توزیع نامناسب درآمد و به دنبال آن فقر، موضوعی است که امروزه اقتصاددانان بیش از ثروت، نگران آن هستند.امروزه اهمیت توزیع درآمد در جامعه به حدی است که تقریبا تمامی اقتصاددانان یکی از اهداف و وظایف عمده دولت را توزیع درآمد ذکر می کنند. این تحقیق به دنبال بررسی تاثیرات سیاست های پولی بر توزیع درآمد در ایران است. نتایج تحقیق با استفاده از یک الگوی خودتوضیح برداری VAR نشان می دهد که تاثیر سیاست پولی بر توزیع درآمد در ایران در کوتاه مدت، میان مدت و بلند مدت متفاوت است. افزایش حجم پول به عنوان معیار سیاست پولی، بلافاصله موجب افزایش نابرابری درآمدی نمی شود، بلکه از سال دوم به بعد اثرات تشدید کننده نابرابری سیاست انبساطی پولی آغاز می شود و در دوره های بعد تداوم می یابد.
در این مقاله به بررسی روابط متقابل بین بخش های اقتصادی (خدمات، کشاورزی و صنعت) در دوره 2004- 1980 پرداخته شده است، در این مطالعه با استفاده از مدل های خود رگرسیون برداری (VAR)، اثرات متقابل و پویای بخش های مورد نظر روی یکدیگر بررسی شده است. نتایج حاصل از تحقیق نشان می دهد که در سال های مورد نظر، بخش های اقتصادی در ایران کاملا مکمل یکدیگر بوده اند و رشد هر کدام از بخش ها مستلزم رشد بخش دیگر بوده است. همچنین، این نتایج رابطه متقابل بین بخش صنعت و کشاورزی را بسیار قوی تر ارزیابی کرده اند، به طوری که رشد بخش کشاورزی در دوره های آتی سبب رشد بخش صنعت و خدمات می شود. این واقعیت برای سایر بخش ها نیز وجود دارد. این نتایج همچنین لزوم استفاده از استراتژی های رشد متوازن بین بخش های اقتصادی در ایران را نمایان می کند، به طوری که رشد هر کدام از بخش های اقتصادی در ایران مستلزم رشد بخش های دیگر است.
یکی از مسایل مهم در کشورهای صادر کننده نفت، تخصیص بهینه درآمدهای نفتی در راستای دست یابی به رشد و توسعه پایدار است. در این مقاله یک مدل تعادل عمومی قابل محاسبه پویای بهره برداری منابع پایان پذیر ارایه می شود. مدل تعادل عمومی قابل محاسبه پویا دارای دو بخش پویا و ایستا است که بخش پویای مدل نسبت به مدل ایستا حل می شود. بخش ایستای مدل حاضر، یک مدل تعادل عمومی قابل محاسبه استاندارد است. در قالب مدل تعادل عمومی قابل محاسبه استاندارد، دولت در هر دوره با استفاده از سیاست های اقتصادی نرخ پس انداز اجتماعی، میزان بهره برداری از ذخایر نفت و گاز را به نحوی تعیین می کند که تابع رفاه اجتماعی بین زمانی حداکثر شود. سپس در قالب یک مدل فنی - مهندسی نفت میزان سرمایه گذاری در بخش نفت و گاز را تعیین می کند. وجوه قابل سرمایه گذاری باقیمانده بر اساس سودآوری بخش های مختلف اقتصادی تخصیص داده می شود. مدل با استفاده از ماتریس حسابداری اجتماعی ایران 1380 کالیبره شده و از حل مساله بهینه سازی بین زمانی، مسیر بهینه برداشت ذخایر هیدروکربوری، سرمایه گذاری بخش نفت و گاز و تشکیل سرمایه در سایر بخش ها استخراج شده است.
میزان و نوع دخالت دولت در مسایل اقتصادی و چگونگی اثرگذاری آن بر متغیرهای کلان اقتصادی از جمله مباحث مورد بحث در چند دهه اخیر در میان اقتصاددانان است. توزیع درآمد از جمله مباحث مهم اقتصادی - اجتماعی است که سنجش اثرات مذکور بر آن، هدف کلی این پژوهش را تشکیل داده است. فرضیه اصلی این پژوهش این است که تمایز نوع دخالت دولت در امور اقتصادی (تصدی گرایانه و حاکمیتی)، تاثیرات متفاوتی را بر توزیع درآمد جامعه بر جای می گذارد. در این پژوهش ابتدا چارچوب تحلیلی بحث ارایه شده است. سپس اقدام به استخراج شاخص های تقریبی از دو نقش تصدی گری و حاکمیتی برای دولت در مسایل اقتصادی شده است و در ادامه با استفاده از برخی از شاخص های توزیع درآمد، نوع اثرات این دو نقش متفاوت دولت بر توزیع درآمد ایران در سری زمانی 1385- 1348 توسط مدل ARDL مورد برآورد قرار گرفته استنتایج تحقیق نشان داد که افزایش اندازه دولت در بعد تصدی گری باعث بدتر شدن شاخص های توزیع درآمد و افزایش اندازه دولت در بعد حاکمیتی منجر به بهبود این شاخص ها شده است.
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.