های بسیار مؤثر برای پوشش ریسک حوادث فاجعه آمیز که به طور گسترده در جهان مورد استفاده قرار می گیرد اوراق قرضه فاجعه آمیز می باشد. هدف از این مقاله، تعیین نرخ بازده انتظاری بهینه ای برای این اوراق است که برای خریداران این اوراق جذابیت داشته باشد. بنابر این، با استفاده از داده های بیمه آتش سوزی در دوره زمانی (1388 - 1328) به بررسی رویکرد فراتر از آستانه برای اندازه گیری ارزش در معرض خطر اوراق بهادار فاجعه آمیز پرداخته شده است. مقدار آستانه u با استفاده از تقریب توانی نرمال انتخاب شده و تفاوت میان u و VaR بالاتر از آستانه به عنوان ریسک اوراق بهادار فاجعه آمیز انتخاب شده است. سپس با درنظرگرفتن فرصت های سرمایه گذاری آلترناتیو نظیر بورس اوراق بهادار تهران، طلا و املاک و مستغلات به تعیین نرخ بازده انتظاری بهینه این اوراق بهادار پرداخته شده است. ریسک هریک از فرصت های سرمایه گذاری فوق بر اساس مدل GARCH چندمتغیره محاسبه شده است. نتایج حاصل نشان می دهد که نرخ بازده انتظاری این اوراق می بایست حداقل برابر 32/29 درصد باشد.