کیومرث آقایی

نرخ ارز به عنوان معیار ارزش برابری پول ملی یک کشور در برابر کشورهای دیگر، منعکس کننده وضعیت اقتصادی آن کشور در مقایسه با شرایط سایر کشورهاست. نرخ ارز متغیری است که می تواند عملکرد اقتصاد و متغیرهای اقتصادی را تحت تاثیر قرار دهد. یکی از مسائل مهمی که در زمینه نرخ ارز ، به ویژه در کشورهای توسعه نیافته و در حال توسعه موضوع مورد تحقیق بوده و هست، مساله تاثیر نرخ ارز بر متغیرهای کلان اقتصادی می باشد. این مطالعه، منابع نوسانات کلان اقتصادی در ایران را با تاکید بر نقش نرخ ارز واقعی و ارتباط بین نرخ واقعی ارز و متغیرهای کلان اقتصادی در چار چوب یک الگوی بردار خود رگرسیونی ساختاری) SVAR ( و الگوی تجزیه واریانس ساختاری بررسی می کند. نتایج نشان می دهد منابع اصلی نوسانات نرخ واقعی ارز در ایران بیشتر از شوکهای پولی و شوکهای قیمتی نفت مشتق می شود. با این اوصاف ، اختلالات پولی و قیمت نفت در ایران بر تحرکات نرخ واقعی ارز تاثیر می گذارد که این نتیجه نشان می دهد که سیاستهای پولی در ایران باید با احتیاط بیشتر اجرا شود. همچنین نتایج نشان می دهد که قسمت اعظم نوسانات درآمدی در ایران به خاطر شوکهای قیمتی، قیمت نفت، پولی و عرضه می باشد؛ که این امر نشان می دهد که تنوع اقتصادی ، بهبود زیر ساختها و سرمایه گذاری ، ثبات قیمتها و جلوگیری از نوسانات پولی و جلوگیری از عرضه بی رویه پول در جامعه می تواند باعث جلوگیری از نوسانات تولید ملی ، شکوفایی و رشد اقتصادی شود.

آزاد سازی تجارت، که براساس شاخص درجه باز بودن اقتصاد1 از عوامل مؤثری است که می تواند در بحث تجارت خارجی و افزایش آن مؤثر باشد. به طوری که در مسیر حرکت اقتصاد امروز جهان، رشد اقتصادی در صورتی می تواند مداوم تلقی گردد که کشورها بتوانند فعالیت های دارای ارزش افزوده بالاتر و جدیدتر را گسترش و توسعه دهند و از این طریق سهم مناسبی در بازارهای جهانی به دست آورند. در این صورت سرمایه گذاری مستقیم خارجی همراه تولید بین المللی و جهانی و توسعه تجارت بین الملل می?تواند نقش مؤثری ایفا ، و تأثیرات مهمی ایجاد نماید. در این مقاله تأثیر آزاد سازی تجاری کشورهای عضو OIC بر سرمایه گذاری مستقیم خارجی (FDI) مورد تحلیل و برآورد قرار می گیرد که نتایج حاصل از روش داده های تابلویی2 تأثیر مناسبی از باز بودن اقتصاد را بر FDI نشان می دهد.

یکی از عوامل موثر در حرکت به سمت توسعه پایدار، توسعه سیستم های انرژی کم هزینه، مطمئن و سازگار با محیط زیست است. نیل به این اهداف، به نوآوری در فن آوری های بخش انرژی و ظهور فن آوری های جدید سازگار با محیط زیست نیازمند است. فرآیند یادگیری فنی و مفهوم منحنی یادگیری، می تواند مبنای مناسبی برای تحلیل تغییرات فنی در بخش انرژی باشد. هدف این مطالعه، بررسی تاثیر یادگیری فنی بر سهم و جایگاه انرژی های تجدید پذیر، به ویژه انرژی بادی و خورشیدی در تولید برق کشور در شرایط یارانه ای بودن قیمت های انرژی و در صورت حذف یارانه هاست. در این راستا، بخش برق کشور در قالب یک «سیستم مرجع انرژی» و با استفاده از مدل برنامه ریزی انرژی «مارکال»، مدل سازی شده است. نتایج اجرای مدل نشان می دهد که اگر چه یادگیری فنی تاثیر چشم گیر و قابل ملاحظه ای بر سهم فن آوری های انرژی تجدید پذیر در صنعت برق ایران دارد، اما اختلالات قیمتی ناشی از دخالت دولت در مکانیزم قیمت گذاری سبب می شود علی رغم فرض وجود یادگیری، فنی هم چنان فن آوری های تجدید پذیر، فاقد توان رقابت با سایر فن آوری های رایج در بازار باشند.

براساس تقسیم بندی سالنامه و ترازنامه ی بانک مرکزی و نیز گروه های دو رقمی جدول ISIC، صادرات غیرنفتی شامل دو بخش، صادرات صنعتی و صادرات مواد اولیه و محصولات کشاورزی است. بررسی روند سهم هرکدام از این بخش ها در صادرات غیرنفتی کشور، نشان از افزایش سهم کالاهای صنعتی در مقایسه با محصولات کشاورزی طی سال های اخیر بوده است که این امر می تواند ارزش افزوده ی بیشتر در کالاهای صادراتی کشور را به دنبال داشته باشد. با توجه به اهمیت موضوع، هدف از این مقاله بررسی سیاست های ارزی و رابطه ی مبادله ی درآمدی به عنوان مهمترین عوامل تاثیر گذار بر توسعه ی صادرات غیرنفتی هر بخش است. برای این منظور، ابتدا رابطه ی مبادله ی صادرات صنعتی و صادرات مواد اولیه و محصولات کشاورزی تعریف و محاسبه شده است، سپس در چارچوب یک الگوی پویا (ARDL) تاثیر سیاست های ارزی بر توسعه ی صادرات غیرنفتی شامل صادرات صنعتی و صادرات مواد اولیه بررسی شده است. نتایج حاصل از برآورد الگو نشان داد در بلندمدت و کوتاه مدت صادرات این بخش ها نسبت به تغییرات نرخ مبادله بیشتر از نرخ موثر ارز واکنش نشان می دهد.

در سال‎های اخیر مدل‎هایی برای تخمین کارآیی فنی تغییر پذیر در زمان پیشنهاد گردیده است. این مدل‎ها از نظر ویژگی و نتایج با یکدیگر تفاوت داشته و هر یک دارای خصوصیت‎های مربوط به خود می‎باشد. این مطالعه در فضای تولید مرزی به مقایسه و بررسی دو مدل "کارایی فنی متغیر در طول زمان" مطرح شده در ادبیات مرزی تصادفی، یعنی مدل کورنول، اشمیت، و سیکلز)1990، (CSS و مدل لی و اشمیت )1993،(LS می‎پردازد. سپس به‎منظور گسترش مدلLS و آزاد سازی فرض یکسان بودن روند زمانی برای تمامی واحدها، با معرفی مدل روند‎های زمانی با ویژگی گروهی واحد‎ها )2006،(GS، و با در نظر گیری فرم تابعی پارامتریک برای رفتار زمانی گروه‎ها در این مدل به تخمین پارامتر‎های اصلی مدل و پارامتر‎های اثر گذار هر گروه پرداخته می‎شود. مشاهدات مورد استفاده در این مطالعه درباره تمامی کارخانه‎های فعال سیمان در ایران (33 کارخانه) برای دوره‎ی زمانی 84-1375 می‎باشد. نتایج به‎دست آمده نشان می‎دهدکه برخلاف مشابهت‎ها تفاوت‎های اساسی میان مدل‎ها وجود دارد. در مجموع مدل GS به دلیل در نظر گیری تفکیک ویژگی‎های مشترک واحد‎ها به همراه روند زمانی خاص برای هر گروه نتایج دقیق‎تری را نسبت به سایر مدل‎ها به خود اختصاص داده است. این آزمون در زمینه ویژگی مقیاس ظرفیت واحدها و طبقه‎بندی در سه گروه واحدهای تولید بالای3000 تن، بین3000-1000 تن، و زیر1000 تن انجام گرفته است که متوسط کارایی برای گروه‎های اول، دوم، و سوم به ترتیب 81/0، 93/0 و 75/0را به همراه داشته است. چنین نتیجه‎ای برای دو مدلLS و CSS تنها به‎‎صورت جمعی برای تمامی واحد‎ها قابل دستیابی است، که به ترتیب ارقام متوسط 84/0و 76/0را ارایه می‎دهند. این یافته مهم را می‎توان برای کشش نهاده‎ها وکشش مقیاس به تفکیک گروه‎ها و یا تک تک واحد‎ها نیز مشاهده نمود، که درانجام سیاست گذاری‎های تعرفه‎ای نهاده‎ها درباره هر گروه اهمیت دارد.

صنعت فولاد به عنوان یک صنعت مادر از جایگاه ویژه ای در اکثر کشورها برخوردار است. میزان مصرف این محصول در صنایع زیربنایی، یکی از شاخص های توسعه در کشورهاست. این مقاله می کوشد روش شبکه های عصبی (ANN) را معرفی و کاربرد این روش را برای پیش بینی قیمت فولاد بررسی نماید. برای سنجش بهتر این روش، آن را با یکی از روش های معمول اقتصادسنجی یعنی روش خود رگرسیون میانگین متحرک انباشته (ARIMA) مقایسه می کنیم. برای شبکه های عصبی مصنوعی از شبکه ی پیشرو با آموزش پس انتشار خطا استفاده شده است و در ادامه بروز انواع مشکل برازش بیش از حد بررسی و راه های مقابله با آن عنوان می گردد. در روش شبکه ی عصبی، شبکه ای با معماری پنج گره در لایه ی ورودی، دو نرون در لایه ی میانی و یک نرون در لایه ی خروجی که دارای کمترین میانگین مربعات خطا بود، انتخاب گردید. در روش (ARIMA) نیز با توجه به متدولوژی باکس- جنکینز، مدل به صورت ARIMA(1،1،0) درآمد. در نهایت نتایج به دست آمده نشان می دهد که مدل شبکه ی عصبی بهتر از روش دیگر عمل می نماید و خطای پیش بینی آن از روش ARIMA بسیار کمتراست