فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۲٬۰۸۱ تا ۲٬۱۰۰ مورد از کل ۴٬۱۰۵ مورد.
دکتر حسین پناهیان: بازار آزاد رقیب جدی بورس کالاست
حوزههای تخصصی:
موانع ساختاری توسعه بیمه های عمر در کشور
حوزههای تخصصی:
بررسی اثر بازاری کردن بانکداری بر انتقال سیاست پولی از مجرای اعطای وام(مقاله علمی وزارت علوم)
حوزههای تخصصی:
انتقال سیاست پولی از طریق تغییر در تسهیلات بانک به عنوان یکی از مجاری کلیدی اثرگذاری سیاست های پولی شناخته می شود. قدرت این مجرای انتقال سیاست پولی به شرایط اقتصادی وابستگی بالایی دارد. یکی از متغیرهای تأثیرگذار بر انتقال سیاست پولی از مجرای اعطای وام، میزان اتکا به مکانیسم بازار در صنعت بانکداری است که از آن به عنوان بازاری کردن بانکداری یاد می شود. هدف این مقاله بررسی این فرضیه است که آیا مجرای اعطای وام بانکی ناشی از سیاست پولی اعمال شده توسط مقامات پولی، تحت تأثیر بازاری کردن در سیستم بانکی قرار می گیرد یا نه؟ برای پاسخگویی به این سؤال از دو شاخص برای بازاری کردن بانکداری استفاده شده است. شاخص نخست نسبت سپرده های بانک های غیردولتی به کل سپرده های تمام بانک های نمونه و شاخص دوم نسبت وام های اعطایی به شرکت های غیردولتی به کل وام های اعطایی توسط تمامی بانک های نمونه است. هم چنین برای بررسی اثر افزایش بازاری کردن بانکداری بر میزان انتقال سیاست پولی حاصلضرب شاخص بازاری کردن و شاخص شرایط پولی در نظر گرفته شده است. این الگو با استفاده از روش گشتاورهای تعمیم یافته (GMM) برآورد شده است. برای برآورد این الگو از داده های ترازنامه 26 بانک شبکه بانکی ایران از سال 1380 تا 1391 استفاده شده است.
نتایج نشان دادند که طبق انتظار با افزایش درجه بازاری کردن شبکه بانکی میزان اعطای تسهیلات شبکه بانکی نیز افزایش خواهد یافت. هم چنین میزان انتقال سیاست پولی از طریق مجرای اعطای وام بانکی با افزایش بازاری کردن تضعیف می شود.
خدمات مالی یکپارچه بیمه ، بانکداری و مدیریت دارایی ها
حوزههای تخصصی:
انتخاب نامساعد ناشی از قوانین و مقررات در بازار بیمه عمر
حوزههای تخصصی:
سرگردانی بازار طلا
بیمه استفاده کنندگان از اعتبارات مصرفی
حوزههای تخصصی:
پیش بینی روند تغییرات قیمت سهم با استفاده از ماشین بردار پشتیبان وزن دهی شده و انتخاب ویژگی هیبرید به منظور ارائه استراتژی معاملاتی بهینه(مقاله علمی وزارت علوم)
حوزههای تخصصی:
در این پژوهش، یک مدل پیش بینی براساس روش ماشین بردار پشتیبان تعدیل شده با استفاده از وزن دارکردن تابع جریمه مدل با توجه به حجم معاملات واقعی روزانه به منظور افزایش دقت پیش بینی نوسان های کوتاه مدت در بازار سهام و دست یابی به استراتژی معاملاتی بهینه، ارائه شده است. همراه با طبقه بندی کننده ماشین بردار پشتیبان تعدیل شده، از یک روش انتخاب ویژگی هیبرید، مرکب از یک بخش فیلتر کننده و یک بخش پوشش دهنده به منظور انتخاب زیرمجموعه ای بهینه از ویژگی ها استفاده شده است. همچنین به منظور بررسی توانایی مدل پیشنهادی در پیش بینی روند قیمت، یک استراتژی معاملاتی بر پایه نتایج مدل داده می شود. ورودی مدل چندین شاخص تحلیل تکنیکال و شاخص های آماری متعددی هستند که برای تعداد 10 سهم انتخاب شده از بورس اوراق بهادار تهران محاسبه شده اند. نتایج نشان می دهد که مدل ماشین بردار پشتیبان وزن دهی شده، همراه با روش انتخاب ویژگی هیبرید پیشنهاد شده، میزان دقت پیش بینی را به میزان قابل توجهی افزایش داده و نیز نتایج استراتژی معاملاتی پیشنهادشده را نسبت به استراتژی های رقیب، هم از لحاظ میزان بازده کلی و هم از لحاظ میزان بیشینه ضرر در طول دوره سرمایه گذاری بهبود می بخشد.
آینده بیمه هوانوردی
تامین مالی ریسک بلایای طبیعی / آئین نامه قواعد و مقررات ریسک های فاجعه آمیز در کشور کلمبیا
حوزههای تخصصی:
زمینه های همکاریهای بین المللی و منطقه ای در بیمه
حوزههای تخصصی:
عطش در بازار زیاد است
شناخت، اولی گام در مواجهه با خطر
حوزههای تخصصی:
ارزیابی شکنندگی مالی بانک ها با بکارگیری روش شبکه عصبی
حوزههای تخصصی:
پیش بینی تداوم فعالیت یک بانک در دوره های آتی، یکی از عناصر مهم در تصمیم گیری ناظران بانکی بوده و در این میان، انتخاب متغیر پیش بینی کننده و روش مناسب، به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی شکنندگی مالی مطرح بوده است. یکی از پیشرفته ترین مدل های پیش بینی کننده شکنندگی مالی، مدل شبکه عصبی است. در نمونه مورد بررسی در این مقاله، ابتدا با بهره گیری از ادبیات نظری و تجربی، شاخص شکنندگی مالی متناسب با ساختار شبکه بانکی کشور تعریف شده و سپس با به کارگیری آزمون t معنی داری نسبت های مالی مورد نظر و بر اساس آماره لوین میانگین دو نمونه در سطح اطمینان 95 درصد، مورد آزمون قرار گرفته و سپس با انتخاب نسبت های مالی معنی دار که قدرت توضیح دهی در مدل داشته باشند، مدل شبکه عصبی طراحی گردید. برای آزمون دقت و صحت مدل از جدول طبقه بندی و منحنی ROC استفاده شد. نتایج بررسی بیانگر قدرت پیش بینی 96 درصدی مدل طراحی شده است. همچنین بر اساس یافته های این مقاله، ریسک اعتباری و ریسک نقدینگی، از مهمترین عوامل توضیح دهنده شکنندگی مالی هستند.