ترتیب بر اساس: جدیدترینپربازدیدترین
فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۲۰٬۹۰۱ تا ۲۰٬۹۲۰ مورد از کل ۳۸٬۹۷۲ مورد.
۲۰۹۰۶.

استفاده بهینه از عواید نفتی در بودجه دولت ایران با استفاده از نظریه درآمد دائمی(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۹۶۶ تعداد دانلود : ۹۱۸
در مقاله حاضر سعی بر آن است که تا مقدار بهینه استفاده از عواید نفتی در بودجه دولت ایران در طول دوره منتهی به زمان اتمام ذخایر نفتی به منظور ایجاد پایداری بودجه ای بررسی شود. با توجه به گسترش وظایف دولت ها و به ویژه دولت ایران که منابع بین نسلی نفت را نیز در اختیار دارد، تداوم این وظایف امری حیاتی است. نتایج این تحقیق نشان می دهد که با ادامه سیاست های فعلی از سوی دولت بودجه دولت ناپایدار خواهد بود، مخارج جاری دولت بخش زیادی از منابع عمومی دولت را به خود اختصاص می دهد، دارایی های مالی انباشت نخواهد شد، وابستگی بودجه به نفت بالا خواهد بود و دولت با اتمام ذخایر نفتی نمی تواند اتکای خود به عواید نفتی را قطع کند. اما با اتخاذ رویکردهای مبتنی بر فرضیه درآمد دائمی یا درآمد دائمی تعدیل یافته ضمن کاهش سهم مخارج جاری، می توان بخشی از عواید نفتی را پس انداز کرد و تراز اولیه غیرنفتی مثبتی ایجاد کرد. به عبارت دیگر با اتمام ذخایر نفتی دولت می تواند با اطمینان و با قطع وابستگی بودجه خود به نفت، تمام مخارج خود را از محل درآمدهای غیرنفتی تأمین کند. رویکرد فرضیه درآمد دائمی تعدیل یافته به دلیل تدریجی بودن فرآیند تعدیل با تنش و مقاومت کم تری در جامعه مواجه خواهد بود.
۲۰۹۱۳.

مقایسه قدرت پیش بینی الگوهای تلفیقی و متداول (مطالعه موردی قیمت های جهانی گندم، ذرت و شکر)(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۹۶۶ تعداد دانلود : ۷۱۴
پیش بینی دقیق قیمت های محصولات کشاورزی وارداتی می تواند ضمن کمک به برنامه ریزی مطلوب در خصوص زمان مناسب واردات به صرفه جویی در منابع ارزی کشور نیز بیانجامد. از پر کاربرد ترین الگوهای پیش بینی سری زمانی طی سه دهه ی اخیر، الگوهای خطی سری زمانی شامل آریما، گارچ و ای گارچ می باشند. مطالعات اخیر در زمینه ی پیش بینی با شبکه عصبی مصنوعی نشان می دهد که شبکه ی عصبی مصنوعی می تواند دقت پیش بینی الگوهای خطی سنتی را بهبود بخشد. حال آنکه الگوهای سری زمانی خطی و شبکه ی عصبی مصنوعی از محدودیت جدی برخوردار بوده و آن اینکه الگوهای خطی توانایی الگوسازی روابط غیر خطی را نداشته و شبکه ی عصبی مصنوعی به تنهایی قادر به شناسایی و بررسی هر دو الگوی خطی و غیر خطی نمی باشد. از این رو با ترکیب الگوهای سری زمانی خطی و شبکه ی عصبی مصنوعی و طراحی الگوی تلفیقی روابط موجود در داده ها با دقت بیشتری الگوسازی می گردد. در مطالعه ی حاضر، الگوی تلفیقی الگوهای سری زمانی آریما، گارچ، ای گارچ و شبکه عصبی مصنوعی طراحی و نتایج پیش بینی با نتایج الگوهای رقیب مقایسه گردیده است. در این مطالعه جهت مقایسه ی دقت پیش بینی علاوه بر معیارهای مقایسه متداول نظیر RMSE، MAE، MAPE و Theil C با معرفی آماره گرنجر و نیوبولد معنی داری تفاوت دقت پیش بینی ها نیز بررسی شده است. نتایج پیش بینی قیمت های جهانی روزانه برای دوره 1/4/2008 تا 2/2/2012 در خصوص سه محصول وارداتی گندم، ذرت و شکر حاکی از آن است که الگوی تلفیقی به طور معنی داری دقت پیش بینی به دست آمده از الگوهای انفرادی را افزایش می دهد. بر این اساس، به کارگیری الگوهای تلفیقی در پیش بینی قیمت محصولات کشاورزی(به ویژه محصولات استراتژیک) توصیه می شود تا با انتخاب زمان مناسب خرید محصولات وارداتی از خروج بیهوده ارز جلوگیری به عمل آید.
۲۰۹۱۴.

تعیین علیت غیرخطی بین حمل ونقل زمینی شهری و غیرشهری و رشد اقتصادی با روش شبکه عصبی موجک (مطالعه موردی: ایران)(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۹۶۶ تعداد دانلود : ۷۱۸
در چند دهه اخیر، ارتباط بین زیرساخت های اقتصادی و به ویژه بخش حمل ونقل با رشد اقتصادی، موضوع مطالعه بسیاری از پژوهشگران در اقتصادهای مختلف بوده است. کشور ایران با توجه به موقعیت ویژه جغرافیایی، به لحاظ امکانات حمل ونقل، دارای مزایای بسیاری است و پل ارتباطی بسیاری از کشورها می باشد. در این مطالعه با استفاده از داده های فصلی طی دوره 91-1371، رابطه بین حمل ونقل زمینی، رشد اقتصادی، تشکیل سرمایه و نیروی کار، بررسی شد. اطلاعات موردنیاز، از آمارهای بانک مرکزی جمهوری اسلامی ایران و سالنامه های آماری مرکز آمار، استخراج شدند. مهم ترین تفاوت این مطالعه نسبت به سایر مطالعات پیشین، استفاده از روش شبکه عصبی موجک و رویکرد غیرخطی در تبیین ارتباط بین متغیرهای مورد بحث می باشد. نتایج آزمون رابطه علّیت بین متغیرها حاکی از وجود رابطه علّیت از حمل ونقل زمینی به رشد اقتصادی می باشند.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان