مطالب مرتبط با کلیدواژه

پیش بینی


۲۶۱.

پیش بینی سری های زمانی مالی با استفاده از روش هالت وینترز چندگام جلوتر(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مالی دوره ۱۸ پاییز ۱۳۹۵ شماره ۳ 505 - 518

کلیدواژه‌ها: باکس جنکینز پیش بینی سری زمانی مالی سری زمانی نامانا هالت وینترز

حوزه های تخصصی:
تعداد بازدید : ۳۵۹ تعداد دانلود : ۱۳۱
تاکنون روش های مختلفی برای پیش بینی قیمت کالاها و سودهای سهام به کار رفته است. با توجه به نوسانات دنیای مالی مهم ترین نکته این است که کدام یک از روش های پیش بینی می تواند در اعمال تصمیم بهینه به مدیران و تصمیم گیرندگان بخش های اقتصادی و بازرگانی کمک کند. در اغلب مطالعات صورت گرفته تا کنون، برای پیش بینی سری های زمانی از روش های خودرگرسیون موسوم به باکس جنکینز برای پیش بینی سری های زمانی استفاده شده است؛ در حالی که سری های زمانی بسیاری با تغییرات فصلی یا سیکلی وجود دارند که نمی توانند به وسیله یک چندجمله ای به طور مناسب مدل شوند. در این تحقیق از روش هالت وینترز برای پیش بینی سری زمانی نامانای داده های سود کسب شده از فروش یک محصول واسطه استفاده شد. نتایج حاکی از آن است که روش پیشنهادی در مقایسه با روش های کلاسیک و روش S فیلتر شده، کارایی بیشتری در پیش بینی مقادیر آینده از خود نشان می دهد
۲۶۲.

پیش بینی مصارف گاز طبیعی کشور در افق برنامه پنجم توسعه اقتصادی، اجتماعی و سیاسی کشور و نقد سیاست های مرتبط(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت بازرگانی دوره ۳ بهار ۱۳۹۰ شماره ۱ (پیاپی ۷) 109 - 234

کلیدواژه‌ها: امنیت عرضه پیش بینی تخصیص تزریق به مخزن سیاست گذاری انرژی مصرف گاز

حوزه های تخصصی:
تعداد بازدید : ۲۳۰ تعداد دانلود : ۹۱
مقوله ی انرژی در دهه های اخیر به عنوان یکی از مهم ترین حوزه ها در مباحث و گفتمان های سیاسی و اجتماعی مطرح بوده است. وابستگی بیش از حد درآمدهای کشور به منابع نفت و گاز از یک طرف و مقام دومی کشورمان در دارا بودن ذخایر غنی نفت و گاز در دنیا از سوی دیگر مقوله انرژی را به یکی از مهم ترین و استراتژیک ترین حوزه ها در سیاست گذاری کلان کشور و دستیابی به توسعه پایدار تبدیل کرده است. این مقاله به بررسی روند مصرف گاز در کشور در سنوات گذشته پرداخته و سپس رفتار مصرفی گذشته در حوزه های مختلف را برای افق برنامه پنجم توسعه پیش بینی کرده و آن را با برنامه های مصوب وزارت نفت تحلیل می نماید. به دلیل اینکه تخصیص گاز از سوی مبادی عرضه و مصرف آن از جانب بخش تقاضا به متغیر هایی مانند شرایط جوی و آب و هوایی، امنیت داخلی، قیمت گاز و سایر حامل های انرژی، مباحث امنیت بین المللی و. .. وابستگی شدیدی دارد؛ بنابراین، برای درک بهتر این رفتار، داده ها به صورت ماهانه گردآوری و تحلیل شده اند. نتایج به دست آمده با استفاده از نرم افزار EVIEWS 6 نشان می دهد، شرایط آب و هوایی در مصرف گاز در بخش خانگی و عمومی بسیار تأثیرگذار بوده و رفتار مصرف بخش نیروگاهی و بخش خانگی مکمل یکدیگر ولی در دو بازه زمانی مقابل هم است.
۲۶۳.

طراحی مدل ساختاری احساس گناه مصرف کننده جهت پیش بینی رفتارهای خرید در آینده(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت بازرگانی دوره ۶ تابستان ۱۳۹۳ شماره ۲ 291 - 314

کلیدواژه‌ها: احساس گناه پیش بینی رفتار خرید طراحی مدل مصرف کننده

حوزه های تخصصی:
تعداد بازدید : ۲۶۷ تعداد دانلود : ۱۳۰
: این مطالعه تلاش می کند دانش حاضر در زمینه احساس گناه مصرف کننده را از طریق پیشنهاد یک مدل ساختاری بررسی کند و در قالب این مدلْ رفتارهای خرید آینده فرد را پیش بینی نماید. این مطالعه با استفاده از روش تحلیل عاملی در میان جامعه مصرف کنندگان مراجعه کننده به مراکز خرید شهر کرمانشاه به اجرا درآمد. ابزار گردآوری داده ها پرسشنامه استاندارد احساس گناه مصرف کننده آیلا اوزان و همکاران (۲۰۱۲) با روایی محتوایی 62 / 0 و پایایی 78 / 0 بود، و با استفاده از نرم افزارهای SPSS و آموس تجزیه و تحلیل انجام گرفت و، در نهایت، مشخص شد که بین احساس گناه و خریدکردن، خریدنکردن، تخطی از هنجار ها، خود سرزنشی، و لذت گرایی در سطح اطمینان 95 درصد رابطه مثبت و معناداری وجود دارد. همچنین، بین احساس گناه و واکنش های مقابله ای و نیز بین واکنش های مقابله ای و پیش بینی رفتارهای خرید در آینده رابطه مثبت و معناداری وجود دارد. همچنین، در مدل نهایی، خریدنکردن دارای بیشترین تأثیر در بروز احساس گناه در مصرف کننده بود.
۲۶۴.

پیش بینی ارزش طول عمر مشتریان بانکی با استفاده از تکنیک دسته بندی گروهی داده ها (GMDH) در شبکه عصبی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت بازرگانی دوره ۸ زمستان ۱۳۹۵ شماره ۴ 833 - 860

کلیدواژه‌ها: ارزش طول عمر مشتری پیش بینی شبکه عصبی GMDH مدیریت ارتباط با مشتری

حوزه های تخصصی:
تعداد بازدید : ۱۶۱ تعداد دانلود : ۱۱۳
امروزه نقش مدیریت ارتباط با مشتری به عنوان ابزار راهبردی در توسعه سازمان های تولیدی و خدماتی و همچنین جذب و نگهداری مشتریان در صنایع رقابتی، انکارناپذیر است. شناسایی، ارزش گذاری و دسته بندی مشتریان و تخصیص بهینه منابع به آنها با توجه به ارزشی که برای سازمان ها دارند، از دغدغه های اصلیِ حوزه مدیریت ارتباط با مشتری است. در این مقاله با استفاده از شبکه عصبی GMDH به محاسبه و پیش بینی ارزش طول عمر مشتریان، به عنوان ابزاری کلیدی در تحقق نقش مدیریت ارتباط با مشتری در صنعت بانکداری پرداخته شده است. برای این منظور، اطلاعات جمعیت شناختی و مالی 5000 مشتری حقیقی ارزنده یکی از بانک های خصوصی کشور با شرط میانگین موجودی بیش از 500 میلیون ریال در حداقل یکی از حساب ها، وارد شبکه شد. نتایج نشان داد به کمک این روش می توان با دقت بالای 90 درصد ارزش طول عمر مشتریان را پیش بینی کرد که به نسبت روش های آماری متعارف، دقت بیشتری دارد. پس از حذف متغیرهای مؤثر و مضاعف، شبکه بار دیگر آزمایش شد که در این حالت نیز پیش بینی با دقت بیش از 85 درصد بود
۲۶۵.

پیش بینی تقاضای انرژی بخش حمل و نقل با استفاده از مدل زنجیره مارکوف خاکستری: مطالعه ی موردی در ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۳ پاییز و زمستان ۱۳۹۰ شماره ۲ (پیاپی ۷) 117 - 132

کلیدواژه‌ها: پیش بینی تقاضای انرژی بخش حمل و نقل مدل خاکستری مدل رگرسیون مدل زنجیره مارکوف خاکستری

حوزه های تخصصی:
تعداد بازدید : ۳۱۰ تعداد دانلود : ۱۰۹
هدف از این مقاله، ارائه یک مدل پیش بینی تقاضای انرژی برای بخش حمل و نقل در ایران است. مدل زنجیره مارکوف خاکستری برای پیش بینی تقاضای انرژی این بخش پیشنهاد شده است. نتایج پیش بینی با مدل گفته شده با نتایج پیش بینی با مدل خاکستری و مدل رگرسیون مقایسه شده است. همچنین تقاضای انرژی بخش حمل و نقل در ایران تا سال 1400 با استفاده از مدل زنجیره مارکوف خاکستری پیش بینی شده است. هدف از این مقاله، ارائه یک مدل پیش بینی تقاضای انرژی برای بخش حمل و نقل در ایران است. مدل زنجیره مارکوف خاکستری برای پیش بینی تقاضای انرژی این بخش پیشنهاد شده است. نتایج پیش بینی با مدل گفته شده با نتایج پیش بینی با مدل خاکستری و مدل رگرسیون مقایسه شده است. همچنین تقاضای انرژی بخش حمل و نقل در ایران تا سال 1400 با استفاده از مدل زنجیره مارکوف خاکستری پیش بینی شده است.
۲۶۶.

طراحی مدل رگرسیون خطی فازی به منظور پیش بینی انرژی بخش حمل و نقل: مطالعه موردی در ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۶ بهار ۱۳۹۳ شماره ۱ 23 - 34

کلیدواژه‌ها: پیش بینی تقاضای انرژی بخش حمل و نقل رگرسیون خطی فازی

حوزه های تخصصی:
تعداد بازدید : ۳۲۸ تعداد دانلود : ۱۲۵
   در این مقاله، با استفاده از رگرسیون خطی فازی(FLR) و با در نظر گرفتن شاخص های اقتصادی و اجتماعی و حمل و نقل، تقاضای انرژی بخش حمل و نقل کشور طی سال های 1385 تا 1400 پیش بینی شده است. برای بررسی تأثیر شاخص های اقتصادی و اجتماعی در تقاضای انرژی بخش حمل و نقل، از داده های مربوط به تولید ناخالص داخلی، جمعیت و تعداد خودرو طی سال های 1372 تا 1384 استفاده شده است. در این تحقیق، مقدار انرژی بخش حمل و نقل، 628 میلیون بشکه معادل نفت خام در سال 1400 پیش بینی شده است. نتایج پیش بینی با این روش در مقایسه با روش رگرسیون چندمتغیره نشان دهنده خطای به مراتب کمتری است، به طوری که درصد میانگین قدرمطلق خطا از 33/12درصد به 72/5درصد کاهش یافته است.
۲۶۷.

مدل سازی عملکرد شغلی با استفاده از سیستم بهینه استنتاج فازی-عصبی تطبیقی ( مطالعه موردی: شرکت گاز استان گیلان)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۶ بهار ۱۳۹۳ شماره ۱ 111 - 136

کلیدواژه‌ها: بهینه سازی پیش بینی سیستم بهینه استنتاج فازی-عصبی تطبیقی عملکرد شغلی مدل سازی

حوزه های تخصصی:
تعداد بازدید : ۳۲۹ تعداد دانلود : ۱۵۰
استخراج مدل حاکم بر عملکرد شغلی بر اساس عملکرد کارکنان فعلی سازمان، رویکردی بسیار مؤثر است که بر اساس آن، می توان رفتار متقاضیان را پیش بینی و ضمن استفاده کم هزینه از داده های موجود، دانش های نهفته در سازمان را برای مدیران آشکار کرد. اما ابهام و عدم قطعیت موجود در ماهیت حوزه منابع انسانی و محدودیت شناختی ذهن انسان، پیش بینی عملکرد و مشخصات ناشناخته سیستم را دشوار می سازد. بنابراین، باید به دنبال ساخت مدل هایی بود که ابهام را بخشی از سیستم مدل در نظر داشته باشد. در این پژوهش ، به منظور مدل سازی عملکرد شغلی، با بهره گیری از هوش مصنوعی و الگوریتم های بهینه سازی پیشرفته، شامل الگوریتم ژنتیک و روش تجزیه مقادیر منفرد، سیستم بهینه استنتاج عصبی-فازی تطبیقی معرفی شده است. ضریب همبستگی 995/0 برای مدل ارائه شده، بیانگر دقت و توانمندی بسیار بالای مدل، حداقل خطای آموزش و حداقل خطای پیش بینی و حداکثر انطباق پذیری عملکرد شغلی پیش بینی شده با عملکرد واقعی است. درنتیجه، می توان مدیران منابع انسانی را به ابزاری قدرتمند به منظور تصمیم گیری های گزینشی به دور از خطای ناشی از قضاوت های ذهنی، مجهز کرد.
۲۶۸.

مدل عصبی-فازی پشتیبان تصمیم فازهای اولیه پروژه های صنعت نفت(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت صنعتی دوره ۷ زمستان ۱۳۹۴ شماره ۴ 837 - 860

کلیدواژه‌ها: پروژه های صنعت نفت پیش بینی تصمیم های راهبردی مدل عصبی- فازی منحنی S پروژه

حوزه های تخصصی:
تعداد بازدید : ۲۶۷ تعداد دانلود : ۱۰۲
 طی برنامه ریزی های پیش از آغاز پروژه به عنوان یک مرحله مهم، تصمیم های اساسی اتخاذ می شوند که مسیر حرکت پروژه را در جهت موفقیت یا شکست ترسیم می کنند. این مرحله به ویژه در مگاپروژه های نفت، گاز و پتروشیمی که به حجم عظیمی از منابع نیاز دارند، اهمیتی مضاعف می یابد. عدم قطعیت در فازهای اولیه پروژه زیاد است و باید با حداقل اطلاعات از آینده، عمده ترین تصمیم گیری ها صورت گیرند. در این پژوهش، مدل پیش بینی عملکرد برای پروژه های صنعت نفت براساس سیستم های عصبی- فازی پیشنهاد شده است که بر پایه توابع پیشرفت استوار است که به مدل های منحنی S معروف اند. در این پژوهش، انواع توابع منحنی های پیشرفت پروژه مطالعه و پرکاربردترین آن ها شناسایی شدند. درادامه، از طریق مطالعات کتابخانه ای و پرسشنامه بسته، شش معیار عملکردی در قالب دو دسته و 25 متغیر شکل دهنده مدل در قالب دو بخش اصلی و چهار خوشه شناسایی شده است. درنهایت، مدل پیش بینی عملکرد با استفاده از سیستم انطباقی عصبی- فازی استنتاجی توسعه یافته است که ارزیابی نتایج آن بیانگر دقت مناسب مدل در انجام پیش بینی هاست.
۲۶۹.

ارائه چارچوبی برای اصلاح نرخ حق بیمه در رشته بدنه اتومبیل با استفاده از مدل شبکه های عصبی (مطالعه موردی: شرکت بیمه آسیا)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدیریت فناوری اطلاعات دوره ۸ زمستان ۱۳۹۵ شماره ۴ 711 - 732

کلیدواژه‌ها: بیمه بدنه اتومبیل پیش بینی داده کاوی مدل شبکه های عصبی

حوزه های تخصصی:
تعداد بازدید : ۳۱۵ تعداد دانلود : ۱۱۴
رشته بدنه اتومبیل بر خلاف آنچه به نظر می رسد، چندان رشته سود آوری برای شرکت های بیمه محسوب نمی شود و به سمت زیان دهی در حرکت است. از این رو، پژوهش حاضر به کفایت نرخ های حق بیمه بدنه اتومبیل و تدابیری برای آنها توجه کرده و در پی بهسازی و علمی کردن هر چه بیشتر این امور است. به این ترتیب، ابتدا با شناسایی متغیرهای تأثیر گذار بر ریسک بیمه گذاران و مطابقت دادن متغیرها با داده های موجود در پایگاه داده شرکت مطالعه شده، عوامل نهایی انتخاب شدند؛ سپس ضمن عملیات پیش پردازش روی داده ها با استفاده از مدل شبکه های عصبی، طبقه خسارتی و میزان خسارت بالقوه بیمه گذاران پیش بینی شد تا شرکت های بیمه بتوانند با در نظر گرفتن آنها و ضریب خسارت مدنظرشان، نرخ های بهینه ای برای بیمه نامه ها تعریف کنند. نتایج پژوهش نشان می دهد مدل ارائه شده می تواند با دقت 91 درصد طبقه خسارتی را تخمین بزند و با دقت 87 درصد میزان خسارت بالقوه بیمه گذاران را پیش بینی کند.
۲۷۰.

پیش بینی آثار تحریم های جدید و ارزیابی سیاست های مالی در چارچوب یک الگوی کلان سنجی با داده های ترکیبی تواتر متفاوت برای اقتصاد ایران در شرایط تحریم(مقاله علمی وزارت علوم)

نویسنده:
منبع: تحقیقات مدل سازی اقتصادی تابستان ۱۴۰۰ شماره ۴۴ 104-85

کلیدواژه‌ها: مدل کلان سنجی داده های ترکیبی با تواتر متفاوت تحریم پیش بینی سیاست مالی

حوزه های تخصصی:
تعداد بازدید : ۲۸۷ تعداد دانلود : ۱۴۶
در اقتصاد ایران که تحریم های مختلفی را تجربه نموده، پیش بینی متغیرهای کلان اقتصادی به هنگام اعمال تحریمِ جدید ضروری بوده و از سویی در شرایط تحریم، امکان ارزیابی دقیق تری از سیاست های اقتصادی مورد انتظار است تا امکان واکنش به موقع به این شوکها و لزوم برنامه ریزی متناسب و ایجاد ایمنی در برابر آن ها ایجاد گردد. از اینرو در مطالعه حاضر، از یک الگوی کلان سنجی داده های ترکیبی با تواتر متفاوت بهره گرفته شده است که ضمن داشتن دقت بالا در پیش بینی، این امکان در آن فراهم است که وقتی اطلاع جدیدی در مورد متغیرهای پرتواتر بدست آید، بر اساس آن در پیش بینی قبلی ارائه شده برای متغیر وابسته کم تواتر الگو، تجدید نظر کرد. الگو متشکل از 27 معادله رفتاری،8 معادله ارتباطی و 33 رابطه تعریفی و اتحادی است و پارامترهای الگو به کمک داده های سری زمانی در محدوده سال های 1338 تا 1396 برآورد شده اند. نتایج پیش بینی نشان می دهد که استفاده از مشاهدات جدید در متغیرهای با تواتر بالا در الگو، منجر به بهبود دقت نتایج در پیش بینی متغیرهای درون زای الگو شده است.
۲۷۱.

پیش بینی بحران در بورس اوراق بهادار تهران با معیارهای آنتروپی و بررسی بحران های شناسایی شده مانند کووید-19(مقاله علمی وزارت علوم)

نویسنده:
منبع: برنامه ریزی و بودجه سال بیست و ششم تابستان ۱۴۰۰ شماره ۲ (پیاپی ۱۵۳) 152-133

کلیدواژه‌ها: پیش بینی بحران آنتروپی باقی مانده تجمعی آنتروپی فراکتالی کووید-19

حوزه های تخصصی:
تعداد بازدید : ۱۷۱ تعداد دانلود : ۱۱۱
پیش بینی مقدمه تصمیم گیری است. از این رو، بسیاری از سرمایه گذاران تمایل دارند از روند بازارها و تغییرات بازده قیمت ها آگاهی داشته باشند. بدین منظور، روش های متعددی در حوزه های مختلف استفاده شده است، اما در پژوهش پیشارو به بررسی توانایی پیش بینی بحران به وسیله معیارهای آنتروپی باقی مانده تجمعی و نوع تعمیم یافته آن یعنی آنتروپی باقی مانده تجمعی فراکتالی پرداخته شده است. داده های مورد استفاده در پژوهش شامل شاخص کل، حجم معاملات، ارزش معاملات، و نرخ ارز از مهر 1389 تا تیر 1400 است. نتایج پژوهش نشان می دهد که هر دو معیار توانایی پیش بینی بحران را دارند، اما معیار آنتروپی باقی مانده تجمعی فراکتالی در پیش بینی بحران بهتر از آنتروپی باقی مانده تجمعی عمل می کند. بحران ها به ترتیب در بازه زمانی 1392-1391، 1395-1393، 1398-1397، و 1400-1399 شناسایی شده اند. هر یک از بحران ها، ازجمله بحران کووید-19، مورد بررسی و تحلیل قرار گرفت.
۲۷۲.

آثار بازار پول بر بازار طلا با رویکرد پویایی شناسی سیستمی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدل سازی اقتصادی سال پانزدهم تابستان ۱۴۰۰ شماره ۲ (پیاپی ۵۴) 1 - 19

کلیدواژه‌ها: قیمت طلا پویایی شناسی سیستمی نرخ سود بانکی حجم نقدینگی پیش بینی

حوزه های تخصصی:
تعداد بازدید : ۵۱۶ تعداد دانلود : ۲۴۳
هدف این مقاله کاربرد رهیافت پویایی سیستم برای پیش بینی قیمت طلا در کشور ایران، شناسایی عوامل مؤثر بر قیمت طلا و شبیه سازی روند تاثیر سیاست های پولی بر قیمت طلا در بازه زمانی 1389-1405 است. شبیه سازی با نرم افزار ونسیم انجام شده است. مقاله حاضر در سناریوهای مختلفی به شبیه سازی تغییر حجم نقدینگی، شاخص قیمت مصرف کننده و نرخ بهره بانکی بر بازار طلا پرداخته است. نتایج نشان می دهد قیمت طلا نه تنها متاثر از قیمت اونس جهانی و ارزش دلار است، بلکه کنترل نقدینگی و مهار تورم نقش بسزایی در ثبات بازار طلا خواهد داشت. نتایج موید این موضوع است که حجم نقدینگی و شاخص قیمت مصرف کننده تاثیر مستقیم و نقش قابل توجهی در افزایش قیمت طلا دارد. هم چنین، یافته ها نشان می دهد که تغییر نرخ بهره بانکی تاثیری بر تغییر قیمت طلا تاثیر ندارد.
۲۷۳.

پیش بینی اثر متغیرهای کلان بر شاخص قیمت سهام با استفاده از شبکه عصبی GMDH

نویسنده:
منبع: اقتصاد مالی سال ۴ پاییز ۱۳۸۹ شماره ۱۲ 45 - 62

کلیدواژه‌ها: پیش بینی شاخص قیمت سهام متغیر های کلان شبکه های عصبی مصنوعی الگوریتم GMDH

حوزه های تخصصی:
تعداد بازدید : ۱۵۶ تعداد دانلود : ۱۱۳
اقتصاد هر کشور از بخش های مختلفی تشکیل شده که روابط بین این بخش ها، سمت و سوی اقتصاد آن کشور را مشخص می کند. در این میان بازار سرمایه در کنار بازار پول، به عنوان اجزای تشکیل دهنده بازارهای مالی بوده و در واقع، شریان های اصلی یک اقتصاد محسوب می شوند، که مسائلی نظیر رشد و توسعه اقتصادی منوط به عملکرد آنها در اقتصاد است و چنانچه رابطه منطقی بین بازار مالی با بخش های دیگر اقتصادی وجود نداشته باشد، احتمال بروز اختلالات و نقصان هایی در ساز و کار اقتصاد وجود دارد. بازار بورس به عنوان رکن اصلی بازار مالی نقش مهمی را در تسهیل سرمایه گذاری های شکل گرفته در بازار سرمایه ایفا می کند. هدف اصلی این پژوهش پیش بینی شاخص قیمت سهام بورس تهران است. بدین روی، ضمن مرور اجمالی بر شناخته شده ترین نظریه های اقتصادی، به ارائه روش جدیدتری نسبت به روش های دیگر رایج پیش بینی در گذشته پرداخته و با استفاده از مدل شبکه عصبی GMDH، اثر متغیرهای کلان اقتصادی (شامل نرخ ارز، نرخ تورم و تولید ناخالص داخلی) بر شاخص قیمت سهام بورس اوراق بهادار تهران را الگوسازی و پیش بینی میکنیم. الگوریتم GMDH قابلیت استفاده در موضوع های متنوعی مانند کشف روابط، پیش بینی، مدل سازی سیستم ها، بهینه سازی و شناخت الگوهای غیرخطی را دارد. ویژگی خاص این الگوریتم استنتاجی، قابلیت شناسایی و غربال کردن متغیرهای کم اثر ورودی در دوره آموزش شبکه و حذف آنها از روند شبیه سازی در دوره آزمون است. بدین ترتیب، می توان با انجام یک فرآیند قیاسی، در چند مرحله تکرار، متغیرهای کم اثرتر را حذف نمود و در نهایت، مدل بهینه برای پیش بینی را بر اساس معیارهای رایج خطا نظیر RMSE و MAPE به دست آورد. افزون براین، این الگوریتم قادر به شناسایی و رتبه بندی تأثیرگذارترین متغیرها نیز می باشد. نتایج به دست آمده حاکی از دقت بسیار بالا و قابلیت فوق العاده الگوریتم GMDH در پیش بینی شاخص قیمت سهام بورس تهران است، به طوری که خطای حاصل از پیش بینی شاخص قیمت سهام بورس تهران برای داده-های سالانه 0.37درصد، ماهانه 0.35درصد و برای فصلی 2.04درصد است. همچنین، نتایج نشان می دهد که در بهترین مدل غیرخطی پیش بینی شاخص قیمت سهام با استفاده از مدل شبکه عصبی GMDH متغیرهای نرخ ارز، نرخ تورم و تولید ناخالص داخلی همگی جزء متغیرهای مؤثر بوده و هیچکدام از مدل حذف نشدند
۲۷۴.

معرفی بازار بین المللی ارز(FOREX) و شناسایی عوامل موثر بر پیش بینی نرخ ارز واقعی در ایران

نویسنده:
منبع: اقتصاد مالی سال ۵ بهار ۱۳۹۰ شماره ۱۴ 141 - 164

کلیدواژه‌ها: نرخ ارز فارکس پیش بینی روش ARDL

حوزه های تخصصی:
تعداد بازدید : ۱۷۳ تعداد دانلود : ۱۱۶
بازار فارکس یکی از مهمترین و بزرگترین بازارهای مالی در جهان محسوب می شود. کاربرد این بازار در وحله اول به منظور کاهش ریسک تغییر نرخ ارزها و در وحله دوم به عنوان روشی برای سودآوری از طریق تفاوت در نرخ ارزهاست. در ایران مقوله نرخ ارز و پیش بینی و تعیین آن همواره با چالش های زیادی همراه بوده است. این مقاله ابتدا بازار فارکس را به عنوان مهمترین شیوه تعیین نرخ ارز در جهان براساس سیستم رقابتی و بازار آزاد معرفی می کند و عوامل موثر بر نرخ ارز واقعی در ایران را در شرایطی که بازار را از حالت مدیریت شده و کنترلی خارج کنیم با استفاده از روش ARDL بررسی می کند. نتایج این بررسی نشان می دهد که متغیرهایی مانند هزینه های دولت، درآمد نفت، جریان سرمایه و درجه باز بودن اقتصاد از جمله عوامل اصلی اثرگذار بر نرخ ارز واقعی در ایران هستند هر چند که همچنان حضور دولت در تعیین نرخ ارز و سیاستهای منبعث از کنترل ارز امکان پیش بینی واقعی قیمت ارز را فراهم نمی کند و تصمیم گیری نهایی با دولت است
۲۷۵.

مقایسه قدرت پیش بینی منحنی فیلیپس کینزین جدید هایبریدی و مدل ARIMA از تورم

نویسنده:
منبع: اقتصاد مالی سال ۸ بهار ۱۳۹۳ شماره ۲۶ 1 - 12

کلیدواژه‌ها: منحنی فیلیپس کینزین جدید پیش بینی ARMA

حوزه های تخصصی:
تعداد بازدید : ۲۴۳ تعداد دانلود : ۱۳۰
در تحقیق حاضر ابتدا منحنی فیلیپس کینزین جدید هایبریدی با استفاده از داده های فصلی، طی دوره زمانی1q1375تا 4q1389 بر اساس روش گشتاورهای تعمیم یافته (GMM)برآورد شده است، سپس با استفاده از معیار آکائیک یک مدل مناسب ARIMA  تصریح گردید. در پایان هم، تورم با استفاده از هر دو مدل، در دو افق چهار دوره ای و هشت دوره ای پیش بینی گردید و ریشه میانگین مربع خطای دو مدل مقایسه شد. نتایج حاصل از تخمین منحنی فیلیپس کینزین جدید هایبریدی نشان می دهد که قیمت های گذشته تاثیر بیشتری نسبت به قیمت های آینده بر تورم داشته اند و ضریب شکاف محصول هم معنی دار و مثبت بوده که نشان می دهد با افزایش شکاف محصول از سطح بالقوه خود، تورم 41 درصد افزایش می یابد، به عبارت دیگر سیاست های انبساطی به منظور افزایش محصول منجر به تورم خواهد شد. سپس بعد از تصریح یک مدل (4و4) ARMAو پیش بینی تورم، نتایج نشان می دهد که در هر دو افق پیش بینی، منحنی فیلیپس کینزین جدید، ریشه میانگین مربع خطای(RMSE) کمتری نسبت به مدل ARMA داشته است و بهتر توانسته تورم را پیش بینی کند   Abstract Hybrid New Keynesian Phillips curve in the present study, using quarterly data over the period to 4q1389 1q1375 based on GMM is estimated, using the criteria stipulated Kayyk an ARIMA model was In the end, inflation, using both models, in both four and eight-period horizon, and the root mean square error of prediction models were compared HNKPC estimation results indicate that past prices influence future prices more than the rate of inflation and the output gap was positive and significant. Shows that increasing the level of potential output gap, inflation increased by 41%, ie expansionary policies to enhance product will lead to inflation. Then specify a model ARMA (4,4) and inflation forecasts, the results show that both forecast horizons, new Keynesian Phillips curve, the root mean square error (RMSE) is less than the ARMA model and better able to predict inflation.
۲۷۶.

ارزیابی مدل های خطی و غیرخطی در پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران

نویسنده:
منبع: اقتصاد مالی سال ۸ تابستان ۱۳۹۳ شماره ۲۷ 51 - 64

کلیدواژه‌ها: پیش بینی سری های زمانی شبکه های عصبی مصنوعی

حوزه های تخصصی:
تعداد بازدید : ۲۵۵ تعداد دانلود : ۱۱۲
باتوجه به تاثیر بازار بورس در تامین مالی و توسعه کشور، یافتن روشی مناسب برای پیش بینی بازار سهام اهمیت بسیاری دارد. به دلیل امکان وجود روابط غیرخطی در بازارهای مالی، هدف این مقاله، ارزیابی قدرت پیش بینی مدل های خطی و غیرخطی در بازار سهام است. ابتدا با استفاده از مدل سری های زمانی و شبکه عصبی مصنوعی [i] ، متغیر هفتگی شاخص قیمت سهام در بورس اوراق بهادار تهران در سال های 83 تا 87 برآورد شده و سپس قدرت پیش بینی دو مدل در سال های 87 تا 89 آزمون شده است. نتایج، بیانگر عدم اختلاف معنی دار دو مدل می باشد <br clear="all" /> [i]. Artifitial Neural Network
۲۷۷.

پیش بینی قیمت بنزین فوب خلیج فارس با استفاده از مدل های ARIMA و ARFIMA

نویسنده:
منبع: اقتصاد مالی سال ۸ زمستان ۱۳۹۳ شماره ۲۹ 115 - 130

کلیدواژه‌ها: پیش بینی قیمت بنزین فوب خلیج فارس ARIMA ARFIMA

حوزه های تخصصی:
تعداد بازدید : ۳۹۳ تعداد دانلود : ۱۲۱
یکی از روش های مناسب در پیش بینی سری زمانی، تعمیم رفتار گذشته سری به آینده است. برای این منظور اولین قدم شناخت دقیق رفتار گذشته متغیر است. یکی از روش های الگوسازی رفتار گذشته سری زمانی مدل خود توضیح جمعی میانگین متحرک (ARIMA) است. در این پژوهش از مدل های ARIMA و ARFIMA برای پیش بینی قیمت هفتگی بنزین استفاده شد. همچنین پیش بینی مدل ARIMA با پیش بینی مدل خود توضیح کسری جمعی میانگین متحرک (ARFIMA) مقایسه شد. برای این منظور، از ابزارهای محاسباتی نرم افزار STATA12 و داده های سری زمانی قیمت بنزین فوب خلیج فارس از ابتدای سال 2009 تا هفته ۲۶ سال 2012 به صورت هفتگی که از سایت اوپک دریافت گردید، استفاده شد. نتایج تحقیق نشان داد که مدل ARFIMA(6,0.22,6) نسبت به مدل ARIMA(1,1,0) مدل مناسب تری برای پیش بینی قیمت بنزین است و میزان خطای کمتری دارد.  
۲۷۸.

پیش بینی مصرف انرژی در بخش کشاورزی ایران

نویسنده:
منبع: اقتصاد مالی سال ۹ پاییز ۱۳۹۴ شماره ۳۲ 81 - 102

کلیدواژه‌ها: مصرف انرژی بخش کشاورزی پیش بینی ارزش افزوده و شدت انرژی

حوزه های تخصصی:
تعداد بازدید : ۱۷۷ تعداد دانلود : ۸۰
  امروزه تولید بخش کشاورزی به اندازه ای به نفت و مشتق های آن وابسته گردیده است که هرگونه خلل در تأمین انرژی مورد نیاز این بخش به گونه ای معنادار بر سطح تولید اثر می گذارد. آمارها نشان می دهند که میزان کل مصرف انرژی در بخش کشاورزی کشور طی سال های ۸۸-۱۳۷۰ از ۱/۳۳ میلیون بشکه معادل نفت خام به ۴/۴۳ حدود ۳/۱ برابر شده است. صرف نظر از وابستگی افزایش تولید به مصرف انرژی بیشتر، چگونگی رابطه میان افزایش تولید و افزایش مصرف انرژی و نیز هدایت مصرف های آتی در مسیرهای متعارف و معقول ضرورت خاصی دارد. در این مقاله برای پیش بینی مصرف انرژی بخش، نخست به پیش بینی میزان ارزش افزوده بخش بر اساس یک مدل ARIMA پرداخته و سپس با توجه به متوسط شدت انرژی دوره (۷/۰) و سناریوبندی تغییر شدت انرژی در سال های آتی بر اساس یک سناریوی مرجع، سه سناریوی مطلوب و دو سناریوی نامطلوب، میزان مصرف انرژی بخش تا سال ۱۴۱۰ مورد پیش بینی قرار می گیرد. با لحاظ کردن هزینه های اجتماعی ناشی از افزایش بی رویه مصرف انرژی می توان مشاهده نمود که چنانچه برنامه های صرفه جویی انرژی به طور هدفمند به مورد اجرا گذاشته نشود، هرساله زیان های اقتصادی ناشی از مصرف بالای انرژی در این بخش، خسارت های زیست محیطی در اثر افزایش انتشار گازهای گلخانه ای گسترش می یابد و این شرایطی است که برای انرژی های مصرفی یارانه نیز پرداخت می گردد. به منظور بهینه سازی مصرف انرژی و کاهش شدت آن در بخش کشاورزی باید راهکارهای مختلفی از جمله صرفه جویی در استفاده از انرژی های فسیلی و به کارگیری انرژی های نو مدنظر قرار گیرد.
۲۷۹.

طراحی الگویی مناسب مدیریت نقدینگی و پیش بینی ریسک آن در بانک صادرات ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد مالی سال ۱۱ تابستان ۱۳۹۶ شماره ۳۹ 171 - 197

کلیدواژه‌ها: نقدینگی بانک ریسک نقدینگی پیش بینی

حوزه های تخصصی:
تعداد بازدید : ۳۱۱ تعداد دانلود : ۲۱۴
چالش اصلی مدیریت ریسک نقدینگی، تامین وجوه در هنگام بروز بحران در سازمان ها ،شرکت ها و نهادهای های مالی در عرصه فعالیت های اقتصادی است. عمق این چالش به دو ویژگی اصلی اندازه بحران و سرعت وقوع آن بستگی دارد. هدف اصلی مدیریت ریسک، اندازه گیری انواع ریسک به منظور کنترل آنها می باشد. سیستم مدیریت ریسک شامل رویه ها و معیارهایی به منظور محاسبه کمی انواع مختلف ریسک می باشد.  در پژوهش حاضر موضوع مدیریت ریسک نقدینگی در بانک صادرات ایران بر اساس الگوی آریما براورد و ارزیابی شده است. با توجه به نتایج تخمین و مدل آریما، آمار احتمال برای وقفه های خودرگرسیو و میانگین متحرک کوچکتر از 0.05 بوده و حاکی از معنادار بودن ضرایب این وقفه ها و مناسب بودن الگوی آریما جهت پیش بینی نقدینگی می باشد. همچنین بر اساس مدل آرچ و گارچ، GARCH(1) و ARCH(1) ضرایب مربوط به معادله واریانس شرطی جمله اختلال منفی و معنی دار می باشد. بنابراین از مدل برآوردی برای پیش بینی ریسک نقدینگی می توان استفاده کرد. Bank managements to determine the rate of liquidity based on its activities, is an important task especially in volatile condition. The lack of sufficient liquidity rate may impose heavy cost on banking operations. This challenge is depended to magnitude and size of volatility. The aim of bank management’s is to control risk level in its activity. In this paper, based on an ARCH and GARCH Method, we estimate a model to determine Bank Saderat liquidity Management to investigate factors effect on the liquidity rate. The findings show that the estimated model is consistent and consistent in results during the survey period.    
۲۸۰.

پیش بینی قیمت جهانی گندم و صرفه جویی ارزی در ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد مالی سال ۱۱ زمستان ۱۳۹۶ شماره ۴۱ 225 - 242

کلیدواژه‌ها: پیش بینی قیمت جهانی گندم صرفه جویی ارزی مدل ARIMA

حوزه های تخصصی:
تعداد بازدید : ۲۳۴ تعداد دانلود : ۸۰
این مطالعه با هدف پیش بینی قیمت جهانی گندم و تشخیص زمان مناسب واردات گندم در جهت صرفه جویی ارزی صورت گرفت. جامعه آماری تحقیق حاضر اطلاعات سری زمانی ماهانه قیمت گندم طی بازه زمانی ژانویه 2000 تا دسامبر 2014 است و پیش بینی قیمت جهانی گندم برای دوره زمانی ژانویه 2016 تا دسامبر 2017 انجام شده است. همچنین جهت بررسی میزان واردات گندم به کشور ایران داده های ماهانه سال 1393- 1388در نظر گرفته شده است. در این مطالعه از مدل ARIMA به عنوان پیشتاز مدل های سری زمانی کلاسیک برای پیش بینی  قیمت جهانی گندم استفاده گردید.  نتایج تخمین مدل ARIMA و مشاهده روند زمانی متغیر قیمت جهانی گندم  نشان می دهد که در سال های اخیر با کاهش قیمت مواجه هستیم و در سال های 2016 و 2017 شاهد افزایش تدریجی قیمت جهانی گندم خواهیم بود. همچنین با بررسی وضعیت واردات گندم ایران در سال های مذکور، این نتیجه حاصل شد که واردات گندم  در بعضی سال ها، در زمان مناسبی انجام نشده است، در سال هایی مانند سال 1391که قیمت جهانی افزایش داشته است ایران نیز افزایش واردات گندم داشته است.   Abstract This study forecasts the global price of wheat and wheat imports to recognize the right time in order to save foreign exchange took place. The population of study time series of monthly wheat prices during the period January 2000 to December 2014 and forecast global wheat prices for the period January to December 2017 was conducted.In order to evaluate the country's wheat imports in years 1393- 1388 Monthly data are considered. ARIMA model as a pioneer in the study of classical time series models were used to forecast global wheat prices. ARIMA model and view the results of the variable when global wheat prices shows that in recent years, faced with falling prices and in the years 2016 and 2017 will see a gradual increase in global wheat prices. Also, check the status of Iran's wheat imports in the year, it was concluded that wheat imports in some years, been done at the right time, in years such as 1391 when the world price increased Iran's imports of wheat.