مدیران شرکت ها با در نظر گرفتن عوامل متعدد مؤثر بر نحوه تأمین مالی باید ترکیب بهینه ای از منابع مالی داخلی و خارجی را جهت تأمین وجوه لازم برای سرمایه گذاری در پروژه های سودآور به کارگیرند، به گونه ای که منجر به افزایش ثروت سهامداران و کاهش هزینه های تأمین مالی شود. ازجمله عوامل اثرگذار بر نحوه تأمین مالی شرکت می توان به جریان های نقدی عملیاتی، محدودیت مالی و تورم اشاره کرد. هدف اصلی این پژوهش بررسی تأثیر جریان های نقدی عملیاتی بر تأمین مالی خارجی با در نظر گرفتن محدودیت مالی شرکت و تورم می باشد. نمونه پژوهش متشکل از 117 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی سال های 1384 تا 1392 می باشد. به منظور آزمون فرضیه های پژوهش از مدل رگرسیونی چند متغیره به روش داده های ترکیبی استفاده شد. نتایج حاصل از پژوهش نشان می دهد که جریان های نقدی عملیاتی بر تأمین مالی خارجی هم در شرکت های دارای محدودیت مالی و هم شرکت های فاقد محدودیت مالی، تأثیر منفی و معناداری دارد و شدت این تأثیر در شرکت های دارای محدودیت مالی کمتر است. همچنین متغیر تورم میزان اثرگذاری جریان نقدی عملیاتی بر تأمین مالی خارجی را در شرکت های فاقد محدودیت مالی افزایش می دهد و این تأثیر در شرکت های دارای محدودیت مالی نسبت به شرکت های فاقد محدودیت مالی کمتر است.
امروزه در برخی محیط های تولیدی یا خدماتی، کیفیت محصول یا عملکرد فرآیند به وسیله ترکیبی از مشخصه های کیفی متغیر و وصفی همبسته توصیف می گردد. بر اساس آخرین اطلاعات مؤلفان، تا کنون هیچ روشی برای پایش ماتریس واریانس- کوواریانس این گونه فرآیندها ارائه نشده است. در این مقاله، یک شبکه عصبی مصنوعی برای پایش تغییرپذیری یک فرآیند چند مشخصه وصفی و متغیر ارائه شده است. شبکه ارائه شده نه تنها قادر به کشف وضعیت های خارج از کنترل بوده، بلکه می تواند مشخصه /مشخصه های عامل انحراف در فرآیند را نیز شناسایی کند. کارایی روش ارائه شده با استفاده از یک مثال عددی بر اساس معیارهای متوسط طول دنباله و درصد تشخیص درست مشخصه /مشخصه های کیفی عامل انحراف بررسی شده است. همچنین عملکرد شبکه طراحی شده در پایش ماتریس واریانس- کوواریانس فرآیندهای چند مشخصه وصفی و متغیر با دو روش آماری پایش ماتریس واریانس- کوواریانس برای مشخصه های کیفی متغیر که در این مقاله برای پایش فرآیندهای چند متغیره- چند مشخصه توسعه داده شده اند، مقایسه شده است. نتایج مثال عددی نشان می دهد که شبکه عصبی طراحی شده عملکرد بهتری در کشف وضعیت های مختلف خارج از کنترل نسبت به روش های آماری توسعه داده شده دارد و همچنین به خوبی قادر به تشخیص مشخصه(های) کیفی عامل انحراف در فرآیند است.
کارآفرینی یک حوزه میان رشتهای است و هنوز در مرحله نوزایی خود قرار دارد، از این رو عاریت درست برساختهها از سایر رشتههای علمی، یک شیوه مناسب برای پیشرفت و تکامل آن محسوب میشود. در این مقاله وجوه اشتراک و افتراق دو نظریه بنگاه کارآفرین و سازمان یادگیرنده شناسایی میشوند و سپس چگونگی مشارکت ابعاد و برساختههای با اهمیت نظریه سازمان یادگیرنده درتکامل نظریه بنگاه کارآفرین مورد بررسی قرار میگیرد. نتایج این پژوهش نشان میدهد که برساختههای الگوی کاربردی دوم و یادگیری دو حلقهای، نقشی با اهمیت در اکتشاف و بهرهبرداری از فرصتها ایفاء میکنند، از این رو در تکامل بخشی به نظریه بنگاه کارآفرین نقش با اهمیت دارند.
بررسی زنجیره تأمین معمولاً دو مشکل اساسی دارد. مشکل اول زمانی ظاهر می شود که تعداد تأمین کنندگان، محصولات و اقلام بسیار زیاد باشند. امروزه به خاطر پیچیدگی سیستم های تولیدی، تأمین کنندگان با محدودیت هایی مواجه هستند. این همان مشکل دوم است. یکی از محدودیت ها این است که تقاضاها باید توسط تأمین کنندگان به طور کامل ارضا شوند. در این مقاله، این مشکل از طریق خوشه بندی اقلام و تأمین کنندگان و نیز استفاده از روش TOPSIS حل می شود. روش پیشنهادی در شرکتی تولیدی به عنوان مطالعه موردی پیاده سازی می شود. در انتها نتایج به دست آمده از روش پیشنهادی با روش DEA که نتایج شان مشابه است، مقایسه می شود.
مقاله حاضر ، بازارهای صادراتی گاز طبیعی کشور را با استفاده از مدل بهینه سازی جریان انرژی مورد مطالعه و تجزیه و تحلیل قرار داده است . صادرات گاز طبیعی به سه روش صادرات با خط لوله ، به صورت مایع شده ( LNG ) و تبدیل گاز طبیعی به فرآورده های مایع ( GTL ) مد نظر بوده و اولویت سنجی صادرات گاز طبیعی بین سه گزینه فوق مورد تجزیه و تحلیل قرار گرفته است . این مطالعه در یک افق 25 ساله صورت گرفته و بدین منظور از سه سناریوی قیمتی شامل ادامه روند موجود ، افزایش قیمتها و کاهش قیمت ها و سه سناریوی نرخ تنزیل شامل نرخ تنزیل متوسط ، بالا و پایین استفاده شده است ...
هدف این تحقیق بررسی این موضوع است که آیا می توان مدیریت سود را براساس مدل های مبتنی بر یادگیری ماشین کشف کرد. در این تحقیق برای پیش بینی مدیریت سود از مدل های مبتنی بر یادگیری ماشین (الگوریتم کلونی مورچه ها و غذایابی باکتری) استفاده شده است. برای این منظور 143 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی دوره زمانی 1388 تا 1392 مورد مطالعه قرار گرفتند. در این تحقیق با استفاده از الگوریتم حرکات ذرات اقدام به شناسایی متغیر های معنادار با مدیریت سود شده و در نهایت بوسیله نرم افزار متلب اقدام به پیش بینی مدیریت سود شده است. نتایج برازش الگوریتم غذایابی باکتری و کلونی مورچه ها نشان می دهد که این دو الگوریتم با دقت بالای 98 درصد توانایی پیش بینی مدیریت سود را دارند. نتایج مبین آن است که مدل کلونی مورچه ها توانایی بیشتری (خطای 97/0درصد) در پیش بینی مدیریت سود نسبت به مدل غذایابی باکتری (خطای 19/1 درصد) دارد.