درخت حوزه‌های تخصصی

دومین جلسه از ۱۰ جلسه ای که به موضوع تأمین مالی اختصاص داده شده است در خصوص صندوق های سرمایه گذاری مشترک می باشد بر این اساس ابتدا اظهارات جناب آقای صفاری مدیرعامل شرکت ارزش آفرینان سرمایه و عضو هیأت علمی دانشگاه علامه طبابایی ارائه می گردد و سپس آقای محسنی معاون نظارت بر نهادهای مالی سازمان بورس اوراق بهادار مطالب خود را مطرح خواهند کرد و در ادامه اظهارات آقای امیری مدیرعامل شرکت کارگزاری بورس ایران و آقای قراگوزلو مدیر سرمایه گذاری صندوق سرمایه گذاری مشترک بورسیران ارائه خواهد شد و در پایان پرسش های حضار و پاسخ های ارائه شده مطرح می گردد.

هدف پژوهش حاضر، شناسایی روابط کتابشناختی میان پیشینه های فراداده ای فهرست کتابخانه ملی ایران، بر اساس الگوی ملزومات کارکردی پیشینه های کتابشناختی (اف آر بی آر)، به منظور بازنمون شبکه دانش انتشارات ایرانی- اسلامی است. جهت نیل به این هدف، از روش تحلیل محتوا استفاده شد. جامعه پژوهش حاضر، پیشینه های فراداده ای مربوط به کتاب های موجود در فهرست کتابخانه ملی ایران برای چهار خانواده کتابشناختی شامل قرآن، نهج البلاغه، شاهنامه و مثنوی (در مجموع 28213 پیشینه) است که از سیستم جامع کتابخانه ملی ایران (رسا) شناسایی و استخراج شدند. روش گردآوری داده ها، شامل مشاهده ساختارمند و روش اسنادی است. ابزار گردآوری داده ها، یک سیاهه وارسی، و ابزار نمایش داده های تحلیل شده، یک ماتریس است. نتایج پژوهش نشان داد که همه انواع روابط ارائه شده در الگوی ملزومات کارکردی پیشینه های کتابشناختی (اف آر بی آر)، به استثنای رابطه «تنظیم (موسیقی)» از گروه «روابط بین بیان های مختلف یک اثر»، در فهرست کتابخانه ملی ایران مشاهده شدند. از آنجا که نوع رابطه «تنظیم (موسیقی)» تنها رابطه در سیاهه وارسی است که فقط به اشیای محتوایی موسیقی اختصاص دارد، بنابراین می توان این گونه استنباط نمود که فهرست کتابخانه ملی ایران در محدوده پیشینه های فراداده ای مربوط به کتاب ها، پوشش کاملی از روابط کتابشناختی الگوی ملزومات کارکردی پیشینه های کتابشناختی (اف آر بی آر) را ارائه نموده است. نتایج حاصل از پژوهش حاضر، می تواند از دو جهت، هم به منظور پیاده سازی الگوی ملزومات کارکردی پیشینه های کتابشناختی (اف آر بی آر) در محیط های کتابخانه ای، و هم به منظور طراحی الگوی هستان شناسی فراداده ای و ایجاد دادگان فهرست کتابخانه ملی ایران مبتنی بر روش داده های پیوندی، مورد استفاده قرار گیرد.

پیش بینی سود هر سهم از اهمیت فراوانی برای سرمایه گذاران و مدیران داخلی شرکت ها برخوردار است. بررسی پژوهش های قبلی حاکی از این بوده است که در اکثر آن ها، به فرضیه وجود رابطه غیرخطی میان سود وعوامل تعیین کننده آن توجه نشده است. این در حالی است برخی از پژوهشگران نشان داده اند که رابطه میان سود و عوامل تعیین کننده آن خطی نیست. به همین دلیل و همچنین نقش محوری سود هر سهم در تصمیمات سرمایه گذاران، با استفاده از مدل های مختلف شبکه عصبی مصنوعی و مدل های سری زمانی، سود هر سهم میان دوره ای 126 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1389 تا 1395 بررسی و پیش بینی شده است. در ادامه و در گام بعدی برای تعیین متغیرهای ورودی مؤثر بر سود هر سهم از الگوریتم بهینه سازی ژنتیک و تجمع ذرات استفاده شده است. به کارگیری روش ترکیبی شبکه عصبی مصنوعی، الگوریتم ژنتیک و الگوریتم تجمع ذرات می تواند علاوه بر استفاده از روش های نوین برای پیش بینی سود هر سهم، سرمایه گذاران را نیز در تصمیم گیری های آتی یاری رساند. نتایج نشان می دهد روش پیشنهادی قادر است تا متغیرهای ورودی مؤثر بر سود هر سهم را از میان تمام متغیرهای ورودی استخراج و توانایی و قدرت تعمیم شبکه عصبی مصنوعی را افزایش دهد.