کامبیز هژبر کیانی

هدف: یکی از ریسک های مهم پیش روی مؤسسه های مالی، ریسک اعتباری است که از احتمال قصور تسهیلات گیرنده در بازپرداخت تسهیلاتی یا بازپرداخت به موقع تسهیلات شکل می گیرد. یکی از نهادهای مالی بسیار مهم در اقتصاد ایران، صندوق ضمانت صادرات ایران است که به عنوان تنها مؤسسه بیمه اعتبار صادراتی رسمی ایران، کاملاً دولتی است و تمامی تعهدهای مربوط به پوشش های صندوق بر عهده دولت است. صندوق ضمانت صادرات ایران، به عنوان تنها صادرکننده ضمانت نامه های صادراتی در اقتصاد ایران، طی دهه اخیر حدود 8/15میلیارد دلار از طریق صدور انواع ضمانت نامه و بیمه نامه، ریسک پذیرفته است که بیشترین مبلغ خسارت آن، به ضمانت نامه های اعتباری صادره مربوط می شود. بر اساس آمار و مستندات موجود در صندوق ضمانت صادرات ایران، طی دوره ۱۳۸۷ تا ۱۳۹۷، این صندوق 7/6 میلیارد دلار ضمانت نامه صادر کرده است که بیشترین مبلغ خسارت (بیش از ۳۱۷ میلیون دلار)، مربوط به ضمانت نامه های اعتباری صادرشده به نفع اعتباردهندگان است. نظر به اهمیت این موضوع با دستیابی به یک الگوی بهینه برای اعتبارسنجی مشتریان ضمانت نامه های اعتباری صندوق ضمانت صادرات ایران، می توان ریسک اعتباری و به تبع آن، خسارات پرداختی صندوق را کاهش داد؛ به گونه ای که حتی اگر تنها ۱ درصد خسارت های صندوق کاهش یابد، حداقل سالانه بیش از ۱۳۳۰ میلیارد ریال از مجموع خسارات وارده به صندوق کاهش خواهد یافت. بدیهی است که با افزایش صدور ضمانت نامه های اعتباری صندوق، این رقم افزایش بیشتری نیز خواهد یافت. بر این اساس، هدف اصلی پژوهش، انتخاب بهترین روش برای تفکیک اشخاص خوش حساب از بدحساب، برای کاهش نکول اعتبارات اعطاشده صندوق ضمانت صادرات ایران است.روش: در این پژوهش تلاش شده است تا به کمک مدل شبکه عصبی مصنوعی، مدلی برای ارزیابی ریسک متقاضیان تسهیلات و ضمانت نامه ها از این صندوق طراحی شود که بیشترین قدرت پیش بینی احتمال نکول تسهیلات اعطایی را داشته باشد. برای این منظور، بر اساس داده های ۲۱۷۰ پرونده اعتبار اعطایی این صندوق، ۶۹ متغیر درون سازمانی و برون سازمانی انتخاب و اطلاعات آن جمع آوری شد و از میان آن ها ۶ متغیر در مدل نهایی شبکه عصبی استفاده شد که عبارت اند از: استان محل فعالیت اعتبار گیرنده، ذی نفع ضمانت نامه (بانک اعتباردهنده)، تعداد کارمند، نسبت جاری، نرخ سود واقعی و نرخ رشد اقتصادی.یافته ها: بر اساس مدل شبکه عصبی و با سه شیوه بیزین، لونبرگ و گرادیان مزدوج و با ۱ تا ۳۰ نرون در لایه پنهان، بهترین مدل ها استخراج شدند. بهترین مدل با کلیه متغیرهای مستقل (یعنی ۶۹ متغیر مستقل)، پیش بینی ای با ۹۶/۲ درصد دقت داشته است که از مدل اقتصادسنجی پروبیت بیشتر است.نتیجه گیری: بر اساس نتایج حاصل از این پژوهش، می توان ضمن تفکیک مشتریان خوش حساب از بدحساب و بر اساس رتبه اعتباری مشتریان، میزان وثایق اخذشده از مشتریان را متناسب با وضعیت اعتباری گروه های اعتباری تنظیم کرد؛ بدین معنا که چنانچه مشتری جزء مشتریان خوش حساب و با رتبه اعتباری خوب باشد، می توان وثایق کمتری از ایشان گرفت و اگر مشتری ریسک اعتباری بالاتری داشته باشد، متناسب با آن، وثایق بیشتری را به عنوان تضمین تعهد بازپرداخت درخواست کرد. در این صورت، ضمن اندازه گیری ریسک اعتباری و تفکیک مشتریان، می توان به مدیریت بهینه ریسک و پرتفوی اعتباری صندوق ضمانت صادرات ایران اقدام کرد.

با توجه به اهمیت بخش صنعت و حجم بالای فعالیت های اقتصادی بخش خدمات  و نقش مهم سیاست پولی در این دو بخش و همچنین به دلیل اینکه اثرات تکانه های پولی در دوره های رکود با دوره های رونق یکسان نیست؛ لذا هدف اصلی در این پژوهش بررسی و آزمون آثار نامتقارن رشد حجم نقدینگی به عنوان نمانده سیاست پولی بر رشد ارزش افزوده بخش خدمات و صنایع ومعادن در کشورهای منتخب صادرکننده نفت می باشد. برای این منظور از روش گشتاورهای تعمیم یافته (Panel GMM) برای دوره زمانی 2002 تا2020 استفاده شده است. نتایج نشان می دهد که وجود عدم تقارن در تکانه های مثبت و منفی در بخش صنایع ومعادن مورد تأیید قرار نگرفت و تکانه های مثبت و منفی به یک میزان بر رشد ارزش افزوده این بخش اثرگذار هستند و میزان اثرگذاری نیز به مقدار ناچیز می باشد. وجود عدم تقارن در تکانه های مثبت و منفی در بخش خدمات مورد تأیید قرار گرفت و اثرگذاری تکانه منفی بر کاهش رشد ارزش افزوده بخش خدمات بیش از اثرگذاری تکانه مثبت بر افزایش رشد ارزش افزوده بخش خدمات می باشد.  در واقع بخش صنایع ومعادن کشورهای منتخب در واکنش به سیاست های نامتقارن ضعیف عمل می کند اما بخش خدمات به دلیل گستردگی آن در این کشورها واکنش بهتری نسبت به تکانه های مثبت و منفی نشان می دهد.

سرمایه گذاری یکی از اجزای مهم تقاضای کل است که نقش بسیار تعیین کننده ای در رشد اقتصادی هر کشور ایفا می کند. لذا شناخت رفتار سرمایه گذاری مورد توجه اقتصاددانان و سیاستگذاران اقتصادی بوده است. یکی از عوامل مهمی که در تصمیم برای سرمایه گذاری چه در سرمایه گذاری داخلی و چه در سرمایه گذاری خارجی موثر است، وجود فضای امن و آنچه تحت عنوان بهبود فضای کسب و کار از آن تعبیر شده، می باشد. به نحوی که ارتقای رتبه کشورها در شاخص های بهبود فضای کسب و کار یکی از پیش زمینه های جذب سرمایه داخلی و خارجی و در نتیجه سرمایه گذاری محسوب می شود. تحقیق حاضر به دنبال بررسی اثر شاخص های بهبود فضای کسب و کار و تشکیل سرمایه ثابت ناخالص بر سرمایه گذاری خارجی است. بدین منظور بر اساس تقسیم بندی بانک جهانی چهار گروه کشور بر حسب میزان درآمد آنها اعم از کشورهای با درآمد پایین، با درآمد متوسط به پایین، با درآمد متوسط به بالا و با درآمد بالا در نظر گرفته شده و اثر متغیرهای تشکیل سرمایه ثابت ناخالص و شاخص های بهبود فضای کسب و کار بر سرمایه گذاری مستقیم خارجی با استفاده از مدل داده های ترکیبی مورد ارزیابی قرار گرفته است. نتیجه برآورد نشان می دهد سطح توسعه یافتگی کشورها و درآمد آنها بر میزان و جهت اثرگذاری تشکیل سرمایه ثابت ناخالص و شاخص های بهبود فضای کسب و کار تاثیر دارد. به نحوی که در کشورهای با درآمد پایین، متوسط به پایین و بالا اثر تشکیل سرمایه ثابت ناخالص بر سرمایه گذاری خارجی، مثبت و در کشورهای متوسط به بالا، این اثر منفی است. در ضمن اثر هر یک از شاخص های بهبود کسب و کار بر سرمایه گذاری خارجی بسته به سطح درآمد کشورها متفاوت است.

هدف اصلی این مقاله بررسی آثار برنامه های محرک مالی به صورت افزایش مخارج دولت و کاهش مالیات بر رشد اقتصادی در ایران است. برای این منظور در ابتدا شکاف تولیدی به عنوان متغیر انتقال بین رژیم ها تعریف و با استفاده از روش فیلتر هادریک- پرسکات برآورد و پایایی آن براساس نتایج آزمون دیکی- فولر تعمیم یافته تایید شده است. سپس با بکارگیری آزمون تی سی (1998) و داده های سال های 1338 الی 1391، ضمن بررسی غیرخطی بودن (آستانه ای بودن) آثار برنامه های مذکور و تایید آن، ارزش آستانه متغیر انتقال نیز به طور درونزا برآورد شده است. بدین ترتیب، براساس ارزش آستانه 00149/0- برای متغیر انتقال، دو رژیم شامل رژیم بالا (شکاف تولیدی بیشتر از 00149/0- ) و رژیم پایین (شکاف تولیدی کمتر از 00149/0- ) در نظر گرفته شده اند. در نهایت، برای بررسی کارایی برنامه های محرک مالی، الگوی خودرگرسیون برداری آستانه ای - با فرض امکان جابجایی بین دو رژیم و برابری واریانس جملات اختلال در دو رژیم- با استفاده از نرم افزار R برآورد و توابع عکس العمل آنی تعمیم یافته استخراج شده است. نتایج بیانگر آن است که در دو رژیم بالا و پایین ضریب فزاینده افزایش مخارج دولت و کاهش درآمدهای مالیاتی مثبت است. لیکن، ضریب فزاینده افزایش مخارج دولت در رژیم پایین بیشتر از رژیم بالا و ضریب فزاینده کاهش درآمدهای مالیاتی در رژیم بالا بیشتر از رژیم پایین است. براین اساس، ضرایب فزاینده برنامه های محرک مالی در ایران به تغییر رژیم براساس متغیر شکاف تولید وابسته است.

رشد اقتصادی مناسب و دستیابی به آن همواره به عنوان یکی از دغدغده های اساسی دولت ها بوده است. مطالعات جدید بیانگر تاثیر بالای سرمایه سلامت ،مخارج بهداشتی وآموزشی بر رشد اقتصادی است که با واردنمودن آن به توابع رشد می توان اثرات مستقیم وغیر مستقیم آن بر سطح بهره وری نیروی کار را اندازه گیری نمود.در این راستا پژوهش حاضر با توجه به اهمیت سرمایه انسانی و همچنین نقش استفاده از تمامی ظرفیت ها در استان ها، به بررسی تأثیر مخارج بهداشتی وسرمایه سلامت بر رشد اقتصادی ، در استان های ایران پرداخته است. مدل مورد استفاده در این مقاله ،مدل رشد درو نزای رومربا بکارگیری تکنیک داده های ترکیبی یعنی ترکیب داده های مقطی استان های ایران با سری زمانی دوره ی90-1379 می باشد.متغیرهای رشد مخارج سلامت خانوار ،رشد سرمایه سلامت ورشد هزینه های آموزشی خانوار در کناررشد سرمایه گذاری عمرانی دولت اثر مثبت بر رشد اقتصادی استان های کشور دارد لیکن تاثیر هزینه های بهداشتی بر رشد اقتصادی استانها بیشتر از هزینه های آموزشی بوده است.معنادار بودن ضرائب بیان کننده نقش مهم سلامت در رشد اقتصادی استانهای کشور است که افزایش هرینه ها وسطح سلامت استانها می تواند رشد اقتصادی کشور واستان ها را بهبود بخشد طبقه بندی O40;H52;H51:Jel واژه های کلیدی: رشد اقتصادی؛ مخارج بهداشتی ؛ سرمایه انسانی؛ مخارج آموزشی.

هدف اصلی این مقاله ارزیابی قدرت انحصاری براساس رویکرد تغییرات حدسی در 131 صنعت فعال در کد چهاررقمی ISIC در طی سال های 1390- 1374 می باشد. در این تحقیق از الگوی تعمیم یافته آزام و لوپز (2002) استفاده شده و معادلات عرضه و تقاضا با توجه به داده های پنل و روش حداقل مربعات دومرحله ای با اثرات ثابت (FE2SLS) برآورد شده است. نتایج پژوهش اولا دلالت بر آن دارد که در 91 درصد صنایع ایران، ضریب تغییرات حدسی بالا بوده، ثانیا در 88.4 درصد صنایع، قیمت بیش از هزینه نهایی بوده است. همچنین تفکیک اثرات تمرکز بر قیمت ستاده به دو بخش قدرت بازاری و کارایی هزینه، بیانگر آن است که در شکل گیری انحصار در بخش صنعت ایران، قدرت بازاری در مقایسه با کارایی هزینه نقش غالب و برجسته تر دارد.

این مقاله به بررسی اثر غیرخطی تورم بر رشد اقتصادی کشورهای ایران، الجزایر، عربستان و نیجریه می پردازد. تاکنون مطالعات زیادی در زمینه رشد اقتصادی صورت گرفته است که در آنها روش های برآورد متفاوتی استفاده شده است. متغیر وابسته این پژوهش، تولید ناخالص داخلی سرانه به عنوان شاخص رشد اقتصادی است و متغیرهای نرخ تورم، سرما یه گذاری، نیروی کار، درآمد حاصل از صادرات نفت و مخارج دولت به عنوان متغیرهای توضیحی استفاده گردیده اند. در مطالعه حاضر، با استفاده از الگوی خودبازگشتی با وقفه توزیعی غیرخطی (NARDL) با رویکرد کران، اثر نرخ تورم بر رشد اقتصادی کشورهای مورد بررسی به صورت نامتقارن بررسی شده است. در این پروژه تغییرات مثبت نرخ تورم با متغیر POS و تغییرات منفی نرخ تورم با متغیر NEG نشان داده شده است. بازه زمانی تحقیق 1990 تا 2019 و داده ها به صورت سالانه هستند. نتایج آزمون کران، نشان دهنده وجود رابطه بلندمدت میان متغیرهای تحقیق است. نتایج در مورد کشور ایران نشان می دهد که ضریب متغیر NEG منفی و معنی دار و ضریب متغیر POS بی معنی است. در مورد کشور الجزایر هر دو ضریب متغیرهای NEG و POS منفی و معنی دار است. برای کشور نیجریه، ضریب متغیر POS منفی و معنی دار، اما ضریب متغیر NEG بی معنی است. بنابراین برای هر سه کشور ایران، الجزایر و نیجریه اثر نرخ تورم بر رشد افتصادی منفی بوده و به دلیل متفاوت بودن ضرایب متغیرهای NEG و POS ، این اثرگذاری غیرخطی است. در مورد کشور عربستان، هر دو ضریب متغیرهای POS و NEG بی معنی هستند.

این پژوهش بدنبال طراحی و ارائه رویکردی جه بهبود نتایج پیش بینی بدست آمده از رویکردهای سنتی اقتصادسنجی با استفاده از روش های نوین مدل سازی است. مدل سازی خودرگرسیون هم انباشته میانگین متحرک (ARIMA، بعنوان یکی از گسترده ترین روش های پیش بینی سری های زمانی اقتصادی و مالی شناخته می شود، که رویکرد مناسبی بویژه برای پیش بینی های خطی کوتاه مدت سری های زمانی محسوب می شود. با این حال فرض وجود اثرات غیرخطی در سری های زمانی و ظهور الگوریتم های نوین مدل سازی بخصوص روش های یادگیری عمیق، که قابلیت استخراج ویژگی های پیچیده سری زمانی و مدل سازی آن را دارند، انگیزه ای برای محققین جهت بررسی و مقایسه قدرت پیش بینی رویکردهای سنتی و نوین مدل سازی گردیده است. در این پژوهش، دو روش برای پیش بینی قیمت چهار رمزارز، با بالاترین ارزش بازار مورد بررسی قرار می گیرد. روش مدل سازی (ARIMA) و سه رویکرد در حوزه یادگیری عمیق شامل (RNN، LSTMوGRU)، علاوه بر این یک رویکرد ترکیبی از مدل های یادگیری عمیق و ARIMA معرفی شده است که ترکیبی از نقاط قوت هر دو مدل برای افزایش دقت پیش بینی است. نتایج نشان می دهد مدل های ترکیبی ARIMA و یادگیری عمیق در پیش بینی مقادیر آتی سری زمانی نسبت به هر یک از مدل های ARIMA و یادگیری عمیق بصورت جداگانه، بهتر عمل می کنند. همچنین مدل ARIMA-GRU نسبت به تمام مدل های برآورد شده، مقادیر خطای پیش بینی کمتری دارد. طبقه بندی JEL : C22،C89،G17