درخت حوزه‌های تخصصی

در صنعت بانکداری امروز وامها نقشی اساسی دارند، به طوریکه بخش زیادی از دارائیهای یک بانک از وامهای پرداخت شده به افراد و شرکتها تشکیل می شود، در نتیجه با توجه به افزایش تعداد درخواستهای وام از سوی افراد و با توجه به ریسک موجود در این رشته از فعالیتها، ارایه روشی برای مدیریت این وامها ضروری به نظر می رسد. در بین ریسک هایی که بانک با آن مواجه است، ریسک اعتباری از اهمیت ویژه ای برخوردار است. یکی از راه های کمی سازی و اندازه گیری ریسک اعتباری و در نتیجه مدیریت مناسب آن، استفاده از مدل های امتیازدهی اعتباری (CS) است. مدل CSبر اساس معیارهای کمی (مانند اطلاعات مالی افراد) و نیز معیارهای غیرکمی (مثل مشخصات مربوط به شخصیت اجتماعی افراد)، ویژگی ها و عملکرد وام های قبلی را مدل سازی می نماید تا عملکرد آتی وام هایی با مشخصات مشابه را پیش بینی کند. در CS یک نمره به هر مشتری اختصاص داده می شود، این نمره به عنوان شاخصی از ریسک مشتریان شناخته می شود. با مقایسه این نمره مقدار آستانه، مشتریان پر ریسک و کم ریسک از هم دیگر تفکیک میگردند. به رغم عمومیت استفاده از روش لاجیت در فرآیند اعتبار سنجی افراد، در این تحقیق سعی شده است روشی جایگزین که با توجه به وضعیت اطلاعات موجود در خصوص مشتریان حقیقی بانک ها در ایران که نسبت به مدل لاجیت برتری داشته باشد ارایه و با استفاده از یک مجموعه داده، کارایی و دقت آن در مقابل مدل لاجیت بررسی شود. به منظور ارزیابی مشتریان حقیقی بانک از مدل امتیازدهی لاجیت و روش غیر پارامتریک CART استفاده شده و نتایج نشان می دهد که روش دوم از دقت بالاتری در پیش بینی مشتریان خوب و بد با یک دیگر برخوردار است. علاوه براین، ضمن این که مدل های ساخته شده برای نمونه های تصادفی با حجم کوچک به روش نمونه گیری بازگردان نیز مورد ارزیابی قرار گرفتتند که، بار دیگر نتایج حاصل از مشاهدات نمونه مورد مطالعه دقت در تشخیص نوع مشتری از نظر خوش حسابی تاییید گردید.

پیش بینی روند تورم برای تنظیم سیاست اقتصادی از اهمیت به سزایی برخوردار است. این نیاز موجب توجه جدی به کاربرد مدل های مختلف برای پیش بینی نرخ تورم شده است؛ و بدین منظور مدل های پیش بینی گوناگونی در رقابت با یکدیگر توسعه یافته اند. در این مقاله شبکه های عصبی مصنوعی پویا برای پیش بینی نرخ تورم به صورت شبکه های چند لایه و با استفاده از داده های متغیرهای مورد نیاز طی دوره 86-1338 و بر اساس دیدگاه تورم سری زمانی به کمک الگوریتم های مختلفی از روش آموزش پس انتشار خطا طراحی شده اند. ارزیابی شبکه های طراحی شده برای تعیین بهترین شبکه، بر مبنای مقدار خطای پیش بینی انجام گردیده است. یافته های تحقیق نشان داد که بهترین شبکه ها، شبکه هایی هستند که با الگوریتم یادگیری لونبرگ - مارکوارت آموزش داده شوند؛ توابع فعال ساز لایه میانی آنها غیر خطی و توابع فعال ساز لایه ی خروجی آنها خطی باشد و تعداد نرون های هر لایه آنها به صورت بهینه انتخاب شود. با توجه به این شبکه، نرخ تورم در دوره 91-1387 از 21.99 تا 10.59 درصد پیش بینی می شود

در إین مقاله با استفاده از اطلاعات سرى زمانى قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینى قیمت سهام و نیر ارائه مدل بهینه پرداخته مى شود. روشهاى پیش بینى مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: ر و شهاى پیش بینى براساس مدلهاى خطى (کوتاه مدت و بلندمدت)، روشهاى پیش بینى براساس مدلهاى غیرخطى (شبکه هاى عصبى غیرخطى) و مدل شبکه عصبى با ساختار پیشنهادى. در هر مورد نتایج به دست آمده رسم شده اند. با استفاده از پیش پردازش هاى اشاره شده، نشان داده مى شودکه قیمت و بازده سهام (در هر 6 سهم مربوط به صنابع مختلف) از نگاشهاى پیچیده غیر خطى و آشوبگرانه به وجود آمده اند و اساسآ استفاده از انواع مختلف روشهاى خطى صحیح نمى باشد. همچنین نشان داده مى شودکه استفاده از روشهاى غیرخطى شبکه هاى عصبى به خودى خود و به شکل متعارف بهبود قابل ملاحظه اى را به دنبال ندارد. با ارائه پیشنهاد ساختار جدید، مى توان قیمت و بازده را به خوبى در دو حالت پیش بینى روز بعد و پیش بینى سى روز بعد تخمین زد.

کاربرد ریاضیات دررشته اقتصاد نسبت به سایر رشته های علوم اجتماعی بسیار برجسته تر است. با وجودی که ابزار ریاضی برای درک بهتر و سریع تر اقتصاد،کمک شایانی به این علم میکند،در عین حال،عدم توجه به ملاحظاتی پیرامون جایگاه این ابزار و ورودی به محدوده افراط و تفریط در مورد آن موجب کاستن اعتبار آن می شود.این مقاله در صدداست به این گونه ملاحظات بپردازد. ابتدا بطورمختصر به طرح بحث اشاره می شود. سپس به تحولات موضوع و در بخش بعدی به مسائل و دشواریهای حوزه مربوطه پرداخته می شود. تاکید برچند نتیجه مهم بخش پایانی را تشکیل میدهد .

حوزه ی آبریز اترک در استان خراسان شمالی یک ناحیه ی کشاورزی است که اغلب کشاورزان آن برای آبیاری محصولات خود از منابع آب زیرزمینی استفاده می کنند. با کاهش بارندگی در سال های اخیر در این ناحیه، رقابت بین مصرف کنندگان شهری، کشاورزی و صنعتی برای کسب آب افزایش یافته است. در مطالعه حاضر به منظور مدیریت منابع آب زیر زمینی حوزه آبریز اترک از نظریه بازی کمک گرفته شد. میزان بهره برداری بهینه از منابع آب زیر زمینی برای 6 سناریوی مختلف برداشت آب، با استفاده از منحنی بهینه پارتو و چهار روش حل تضاد تعیین شد. نتایج نشان داد زمانی که به اهداف محیطی و اقتصادی وزن یکسانی داده شود بهترین سناریوی بهره برداری از منابع آب زیرزمینی بین 64 تا 117 میلیون متر مکعب در سال می باشد. در نهایت تصمیم گیری بهینه در بهره برداری از منابع آب زیر زمینی وابسته به اهمیت وزن های دو گروه هدف می باشد.

در این مقاله، سعی شده است با بهره گیری از آموزه های مکتب نیوکینزی، یک مدل تعادل عمومی پویای تصادفی برای اقتصاد ایران ساخته شود. در ساخت مدل، توجه خاصی به ویژگی وابستگی اقتصاد ایران به صادرات نفت شده است و نفت و درآمدهای حاصل از صادرات آن، هم به عنوان بخشی مجزا و هم، به صورت یکی از منابع تامین مالی بودجه دولت ظاهر شده است. مانند تمام مدلهای تعادل عمومی پویای تصادفی نیو کینزی، در این مدل نیز انعطاف ناپذیری های اسمی وجود دارد و رقابت انحصاری حاکم است. چهار شوک: بهره وری، درآمدهای نفتی، نرخ رشد حجم پول و مخارج دولت به عنوان منبع نوسانات ادوار تجاری در اقتصاد ایران در مدل تعریف شده اند. نتایج حاصل از حل و مقدار دهی( کالیبراسیون) مدل، حکایت از نزدیکی گشتاورهای متغیرهای حاضر در مدل و گشتاورهای داده های واقعی اقتصاد ایران دارد. همانند دنیای واقع، نتایج مدل ارائه شده نیز حکایت از نوسان بیشتر سرمایه گذاری خصوصی نسبت به تولید غیر نفتی و نوسان کمتر تولید غیر نفتی در مقایسه با مصرف خصوصی دارد. همچنین توابع عکس العمل آنی متغیرهای تولید غیر نفتی و تورم در برابر شوک ها نشان می دهد که مطابق با انتظارات تئوریک و مشاهدات دنیای واقعی، تولید غیر نفتی در برابر شوک های بهره وری، درآمدهای نفتی، نرخ رشد حجم پول و مخارج دولت افزایش می یابد. با ذکر این نکته که پس از گذشت چند دوره، اثر برون رانی مخارج دولتی سبب کاهش تولید غیر نفتی می شود. همچنین تورم در برابر تمام شوک ها به غیر از شوک بهره-وری افزایش یافته و از مقدار باثبات خود، دور می شود.

انتشار گازهای گلخانه ای از عوامل اصلی تغییر اقلیم محسوب می شوند. بررسی ابعاد اقتصادی انتشار گازهای گلخانه ای و آثار محیط زیستی آن، بویژه در شرایط کنونی که حجم گازهای گلخانه ای با روند صعودی در حال افزایش است، اهمیت فراوانی دارد. در این مقاله، رابطه انتشار مهمترین گاز گلخانه ای یعنی دی اکسید کربن و تولید ناخالص داخلی سرانه و مصرف انرژی ایران طی سال های 1370 تا 1387 با استفاده از منحنی محیط زیستی کوزنتس مورد بررسی قرار گرفته است. با توجه به این نکته که در این مطالعه نحوه ارتباط بین متغیرهای مستقل و وابسته دارای ابهام می باشد، از مدل رگرسیون فازی برای تخمین نوع ارتباط استفاده شده است، زیرا رگرسیون فازی بازه ای از مقادیر ممکن را برای متغیر خروجی تخمین می زند در حالی که رگرسیون کلاسیک تنها یک مقدار مشخص برای متغیر خروجی محاسبه می کند. نتایج بدست آمده از مدل رگرسیون فازی، حاکی از وجود یک الگوی کوزنتس ناقص در ایران است. بنابر نتایج بدست آمده، حداکثر میزان انتشار گاز دی اکسید کربن در سال 1387 معادل 269000 کیلوتن و حداقل میزان انتشار آن 204000 کیلوتن می باشد. آگاهی از حدود انتشار گاز دی اکسید کربن می تواند در سیاست های کلی و کلان مدیریت انتشار گازهای گلخانه ای، رهنمون های مفیدی ارائه دهد.

بازارهای مالی برای این که بتوانند به نحو مناسب عمل نمایند و از عهده جذب سرمایه افراد و تخصیص بهینه منابع مالی برآیند، باید کارا باشند. علاوه براین، اهمیت و جایگاه اطلاعات و تحقیقات مالی و حسابداری در حوزه بورس اوراق بهادار می تواند تحت تاثیر کارایی بازار مذکور قرار گیرد. اما شرط لازم برای کارایی بازار، انعکاس سریع و کامل اطلاعات جدید در قیمت اوراق بهادار میباشد. بنابراین در این تحقیق شبه تجربی، سرعت تعدیل اطلاعات در قیمتهای سهام با استفاده از ضریب تعدیل قیمت که سرعت ۱۳۷۸ ، مورد بررسی قرار گرفته است. - و میزان انعکاس اطلاعات جدید در قیمتها را ارزیابی میکند و در دوره زمانی سالهای ۱۳۸۴ نتایج تحقیق نشان دهنده انعکاس اطلاعات جدید به کندی در قیمت سهام شرکت های پذیرفته شده در بورس تهران در دوره مورد مطالعه میباشد. حداقل زمان لازم برای انعکاس کامل اطلاعات در قیمتهای سهام ۱۷ روز کاری میباشد

دقت پیش بینی از مهمترین عوامل مؤثر در انتخاب روش پیش بینی است. امروزه به رغم وجود روشهای متعدد پیش بینی، هنوز پیش بینی دقیق مالی کار چندان ساده ای نبوده و اکثر محققان درصدد بکارگیری و ترکیب روشهای متفاوت به منظور حصول نتایج دقیق تر می باشند. در حالت کلی انتخاب مؤثرترین روش به منظور پیش بینی، کار بسیار دشواری می باشد. بسیاری از محققان روشهای خطی و غیرخطی را به منظور حصول نتایج دقیق تر با یکدیگر ترکیب کرده اند چرا که اولاً در عمل تعیین خطی و غیرخطی بودن یک سری زمانی کار دشواری است ثانیاً سریهای زمانی دنیای واقع بندرت کاملاً خطی و یا غیرخطی هستند. مدلهای خودرگرسیون میانگین متحرک انباشته (ARIMA) و شبکه های عصبی مصنوعی(ANNs) به ترتیب از جمله دقیق ترین مدلهای خطی و غیرخطی در پیش بینی سریهای زمانی می باشند. در این مقاله به منظور بهره گیری از مزایای منحصر به فرد هر یک از روشهای مدل سازی خطی و غیرخطی و حصول نتایج دقیقتر، روش ترکیبی مدل های خودرگرسیون میانگین متحرک انباشتهو شبکه های عصبی مصنوعی به منظور پیش بینی های مالی پیشنهاد شده اند. مقایسه نتایج حاصله بیانگر آنست که مدل تلفیقی نسبت به مدلهای اریما (ARIMA) و شبکه های پرسپترون چندلایه (MLP) نتایج دقیقتری در پیش بینی نرخ ارز(یورو در مقابل ریال) ارائه نموده است.

پیش‎بینی تورم به عنوان یکی از الزامات سیاست‎گذاری پولی در کشورهایی تبدیل شده است که مقامات پولی آن‎ها سیاست هدف‎گذاری تورم را تعقیب می کنند. چرا که به واسطه استقلال بانک مرکزی از سویی و واگذاری سیاست‎گذاری پولی به این نهاد و از سویی دیگر به واسطه این‎که به‎طور عمده سیاست‎گذاری پولی با وقفه بر روی تورم تاثیرگذار است، لذا مقام پولی می‎بایستی تصویر مناسبی نسبت به تورم آینده داشته باشد، تا با سیاست‎گذاری از قبل بتواند در مسیر هدف‎گذاری انجام رفته حرکت کند. در این بین، به‎واسطه محدودیت‎هایی که مدل‎های منفرد پیش‎بینی تورم به همراه دارند، از مدل‎های مختلفی در پیش‎بینی تورم استفاده می‎شود، که هر یک از جهاتی نسبت به دیگر مدل‎ها دارای نقاط قوت و ضعفی هستند. یکی از راه های استفاده از تمامی اطلاعات موجود در پیش بینی تورم، ترکیب مدل‎های مختلف پیش بینی است، که در گزارش حاضر از رویکرد ابتکاری الگوریتم ژنتیک، به منظور ترکیب نتایج پیش بینی تورم شش مدل برای چهار فصل سال 1386 استفاده شده است.

ایجاد ظرفیتهای جدید و بکارگیری پتانسیل های موجود تولید، منشا تقاضا برای نیروی کار است. در اقتصاد ایران ظرفیتهای مازاد در بخشهای مختلف کالاها و خدمات به دلیل محدودیت بازارها امری شایع است. افزایش تقاضای نهایی و تشکیل سرمایه، بازتابی از تقاضای داخلی و خالص صادرات و نشان دهنده تقاضای خارجی برای رشد ستانده و در نتیجه اشتغال است. این مقاله سعی دارد با بکارگیری شاخصهای مختلف در چارچوب جدول داده-ستانده 1380، پتانسیل های تولیدی و اشتغالزایی اقتصاد ایران را در قالب ده بخش رتبه بندی نماید. در رتبه بندی ظرفیتهای بالقوه ستانده و اشتغال بخشها، از شاخصهای پیوند پیشین، پسین و کشش داده ستانده استفاده می شود. یافته ها نشان می دهد که الزاما سیاستهای رشد محور نمی توانند اشتغالزا باشند؛ زیرا در تمام موارد، کششهای اشتغال کمتر از کششهای تولیدی است. در میان بخشهای اقتصاد ایران، صنعت، کشاورزی و ساختمان از جمله بخشهایی هستند که می توانند در فراهم ساختن فرصتهای شغلی کلیدی باشند.

زمانبندی معاملات سهام مساله ای بسیار مهم و مشکل به دلیل پیچیدگی بازار سهام است. آنچه اهمیت دارد پیش بینی روند قیمت سهام است که هدف اصلی در مباحث تحلیل تکنیکی است. گرچه این امر به دلیل دخالت عوامل متعدد بازار و روابط بین آنها چندان آسان نیست. به نظر می رسد استفاده از ابزارها و الگوریتمهای محاسباتی پیچیده تر مانند شبکه های عصبی مصنوعی در مدلسازی فرآیندهای غیر خطی که منتج به قیمت و روند سهام می شوند، می تواند بسیار مفید باشد. در این پژوهش قابلیت شبکه های عصبی مصنوعی (ANN) برای ارتقای اثربخشی شاخصهای تحلیل تکنیکی در پیش بینی علائم روند قیمت سهام بررسی شده است. نتایج حاصل از مدلها، بر اساس نمونه ای شامل 50 شرکت از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، نشان داد که شبکه های عصبی مصنوعی از قابلیت پیش بینی علائم تغییر روند کوتاه مدت قیمت سهام در بازار اوراق بهادار تهران برخوردار است. در بازار صعودی پس از کسر هزینه های معاملاتی، تفاوت معنی داری بین بازده مدل شبکه های عصبی مصنوعی، روش خرید و نگهداری و پربازده ترین شاخصهای تکنیکی وجود ندارد. اما در بازار نزولی بازده مدل شبکه های عصبی مصنوعی از بازده روش خرید و نگهداری بیشتر است، هر چند در بازار نزولی شاخصهای روند (میانگین متحرک) بیشترین بازده را کسب نمودند.

در دنیای امروزه و با وقوع انقلاب تکنولوژی و فناوری اطلاعات، الگوی اقتصاد جهانی، تغییر اساسی کرد و دانش به عنوان مهمترین سرمایه، جایگزین سرمایه مالی و فیزیکی شده است. به همین منظور هدف این پژوهش بررسی تاثیر دارایی نامشهود و عملکرد مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. نمونه آماری پژوهش 103 شرکت به روش حذفی از بین شرکت های بورسی انتخاب شد. جهت اندازه گیری عملکرد مالی پنج معیار (سود خالص، درآمد کل، نرخ بازده سرمایه گذاری (ROA)، درآمد هر سهم و سود نقدی هر سهم) با توجه به پیشینه پژوهش انتخاب شده است. برای تجزیه و تحلیل آماری داده ها و آزمون فرضیه های پژوهش حاضر از آمار استنباطی ضریب همبستگی، مدل رگرسیون خطی چندگانه و تحلیل واریانس استفاده شده است. فرضیه های پژوهش در سطح هر صنعت و در سطح کل صنایع مورد بررسی قرار گرفت. با توجه به آزمون فرضیه اول، بین شناسایی دارایی نامشهود و سود خالص در صنایع خودرو و ساخت قطعات و فلزات رابطه معناداری وجود دارد، همچنین در سطح کل صنایع این فرضیه تایید شده است. نتایج فرضیه دوم بیانگر وجود رابطه معنی دار بین شناسایی دارایی نامشهود و درآمد کل در صنایع ماشین آلات و تجهیزات، خودرو و ساخت قطعات و فلزات و در سطح کل صنایع است. نتایج آزمون فرضیه سوم نشان دهنده وجود رابطه معنی دار بین شناسایی دارایی نامشهود و نرخ بازده سرمایه گذاری فقط در صنعت دارویی است و در سطح کل صنایع این فرضیه رد شده است. با توجه به آزمون فرضیه چهارم بین شناسایی دارایی نامشهود و درآمد هر سهم در صنایع الکتریکی و دارویی رابطه معنی داری وجود دارد ولی در سطح کل صنایع این فرضیه رد شده است. نتایج فرضیه پنجم بیانگر وجود رابطه معنی دار بین شناسایی دارایی نامشهود و سود نقدی هر سهم در صنایع الکتریکی و غذایی است ولی آزمون این فرضیه دال بر عدم وجود رابطه معنی دار در سطح کل صنایع است.

مدیران هر سازمان نقش بسیار مؤثری در موفقیت آن سازمان دارند و می توانند بسیاری از مشکلات موجود را رفع و یا از وقوع آن پیشگیری کنند. ازاینرو، هدف پژوهش حاضر، بررسی تاثیر توانایی مدیران بر اجتناب از مالیات وکیفیت گزارشگری مالی و اثر تعدیل کنندگی توانایی مدیران بر رابطه بین اجتناب از مالیات وکیفیت گزارشگری مالی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران است. نمونه آماری پژوهش شامل 120شرکت در بازده زمانی 1390-1396 است. برای اندازه گیری توانایی مدیران از تکنیک تحلیل پوششی داده ها به پیروی از مدل دمرجیان و همکاران (2012 ) و برای آزمون فرضیه های پژوهش از تحلیل آماری رگرسیون ترکیبی استفاده شده است. یافته های پژوهش نشان می دهد که بین توانایی مدیران و اجتناب از مالیات رابطه منفی ومعناداری وجود دارد و بین توانایی مدیران و کیفیت گزارشگری مالی رابطه مثبت ومعناداری وجود دارد. همچنین توانایی مدیران بر رابطه بین اجتناب از مالیات و کیفیت گزارشگری مالی تاثیر مثبت و معناداری دارد.

نقش ارتباطات سیاسی در شرکت ها، با شناخت این واقعیت که ارتباطات سیاسی، تصمیمات و نتایج شرکت ها را تحت تأثیر قرار می دهد، در ادبیات پژوهشی اخیر توجه قابل ملاحظه ای را به خود جلب کرده است. از این رو پژوهش حاضر باهدف بررسی تأثیر ارتباطات سیاسی بر رابطه بین انتخاب حسابرس و شفافیت اطلاعات حسابداری در شرکت های پذیرفته شده در بورس اوراق بهادار تهران صورت گرفته است. به این منظور اطلاعات 150 شرکت تولیدی پذیرفته شده در بورس اوراق بهادار تهران برای سال های 1389 الی 1395 بر اساس متغیرهای پژوهش استخراج و به کمک رگرسیون روش حداقل مربعات تعمیم یافته با رویکرد داده های تلفیقی مورد تجزیه وتحلیل قرار گرفتند. نتایج حاصل از آزمون فرضیه های پژوهش نشان داد انتخاب حسابرس بر شفافیت اطلاعات حسابداری تأثیر مثبت دارد. همچنین نتایج نشان داد ارتباطات سیاسی اندازه گیری شده به وسیله پرداختی به دولت بر رابطه بین انتخاب حسابرس و شفافیت اطلاعات حسابداری تأثیر منفی دارد و ارتباطات سیاسی اندازه گیری شده به وسیله مالکیت دولتی بر رابطه بین انتخاب حسابرس و شفافیت اطلاعات حسابداری تأثیر مثبت دارد.