مطالب مرتبط با کلیدواژه

پیش بینی


۱۸۱.

مقایسه دقت پیش بینی سطح افشا با استفاده از الگوریتم های کلونی مورچه ها و تکامل تفاضلی در شرکتهای پذیرفته شده در بورس اوراق بهادر(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های تجربی حسابداری سال هفتم تابستان ۱۳۹۷ شماره ۲۸ 153 - 180

کلیدواژه‌ها: پیش بینی سطح افشا الگوریتم کلونی مورچه ها الگوریتم تکامل تفاضلی

حوزه های تخصصی:
تعداد بازدید : ۲۹۹ تعداد دانلود : ۳۰۰
 توجه ویژه به نیازهای اطاعاتی استفاده کنندگان صورت های مالی، یکی از رسالت های اصلی گزارشگری می باشد و در این راستا افشای مناسب و کامل اطلاعات نقش اساسی را دارد. هدف این تحقیق بررسی این موضوع است که آیا می توان کیفیت افشای شرکتی را بر اساس مدل های مبتنی بر یادگیری ماشین کشف کرد. در این تحقیق امتیازبندی سطح افشای شرکت های بورس ایران توسط سازمان بورس و اوراق بهادار به عنوان نماینده سطح افشای شرکتی در نظر گرفته شده و برای پیش بینی از مدل الگوریتم های کلونی مورچگان و تکامل تفاضلی استفاده شده است. برای این منظور 171 شرکت عضو بورس اوراق بهادار تهران طی دوره زمانی 1389-1393 مورد مطالعه قرار گرفتند. در این تحقیق با استفاده از نرم افزار متلب اقدام به پیش بینی کیفیت افشای شرکتی شده است. نتایج برازش الگوریتم های کلونی مورچگان و تکامل تفاضلی نشان می دهد که این دو الگوریتم با دقت بالای 95 درصد توانایی پیش بینی مدیریت سود را دارند. در واقع نتایج مبین آن است که مدل کلونی مورچه ها توانایی بیشتری (خطای 3. 316 درصد) در پیش بینی مدیریت سود نسبت به مدل تکامل تفاضلی (خطای 4. 139 درصد) دارد.
۱۸۲.

طراحی مدل پیش بینی بازده بلندمدت سهام با شبیه سازی ناپارامتریک بازده اوراق بدهی(مقاله علمی وزارت علوم)

نویسنده:
منبع: چشم انداز مدیریت مالی سال هشتم بهار ۱۳۹۷ شماره ۲۱

کلیدواژه‌ها: هموارسازی موضعی خطی هسته ای پیش بینی بازده اضافی سهام شبیه سازی ناپارامتریک بازده اوراق بدهی

حوزه های تخصصی:
تعداد بازدید : ۴۷۶ تعداد دانلود : ۴۴۸
پیش بینی نرخ بازده سهام همواره یکی از مباحث مهم بازارهای مالی بوده و یکی از فاکتورهای مهم سرمایه گذاری است. هدف اصلی این پژوهش، پیش بینی بازده اضافی سهام بر اساس داده های مبتنی بر اوراق بدهی و سایر متغیرهای اقتصادی و بازار سرمایه در ایران است. مدل ارایه شده بر رابطه غیرخطی میان مجموعه ای از متغیرهای کمّی تاکید دارد و مبنای ساختاربندی آن، مدل های پارامتریک و ناپارامتریک با به کارگیری هموارسازی موضعی و خطی هسته ای است. ابتدا متغیرهای تأثیرگذار بر نرخ بازده اوراق بدهی مورد بررسی و شناسایی قرار گرفت. پس از شناخت متغیرهای تأثیرگذار در مرحله اول، مدل پیش بینی نرخ بازده اوراق بدهی ساختاربندی شد. این مدل سازی بر اساس دو روش پیش بینی پارامتریک و ناپارامتریک نرخ بازده اوراق بدهی طراحی و ارایه شد. در ادامه به منظور تعیین عامل های تأثیرگذار بر پیش بینی نرخ بازده اضافی سهام، ساختاربندی مدل به صورت خطی پارامتریک و غیرخطی ناپارامتریک و با استفاده از نتایج حاصل در سه گام مختلف و با رعایت معیار مورد بررسی قرار گرفت. نتایج حاصل از اجرای مدل نشان می دهد در تمامی سه گام مورد بررسی و بر اساس معیار ، نتایج حاصل از اجرای مدل های مختلف بر اساس رویکرد ناپارامتریک بهتر از رویکرد پارامتریک عمل می کند.
۱۸۳.

طراحی مدل پیش بینی بازده بورس اوراق بهادار تهران با استفاده از مدل های خودرگرسیون میانگین متحرک (ARMA) و خودرگرسیون میانگین متحرک با ورودی های خارجی (ARMAX) و ارزیابی عملکرد آن ها(مقاله علمی وزارت علوم)

نویسنده:
منبع: چشم انداز مدیریت مالی سال هشتم تابستان ۱۳۹۷ شماره ۲۲

کلیدواژه‌ها: بازده بازار سرمایه پیش بینی خودرگرسیون میانگین متحرک خودرگرسیون میانگین متحرک خود رگرسیون میانگین متحرک با ورودی های خارجی

حوزه های تخصصی:
تعداد بازدید : ۶۱۱ تعداد دانلود : ۵۷۰
بازده بازارهای سرمایه تحت تأثیر عوامل مختلفی هستند. این عوامل دامنه گسترده و وسیعی از عوامل کلان جهانی تا رفتارهای تاریخی متغیر وابسته را شامل می شود. پژوهشگران زیادی، هریک بخش یا بخش هایی از این دامنه گسترده عوامل تأثیرگذار بر بازده بازار سرمایه را در کشورهای مختلف، انتخاب و اقدام به مدل سازی برای پیش بینی بازده بازار سرمایه مربوطه کرده اند. پژوهش حاضر نیز با هدف مدل سازی و پیش بینی بازده بورس اوراق بهادار تهران، از مدل های خود توضیحی و ترکیبی استفاده کرده است. به گونه ای که از مدل های خودرگرسیون میانگین متحرک و خودرگرسیون میانگین متحرک با ورودی های خارجی برای مدل سازی و پیش بینی بازده بورس اوراق بهادار تهران یاری گرفته است. در پژوهش حاضر، برای تبیین هر چه کامل تر مدل و به کارگیری عوامل حداکثری، پس از بررسی موضوع بازده و عوامل مؤثر بر بازده، موضوع پیش بینی و روش های متداول آن و انواع مدل های پیش بینی بازده بازار سرمایه بررسی شده است. سپس از مدل های رگرسیون خطی کلاسیک، خود رگرسیون میانگین متحرک (ARMA) و خود رگرسیون میانگین متحرک با ورودی های خارجی (ARMAX) برای پیش بینی بازده بورس اوراق بهادار تهران استفاده شد. پس از تخمین مدل های یادشده، با استفاده از داده های 99 دوره ای و تأیید قدرت تصریح آن ها بااستفاده از به کارگیری آزمون های تشخیصی، بازده بورس اوراق بهادار تهران برای 4 دوره آتی پیش بینی شد. پیش بینی های صورت پذیرفته با استفاده از مدل های تخمینی با داده های واقعی مورد مقایسه قرار گرفته و مدل بهینه با استفاده از معیارهای اطلاعاتی آکائیک، شوارزبیزین و حنان کوئیک و همچنین معیار MSE,MAE,MAPE انتخاب شد. نتیجه نهایی مؤید برتری مدل ARMA بر مدل ARMAX است.
۱۸۴.

پایش و پیش بینی وقوع طوفان های گردوغبار با استفاده از داده های دورکاوی، سیستم اطلاعات مکانی و داده های زمینی براساس بررسی تغییرات پوشش گیاهی و عناصر اقلیمی (مطالعه موردی: جنوب و جنوب شرق ایران)(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال هفتم زمستان ۱۳۹۴ شماره ۴ (پیاپی ۲۸)

کلیدواژه‌ها: طوفان های گردوغبار عناصر اقلیمی شاخص تفاضلی پوشش گیاهی نرمال شده پایش پیش بینی

حوزه های تخصصی:
تعداد بازدید : ۶۵۹ تعداد دانلود : ۵۱۲
پدیده طوفان های گردوغبار از مهم ترین مخاطرات زیست محیطی جهان امروز است که هرساله خسارت های جبران ناپذیری را بر بخش های گوناگون، ازجمله محیط زیست و سلامت انسان ها وارد می کند. هدف از این مطالعه پایش و پیش بینی وقوع طوفان های گرد و غبار در جنوب و جنوب شرق ایران با استفاده از داده های سنجش از دور در تلفیق با اطلاعات ایستگاهی است. به این منظور، از 92 تصویر ماهواره ای سنجنده مودیس و نیز داده های سازمان هواشناسی ایران در 18 ایستگاه همدیدی جنوب و جنوب شرق کشور طی سال های 2001 تا 2009 استفاده شد. در این مطالعه، روزهای گردوغباری با دو منشأ نزدیک و خارج از ایستگاه های همدیدی استخراج شد. پس از پایش سالیانه و ماهیانه طوفان ها، با استفاده از عناصر اقلیمی و شاخص NDVI برای پیش بینی طوفان های گردوغبار، با استفاده از مدل رگرسیون مکانی چندمتغیره اقدام شد. نتایج نشان می دهد که در اوایل هر سال میلادی وقوع طوفان ها افزایش و پس از ماه های ژوئن و ژوئیه سیر نزولی پیدا می کند. همچنین، گردوغبار با منشأ نزدیک ایستگاه باعث ایجاد بیشترین روزهای گردوغباری در منطقه است، به طوری که بیش از 78 درصد از روزهای گردوغباری بر اثر وقوع این نوع گردوغبار ایجاد شده است. آزمون اعتبارسنجی روابط رگرسیونی نشان داد که این روابط فراوانی طوفان های گردوغبار را در ماه های گرم و پرغبار با دقت بالاتری پیش بینی می کنند. با توجه به اینکه عمده گردوغبار این منطقه با منشأ نزدیک ایستگاه هاست، می شود با اقدامات بیابان زدایی و مقابله با فرسایش بادی حجم قابل توجهی از این طوفان ها را کاهش داد
۱۸۵.

یکپارچه سازی سیستم اطلاعات مکانی (GIS)، شبکة عصبی پرسپترون چندلایه (MLP) و مدل بارش-رواناب (SWAT) با درنظرگرفتن تغییرات کاربری ها برای پیش بینی دبی ورودی و حجم رسوب (مطالعة موردی: سد ستارخان)(مقاله علمی وزارت علوم)

نویسنده:
منبع: سنجش از دور و GIS ایران سال هشتم زمستان ۱۳۹۵ شماره ۴ (پیاپی ۳۲)

کلیدواژه‌ها: پیش بینی دبی ورودی حجم رسوب GIS MLP SWAT

حوزه های تخصصی:
تعداد بازدید : ۳۹۲ تعداد دانلود : ۳۶۶
هدف از مطالعات رسوب گذاری در یک سد مخزنی یافتن دیدی کلی درمورد میزان حجم ازدست رفتة مخزن است. در این میان، بررسی و پیش بینی حجم رسوب واردشده به مخزن اهمیت ویژه ای دارد. در این پژوهش، با استفاده از روش آماری ریزمقیاس کردن، بارش و دما در محدودة حوضة آبریز سد ستارخان با مساحت 950 کیلومترمربع، واقع در استان آذربایجان شرقی، در بلند مدت پیش بینی شده اند. با توجه به اطلاعات بارش و دمای پیش بینی شده، به کمک مدل [1]SWAT، رسوب ورودی به سد شبیه سازی شده است. مقایسة نتایج این مدل و مقادیر مشاهداتی نشان می دهد گرچه مدل SWAT با دقت بالای 80% می تواند روند جریان رسوب ورودی به مخزن را شبیه سازی کند، قادر به شبیه سازی مقادیر واقعی رسوب نیست. برای رفع این اختلاف، باید پارامتر فرسایش نیز، برای رسیدن به نتیجة مطلوب، در محاسبات لحاظ شود. بنابراین ابتدا با کمک مدل شبکة عصبی پرسپترون چندلایه (MLP) بارش مورد نظر پیش بینی شده و سپس نقشة کاربری به منظور تعیین میزان تأثیر کاربری و، به تبع آن، فرسایش در محیط GIS تهیه شده است. ترکیب پارامتر کاربری در محیط GIS و بارش پیش بینی شده می تواند خروجی SWAT را به مقدار واقعی نزدیک تر کند. نتایج حاصل نشان می دهد که با یکپارچه سازی و استفاده از مدل های به کاررفته و قابلیت های GIS می توان نتایج و برآورد میزان حجم رسوب را با دقت بالای 95% محاسبه کرد.
۱۸۶.

کاربرد سیستم استنتاجی عصبی-فازی تطبیقی در پیش بینیِ فرسایش بیولوژیکیِ ناشی از فعالیت قارچ آلترناریا آلترناتا در کاغذهای تاریخی(مقاله علمی وزارت علوم)

نویسنده:
منبع: گنجینه اسناد سال بیست و هشتم زمستان ۱۳۹۷ شماره ۴ (پیاپی ۱۱۲) 196 - 216

کلیدواژه‌ها: کاغذهای تاریخی آلترناریا آلترناتا مدل سازی ریاضی سیستم استنتاجی عصبی-فازی تطبیقی (ANFIS) پیش بینی حفاظت آرشیو

حوزه های تخصصی:
تعداد بازدید : ۶۶۹ تعداد دانلود : ۴۲۱
هدف: هدف اصلی این مطالعه پیش بینی خطر رشد قارچ آلترناریا آلترناتا در کاغذهای تاریخی با استفاده از مدل ریاضی است روش/ رویکرد پژوهش: با استفاده از روش سیستم استنتاجی عصبی-فازی تطبیقی مدل سازی ریاضی شده است. برای مدل سازی از نتایج مطالعات تجربی محسنیان و همکاران (1397) استفاده شده است. برای اعتبارسنجی مدل از معیارهای ارزیابی مختلفی شاملِ ضریب همبستگی (R2>)، میانگین مربّعات خطا (MSE)، و جذر میانگین مربّعات خطا (RMSE) استفاده شده است یافته ها و نتیجه گیری: ضریب همبستگی (R2>) نزدیک به یک (1) و میانگین مربّعات خطا (MSE) و جذر میانگین مربّعات خطا (RMSE) نزدیک به صفر (0) است. بنابراین مدل طراحی شده در پیش بینی رشد قارچ آلترناریا آلترناتا از دقت و صحت کافی برخوردار است. پیشنهاد می شود از روش سیستم استنتاجی عصبی-فازی تطبیقی برای پیش بینی خطر رشد قارچ آلترناریا آلترناتا در کاغذهای تاریخی استفاده شود.
۱۸۷.

پیش بینی احتمال روزهای گرد و خاک در مناطق شرقی ایران با روش کریجینگ نشانگر فضایی- زمانی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مخاطرات محیط طبیعی سال هشتم تابستان ۱۳۹۸ شماره ۲۰ 197 - 216

کلیدواژه‌ها: تغییرنگار فضایی زمانی پیش بینی روزهای گرد و خاک نواحی شرقی ایران کریجینگ نشانگر طوفان گرد و خاک

حوزه های تخصصی:
تعداد بازدید : ۵۱۶ تعداد دانلود : ۵۵۲
یکی از مهم ترین چالش های زیست محیطی به وجود آمده در منطقه خاورمیانه و ایران در سال های اخیر، پدیده گرد و خاک می باشد که در حال افزایش است. بدین منظور با هدف پیش بینی احتمال وقوع روزهای گرد و خاک، داده های سرعت باد و دید افقی در مناطق شرقی ایران با روش کریجینگ نشانگر فضایی – زمانی و با استفاده از نرم افزار R مورد بررسی قرار گرفت که در آن نشانگر یک، برای روز گرد و خاک و نشانگر صفر برای روز بدون گرد و خاک در نظر گرفته شد. سپس آرایه SP Data (Spatial Temporal Data)به صورت ترکیبی از ماتریس و بردار در کلاسSTFDF(Spatial Temporal Function Data Fram) و STF (Spatial Temporal Function) ساخته شد. پس از برازش تمامی مدل های تفکیک پذیر و غیر تفکیک پذیر، تغییرنگار متریک جمعی با کمترین میانگین مجموع مربعات به عنوان بهترین مدل برای برازش داده ها انتخاب شد. خروجی مدل نشان داد که داده ها تا 5 روز دارای وابستگی فضایی- زمانی هستند، لذا می توان از آخرین روز دوره آماری، احتمال وقوع روز گرد و خاک را برای 5 روز آینده پیش بینی کرد؛ که در اولین روز قابل پیش بینی یعنی 01/04/2017 (24/01/1396)، نقاط بحرانی ایستگاه های سرخس و فریمان در استان خراسان رضوی به ترتیب با احتمال 16 و 20 درصد، ایستگاه های زابل، زهک، میرجاوه، نصرت آباد، زاهدان و خاش در استان سیستان و بلوچستان به ترتیب با 17، 13،13،19،24 و 17 درصد و ایستگاه های ابرکوه، بافق و بهاباد در استان یزد به ترتیب با 20، 16 و 35 درصد، بیشترین احتمال وقوع روز گرد و خاک را دارا بودند.
۱۸۸.

پیش بینی نرخ ارز با استفاده از نقشه های خودسازمان ده بازگشتی(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد و تجارت نوین سال سیزدهم زمستان ۱۳۹۷ شماره ۴ 55-84

کلیدواژه‌ها: نرخ ارز نقشه های خودسازمان ده نقشه های خودسازمان ده بازگشتی پیش بینی اثر تحریم

حوزه های تخصصی:
تعداد بازدید : ۵۳۹ تعداد دانلود : ۲۷۴
تغییرات نرخ ارز در کشورهای درحال توسعه، که اغلب صادرکننده مواد خام اند، بیش تر از دیگر کشورها اهمیت دارد. ایران نیز نه تنها به علت وابستگی شدید به درآمدهای ارزی حاصل از صادرات نفت از این امر مستثنی نیست، بلکه به علت اعمال جدی تر تحریم های اقتصادی در سال های اخیر و تأثیرپذیری شدید نرخ ارز از این امر این اهمیت دوچندان شده است. بنابراین، در این مقاله سعی شده است با درنظرگرفتن عوامل مؤثر در نرخ ارز و هم چنین، درنظرگرفتن اثرات تحریم با استفاده از نقشه های خودسازمان ده بازگشتی [i] مدلی برای پیش بینی نرخ ارز ارائه شود. برای این کار علاوه بر عوامل مؤثر در آن به طور هم زمان از سری زمانی مربوط به نرخ ارز نیز برای پیش بینی مدل استفاده شده است و درمجموع، دوازده متغیر انتخابی از متغیرهای مؤثر کلان در نرخ ارز، و اثر تحریم و شاخص قیمت بازارهای رقیب، یعنی طلا، بورس، و مسکن در مدل وارد شدند. نتایج تحقیق نشان داد که این مدل ابزار مناسبی برای پیش بینی نرخ ارز است. [i]. self-organizing map (SOM) 2. به علت دردست رس نبودن اطلاعات شاخص قیمت مسکن از داده های قیمت زمین به منزله نزدیک ترین شاخص مربوط به داده های قیمت مسکن استفاده شده است.
۱۸۹.

پیش بینی تقاضای گاز طبیعی بر مبنای مدلسازی با استفاده از روش شبکه های عصبی در منطقه گرم و خشک بر مبنای داده های هواشناسی(مقاله علمی وزارت علوم)

نویسنده:
منبع: انرژی ایران دوره بیستم زمستان ۱۳۹۶ شماره ۴ (پیاپی ۶۴) 27-47

کلیدواژه‌ها: داده های هواشناسی پیش بینی گروه بندی داده های عددی مصرف گاز طبیعی

حوزه های تخصصی:
تعداد بازدید : ۲۵۵ تعداد دانلود : ۳۰۷
نیاز به پیش بینی و الگویابی مصرف گاز بخصوص در فصول سرد سال جهت مدیریت مصرف و سیاست گذاری و برنامه ریزی امری ضروری می باشد. در بخش مصارف مسکونی و تجاری که بخش عمده ای از مصرف گاز در کشور را به خود اختصاص می دهد، تاثیرات متغیر های هواشناسی بیشترین اثر را بر مصرف دارند. در این تحقیق چهار متغیر متوسط دمای روزانه ، متوسط رطوبت نسبی روزانه ، ساعات آفتابی در روز و متوسط سرعت باد برای پیش بینی مصرف در بازه زمانی کوتاه مدت استفاده شده است. نتایج برای سه شهر ایلام، ایوان و مهران به شکل معادلات چند جمله ای درجه دوم و بر حسب متغیر های فوق بدست آمده است. نتایج نشان مید هد که سه مدل بدست آمده بر مبنای میانگین ریشه مربعات خطای نرمال شده به ترتیب دارای مقدار 21/0، 112/0 و 123/0 و همچنین ضریب تعیین به ترتیب 8356/0، 8706/0 و می باشند که مقدار مطلوبی می باشد.
۱۹۰.

پیش بینی میانگین روزانه ی دما در استان خراسان رضوی(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات کاربردی علوم جغرافیایی سال نوزدهم بهار ۱۳۹۸ شماره ۵۲ 99-112

کلیدواژه‌ها: پیش بینی میانگین روزانه ی دما همبستگی تراز میانی جو خراسان رضوی

حوزه های تخصصی:
تعداد بازدید : ۵۱۵ تعداد دانلود : ۳۷۹
هدف از این نوشتار، کاربست مدلی همدید جهت برآورد میانگین روزانه ی دما و ارتباط آن با ارتفاع ژئوپتانسیل در تراز میانی جو(تراز 500 هکتوپاسکال) است. برای نیل به این هدف از دو پایگاه داده استفاده شده است. پایگاه نخست داده های رویداد محیطی(سطحی) می باشد که در این راستا از داده های میانگین روزانه دما در ایستگاه های منتخب مشهد، تربت حیدریه و سبزوار استفاده شده است. بیشینه و کمینه این ایستگاه ها از بازه ی زمانی11/10/1365 الی 11/10/1392 خورشیدی به تعداد 9862 روز از سازمان هواشناسی کشور اخذ گردید. پایگاه دوم شامل داده های ارتفاع ژئوپتانسیل تراز 500 هکتوپاسکال است که داده های آن از تارنمای NCEP/DOE وابسته به سازمان ملی جو و اقیانوس شناسی ایالات متحده در ساعت های 00:00؛ 03:00؛ 06:00؛ 09:00؛ 12:00؛ 15:00؛ 18:00 و 21:00 زولو استخراج شده است. سپس همبستگی میانگین روزانه ی دمای ایستگاه های منتخب خراسان رضوی با داده های جو بالا محاسبه گردید. همبستگی به دست آمده وارد محیط سرفر گردید و خطوط همچند همبستگی ایستگاه های منتخب با نیمکره ی شمالی ترسیم گردید. چهار منطقه در نیمکره ی شمالی به دست آمد که با دمای ایستگاه های مورد بررسی همبستگی بالایی نشان دادند. نتایج همبستگی ها بیانگر این است که ایالات متحده ی آمریکا با 25یاخته، شمال چین 25یاخته، آفریقا 45 یاخته و ژاپن با 65 یاخته بیشترین یاخته ها را به خود اختصاص داده است. آنگاه، میانگین وزنی یاخته های ارتفاع ژئوپتانسیل آنها گرفته شد و به وسیله رگرسیون چندگانه معادله ی ایستگاه ها بدست آمد. نتایج مدل های پیش یابی نشان می دهد که به اِزای هر ژئوپتانسیل متر افزایشی که در این نمایه رخ دهد، میانگین روزانه ی دمای ایستگاه سبزوار 4/1، تربت حیدریه 3/1 و مشهد 3/1 درجه ی سلسیوس افزایش نشان خواهد داد.
۱۹۱.

خوشه بندی و پیش بینی سودآوری شرکت های پذیرفته شده در بورس اوراق بهادار تهران با رویکرد درخت تصمیم C5(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات تجربی حسابداری مالی سال پانزدهم پاییز ۱۳۹۷ شماره ۵۹ 135 - 157

کلیدواژه‌ها: پیش بینی سودآوری خوشه بندی درخت تصمیمC5

حوزه های تخصصی:
تعداد بازدید : ۴۵۱ تعداد دانلود : ۴۵۲
امروزه سرمایه گذاران با توجه به فضای رقابتی حاکم باید محتاط تر از قبل تصمیم بگیرند. به این منظور آنها می توانند از بانک های اطلاعاتی بورس اوراق بهادار استفاده کنند. اما این اطلاعات به تنهایی مثمر ثمر نیست، بنابراین لازم است با استفاده از فنون داده کاوی تجزیه، تحلیل و تفسیرداده ها انجام شود تا اطلاعات قابل اتکاتری در اختیار استفاده کنندگان قرار گیرد. هدف این پژوهش خوشه بندی و پیش بینی سودآوری شرکت ها و تعیین عوامل موثر بر سودآوری شرکت های عضو بورس اوراق بهادار تهران است. جهت این کار، 888 شرکت-سال در محدوده زمانی 1395-1387 انتخاب شدند. پس از پیش پردازش اولیه داده ها، با نرم افزارهای متلب و Clementine و با استفاده از معیار SSE و روش K-Means شرکت ها به 3 خوشه تبدیل شدند و نتایج این خوشه بندی ها بوسیله معیار سنجش کیفیت، مورد سنجش قرار گرفت. در ادامه با استفاده از درخت تصمیم C5 خوشه ها تحلیل و متغیرهای تاثیرگذار بر سودآوری، شناسایی شد. از32 متغیر تحلیل شده تنها 8 متغیر شامل: سودخالص به کل دارایی ، فروش به کل دارایی، سودخالص به حقوق صاحبان سهام، سود عملیاتی به فروش خالص، سود و زیان انباشته به حقوق صاحبان سهام، سودخالص به فروش خالص، کل بدهی ها به کل دارایی ها و دارایی های جاری به کل دارایی ها بر سودآوری شرکت ها تاثیر می گذارند. در نهایت با درنظرگرفتن این متغیرها، پیش بینی سودآوری شرکت ها طبق هرخوشه انجام شد که دقت پیش بینی خوشه ها به ترتیب 34/86 درصد، 15/88 درصد و 68/81 درصد است.
۱۹۲.

عوامل پیش بینی کننده پیامد کوتاه مدت اختلال دوقطبی نوع یک در کودکان و نوجوانان(مقاله پژوهشی وزارت بهداشت)

نویسنده:
منبع: روانپزشکی و روانشناسی بالینی ایران دوره ۱۸ تابستان ۱۳۹۱ شماره ۲ (پیاپی ۶۹)

کلیدواژه‌ها: اختلال دوقطبی کودک و نوجوان پیامد پیش بینی عوامل جمعیت شناختی عوامل بالینی

حوزه های تخصصی:
تعداد بازدید : ۴۶۳ تعداد دانلود : ۴۰۷
هدف : هدف پژوهش حاضر شناسایی عوامل جمعیت شناختی و بالینی پیش بینی کننده پیامد کلی اختلال دوقطبی نوع یک در کودکان و نوجوانان در پی گیری های سه و شش ماهه بود. روش : طرح پژوهش از نوع طولی و آینده نگر بود. 80 کودک و نوجوان بستری در بیمارستان روزبه با تشخیص اختلال دوقطبی نوع یک، به صورت در دسترس وارد پژوهش شدند. ابزارهای پژوهش هنگام بستری و زمان ترخیص و دو دوره پی گیری سه و شش ماهه در مورد آزمودنی ها تکمیل شدند؛ پرسش نامه داده های جمعیت شناختی، برنامه کودکان برای اختلال های عاطفی و اسکیزوفرنیا، تشخیص کنونی و طول عمر (K-SADS-PL) ، مقیاس نمره گذاری شیدایی یانگ (YMRS) ، پرسش نامه افسردگی کودکان (CDI) ، پرسش نامه افسردگی بک (BDI) و برداشت کلی بالینی (CGI) . ضریب همبستگی پیرسون و تحلیل رگرسیون چندمتغیری برای تحلیل داده ها به کار رفت. یافته ها : شدت نشانه های شیدایی در پی گیری شش ماهه با پسربودن (01/0= p ) و شدت شیدایی در بدو بستری (04/0= p ) همبستگی مثبت داشت. میزان بازگشت در پی گیری شش ماهه با وجود روان پریشی در بدو بستری همبستگی مثبت (05/0> p ) داشت. شدت کلی اختلال در ماه ششم با مدت زمانی که از شروع نخسیتن نشانه ها تا دریافت درمان روانپزشکی می گذشت ارتباط مثبت داشت (03/0= p ). نتیجه گیری : برخی ویژگی های جمعیت شناختی و بالینی در پیش بینی سیر بیماری و پاسخ به درمان نقش دارند.
۱۹۳.

پیش بینی سرمایه گذاری خارجی در استان هرمزگان طی سال های 1400-1398 با استفاده از روش تحلیل طیف تکین

نویسنده:
منبع: رویکردهای پژوهشی نوین در مدیریت و حسابداری تابستان ۱۳۹۸ شماره ۱۶ (جلد چهارم) 74-87

کلیدواژه‌ها: سرمایه گذاری خارجی پیش بینی فضای کسب و کار تحلیل طیف تکین

حوزه های تخصصی:
تعداد بازدید : ۲۵۵ تعداد دانلود : ۲۲۰
یکی از اجزای بسیار مهم تأمین منابع در برنامه ششم توسعه رسیدن به رشد اقتصادی 8 درصدی سالانه است که بخش عمده آن بایستی از طریق جذب سرمایه گذاری خارجی صورت پذیرد. اطلاع از میزان جذب سرمایه گذاری خارجی علاوه بر تخصیص بهینه منابع در جهت جذب، دولت را در انجام برنامه ریزی های مالی کمک می کند. در این پژوهش، با هدف دستیابی به پیش بینی دقیق تر میزان جذب سرمایه گذاری از روش تحلیل طیف منفرد (SSA) به عنوان یک روش احتمالی ناپارامتریک استفاده می شود. نخست با آمارهای زمانی موجود در بخش سرمایه گذاری به بررسی ماهیت و ساختار سرمایه گذاری بر اساس معیارهای محیط کسب و کار پرداخته شد. سپس با روش تحلیل طیف منفرد ضمن انجام پیش بینی میزان جذب سرمایه گذاری خارجی انجام شد. نتایج این تحقیق نشان می دهد که بیشترین مقدار سرمایه گذاری خارجی در استان هرمزگان مربوط به سال 1383 برابر با 473892.8 هزاردلار بوده است که در سال های بعد با توجه به بهبود فضای کسب و کار به دلیل تحریم های ظالمانه میزان سرمایه گذاری خارجی از مبادی رسمی کاهش یافت این در حالی است که پیش بینی روند سرمایه گذاری طی سال های 1400-1398 روند صعودی در استان را نشان می دهد.
۱۹۴.

مدل سازی و پیش بینی کوتاه مدت تقاضای آب شهری(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات و سیاست های اقتصادی دوره ۷ پاییز و زمستان ۱۳۹۰ شماره ۲ 159 - 172

کلیدواژه‌ها: تقاضای آب پیش بینی شبکه های عصبی مصنوعی ARMA

حوزه های تخصصی:
تعداد بازدید : ۵۷۵ تعداد دانلود : ۳۳۰
آب به عنوان یکی از مهم ترین منابع تأمین نیاز بشر در زندگی روزمره نقش حیاتی ایفا می کند. لذا آگاهی از میزان تقاضای مورد نیاز آب جهت اعمال سیاست گذاری های لازم در راستای مدیریت تقاضا، از اهمیت ویژه ای برخوردار می باشد. در این مقاله، تقاضای روزانه آب شهر تهران برای یک دوره هفت ساله با استفاده از روش های غیرخطی شبکه عصبی مصنوعی و فرایند خطی ARMA مدل سازی گردید و در ادامه تقاضای روزانه آب شهری برای ده روز آینده پیش بینی گردید. در طراحی شبکه عصبی مصنوعی، عوامل مؤثر بر تقاضای روزانه آب شهری، دمای هوا(حداقل، حداکثر و متوسط)، روزهای هفته، ایام تعطیلات و روزهای خاص در نظر گرفته شد. نتایج حاصل از بکارگیری معیارهای ارزیابی دقت پیش بینی، نشان می دهد که شبکه عصبی مصنوعی در پیش بینی تقاضای روزانه آب شهر تهران نسبت به مدل ARMA از قدرت بالاتری برخوردار می باشد.
۱۹۵.

پویایی درآمد سرانه در اقتصاد ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات و سیاست های اقتصادی دوره ۹ پاییز و زمستان ۱۳۹۲ شماره ۲ 147 - 162

کلیدواژه‌ها: رشد اقتصادی ایران آزمون پایایی کرین - ای - سیلوستره و همکاران (2005) شکست ساختاری پیش بینی

حوزه های تخصصی:
تعداد بازدید : ۵۱۳ تعداد دانلود : ۴۱۱
در این تحقیق پویایی درآمد سرانه ایران با استفاده از داده های GDP سرانه واقعی - داده های تاریخی مدیسون (2010) - و آزمون پایایی کرین - ای - سیلوستره و همکاران (2005) طی دوره 1329-1387 مورد بررسی قرار گرفت. نتایج تحقیق نشان می دهند، اقتصاد ایران طی دوره 1334 تا اواسط دهه 1350 دوران طلایی را تجربه نمود و اگر این روند ادامه می یافت اکنون می توانست در باشگاه کشورهای با درآمد سرانه بالا قرار گیرد اما به خاطر سیاست های اقتصادی اجرا شده بعد از شوک نفتی اول، تحولات سیاسی - اجتماعی دهه 1350، جنگ تحمیلی هشت ساله عراق علیه ایران و تحریم های اقتصادی، سطح درآمد سرانه ایران آن چنان کاهش یافت که با فرض تداوم رشد اقتصادی دهه 1380 (یعنی متوسط رشد سالیانه 4 درصد)، درآمد سرانه حدوداً نوزده سال با سطح پیش بینی شده بر اساس دوران طلایی<sup> <sup>[1]</sup> </sup> فاصله دارد. <br clear="all" /> .[1] در این مقاله، اواسط دهه 1330 تا اواسط دهه 1350 را دوران طلایی نامیدیم.
۱۹۶.

سناریوهای راهبردی روابط جمهوری اسلامی ایران و عربستان سعودی در افق 2030 میلادی(مقاله علمی وزارت علوم)

نویسنده:
منبع: آینده پژوهی دفاعی سال سوم زمستان ۱۳۹۷ شماره ۱۱ 7 - 28

کلیدواژه‌ها: جمهوری اسلامی ایران عربستان سعودی سناریو نویسی پیشران ها تحلیل اثرات متقابل پیش بینی

حوزه های تخصصی:
تعداد بازدید : ۸۷۷ تعداد دانلود : ۵۲۵
آینده روابط جمهوری اسلامی ایران با عربستان سعودی و ابعاد احتمالی آن، موضوعی است که برای پژوهش گران و کارگزاران سیاسی دو کشور و دیگرکشورهای مؤثر در غرب آسیا بسیار مهم است. ما در این پژوهش آینده این روابط را در افق زمانی 2030 میلادی واکاوی کردیم. در این پژوهش سناریوهای محتمل در روابط دو کشور را با روش آینده پژوهی تلفیقی به دست آوردیم. در پاسخ به این  سؤال که سناریوهای محتمل در روابط  ایران و عربستان در افق زمانی سال 2030 میلادی چه خواهد بود؟ به سه سناریوی برتر رسیده ایم :"پایان تردیدها"، "آشوب سازنده"و"ایستاده بامشت"، که روابط احتمالی دو کشور را تصویر می کنند. پیشروی فزاینده محور مقاومت (سناریوی آشوب سازنده) و یا توازن دو جبهه (سناریوی ایستاده با مشت) بالاترین احتمال را در سال 2030 میلادی خواهند داشت. این وضعیت های احتمالی شامل شگفتی سازها در روابط طرفین نخواهد بود. ما هم چنین احتمال تحقق و مطلوبیت هر سناریو و نیز نسبت سناریوها با سیاست جاری جمهوری اسلامی ایران را بررسی کردیم.
۱۹۷.

تأثیر تمرینات چشم ساکن بر رفتارهای خیرگی و پیش بینی ضربه پنالتی فوتبال در دروازه بان های خبره(مقاله علمی وزارت علوم)

نویسنده:
منبع: رشد و یادگیری حرکتی - ورزشی سال یازدهم بهار ۱۳۹۸ شماره ۱ (پیاپی ۳۵) 35 - 51

کلیدواژه‌ها: ادراک پیش بینی پنالتی دروازه بانی خبرگی خیرگی

حوزه های تخصصی:
تعداد بازدید : ۷۶۸ تعداد دانلود : ۵۵۰
پیش بینی موفقیت آمیز از کلیدی ترین عوامل موفقیت در مهار ضربه پنالتی در فوتبال برای دروازه بانان است و معرفی مداخله های بهینه برای بهبود این توانایی می تواند در ارتقای سطح عملکرد مفید باشد. هدف از پژوهش حاضر، بررسی تأثیر تمرینات مبتنی بر چشم آرام بر پیش بینی ضربه پنالتی توسط دروازه بان های خبره و رفتارهای خیرگی آنها در حین پیش بینی بود. شرکت کنندگان پژوهش حاضر، 20 دروازه بان خبره شاغل در مسابقات لیگ برتر تهران بودند که به صورت تصادفی در دو گروه تمرین و مداخله نما قرار گرفتند و آزمون ها و مداخله های تمرینی را پشت سر گذاشتند. از دستگاه ردیاب چشم پاپیل برای ثبت داده های خیرگی و از تکنیک انسداد زمانی برای سنجش پیش بینی استفاده شد. فیلمِ 30 ضربه پنالتی توسط بازیکنان خبره فوتبال در شرایط واقعی فیلم برداری شده و در لحظه تماس پا با توپ تصویر مسدود شد که دروازه بان ها با نگاه به فیلم ها باید پیش بینی خود از مسیر ضربه را اعلام می کردند. نتایج آزمون تحلیل واریانس مرکب 2×4 نشان داد که با وجود یکسان بودن گروه تمرین و مداخله نما در پیش آزمون (05/0P>)، گروه تمرین در سایر مراحل برتری داشت و این برتری را در شرایط فشار نیز حفظ کرد (05/0P
۱۹۸.

پیش بینی رشد بخش کشاورزی ایران: رهیافت داده های ترکیبی با تواتر متفاوت (MIDAS)(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهش های رشد و توسعه پایدار سال نوزدهم پاییز ۱۳۹۸ شماره ۳ 145-161

کلیدواژه‌ها: ایران پیش بینی رشد کشاورزی رگرسیون با داده های ترکیبی مدل ARDL

حوزه های تخصصی:
تعداد بازدید : ۴۱۴ تعداد دانلود : ۵۵۰
امروزه در موضوعات اقتصادی و بازرگانی، پیش بینی به عنوان یکی از مهم ترین شاخصه های علمی، روز به روز پیشرفت می کند و پیش بینی متغیرهای کلان اقتصادی برای برنامه ریزان و سیاست گذاران و واحدهای اقتصادی، از اهمیت ویژه ای برخوردار است. بخش کشاورزی، به عنوان بخش تولیدکننده محصولات راهبردی و تأمین کننده مواد غذایی مورد نیاز جمعیت رو به رشد جامعه، تأثیر زیادی در بسیاری از تصمیم گیری های اقتصادی، اجتماعی و سیاسی دارد. با توجه به اهمیت بخش کشاورزی در اقتصاد کشور و نیز وجود عوامل تأثیرگذار متفاوت و غیرقابل کنترل، سعی می شود از روش هایی در پیش بینی استفاده شود که به واسطه آنها، تخمین به واقعیت نزدیک و خطا بسیار کم باشد تا رشد اقتصادی این بخش را به درستی پیش بینی کرده و سیاست ها و برنامه های لازم برای بهبود جایگاه این بخش، طرح ریزی شود. در این مقاله، از الگوی داده های ترکیبی با تواتر متفاوت ( MIDAS ) که اخیراً گسترش زیادی داشته، به پیش بینی رشد ارزش افزوده بخش کشاورزی پرداخته شده است. مقایسه پیش بینی های ارائه شده توسط الگوی برآورد شده برای رشد ارزش افزوده بخش کشاورزی با داده های واقعی، حاکی از قدرت پیش بینی دقیق الگو است. این الگو، نرخ رشد ارزش افزوده بخش کشاورزی را برای سالهای ۱۴۰۰-۱۳۹۶ به ترتیب، ۲۱۵/۳، ۵۳/۲، ۹۲/۲، ۲۹/۵ و ۹۹/۵ درصد پیش بینی کرده است.
۱۹۹.

استفاده از رهیافت شبکه عصبی در پیش بینی مصرف انرژی خط یک متروی تهران(مقاله علمی وزارت علوم)

نویسنده:
منبع: انرژی ایران دوره بیست و یکم پاییز ۱۳۹۷ شماره ۳ (پیاپی ۶۷) 101-123

کلیدواژه‌ها: پیش بینی انرژی متروی تهران شبکه عصبی GMDH

حوزه های تخصصی:
تعداد بازدید : ۴۴۰ تعداد دانلود : ۲۳۴
امروزه انرژی و میزان مصرف آن، محور استراتژیک برنامه ریزی های سازمانی است. گسترش سیستم حمل ونقل درون شهری بدون در نظر گرفتن شرایط گوناگون اقتصادی، علمی، صنعتی، آب و هوایی و رشد روزافزون شهرنشینی امکان ناپذیر است . تحلیل روندهای پیشین اطلاعات مصرف انرژی جهت پیش بینی روندهای آینده با درنظرگرفتن نرخ توسعه خطوط مترو، راه حلی کلیدی در راستای برنامه ریزی ها و سیاست گذاری های کلان آینده محور خواهد بود. در این پژوهش برای پیش بینی مصرف انرژی خط یک متروی تهران از مدل شبکه عصبی GMDH استفاده شده است که از قابلیت شناسایی و غربال کردن متغیرهای ورودی کم اثر در دوره آموزش شبکه و حذف آن ها در دوره آزمون، برخوردار می باشد و همچنین برای درک میزان دقت پیش بینی با مدل ARIMA مورد مقایسه قرارگرفته است. در این پژوهش، دوازده متغیر اثرگذار بر میزان مصرف انرژی متروی تهران شناسایی شده و به عنوان متغیرهای ورودی مدل در نظر گرفته شده است. نتایج حاکی از آن است که مدل شبکه عصبی GMDH ، به مراتب خطای کمتری را نسبت به مدل ARIMA دارد و از دقت پیش بینی بالاتری برخوردار است.
۲۰۰.

پیش بینی تقاضا برای نفت کوره با استفاده از شبکه های هوش مصنوعی

نویسنده:
منبع: مطالعات کاربردی در علوم مدیریت و توسعه سال چهارم آبان ۱۳۹۸ شماره ۴ (پیاپی ۱۸)

کلیدواژه‌ها: پیش بینی شبکه های هوش مصنوعی نفت کوره انرژی

حوزه های تخصصی:
تعداد بازدید : ۸۴۱ تعداد دانلود : ۶۴۶
رشد و حتی بقای بیشتر فعالیت های اقتصادی کشورهای درحال توسعه به مسئله تأمین انرژی بستگی دارد، امروزه مصرف فراورده های نفتی سبک از اهمیت بسزایی برخوردار است، از طرفی تأثیر نفت و حامل های انرژی به ویژه نفت و فراورده های آن در اقتصاد کشور بر کسی پوشیده نیست، ازاین رو در این تحقیق مصرف نفت کوره را با استفاده از یکی از الگوریتم های قدرتمند هوش مصنوعی پیش بینی کرده ایم. این تحقیق براساس هدف کاربردی و براساس جمع آوری داده ها توصیفی-پیمایشی از نوع مقطعی می باشد. در این پژوهش با استفاده از شبکه های هوش مصنوعی تقاضا مصرف نفت کوره پیش بینی شده است و با استفاده از روش های ارزیابی خطا مقدار خطای این تکنیک برآورد شده است که نسب به سایر تکنیک های سری زمانی از دقت بالاتری برخوردار است.