مطالب مرتبط با کلیدواژه
۲۱.
۲۲.
۲۳.
۲۴.
۲۵.
۲۶.
۲۷.
۲۸.
۲۹.
۳۰.
۳۱.
۳۲.
۳۳.
سری های زمانی
منبع:
برنامه ریزی منطقه ای سال دهم بهار ۱۳۹۹ شماره ۳۷
1 - 16
حوزه های تخصصی:
آگاهی از وضعیت نرخ بیکاری استانهای کشور در افق های زمانی معین، برای برنامه ریزان منطقه ای و سیاستگزاران اقتصادی کشور بسیار مهم می باشد. در این مقاله خوشه بندی سری های زمانی بر اساس چگالی پیش بینی آنها تا افق مشخص بررسی شده است. در این روش به منظور تقریب توزیع پیش بینی ها از فرآیند بوت استرپ غربالی استفاده می شود. تفاوت های بین هر زوج از چگالی های بوت استرپ یک ماتریس عدم تشابه تولید می کند که برای خوشه بندی استفاده می شود. به همین منظور از داده های فصلی نرخ بیکاری استانی در بازه زمانی بهار 1384 تا پاییز 1396 استفاده گردید و با توجه به الگوریتم چگالی پیش بینی، نرخ بیکاری استان های کشور را برای دو افق زمانی 4 فصل (یک سال) و 10 فصل (دو سال و نیم) خوشه بندی کردیم. بهترین وضعیت را چه در 4 گام و چه در 10 گام (دو سال و نیم)، استان های سمنان و زنجان خواهند داشت و بدترین وضعیت استان های لرستان و کرمانشاه دارا می باشند. همچنین در دو افق زمانی مورد مطالعه، به جز چند استان، بقیه در خوشه های اصلی خود ثابت بودند. همچنین نمودار پراکنش فضایی بیکاری در ایران بر اساس خوشه بندی مبتنی بر چگالی پیش بینی نشان می دهد که همچنان استان های غرب و جنوب غربی بالاترین نرخ بیکاری را خواهند داشت. بنابراین لزوم برنامه ریزی منطقه ای و توجه جدی به اشتغال استان های فوق الذکر توصیه می شود. در ضمن استان هایی که در وضعیت نامطلوبی قرار دارند، دارای همسایگان با نرخ بیکاری بالا هستند و استان های با نرخ بیکاری پایین عمدتاً دارای استانهای همجوار با نرخ بیکاری پایین هستند. به عبارت دیگر یک همبستگی مکانی مثبت بین استانهای همجوار و نرخ بیکاری وجود دارد.
مدلسازی با متغیرهای دوره تناوبی مختلط: مروری بر روش های گسترش یافته اخیر در اقتصادسنجی سری های زمانی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
پژوهش های اقتصادسنجی نظری جدید بر این واقعیت متمرکز هستند که دوره تناوبی متفاوتی در سری های زمانی وجود دارند. این گروه از پژوهش ها به واسطه این که بر نقش اطلاعات در مدلسازی های اقتصادی تاکید می کنند، اهمیت قابل توجهی دارند. در رویکرد رایج سری های زمانی، برای فراهم شدن امکان مدلسازی اقتصادی متغیرها با تواتر متفاوت، تجمیع زمانی را به یک دوره تناوب یکسان تبدیل می کنند. این کار یعنی، تجمیع زمانی متغیرهایی با دوره تناوب متفاوت به از بین رفتن اطلاعات موجود در سری زمانی با تواتر بالاتر منجر می شود. پژوهش های دوره تناوب مختلط با ارائه راهکاری در جهت الگوسازی با متغیرهای دوره تناوب متفاوت، نیاز به تجمیع زمانی را در مدلسازی مرتفع می کنند. به ویژه این که نتیجه اصلی این شاخه از پژوهش های اقتصادی قدرت توضیح دهندگی بیش تر، پیش بینی بهتر، و کارایی بیش تر در الگوهای مبتنی بر سری های زمانی با تواتر متفاوت است. از این رو، تلاش می شود که با مروری بر پژوهش های پیشین پیشرفت ها و کاستی های شاخه جدید اقتصادسنجی شناخته شود.
ارزیابی مدل های خطی و غیرخطی در پیش بینی شاخص قیمت سهام در بورس اوراق بهادار تهران
منبع:
اقتصاد مالی سال ۸ تابستان ۱۳۹۳ شماره ۲۷
51 - 64
حوزه های تخصصی:
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
بهبود توان هرست به منظور ارزیابی کارایی اطلاعاتی شرکت ها در بازارهای فراکتالی(مقاله علمی وزارت علوم)
حوزه های تخصصی:
موضوع و هدف مقاله: در این پژوهش، با استفاده از داده های شبیه سازی شده سری زمانی با ابعاد فراکتال (ARFIMA) در نرم افزار R بهمنظور بررسی معیار هرست جدید در جهت ارزیابی کارایی بازارهای فراکتالی در شرکت های خصوصی و دولتی پژوهش شده است. روش پژوهش: این شبیه سازی با استفاده از پارامتر مفروض بعد فراکتال معیار جدید شناسایی آن با تغییر و بهینه سازی معیار هرست به کمک تغییر در شاخص تمرکز و جایگزینی میانه به جای میانگین معرفی شده است و با استفاده از شبیه سازی داده ها نشان داده شده که معیار جدید به دلیل مشخصات ذاتی میانه و عدم وابستگی آن به نوسانات شدید داده ها از دقت بیشتر و انحراف کمتری نسبت به معیار قبل در شناسایی ابعاد فراکتال بازار برای کلیه شرکت های دولتی و خصوصی برخوردار است. یافته های پژوهش: در نهایت مشاهده شده است که معیار جدید در محاسبه کارایی بازار با استفاده از تغییر شاخص تمرکز در معیار هرست برای داده هایی که از قبل شبیه سازی شده است، برآوردی دقیقتر محاسبه می نماید که از انحراف کمتری نیز برخوردار است. نتیجه گیری، اصالت و افزوده آن به دانش: در این پژوهش نشان داده شد که واریانس برآوردگر R/S هرست با استفاده از شاخص میانگین بیشتر از واریانس برآوردگر مربوطه با استفاده از شاخص میانه است. در نتیجه دقت در برآوردگر معرفی شده جدید بالاتر از روش های محاسباتی قبل می باشد.
مدل های تصادفی سری زمانی در پیش بینی بارندگی ماهانه. مطالعه موردی: ایستگاه هاشم آباد گرگان(مقاله علمی وزارت علوم)
منبع:
آمایش جغرافیایی فضا سال پنجم پاییز ۱۳۹۴ شماره ۱۷
15 - 25
حوزه های تخصصی:
در سالهای اخیر محدودیت منابع آبی جهت تامین آب مورد نیاز کشاورزی و غیر کشاورزی موجب بروز مشکلات زیادی شده است و باران یکی از منابع مهم تامین آب به حساب می آید. بارندگی یکی از مهمترین مولفه های ورودی به سیستم های هیدرولوزیکی محسوب می شود که مطالعه و اندازه گیری آن در اکثر موارد برای مطالعات رواناب، خشکسالی، آبهای زیر زمینی، سیلاب، رسوب و ... لازم و ضروری است. بنابراین پیش بینی و برآورد نزولات جوی برای هر منطقه و آبخیز به عنوان یکی از پارامترهای مهم اقلیمی در استفاده بهینه از منابع آبی محسوب می گردد. یکی از روشهای ارزیابی و پیش بینی بارش، استفاده از سریهای زمانی است. هدف از انجام این تحقیق بررسی مناسب ترین مدل جهت تخمین مجموع بارندگی می باشد. برای این هدف، روشها و مدلهای مختلفی وجود دارند که از آن جمله می توان مدلهای سری زمانی اتو رگرسیو (AR)، میانگین متحرک (MA) و مدلهای تلفیقی اتو رگرسیو با میانگین متحرک و مدلهای فصلی (ARIMA و SARIMA) را برشمرد. در این مقاله عملکرد هر یک از مدلهای یاد شده در برآورد و تخمین مقادیر مجموع بارندگی ماهانه در ایستگاه هاشم آباد گرگان طی دوره 2012- 1983 مورد بررسی قرار گرفت. در جهت شناسایی بهتر مدل بدست آمده، باقیمانده ها و خطاهای پیش بینی مورد بررسی قرار گرفته و ضرایب مدل تخمین زده شدند. نشان داده شد که مدل ساریما ی ((2، 0،1: 2، 1، 3)SARIMA) از سایر مدلهای سری زمانی عملکرد بهتری داشته و روند تغییرات سری زمانی را با خطای کمتری شبیه سازی می کند. واژه های کلیدی: سری های زمانی، بارندگی ، پیش بینی، باقیمانده ها، خطا.
مدلسازی و پیش بینی پدیده گرد و غبار استان سیستان و بلوچستان بر اساس مدل برون یابی منحنی روند سری های زمانی
منبع:
پژوهشنامه کلام سال اول بهار و تابستان ۱۳۹۲ شماره ۱
139 - 157
حوزه های تخصصی:
منطقه جنوب شرق کشور از جمله مناطقی است که سالانه شاهد توفان های گرد و غبار فراوان در محدوده سرزمینی خود است. بر اساس همین ضرورت، هدف نهایی پژوهش حاضر تحلیل سری های زمانی توفان های گرد و غباری استان در مقیاس های ماهانه، فصلی و سالانه، شناسایی مدل احتمالی مولد داده ها و در نهایت الگوسازی برای اظهار نظر در مورد رفتار آینده سری توفان های گرد و غبار می باشد. برای انجام پژوهش از آمار هفت ایستگاه بالای 20 سال دوره آماری (2008-1986) استفاده گردید. ابتدا تعیین روند توفان های گرد و غبار برای ایستگاه ها در مقیاس های مختلف (ماهانه، فصلی و سالانه) توسط روش های ناپارامتری صورت گرفت. برای برازش مدل مناسب جهت برآورد تغییرات توفان های گرد و غبار در سطح استان در سال های آتی با استفاده از روش های کمی یک متغیره سری های زمانی (برون یابی منحنی روند، هموار کردن نمایی، روش هلت-وینترز و روش باکس- جنکینز) اقدام به تحلیل سری ها گردید و در نهایت مدل مناسب جهت برازش توفان های گرد وغبار استان سیستان و بلوچستان مدل برون یابی منحنی روند مشخص گردید. نتایج پژوهش نشان داد که حداکثر روند به صورت افزایشی در فصول تابستان و پاییز در سطح استان مشاهده می گردد و روند صعودی در سطح اطمینان 99 درصد به حداکثر خود در این فصول می رسد. طی فرآیند تعیین روند و جهت آن برای فصول مشخص گردید که در سطح استان تنها در بخش شرقی در محدوده ایستگاه های خاش و سراوان روند معنی دار مشاهده نمی گردد و سایر بخش های استان دارای روند معنی دار وجود دارد.
بررسی حافظه ی بلندمدت بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)
منبع:
تحقیقات اقتصادی دوره ۴۶ زمستان ۱۳۹۰ شماره ۴ (پیاپی ۹۷)
207 - 226
حوزه های تخصصی:
در این مقاله حافظه ی بازار سهام مورد تخمین و تفسیر قرار گرفته است. تخمین پارامتر تفاضل کسری با روش های مختلفی از جمله روش حداکثر درست نمایی ML، حداقل مربعات غیر خطیNLS ، نمای هرست Hurst Exponent ، جوک و پورتر- هوداکGPH ، نمای هرست تعدیل شده Modified Hurst یا لوLO ، وایتل Whittle و موجکWavelet انجام شده است. نتایج تخمین وایتل، هرست، لو و موجک بیانگر آنست که بازده ی شاخص های کل، بازده و قیمت، بازده ی نقدی، صنعت و مالی دارای حافظه ی بلندمدت می باشند. تخمین های به دست آمده با روش GPH بیانگر آنست که بازده ی تمامی شاخص ها به جزء شاخص بازده ی نقدی دارای حافظه ی بلندمدت می باشد. با توجه به معنی دار نبودن نتایج تخمین های ML و NLS در بیش تر بازه های مورد بررسی، تخمین های حاصل از این دو تکنیک از اعتبار کافی برخوردار نبوده و از تحلیل کنار گذاشته شدند.
نتایج حاصل از بررسی روند تغییرات حافظه نیز بیانگر آن است که پارامتر حافظه ی بورس اوراق بهادار تهران روند تغییر محسوسی نداشته و به عبارت دیگر طی دوره ی مورد بررسی، کاهش یا افزایش معنی داری در کارایی بازار رخ نداده است.
طبقه بندی JEL: C14, C32, D53
ارزیابی روش ترکیبی PSO-BiLSTM برای پیش بینی قیمت سهام با استفاده از داده های سری زمانی قیمتی سهام (مطالعه موردی: سهام ارزشی بورس و فرابورس ایران)(مقاله علمی وزارت علوم)
منبع:
راهبرد مدیریت مالی سال دهم زمستان ۱۴۰۱ شماره ۳۹
125 - 150
حوزه های تخصصی:
در سال های اخیر با افزایش ضریب نفوذ بازار سرمایه، افراد بیشتری متمایل به سرمایه گذاری در بورس شده اند. پیش بینی دقیق قیمت سهام با کمترین خطا می تواند ریسک سرمایه گذاری را کاهش و بازده سرمایه گذاری را افزایش دهد. پیش بینی قیمت سهام به دلیل نوسانات غیرخطی اغلب به عنوان مسئله سری زمانی غیرخطی توصیف می شود که تحت تأثیر عوامل زیادی است. در این پژوهش، روش BiLSTM برای پیش بینی قیمت سهام ارزیابی می گردد. در این راستا، از چندین تکنیک یادگیری ماشین جهت پیش بینی قیمت سهام با استفاده از داده های سری زمانی قیمتهای سهام استفاده می شود و نهایتاً دو روش یادگیری عمیق شامل الگوریتم شبکه عصبی خود بازگشتی (LSTM) و الگوریتم شبکه عصبی خود بازگشتی دوطرفه (BiLSTM) در این راستا پیاده سازی و نتایج آنها مقایسه می شوند. داده های سری زمانی مشخصه های قیمتی شامل قیمت باز، قیمت بسته، قیمت بالا و قیمت پایین برای سهام ارزشی شرکت های پذیرفته شده در بورس و فرابورس اوراق بهادار تهران از ابتدای سال ۱۳۹۲ تا پایان سال ۱۳۹۸، در جهت پیاده سازی روش های مذکور به عنوان مطالعه موردی استفاده می گردند. نتایج این پژوهش نشان داد که مدل ترکیبی PSO-BiLSTM در نظر گرفتن معیارهای ارزیابی RMSE و R-Square خطای کمتری در پیش بینی قیمتهای سهام مورد مطالعه و عملکرد بهتری نسبت به الگوریتم های SVR ،CART ، MLP، LSTM و BiLSTM دارد.
مطالعه تأثیر تحولات جمعیتی بر برابری جنسیتی در ایران (با تأکید بر ترکیب جمعیت)(مقاله علمی وزارت علوم)
منبع:
زن در توسعه و سیاست دوره ۱۵ پاییز ۱۳۹۶ شماره ۳
383 - 401
حوزه های تخصصی:
تحولات جمعیتی می تواند همه ابعاد توسعه، و از جمله برابری جنسیتی به عنوان یکی از مؤلفه های مهم توسعه را تحت تأثیر قرار دهد. مقاله حاضر با هدف بررسی رابطه بین تحولات در ترکیب جمعیت و برابری جنسیتی در ایران در دوره زمانی 1335 1390 نگاشته شده است. رابطه مذکور، با اتخاذ رویکردی توصیفی تحلیلی و با استفاده از داده های ثانوی و کاربرد مدل های سری زمانی در سطح ملی مطالعه شده است. داده های استفاده شده از سری های زمانی جمعیتی و اطلاعات سرشماری های متعدد از مرکز آمار ایران گرفته شده و با استفاده از نرم افزار SPSS تحلیل شده اند. براساس نتایج، میزان شاخص ترکیبی برابری جنسیتی در طول دوره بررسی شده، بهبود درخور ملاحظه ای یافته و متغیرهای میزان شهرنشینی، ساختار سنی جمعیت و میانگین سن ازدواج زنان تأثیر معناداری بر شاخص کل برابری جنسیتی داشته اند. همچنین، جزء AR(1) و MA(2) مدل آریمای نهایی نیز تأثیر معناداری بر تغییرات برابری جنسیتی نشان داده اند. متغیرهای پیش بین در مجموع توانسته اند 33 درصد از تغییرات برابری جنسیتی در دوره بررسی شده را تبیین کنند.
پیش بینی نرخ ارز با استفاده از روش تحلیل مجموعه ی مقادیر تکین(مقاله علمی وزارت علوم)
منبع:
مطالعات اقتصادی کاربردی ایران سال ۵ تابستان ۱۳۹۵ شماره ۱۸
133 - 146
حوزه های تخصصی:
تأثیر نرخ های ارز خارجی بر متغیرهای اقتصادی در هر کشوری، ضرورت مدل سازی و پیش بینی آن را نشان می دهد. در این مقاله روش تحلیل مجموعه ی مقادیر تکین (SSA) که یک روش ناپارامتری برای تحلیل سری های زمانی است، برای مدل سازی و پیش بینی نرخ روزانه دلار به ریال در بازه زمانی تیرماه ۱۳۹۲ تا شهریور ۱۳۹۴ مورد استفاده قرار گرفته است. برای ارزیابی کیفیت مدل ارائه شده از مدل ARIMA به عنوان یک مدل رقیب استفاده شده است. برای یافتن بهترین مدل ARIMA از بسته نرم افزاری auto.arima در نرم افزار R استفاده شده است. همچنین برای مقایسه دو مدل، خطای برازش (درون نمونه ای) و خطای پیش بینی (خطای برون نمونه ای) برای گام های پیش بینی کوتاه، متوسط و بلند مقایسه شده است. نتایج نشان می دهد که SSA می تواند به عنوان یک روش توانمند برای این منظور به کار گرفته شود.
آزمون نظریه آشوب و پیش بینی قیمت های آتی صنایع فراورده های نفتی(مقاله علمی وزارت علوم)
منبع:
مطالعات اقتصادی کاربردی ایران سال ۹ تابستان ۱۳۹۹ شماره ۳۴
109 - 135
حوزه های تخصصی:
امروزه به خاطر قابلیت های نظریه های آشوب و شبکه عصبی و به کارگیری این دو مدل در بازارهای مالی به خصوص بازار فراورده های نفتی موردتوجه خاصی قرار گرفته است. در این پژوهش، مقادیر قیمت روزانه سهام فراورده نفتی ایران در طی آذر ماه 1386 تا خرداد ماه 1396 موردبررسی قرار گرفته است. با توجه به ماهیت غیرخطی داده های مالی، نظریه آشوب به منظور مطالعه میزان آشوبناکی سری زمانی مورداستفاده قرار گرفته است. نظریه آشوب بر مبنای نمای لیاپانف و بُعد فراکتالی به مطالعه سری های زمانی ناشی از سیستم های دینامیکی غیرخطی اقدام می کند. در نظریه آشوب ابتدا با استفاده از نمودارهای لیاپانف و سطح مقطع پوانکاره و اندازه گیری بُعد همبستگی امکان وجود آشوب در سری زمانی ارزش روزانه سهام فراورده نفتی ایران بررسی شده است. در ادامه، با استفاده از تخمین زمان تأخیر به دست آمده از روش میانگین اطلاعات متقابل و همچنین بُعد محاط با به کارگیری از الگوریتم نزدیک ترین همسایه های کاذب، نمودار لیاپانف ترسیم شده است. نتایج نمودارهای لیاپانف و سطح مقطع پوانکاره دلالت بر وجود آشوب در سری زمانی تحت بررسی دارد. با توجه به اثبات آشوب در این سری زمانی، غیرخطی بودن آن نتیجه گرفته شد؛ بنابراین، برای پیش بینی قیمت های آتی سهام فراورده نفتی کشور یک شبکه عصبی مناسب طراحی و بهترین الگو انتخاب گردید و آن با ضریب همبستگی 0.99 حاکی از دقت خوب در مدل سازی قیمت این صنایع دارد و می تواند جهت پیش بینی قیمت آتی آن مورداستفاده قرار گیرد.
پیش بینی و بررسی روند تغییرات بارندگی و اثرات آن بر خشکسالی هواشناسی در جنوب حوضه رود ارس
منبع:
جغرافیا و روابط انسانی دوره ۷ بهار ۱۴۰۳ شماره ۲۴
715 - 731
حوزه های تخصصی:
خشکسالی پدیده ای بهنجار و قابل تکرار است که در اثر کاهش مقدار بارندگی در یک دوره زمانی مشخص به وجود می آید. در پژوهش حاضر به بررسی روند تغییرات بارش و پیش بینی خشکسالی هواشناسی ۶ ایستگاه واقع در حوضه آبریز ارس پرداخته شده است. جهت ارزیابی وضعیت شدت خشکسالی داده های بارش سالانه ایستگاه ها در دوره آماری (۲۰۲۱- ۱۹۸۷) با استفاده از شاخص استاندارد بارندگی (SPI) بررسی شد و با استفاده از مدل های سری زمانی بارش MA، AR، ARMA و ARIMA شبیه سازی و بر اساس معیار اطلاعاتی (AIC) بهترین مدل برای پیش بینی انتخاب شد. برای ایستگاه های اردبیل، خوی و اهر مدل (۰،۰،۱) ARIMA و برای ایستگاه های پارس آباد، ماکو و جلفا مدل (۰،۰، ۱) AR به عنوان مدل های دارای بهترین نتیجه انتخاب شدند. نتایج پیش بینی برای ۵ سال آینده نشان دهنده افزایش بارش است که بر اساس آمار بارندگی موجود در سال های مربوطه، نتایج مدل های برازش یافته را قابل قبول می کند. نتایج بررسی روند شاخص (SPI) نیز نشان داد هر ۶ ایستگاه در وضعیت نزدیک به نرمال قرار دارند و بیشترین شدت خشکسالی شدید مربوط به ایستگاه خوی با ۱۴ درصد است. ایستگاه ماکو نیز با ۶ درصد فراوانی شرایط مرطوب متوسط را در طول دوره موردمطالعه مشاهده کرده است. هم چنین نتایج تغییرات بارش با استفاده از آزمون شیب سن گویای روند افزایش معنی دار بارش در ایستگاه ماکو و افزایش بدون روند در ایستگاه های پارس آباد، خوی و جلفا و کاهش بدون روند در ایستگاه های اردبیل و اهر است.
بررسی عوامل تعیین کننده جانشینی پول در ایران با استفاده از رویکرد کلان :کاربرد الگوی خودبازگشتی با وقفه های توزیعی(مقاله علمی وزارت علوم)
منبع:
اقتصاد مقداری دوره ۱۴ زمستان ۱۳۹۶ شماره ۴
123 - 149
حوزه های تخصصی:
هرگاه پول داخلی یک کشور نتواند به وظایف خود عمل کند، پول خارجی جانشین پول داخلی می شود و به این پدیده جانشینی پول می گویند. جانشینی پول، پدیده رایج کشورهای درحال توسعه است که آثار متفاوتی بر اقتصاد این کشورها دارد، از این رو تشخیص عوامل تعیین کننده جانشینی پول در کشور مهم است.در این پژوهش ابتدا از روش کمین و اریکسون(2003) برای برآورد حجم پول خارجی درگردش استفاده می شود. سپس با استفاده از رویکرد کلان عوامل تعیین کننده جانشینی پول برای ایران بررسی می شود. برای تخمین تابع تقاضای پول واقعی در روش کمین و اریکسون از روش هم جمعی جوهانسون-جوسیلیوس استفاده می شود و سپس از روش ARDL برای بررسی عوامل تعیین کننده استفاده می شود. دوره زمانی متغیرها در این مطالعه از سال 1338-1392 می باشد.نتایج نشان داد که جانشینی پول در ایران تحت تأثیر متغیرهای تفاوت نرخ بهره های داخلی و خارجی، نرخ تورم داخلی و نرخ ارز غیررسمی می باشد ولی متغیرهای حجم واقعی واردات، نرخ تورم جهانی و تولید ناخالص داخلی بی معنی و بی تأثیرند. نتایج نشان می-دهد که جانشینی پول در ایران تابعی از شاخص های هزینه فرصت پول است. بعبارتی هدف اصلی افراد از جانشینی پول در ایران رهایی از هزینه های فرصت نگهداری پول می باشد.