سعید صدرزاده مقدم

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

این مقاله با رویکرد بهینه سازی دومرحله ای به برآورد تابع تقاضای انرژی در بخش صنعت و محاسبه کشش های جانشینی میان نهاده ها می پردازد. تخمین تقاضای انرژی در بخش های مختلف امکان تعیین سیاست های کلان انرژی را فراهم می کند. در این مطالعه در بخش اول با تخمین تابع تقاضای انرژی در بخش صنعت کشور به عنوان یکی از بخش های پرمصرف در زمینه انرژی، عوامل مؤثر بر این تقاضا شناسایی و در مرحله دوم با استفاه از تابع لاجیت و به روش رگرسیون معادلات به ظاهر نامرتبط به شناسایی اجزای تقاضای انرژی پرداخته و کشش های قیمتی و جانشینی میان این اجزاء محاسبه می شود.

ضرورت انجام مطالعات مکانیابی صنایع، یکی از کلیدیترین گام های تأسیس صنایع است، چرا که نتایج این تصمیم در درازمدت ظاهر شده و اثرات بسزایی از بعد اقتصادی، محیط زیست و مسائل اجتماعی دارد. کشور ایران با دارا بودن میادین عظیم نفتی، چهارمین تولیدکننده نفت در جهان است. کمبود ظرفیت پالایشی و تقاضای داخلی بالا برای فرآورده های نفتی، ایران را به واردکننده فرآورده های نفتی مانند بنزین تبدیل کرده است. ایجاد ظرفیت های جدید تولید فرآورده های نفتی بسیار بااهمیت و ضروری است که در این راه توسعه پالایشگاه های موجود و یا ایجاد ظرفیت جدید (احداث پالایشگاه نفت) از جمله راهکارهای پیش رو است. با توجه به هزینه های بسیار بالای احداث پالایشگاه و دولتی بودن صنعت نفت در کشور، در راه احداث پالایشگاه نفت، بایستی رویه ای را در پیش گرفت که هزینه های کل حداقل شود. بدین منظور تعیین بهترین و مناسب ترین مکان برای احداث یک پالایشگاه جدید از اهمیت ویژه ای برخوردار است. این مطالعه با استفاده از تلفیق سامانه اطلاعات جغرافیایی و مدل های اقتصاد سنجی تصادفی مانند لاجیت و پرابیت به دنبال تعیین مکان بهینه برای استقرار یک پالایشگاه نفت در محدوده جغرافیایی کشور است. در این مطالعه، معیارهای جغرافیایی مانند شیب و ارتفاع زمین در بخش سامانه اطلاعات جغرافیایی بکار گرفته شده اند. سپس کلیه نواحی مورد بررسی قرار گرفته و نواحی دارای شرایط اولیه جغرافیایی غربالگری گردیده اند. در نهایت با استفاده از مدل های لاجیت و پرابیت نواحی مورد بررسی با توجه به معیارهای اقتصادی بررسی و رتبه بندی نهایی صورت گرفته است.