حامد منصوری گرگری

امروزه به خاطر افزایش درخواست اعتبارات از بانک ها، مطالبات معوق بانک ها نیز بیشتر شده است. بنابراین، بانک ها برای کاهش مطالبات معوق و بالا بردن کارایی سیستم پولی خود، مجبور شده اند که از روش های گوناگونی همچون روش سنتی قضاوت شخصی و تحلیل ممیزی برای ارزیابی ریسک اعتباری مشتریان بهره ببرند. با این وجود، در قالب پرداخت های کنونی اکثر شرکت ها و مشتریان اعتباری اذعان بر ناکافی بودن تسهیلات دریافتی دارند. بنابراین ارایه مدلی که بتواند ریسک و ظرفیت اعتباری مشتریان را به نحو مناسبی تعیین کند، بانک ها را قادر خواهد ساخت از تسهیلات جمع آوری شده استفاده بهینه ای داشته باشند. بدین منظور، در این مقاله با استفاده از مدل شبکه های عصبی و اطلاعات ترازنامه ای مشتریان بانک تجارت، مدلی برای محاسبه ریسک و ظرفیت اعتباری مشتریان ارایه شده است.

انرژی از عوامل اصلی تولید است. رشد تولیدات صنعتی با افزایش مصرف حامل های انرژی همراه بوده است. تبیین رابطه علی بین این دو، از مباحث مهم اقتصاد انرژی محسوب می شود. بهره برداری کارآمد از منابع انرژی و صرفه جویی در به کارگیری حامل های انرژی، به ویژه در بخش صنعت، از اهمیت ویژه ای برخوردار است. بنابراین، شناخت نوع رابطه بین تولیدات صنعتی و مصرف انرژی در نیل به این هدف ضروری است. در این مقاله با استفاده از روش تودا-یاماموتو، به بررسی رابطه علی گرنجری بین حامل های انرژی مصرفی بخش صنعت و ارزش افزوده این بخش در ایران طی سال های 1385- 1346 پرداخته شده است. نتایج به دست آمده نشان می دهند که رابطه علی دو طرفه ای بین مصرف برق و ارزش افزوده بخش صنعتی و نیز رابطه یک طرفه ای از ارزش افزوده بخش صنعتی به طرف مصرف گاز طبیعی و فراورده های نفتی وجود دارد. بر اساس این نتایج، سیاست صرفه جویی در مورد گاز طبیعی و فراورده های نفتی را می توان اعمال کرد، بدون آنکه بر ارزش افزوده بخش صنعتی تاثیر زیادی داشته باشد.

با توجه به ارتباط نزدیک بین مصرف انرژی از جمله انرژی الکتریسیته و رشد اقتصادی در جهان، تعیین کم و کیف رابطه بین مصرف انرژی الکتریسیته و رشد اقتصادی در ایران می تواند در تبیین سیاست های بخش انرژی کشورکمک مؤثری بنماید. این مقاله به بررسی وجود رابطه علیت گرنجری بین انرژی الکتریسیته و تولید ناخالص داخلی در ایران طی سال های 2006-1967 می پردازد و چگونگی آن را تشریح می کند. بدین منظور، ابتدا به بررسی مانایی متغیرهای مصرف الکتریسیته و رشد تولید ناخالص داخلی با استفاده از آزمون های دیکی فولر و فیلیپس پرون می پردازیم. سپس، از روش تودا و یاماموتو رابطه علی بین آنها آزمون می شود. نتایج بدست آمده، نشان می دهد که در ایران رشد اقتصادی مقدم بر مصرف انرژی الکتریسیته است. بنابراین، می توان بدون کاستن از رشد اقتصادی، سیاست صرفه جویی را در زمینه این نوع انرژی دنبال کرد.

برخی از مدل های پیش بینی بر پایه صورت های گوناگونی از منحنی رشد لجیستیکی قرار دارند. این مقاله با به کارگیری مدل لجیستیکی، مدل لجیستیکی هاروی و مدل هاروی به پیش بینی مصرف برق در ایران می پردازد. مدل های رشد "لجیستیک"، " لجیستیک هاروی" و "هاروی"، برای پیش بینی مصرف برق در ایران برای بخش های خانگی، غیر خانگی و کل برق به کار رفته و کارآمدی این مدل ها برای پیش بینی ارزیابی شده است. مقایسه نشان می دهد که مدل هاروی بهتر از مدل های دیگر مصرف برق ایران را پیش بینی می کند.

برخی از مدل های پیش بینی بر پایه صورت های گوناگونی از منحنی رشد لجیستیکی قرار دارند. این مقاله با به کارگیری مدل لجیستیکی، مدل لجیستیکی هاروی و مدل هاروی به پیش بینی مصرف برق در ایران می پردازد. مدل های رشد "لجیستیک"، " لجیستیک هاروی" و "هاروی"، برای پیش بینی مصرف برق در ایران برای بخش های خانگی، غیر خانگی و کل برق به کار رفته و کارآمدی این مدل ها برای پیش بینی ارزیابی شده است. مقایسه نشان می دهد که مدل هاروی بهتر از مدل های دیگر مصرف برق ایران را پیش بینی می کند.

یکی از اهداف مهمی که بانک ها و موسسات مالی جهت بالا بردن کارایی پس اندازهای جمع آوری شده از اشخاص حقیقی و حقوقی دنبال می کنند، این است که با شناسایی مشتریان اعتباری خود تسهیلات اعتباری را به افراد یا ساز مان هایی تخصیص دهند که احتمال نکول کمتری داشته باشند. لیکن برای این کار از روش های مختلفی هم چون روش معمول قضاوت شخصی، تحلیل ممیزی و ... استفاده می کنند. با این وجود اغلب این روش ها، روی ریسک اعتباری مشتریان متمرکز شده اند، در حالی که ظرفیت اعتباری مشتریان می تواند در ارائه تسهیلات نقش مهمی ایفاء نماید. در این مقاله مدل شبکه های عصبی برای محاسبه هر دو عامل ریسک و ظرفیت اعتباری به طور همزمان مورد توجه قرار گرفته است. البته مدل های رگرسیون خطی و لجستیک نیز برای محاسبه ریسک و ظرفیت اعتباری به کار گرفته شده است تا با مدل شبکه های عصبی مقایسه گردد. نتایج به دست آمده دلالت بر کارایی بالای شبکه های عصبی نسبت به رگرسیون خطی در برآورد ظرفیت اعتباری مشتریان و کارایی یکسان مدل شبکه های عصبی و رگرسیون لجستیک در برآورد ریسک اعتباری دارد.

هدف: هدف اصلی این مطالعه مقایسه مدل های رشد لجستیکی هاروی، هاروی، شبکه عصبی غیرخطی اتورگرسیو و طراحی و یافتن مدلی بهینه با دقت پیش بینی بهتر برای داده های شاخص کل بورس تهران است که این مدل وابستگی زیادی به مقادیر گذشته خود دارد، پرنوسان است و روند حرکتی غیرخطی دارد که تاکنون مغفول مانده است. روش: در این پژوهش با به کارگیری مدل های رشد «لجستیک هاروی» و «هاروی» و افزودن جزء غیرخطی بر اساس بسط سری تیلور توابع مثلثاتی روی داده های روزانه مربوط به سال های 1393 تا 1395، نوسان های شاخص کل بورس به چهار گروه دسته بندی شدند و ضمن مشخص شدن کارآمدی این مدل ها بر اساس معیارهای پیش بینی، نتایج آن با شبکه عصبی غیرخطی اتورگرسیو ارزیابی و مقایسه شد. یافته ها: نتیجه آزمون های ریشه واحد دیکی فولر و BDS بیان کننده این است که داده ها مانا هستند و رفتار غیرخطی دارند. در مرحله برآورد، از آنجا که مدل های لجستیک هاروی و هاروی ریشه میانگین مربعات خطای بالا و ضریب تعیین کم داشتند، خوبی برازش آنها در هر چهار نوع داده تأیید نشد. با افزودن جزء غیرخطی به مدل هاروی برازش بسیار مناسبی از شاخص کل بورس با ضریب تعیین حداقل 8/99درصد و حداقل ریشه میانگین مربعات خطا ب دست آمد که حتی در مقایسه با شبکه عصبی غیرخطی اتورگرسیو بهتر بود. نتیجه گیری: نتایج پژوهش نشان می دهد که ترکیب مدل هاروی با جزء غیرخطی، در مقایسه با دو مدل رشد لجستیکی هاروی و شبکه عصبی غیرخطی اتورگرسیو، شاخص کل بورس تهران را بهتر پیش بینی می کند.