رضا بهمنش

Investment in the stock market requires decision-making and access to infor-mation on the future of the stock market. Given the importance of predicting stock returns, the present study aimed to discover the variables and indices that could predict stock returns. The prediction of stock returns has long been a 'hot topic' in advanced countries. While effective steps have been taken in this regard, the accu-rate prediction of stock returns remains a problem due to numerous issues. In this study, an accurate, applicable, and effective model was proposed for the predic-tion of stock returns. The statistical sample included 138 active companies of Tehran Stock Exchange (TSE) during 2008-2017, which were selected by the systematic removal method. In total, 1,380 data years were selected for the re-search to evaluate the questions. Data analysis was performed using an adaptive neuro-fuzzy inference system (ANFIS), multi-gene genetic programming, and regression analysis. In addition, statistical tests were applied to evaluate the accu-racy of the model, implemented by MATLAB and GeneXproTools. According to the results, the hybrid metaheuristic method had a lower error rate compared to artificial neural network and regression analysis in terms of stock return predic-tion. Therefore, the proposed model could provide more accurate data within a shorter time to predict the stock market status since it makes predictions after selecting the most optimal input variables through ANFIS.

منابع انسانی در سازمان ها و مؤسسات، یکی از مزایای رقابتی سازمان ها تلقی می شوند و هرچه کارکنان جایگاه اجرایی بالاتری در سازمان ها داشته باشند، به همان میزان اهمیت نسبی مزیت رقابتی افزایش می یابد؛ به طوری که مدیران اجرایی، سرپرستان و کارکنان ارشد به ویژه در خطوط تولید، اهمیت خاصی برای صاحبان شرکت دارند. انتخاب سرپرستان شایسته و متعهد و همچنین حفظ آنها براساس تأمین رضایت ایشان در سیستم، یکی از مؤلفه های کلیدی در موفقیت سازمان هاست؛ بنابراین در این پژوهش، انتخاب کارکنان ارشد برای مدیریت ایستگاه های اصلی تولیدی، براساس شایستگی ایشان و همچنین تخصیص آنها به ایستگاه ها بنابر ترجیحات خود کارکنان مطالعه شده است. به این منظور، تعدادی از کارکنان به عنوان گزینه های بالقوه برای سرپرستی کاندید شدند و ترجیحات ایشان برای مدیریت چند ایستگاه تولیدی با رویکرد تاپسیس [i] محاسبه شد، سپس یک مدل برنامه ریزی عدد صحیح چندهدفه توسعه داده شد که علاوه بر انتخاب کارکنان از بین کاندیدها، با توجه به معیارهای شایستگی، منتخبان با توجه به ترجیحاتشان به ایستگاه ها تخصیص داده شوند. داده های موردنیاز از طریق پرسشنامه و مصاحبه با گزینه های بالقوه جمع آوری شده است. نتایج حاصل از حل مدل پیشنهادی نسبت به نتایج سنتی کنونی، مبتنی بر نظر مدیران و کارشناسان برتری دارد.   [i] Technique for Order Preference by Similarity to Ideal Solution (TOPSIS)

ماهیت فعالیت های تجاری و سرمایه گذاری به گونه ای است که کسب بازدهی مستلزم تحمل ریسک است. انتخاب سبد سهام عمل دشوار و سختی است که سرمایه گذار خود را در مقابل انتخاب زیاد و گوناگونی می بیند که باید یکی از آن ها را به عنوان بهترین روش انتخاب کند. پژوهش حاضر به مساله بهینه سازی سبد سهام با توجه به ارزش در معرض خطر  بر مبنای الگوریتم هوشمند آتش بازی و مقایسه آن با الگوریتم انبوه ذرات از روش شبیه سازی تاریخی با استفاده از نرم افزارMATLAB  می پردازد. تنظیم پارامترهای الگوریتم های فراابتکاری به روش تاگوچی با استفاده از نرم افزارMINITAB  انجام شد. در این پژوهش از اطلاعات سهام شرکت های پذیرفته شده در بورس اوراق بهادار که اطلاعات قیمت و بازده نقدی آن ها بین سال های  1396 تا شهریور 1399 ثبت شده است و مطابق ماده 141 قانون تجارت مشمول تعلیق نیستند، استفاده شد. جهت پایایی پژوهش از آزمون دیکی فولر تعمیم یافته و آزمون فیلیپس پرون استفاده شد. برای ارزیابی دقت مدل ارزش در معرض خطر از آزمون نسبت شکست کوپیک، آزمون استقلال کریستوفرسن و آزمون ترکیبی استفاده شده است. همچنین مقایسه ای نیز بین مدل ها توسط آزمون لوپز صورت گرفت. زمان اجرای الگوریتم انبوه ذرات نسبت به الگوریتم آتش بازی در هر سه سطح اطمینان کمتر بوده است اما سرعت همگرایی الگوریتم آتش بازی نسبت به الگوریتم انبوه ذرات در همه سطوح بیشتر بوده است. یافته های پژوهش نشان داد که مدل ارزش در معرض خطر با استفاده از الگوریتم آتش بازی علی رغم زمان اجرای بیشتر  به علت سرعت همگرایی بهتر و رتبه بالاتر آزمون لوپز از اعتبار مناسب تری جهت بهینه سازی سبد سهام برخوردار است. 

توسعه و مدیریت سرمایه انسانی از لحاظ تاثیر بر عملکرد سازمانی بسیار قابل اهمیت است، و جهت بهبود مستمر آن در سازمان لازم است ابتدا، عملکرد آن ارزیابی شود و فرآیندهای قابل بهبود، بدلیل کمبود منابع از حیث نیروی انسانی، زمانی، و تجهیزاتی اولویت بندی شوند. هدف این پژوهش، ارزیابی عملکرد فرآیندهای توسعه و مدیریت سرمایه انسانی طبق شاخصهای کلیدی عملکرد چارچوب طبقه بندی فرآیندهای مرکز الگوبرداری کیفیت و بهره وری آمریکا و سپس اولویت بندی فرآیندهای مذکور با تکنیک تحلیل اهمیت-عملکرد است. بدینمنظور شرکت پالایش نفت اصفهان برای مطالعه انتخاب شد. جهت پاسخ به سوالات تحقیق، وضعیت فرآیندها در میان بهترین صنایع جهان تعیین گردید. نقاط قوت و ضعف شرکت در فرآیندها شناسایی گردید. و در نهایت فرآیندها با میانگین امتیازات فازی شاخصهای مربوطه اندازه گیری شدند. علاوه بر اطلاعات امتیازات عملکرد، اهمیت فرآیندها نیز بوسیله پرسشنامه بسته اهمیت فرآیندها بر اساس طیف لیکرت گردآوری گردید. پایایی پرسشنامه با ضریب آلفای کرونباخ بیش از 0.7 مورد تایید قرار گرفت. نتایج حاکی از آن است که 10 فرآیند بعنوان فرآیندهای اولویت دار برای بهبود به ترتیب ذیل تعیین شدند : مدیریت عملکرد کارمند، مدیریت روابط کارمند، مدیریت توجیه و استقرار کارکنان، توسعه و مدیریت ارزشیابی کارمند، پرورش و آموزش کارکنان، مدیریت ارتباط متقابل کارکنان، مدیریت سیستمهای اطلاعاتی منابع انسانی، مدیریت و نگهداری اطلاعات کارمند، مدیریت فرآیند بررسی درخواست کارمند، و توسعه و مدیریت حضور و غیاب.