مطالب

مدل ها ابزارهایی برای تحلیل واقعیت ها و ساده کردن پیچیدگی های موجود در جهان واقعی هستند. هدف مدل ها افزایش دریافت ما درباره پدیده ها و روندها در جهان خارج می باشد. در این مقاله ضمن ارایه تعاریف و توضیح مفاهیم مدل و مدلسازی، عملکرد و اهداف و ویژگی های اساسی مدل ها توضیح داده شده و انواع مدل ها تقسیم بندی شده اند. همچنین درباره انواع مدل های قیاسی، شبیه سازی، ذهنی، گرافیکی، ریاضی و آماری توضیحاتی ارایه شده است.فرآیند مدلسازی شامل شناخت مساله، جمع آوری داده ها، تعیین معیارها، فرموله کردن، تعیین و ارزیابی راه حل های ممکن و بررسی صحت عملکرد مدل است که مورد بحث قرار گرفته اند و پس از آنها به اهمیت و ضرورت مدلسازی در علم ژئومورفولوژی که عملی ترکیبی و نیازمند مدلسازی زمانی و عملکردی برای بررسی و ارزیابی تحولات ناهمواری های زمین است، پرداخته ایم.نخستین مدل ژئومورفیک مدل چرخه یا سیکل فرسایش بوده که بین سالهای 1884 تا 1899 توسط ویلیام موریس دیویس بنیانگذار مفاهیم اولیه ژئومورفولوژی ارایه شده است. وی نخستین کسی بود که علم ژئومورفولوژی را با مدلسازی پیوند داد. به خاطر ماهیت خاص این علم که در آن ناهمواری های کنونی با توجه به شبیه سازی گسترش تاریخی تحولات زمین به وسیله عوامل چند گانه تشریح می گردد، مدلسازی یکی از فنون می شوند و مدل ها نه تنها کل حقیقت بلکه بخش مفید و ظاهرا قابل ادراک آن را آشکار می کنند (هاگت، 1374). بدین دلیل نمایش دنیای واقعی کار ساده ای نیست. برای همین منظور مدل ساخته می شود.مدل ها در رشته های مختلف هنر و علوم از قبیل زمین شناسی، اقتصاد، جغرافیا، جامعه شناسی و ... برای بیان ساده تر دنیای واقعی ضرورت دارند (جاسبرسینگ، 1983).از طریق به کارگیری مدل ها می توان به تنوع و پیچیدگی یک پدیده پی برد. از طرف دیگر در دنیای امروزی، داده ها آنقدر زیادند و مسایل آنقدر در هم تنیده اند که بدون استفاده از مدل نمایاندن، تنظیم و پردازش داده ها، مطالعات و مشاهدات مشکل است.

مهمترین مساله برای سرمایه گذاران فعال در بازار سرمایه، پیش بینی قیمت سهام می باشد. هدف اصلی این مطالعه نیز بررسی کاربردپذیری پیش بینی قیمت سهام به وسیله شاخص های تحلیل تکنیکی با استفاده از شبکه های عصبی و مقایسه این روش با سایر روش های پیش بینی از جمله شبکه عصبی استفاده کننده از قیمت سهام و مدل های ARIMA می باشد. در این تحقیق قیمت سهام ده روز آینده چهل شرکت فعال در بورس اوراق بهادار تهران با استفاده از سه روش مختلف پیش بینی می شود. در روش اول با استفاده از یک شبکه عصبی پیش خور تک لایه با الگوریتم یادگیری لونبرگ - مارکوات و معیار عملکرد میانگین مربعات خطا با ورودی ارزش بازار، قیمت پیش بینی می شود. سپس علاوه بر ورودی ارزش بازار، میانگین های متحرک پنج، ده و بیست روزه و ROC و RSI دوازده روزه نیز به عنوان ورودی به شبکه معرفی گردید و پیش بینی صورت گرفت. قیمت سهام با استفاده از مدل های ARIMA نیز برای کلیه شرکت های پیش بینی شد. با استفاده از تحلیل واریانس سه روش مختلف پیش بینی با یکدیگر مقایسه گردیدند. از آنجا که در مورد سی شرکت پیش بینی قیمت توسط مدل های ARIMA به طور معنی داری نسبت به مدل های شبکه عصبی نتایج بهتری ارایه نموده است می توان اظهار داشت که مدل های خطی - ARIMA بهتر از مدل های غیر خطی، شبکه های عصبی - توانسته اند پیچیدگی های سری های زمانی قیمت سهام را تجزیه و تحلیل نموده و برای پیش بینی قیمت سهام مورد استفاده قرار گیرند.

با توجه به اهمیت نیروی کار و ظرفیت بالای زنان برای اشتغال، این مقاله به برآورد تابع عرضه نیروی کار زنان در استان خوزستان می پردازد. این تابع بر اساس آمارهای موجود مشارکت زنان، پوشش تحصیلی، دستمزد و بیکاری در استان خوزستان برای سال های 1345-81 و با استفاده از روش هم جمعی یوهانسن و مدل تصحیح خطا برآورد شده است. نتایج تحقیق نشان داد که پوشش تحصیلی و تمامی وقفه های آن به شدت مشارکت زنان نوجوان را کاهش می دهد. در گروه های سنی بالاتر نسبت دارندگان مدارک دانشگاهی و وقفه های آن عموما دارای تاثیر مثبت است. نتایج همچنین نشان داد که اثر کارگر اضافی تسلط دارد؛ یعنی با افزایش بیکاری عرضه کار زنان افزایش می یابد. در گروه های سنی بالاتر، اثر جانشینی بر اثر درآمدی تسلط دارد؛ در دوران رونق اقتصادی و افزایش درآمد سرانه، زنان خانه دار تمایل به کار در بیرون از منزل دارند.