سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تاثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و می توان از سیستم های هوشمند غیرخطی همچون شبکه های عصبی مصنوعی، شبکه های عصبی فازی و الگوریتم های ژنتیک برای پیش بینی قیمت سهام استفاده نمود. در این مقاله به طراحی و ارایه یک مدل پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی و الگوریتم های ژنتیکی و کاهش خطای پیش بینی قیمت سهام با استفاده از آن نسبت به استفاده از تکنیک شبکه عصبی مصنوعی به صورت منفرد پرداخته شده است. در ادامه پس از طراحی و پیاده سازی مدل شبکه های عصبی فازی و الگوریتم های ژنتیک، با استفاده از چهار معیار سنجش خطا، نتایج دو مدل مقایسه شده است. نتایج نشان می دهد که مدل ترکیبی شبکه های عصبی فازی و الگوریتم های ژنتیک پیش بینی های بسیار مناسب تری داشته و نسبت به شبکه عصبی منفرد از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی قیمت سهام برخوردار بوده است.
پیش بینی تلاطم یکی از مهمترین موضوعات مورد مطالعه ریسک در بازارهای مالی است. در تحقیق حاضر ابتدا با استفاده از روشهای GARCH، تلاطم موجود با استفاده از 1467 داده روزانه برای شاخص قیمت بورس تهران برآورد شده و بهترین مدلها در تخمین و پیش بینی تلاطم برای توزیع نرمال و توزیع تی- استیودنت نتیجه شده است. با توجه به وجود علائم حافظه بلندمدت برای تبیین میانگین شرطی، از مدل ARFIMA و برای واریانس شرطی، در کنار مدلهای با حافظه کوتاه مدت، از مدل با حافظه بلندمدت FIGARCH استفاده شده است. برای انجام پیش بینی در دوره خارج از دوره نمونه، مدل ARFIMA-FIGARCH با توزیع نرمال، دقیقترین مدل بوده و نتایج بهتری را ارائه میدهد. یکی از روشهای مطرح در بررسی ریسکها و مدیریت ریسک، تخمین VaR یا ارزش در معرض خطر است. مقایسه مدلها نشان میدهد که در سطوح اطمینان متفاوت برای تخمین ارزش در معرض خطر، مدلهای مختلف نتایج متفاوتی میدهند، ولی می توان گفت مدل FIGARCH در سطح معنی داری 5/2٪ بهترین عملکرد را در میان مدلهای GARCH دارد.
هدف این تحقیق، برآورد یک مدل تقاضای مصرف خدمات درمانی (دارو و خدمات پاراکلینیکی) در ایران، با وجود ناهمگنی غیرقابل مشاهده در وضعیت سلامتی افراد و آزمون وجود کژگزینی و کژمنشی در این صنعت، با استفاده از آمار نمونهگیری بودجه خانوار ایران در سال 1385 است. مدل اصلی از روش GMM، برآورد و با استفاده از روشهای آمار ناپارامتری، وجود این دو پدیده آزمون می شود. مدل مورد استفاده دارای کمترین فرض درباره چگونگی سیاست بازپرداخت بیمه ای، توزیع وضعیت سلامت پنهان افراد و همچنین انتخاب نوع بیمه است. نتایج، وجود کژگزینی را در میان بیمه شدگان خویش فرما و صاحبان حرف و مشاغل آزاد و مخاطرات اخلاقی را در میان تمام انواع بیمه درمان در ایران (کارمندان دولت، کارگران و کارفرمایان، خویش فرمایان و صاحبان حرف و مشاغل آزاد)، تایید میکند.