عباس خندان

گسترده: معرفی: مدل بهینه سازی سبد سهام مارکویتز دارای نواقصی است که از مهمترین آنها فرض نرمال بودن بازده سهام در بازار است. نرمال بودن بازده سهام بازارها در بسیار از مطالعات رد و نشان داده شده که در این صورت دیگر میانگین شاخص خوبی برای بیشینه سازی نیست. میانگین تا حد زیادی تحت تأثیر مقادیر پرت با بازده خیلی بالا قرار دارد. مطالعات مختلف سه رویکرد متفاوت در مواجهه به این مشکل داشته اند. دسته اول بطور کلی این روش و نظریه مدرن پورتفو را کنار گذاشته و برای بهینه سازی پورتفولیو به استفاده از روش های الگوریتمی ابتکاری روی آورده اند. دسته دوم همچنان نظریه مدرن پورتفولیو را مهم و ارزشمند دانسته و آن را با تعدیلاتی به کار می گیرند. برخی تحت نظریه فرامدرن پورتفولیو بر ناکارایی واریانس به عنوان شاخصی از ریسک تمرکز داشته و شاخص های دیگری را به کار گرفته اند. برخی دیگر اما نه به اندازه گیری ریسک که به تغییرات شدید پورتفوی بهینه در نتیجه تغییر مقادیر ورودی از آمارهای گذشته و استفاده از آماره های استوار به جای استفاده از گشتاورها تمرکز کرده اند. و دسته سوم که صرفاً با استفاده از دیگر متغیرها و پارامترها در بهینه سازی به جای میانگین و واریانس، تلاش داشته اند از اشکالات مطرح شده اجتناب کنند. این مقاله در دسته سوم از مطالعات قرار داشته و به دنبال بکارگیری میانه به جای میانگین در بهینه سازی سبد سهام است. هدف اصلی مقاله مقایسه عملکرد مدل های بهینه سازی میانگین و میانه است.   متدولوژی: در این راستا پنج مدل های بیشینه سازی میانه در کنار شاخص های مختلف ریسک انحرافات مطلق (MAD)، ارزش در معرض ریسک (VaR)، متوسط ارزش در معرض ریسک (CVaR)، و حدأکثر زیان (ML) ارائه و برای بهینه سازی پورتفوی متشکل از داده های واقعی بیست شرکت بورسی ایران از ابتدای سال 2016 تا انتهای سال 2019 به کار گرفته شدند. شیوه کار به این صورت است که ابتدا هر یک از این مدل ها در بهینه سازی سبد برای دوره معین پنجاه روزه به کار گرفته شده و وزن های بهینه محاسبه می شوند، سپس این وزن ها برای دوره پنجاه روزه بعدی ثابت در نظر گرفته شده و پس از آن یک سبد دیگر محاسبه می شود. در نهایت مقادیر متوسط و توزیع چندک های بازده سبد های بهینه بدست آمده از این مدل های مختلف طبق این استراتژی با سه الگوی دیگر مدل بهینه سازی میانگین بدون شاخصی از ریسک، مدل بهینه سازی میانگین با شاخص ارزش در معرض ریسک و مدل پورتفوی با وزن های یکسان (EqW) مقایسه شدند.   یافته ها: نتایج بدست آمده حاکی از عملکرد بهتر میانه از نظر بازده است. مدل بیشینه سازی میانه در بیشتر از 71 درصد موارد بازده های بالاتری کسب کرده و متوسط بازده سبد بهینه آن نیز بیشتر بوده است. این بدان معنی است که با بکارگیری میانه در بهینه سازی و انباشت دارایی در طی زمان ارزش سبد بیشتری بدست خواهد آمد. علاوه بر این، مشاهده شد که مدل بهینه سازی میانه از نظر متنوع سازی نیز عملکرد بسیار خوبی دارد. درجه متنوع سازی سبد در مدل های مختلفی که با قیود ریسک مختلف یا بدون آن بدست آمده نشان می دهد که بطور کل بهینه سازی میانه به جای میانگین سبد متنوع تری بدست خواهد داد. همچنین به واسطه بکارگیری شاخص های مختلف ریسک این امکان نیز فراهم شد تا عملکرد آن ها از منظر کنترل ریسک و متنوع سازی نیز مورد مقایسه قرار گیرد. طبق نتایج بدست آمده مشاهده شد که دو شاخص متوسط ارزش در معرض ریسک (CVaR) و انحرافات مطلق (MAD) در مقایسه با دیگر شاخص های ریسک از لحاظ کنترل ریسک در دامنه پایین توزیع یعنی مقادیر زیان و همچنین به لحاظ متنوع سازی عملکرد بسیار بهتری به همراه داشته اند.   نتیجه: یافته های این مقاله بطور کل نشان می دهند که میانه نسبت به میانگین و همچنین شاخص های ریسک متوسط ارزش در معرض ریسک (CVaR) و انحرافات مطلق (MAD) به لحاظ بیشینه سازی بازده، کنترل ریسک و متنوع سازی عملکرد بسیار بهتری به همراه داشته اند.

هدف: این مقاله به موضوع مهم گسترش پوشش بیمه بیکاری به مشاغل غیراستاندارد، خوداشتغالان و جوانان اختصاص دارد که مورد تأکید قانونی سازمان های بین المللی است. مرور آمار توصیفی نشان می دهد که در ایران در سال 1401 تنها حدود 7 درصد از بیکاران جویای کار تحت پوشش بیمه بیکاری قرار داشته اند، درحالی که نرخ پوشش بیمه بیکاری در کشورهای دیگر به ویژه در میان کشورهای توسعه یافته به مراتب بیشتر است.روش: به منظور امکان سنجی گسترش پوشش، ابتدا به دلیل حذف بسیاری از مشاغل از پوشش توسط قانونگذار استفاده می شود که عمدتاً نگرانی از بروز مشکل کژگزینی و کژمنشی ناشی از عدم تقارن اطلاعات است، سپس به صورت مروری به تلاش هایی پرداخته می شود که در اروپا برای گسترش پوشش بیمه بیکاری صورت گرفته اند.یافته ها: مرور تجربه اروپا در گسترش پوشش بیمه بیکاری نشان می دهد به دلایل ساختاری همچنان پوشش موثر پایین بوده و از این گذشته گسترش پوشش، بار مالی بسیار زیادی دارد. درواقع سیاست ها و اقدامات درون سیستمی برای گسترش پوشش بیمه بیکاری به این گروه ها موفق نبوده اند. در این راستا، برخی کشورهای اروپایی ناگزیر از بازار کمک گرفته اند و گسترش پوشش بیمه بیکاری به مشاغل غیراستاندارد، خوداشتغالی یا جوانان را به صورت مشارکت داوطلبانه فراهم آورده اند.نتیجه گیری: نتیجه مهم اینکه وقتی تعداد زیادی از کشورهای اروپایی باسابقه حدود صدسال در ارائه بیمه های بیکاری دولتی در گسترش پوشش بیمه بیکاری سنتی ناموفق بوده اند و ناگزیر بر انگیزه های شخصی و بازار تکیه می کنند، برای کشورهای درحال توسعه مانند ایران- که سابقه کمتری در اجرای بیمه بیکاری و توان و ظرفیت نهادی کمتری نیز برای نظارت و جلوگیری از کژمنشی و کژگزینی دارند، حتماً نیاز است بر مشارکت فردی و بازاری تکیه بیشتری داشته باشند، البته اگر تمایل به گسترش پوشش به مشاغل غیراستاندارد و خوداشتغالی دارند.

هدف: شناسایی و طبقه بندی مشتریان بیمه درمان به منظور شناسایی جامعه هدف و در نتیجه افزایش سودآوری شرکت های بیمه، ایجاد توازن در پرداختی حق بیمه و طراحی استراتژی بازاریابی. روش شناسی: در این مقاله از 5 الگوریتم یادگیری ماشین درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، بیز ساده و رگرسیون لجستیک به منظور طبقه بندی مشتریان به دو دسته سود ده و زیان ده استفاده شده است. به این منظور از داده ها و اطلاعات تعداد 2897 بیمه نامه درمان یک شرکت بیمه خصوصی در بازه زمانی آذر 1400 تا آذر 1401 استفاده شده است. یافته ها: این مقاله نشان می دهد که با استفاده از روش های یادگیری ماشین و ویژگی های ثبت شده از مشتریان در پرسشنامه سلامت می توان سود ده یا زیانده بودن آن ها را تا حدود مناسبی پیش بینی کرد. این مقاله نشان می دهد که تمرکز بر روی جامعه هدف معرفی شده توسط مدل شانس موفقیت و افزایش سود را به مقدار چشم گیری افزایش می دهد. نتیجه گیری: می توان با استفاده از روش های یادگیری ماشین به درک مناسبی از مشخصه های مشتریان بیمه درمان و نیاز های آنها رسید. پیدا کردن جامعه هدف علاوه بر این که به افزایش سود شرکت بیمه منجر می شود می تواند با تمرکز بر خواسته های مشتریان به افزایش رضایتمندی آن ها نیز منجر شود.

هدف: این مقاله در نظر دارد تا با تجزیه و تحلیل داده های مرتبط با نیروی کار یک فروشگاه های زنجیره به پیش بینی ترک شغل نیروها و بررسی عوامل فردی و سازمانی (شغلی) موثر بپردازد.  روش شناسی: تعداد 17542رکورد اطلاعاتی منحصر به فرد شامل اطلاعات وضعیت فعالیت فرد (ادامه فعالیت یا ترک شغل) و 12 مشخصه فردی و شغلی در بازه زمانی آبان 1398 الی 1401 بکار گرفته شد و سپس به روش داده کاوی و با استفاده از الگوریتم های یادگیری ماشین درخت تصمیم و ماشین بردار پشتیبان (SVM) به پیش بینی ترک شغل نیروی کار در این فروشگاه زنجیره ای بصورت پایلوت در سراسر کشور پرداخته شد. یافته ها: نتایج بدست آمده نشان دادند که ویژگی ها و مشخصه های شغلی تأثیر بیشتری بر ترک شغل دارند. بطور مشخص، از بین ویژگی های مختلف تعداد جابجایی نیروها، سمت سازمانی (صف یا ستادی)، سنوات خدمت و ساعت کار بیشترین اهمیت و تأثیرگذاری را بر ترک شغل دارند. از میان مشخصه های فردی نیز مشاهده شد که ترک شغل در میان جوانان و افراد کمتر از 30 سال سن بیشتر است. بر اساس این ویژگی ها، مدل های ماشین بردار پشتیبان (SVM) با دقت 91 درصد و امتیاز-F1 بالای 90 درصد و الگوریتم درخت تصمیم نیز با دقت 83 درصد و امتیاز-F1 به همین اندازه از عملکرد مناسبی در دسته بندی و پیش بینی موارد ترک شغل برخوردار شدند. نتیجه گیری: می توان بر اساس مشخصه های فردی و شغلی و با استفاده از روش های داده کاوی و یادگیری ماشینی سیاست هایی در جهت حفظ و نگه داشت منابع انسانی تنظیم کرد که موجب کاهش هزینه ها و همچنین حفظ مزیت های رقابتی و پیشرفت و توسعه بنگاه خواهد شد.

توازن نقدی صندوق های بازنشستگی که بر تعادل بین منابع و مصارف تأکید دارد، یکی از اصول بنیادین حاکم بر نظام های تأمین اجتماعی است. ازجمله موارد اثرگذار بر منابع و مصارف سازمان تأمین اجتماعی تغییرات حدأقل مزد مشمولین قوانین کار و تأمین اجتماعی است که در اجرای ماده 41 قانون کار، همه ساله توسط شورای عالی کار تعیین و به عنوان موضوعی چالشی و مورد اختلاف میان اتحادیه های کارگری، کارفرمایان و مراجع قانونگذار است. افزایش حداقل دستمزد هم منابع حاصل از دریافت حق بیمه سازمان تأمین اجتماعی را افزایش داده و هم موجب افزایش مصارف این سازمان می شود و همیشه این پرسش مطرح بوده که در نهایت تغییرات حدأقل دستمزد چه تأثیری بر توازن نقدی این سازمان دارد. باتوجه به اهمیت موضوع، این مقاله به بررسی اثر افزایش حداقل دستمزد بر منابع حق بیمه، مصارف مستمری، و توازن نقدی صندوق تأمین اجتماعی در طی بازه ی سال های 1340 تا 1401 پرداخته و برای این منظور از مدل اقتصادسنجی سری زمانی خودرگرسیون با وقفه های تأخیری (ARDL) استفاده شده است. نتایج بدست آمده نشان می دهند که افزایش 10 درصدی حداقل دستمزد، منابع حق بیمه سازمان را به میزان 25.6 درصد، مصارف مستمری سازمان را به میزان 23 درصد افزایش می دهد و بر این اساس می توان گفت که مازاد نقدی سازمان به میزان 2.6 درصد بهبود خواهد یافت. این نتیجه که از مقایسه و اختلاف دو ضریب بدست آمده بار دیگر با برآورد رابطه مستقیم بین افزایش حداقل دستمزد و توازن نقدی بررسی گردید و طبق نتایج بدست آمده مشخص شد که افزایش 10 درصدی حدأقل مزد توازن نقدی صندوق تأمین اجتماعی را 3.3 درصد افزایش خواهد داد که مؤید نتیجه قبلی است. در این مطالعه همچنین جمعیت بیمه شده، جمعیت مستمری بگیر (تعداد پرونده مستمری بگیری)، نسبت پشتیبانی، تولید ناخالص داخلی، و متغیرهای دامی تحریم و جنگ مؤثر شناخته شدند.

هدف این مقاله بررسی اثرات کلان اقتصادی شرایط موجود طرح های بازنشستگی در جامعه رو به سالمندی ایران بر اقتصاد کشور است. برای این منظور، از یک مدل تعادل عمومی پویا در قالب مدل نسل های همپوشان و اطلاعات سری های زمانی حساب های ملی از سال 1350 تا 1398 استفاده گردیده است. فرض ضمنی در این مطالعه آن است که سالخوردگی جمعیت توسط مکانیسم الگوهای مصرف، متغیرهای اقتصادی را تحت تأثیر قرار داده و الگوی مصرفی افراد در جوانی و سالمندی نیز متفاوت است و همچنین به دنبال تغییر الگوی مصرف در نسل های متفاوت، الگوی پس انداز افراد نیز متفاوت خواهد بود که به تبع آن، سرمایه گذاری و نرخ بهره نیز بین دو نسل یادشده، تحت تأثیر قرار خواهند گرفت. لذا در این مقاله، با در نظر گرفتن این پیش فرض، دو سناریو بررسی شده است. سناریوی عدم اصلاحات طرح های بازنشستگی و سناریوی اصلاحات طرح های بازنشستگی. سپس آثار شوک ناشی از تغییرات الگوی مصرف وارد شده بر متغیرهای کلان اقتصادی نظیر تغییرات الگوی پس انداز (به سبب تغییرات الگوی مصرف خانوار در دوران زندگی)، سرمایه گذاری، نرخ بهره، تولید ناخالص ملی سرانه و مخارج دولت در دو نظام تأمین اجتماعی توازن هزینه و درآمد (PAYG)، و نظام تأمین اجتماعی اندوخته گذاری کامل (FF) بررسی گردیده است. نتایج به دست آمده بیانگر این است که سالمندی جمعیت و عدم اجرای اصلاحات ساختاری طرح های بازنشستگی در جامعه، تولید ناخالص ملی سرانه را کاهش داده و منجر به کاهش در میزان پس انداز ملی سرانه نیز شده است. سناریوی دوم بیانگر این است که اجرای اصلاحات ساختاری، تولید ناخالص ملی سرانه را کمتر کاهش داده و منجر به افزایش پس انداز خواهد شد.

پوشش بیکاری از طریق بیمه های اجتماعی یکی از سیاست گذاری های عمومی به منظور کاهش پیامدهای اجتماعی معضل بیکاری است. با این وجود، اعطای مقرری های سخاوتمندانه برای یک مدت برقراری طولانی طبق نظریه جستجوی شغل می تواند تأثیری منفی بر انگیزه اشتغال مجدد بیکاران داشته و به طولانی شدن مدت بیکاری منجر شود. این مقاله با ترکیب داده های فصلی طرح آماری نیروی کار مرکز آمار ایران برای سال های 1397 تا 1401 به بررسی رابطه بین پوشش بیمه بیکاری و مدت بیکاری می پردازد. با استفاده از این مجموعه ترکیبی، تغییر این رابطه در نتیجه همه گیری کوید 19 نسبت به قبل ارزیابی می گردد. یافته های پژوهش بطور کل نشان دادند که زنان، مجردین، شهرنشینان، جوانان، افراد تحصیلکرده، افرادی که به دلایلی مثل پایین بودن درآمد، اخراج، بازنشستگی، یا بیماری ترک کار داشته اند، کارآموزان، کارکنان بخش دولتی، کارکن مستقل و مشاغل آزاد، افراد با سابقه کار پایین، و افرادی که در بخش خدمات در جستجوی شغل هستند، با ثبات سایر عوامل بطور متوسط مدت بیکاری طولانی تری را تجربه خواهند کرد. علاوه بر این، مشخص شد که در 8 استان از جمله سیستان و بلوچستان، بوشهر، سمنان، یزد، هرمزگان، البرز، آذربایجان شرقی و کرمان متوسط مدت بیکاری طولانی تر از تهران است. در خصوص سؤال اصلی پژوهش، نتایج بدست آمده مؤید یک رابطه مثبت بین بیمه بیکاری و مدت بیکاری است به گونه ای که مقرری بگیران بیکاری بطور متوسط 453/1 ماه مدت بیکاری طولانی تری دارند. نکته جالب توجه این که تأثیر پوشش بیمه بیکاری بر مدت بیکاری در دوران همه گیری به 651/2 ماه رسیده و حدود 198/1 ماه تشدید شده است.