ترتیب بر اساس: جدیدترینپربازدیدترین
فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۱٬۸۲۱ تا ۱٬۸۴۰ مورد از کل ۴٬۱۰۵ مورد.
۱۸۲۱.

روش تحلیل کارایی چند جهتی: مطالعه موردی بررسی عملکرد نظام بانکی ایران(مقاله علمی وزارت علوم)

نویسنده:
حوزه‌های تخصصی:
تعداد بازدید : ۱۶۰۱ تعداد دانلود : ۸۰۰
به تازگی اسمایلد و همکاران (2003)، روش جدید ناپارامتری مرزی تحلیل چند جهتی کارایی را برای محاسبهی کارایی بنگاه ها معرفی کردند که مزایای زیادی نسبت به روش رایج تحلیل پوششی داده ها (DEA) دارد. این روش ضمن آنکه تخمین دقیقی از ناکارایی بنگاه ها ارائه می کند، به دلیل فراهم کردن امکان محاسبهی مجزای ناکارایی نهاده های تولیدی، افق جدیدی را در تحلیل ناکارایی واحدهای اقتصادی و محاسبه هزینه ناکارایی هر نهاده باز می کند. این مقاله قصد دارد با کاربرد این روش برای یک حوزه جدید شواهد کاربردی تازه ای برای روش مذکور فراهم کند. افزون بر این، آزمون این روش در کنار مقایسه آن با روش DEA برای داده های بانکی کشور ضمن معرفی این روش و مزایای کاربرد آن به جامعه علمی کشور، ارزیابی جدیدی از کارایی صنعت بانکی کشور ارائه خواهد کرد. یافته های این مقاله نتایج مطالعهی هالود (2004) را تایید می کتد که روش DEA تخمینی بیش از حد یا کم تر از حد برای مازاد نهاده ها ارائه می کند. به علاوه، محاسبهی مجزای ناکارایی نهاده ها برای بانکها اطلاعات ارزشمندی را از نقطه نظر مدیریتی و سیاست گذاری عرضه می دارد. یکی از یافته های ارزشمند این مطالعه این است که به طور کلی در نظام بانکی ایران نیروی کار بالاترین سهم از هزینه های مازاد را به خود اختصاص می دهد. از این رو در مسیر بهبود عملکرد نظام بانکی، کاهش نسبی نیروی کار باید از بالاترین اولویت برخوردار باشد
۱۸۳۰.

اندازه گیری کارایی هزینه و کشش های جایگزینی مکملی عوامل هزینه در سیستم بانکی ایران(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۱۹۲۲ تعداد دانلود : ۱۰۲۰
در پژوهش حاضر، ساختار بانکی کشور از حیث کارایی هزینه، و کشش های جایگزینی و مکملی عوامل هزینه بررسی می شود. در این پژوهش، بر سازگاری تابع هزینه دومحصوله با ساختار بانکی و محاسبه کارایی هزینه با رویکرد توزیع آزاد (DFA) تأکید می شود. در مجموع، نتایج مدل بر معکوس بودن رابطه کارایی هزینه با میزان دارایی بانک دلالت می کنند. محاسبات کشش های جایگزینی و مکملی عوامل هزینه، بیانگر مکمل بودن نیروی انسانی و سپرده ها و نقش جانشینی سرمایه فیزیکی با سپرده ها است. همچنین نیروی انسانی و سرمایه فیزیکی به مقدار کمتری نسبت به سرمایه فیزیکی با سپرده ها نقش جانشینی دارند.
۱۸۳۹.

بررسی رابطه ی بین نرخ بازده مورد انتظار و ریسک نظام مند (بتا) در چهار طبقه ی دارایی عمده در اقتصاد ایران(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۵۳۰۹ تعداد دانلود : ۲۵۶۲
الگوی قیمت گذاری دارایی‎های سرمایه ای ، یک الگوی تعادلی برای نشان دادن رابطه‎ی بین ریسک و بازده دارایی‎های منفرد است. به عبارت دیگر، CAPM نشان می دهد که دارایی‎ها چگونه با توجه به ریسکشان قیمت گذاری می شوند. اساس CAPM بر این فرض استوار است که سرمایه گذاران برای یافتن پرتفوی کارا ، نظریه ی پرتفوی و کاهش ریسک نظام مند از طریق تنوع بخشی را می دانند و به آن عمل می کنند و هر یک بنا به درجه ی ریسک گریزی خود یکی از پرتفوهای کارا را انتخاب می کنند. تاکنون مطالعات مبتنی بر الگوی قیمت گذاری دارایی‎های سرمایه ای که در داخل و خارج از کشور انجام شده اند، تنها در سطح سهام شرکت‎های منفرد یا حداکثر یک ترکیبی از سهام شرکت‎ها (و یا دارایی‎های منفرد) و یا شاخص‎های زیرمجموعه ی شاخص کل بازار بوده اند و مطالعات معدودی وجود دارند که این الگو را برای دارایی‎های کلان یک اقتصاد به کار برده باشند. در این مقاله تلاش شده است تا ریسک نظام مند در سطح چهار دارایی عمده ی اقتصاد ایران محاسبه شده و رابطه آن با بازده انتظاری شان بررسی شود. ریسک نظام مند و بازده موردانتظار چهار طبقه دارایی عمده ی اقتصاد ایران، مسکن و مستغلات، طلا، سهام و ارز در دوره‎ی زمانی سال‎های 1374 تا نیمه ی اول سال 1386 محاسبه شده است.
۱۸۴۰.

پیش بینی قیمت سهام در بازار بورس اوراق بهادار با استفاده از شبکه عصبی فازی و الگوریتم های ژنتیک و مقایسه آن با شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
  1. حوزه‌های تخصصی اقتصاد اقتصاد مالی بازارهای مالی پیش بینی های مالی
  2. حوزه‌های تخصصی اقتصاد روش های ریاضی و کمی روش های آماری و اقتصادسنجی:موضوعات خاص شبکه های عصبی و موضوعات مربوطه
تعداد بازدید : ۶۰۴۹ تعداد دانلود : ۲۸۳۷
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.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان