معیارهای مرکزیت

امروزه، صنعت گردشگری به عنوان یکی از بزرگترین منابع اقتصادی جهان محسوب شده و پیش بینی می شود در سال 2020 میلادی به صنعت شماره یک جهان تبدیل شود. بیشتر تحقیقات انجام شده در حوزه گردشگری تا کنون، از جنبه های جامعه شناسی، جغرافیایی و مدیریتی به گردشگری و توسعه آن پرداخته و کمتر از رویکردهای کمّی و ریاضی برای مطالعه و برنامه ریزی سیستم گردشگری استفاده گردیده است. این تحقیق، تکنیک ها و مقیاس هایی از تجزیه و تحلیل شبکه را که برای بررسی مشخصه های ساختاری اجزای شبکه مناسب هستند، معرفی نموده و ضمن تعمیم آن به صنعت گردشگری، یک متدولوژی برای واکافت شبکه مقاصد گردشگری ارائه نموده است. سپس این مقیاس ها را برای شبکه مقاصد گردشگری استان مازندران به عنوان یکی از مناطق معروف گردشگری در کشور ایران، اندازه گیری نموده و نتایج آن را تحلیل می نماید.

با پیدایش نظریه نحوفضا در معماری، امکان تبدیل پلانهای معماری به گراف به وجود آمد و به دنبال آن تئوری گراف به عنوان یکی از اصلی ترین روش ها جهت تحلیل چیدمان فضائی مطرح شد. از ویژگی های مطرح در تئوری گراف که می تواند جهت تحلیل کمی چیدمان فضایی به کار گرفته شود، معیارهای مرکزیت است. تحلیل چیدمان فضائی می تواند کارایی یک پلان را بالا برده و باعث ایجاد ارتباطات فضائی کاراتر گردد. انجام این تحلیل قبل از ساخت امکان ارزیابی طرح را فراهم می نماید. اهمیت این موضوع در پلان های عملکردی بیشتر است. در این راستا این پژوهش به دنبال استفاده از مفاهیم موجود در معیارهای مرکزیت جهت تحلیل روابط فضایی به خصوص در پلان های عملکردی می باشد. برای این منظور یکی از عملکردی ترین کاربری ها یعنی اورژانس بیمارستان ها انتخاب گردیده است. در تحلیل پلان اورژانس باید توجه کرد که نحوه ارتباط و چیدمان حوزه ها و فضاها نقش مهمی را در عملکرد اورژانس بازی می کنند. بنابراین در این پژوهش پلان یک اورژانس که دو حوزه درمانی تحت نظر و فوریت را دارا است جهت تحلیل عملکرد این حوزه ها و فضاهای مرتبط با آنها آورده شده است. در نتیجه ابتدا فضاها و حوزه های موجود در پلان کدگذاری شده و سپس با به کارگیری نظریه نحوفضا پلان به گراف تبدیل شده است. در این راستا برای محاسبه معیارهای مرکزیت از نرم افزار سایتواسکیپ استفاده شده است. نتایج حاصل از تحلیل نشان می دهد که به کمک برخی از معیارهای مرکزیت به خصوص معیارهای مرکزیت بینیت و نزدیکی می توان به تحلیل چیدمان حوزه ها و فضاهای مرتبط با آنها در پلان ها پرداخت.

بازار سهام یک سیستم مالی پیچیده با اعضایی ناهمگن است که حجم عظیمی از داده ها در آن تولید می شود و پیداست که توانایی تحلیل این داده های عظیم و استنتاج نتایج کاربردی از آن یک مزیت رقابتی قابل توجه برای مشارکت کنندگان آن ایجاد می کند. یکی از روش های تحلیل داده های بازارهای مالی که پس از بحران مالی جهانی گسترش چشم گیر داشت، تحلیل های مبتنی بر شبکه های پیچیده است که ساختار وابستگی های متقابل اعضای یک سیستم را در نظر می گیرد. ازاین رو در تحقیق حاضر، بازار سهام ایران با استفاده از نظریه گراف در ریاضیات مورد تجزیه وتحلیل قرارگرفته است. ابتدا شبکه همبستگی گروه های بازار سهام در سه مقیاس زمانی روزانه، فصلی و سالانه ساخته شده و سپس توپولوژی آنها مورد ارزیابی و مقایسه قرار می گیرد. پس ازآن با استفاده از معیارهای مرکزیت در نظریه گراف، درجه اهمیت هر یک از گروه های بازار محاسبه شده و گروه ها ازنظر اهمیتی که در شبکه دارند رتبه بندی می شوند. نتایج تحقیق مضامین قابل توجهی برای مشارکت کنندگان بازار و نهادهای ناظر، به منظور اتخاذ تصمیمات سرمایه گذاری، مقررات گذاری و کنترل ریسک دارد.

هدف: هدف این پژوهش معرفی شبکه ای مالی برمبنای روابط غیرخطی موجود بین سهام برای بهینه سازی سبد سهام سرمایه گذاران، شناسایی رهبران بازار سهام ایران با استفاده از معیارهای مرکزیت و درنهایت، خوشه بندی شبکه مالی غیرخطی است. روش: در این پژوهش، تعداد100 شرکت برتر پذیرفته شده در بورس با بیشترین سرمایه ثبت شده در دوره زمانی 11ساله (دی ماه 1388 تا دی ماه 1398) انتخاب شدند. نتایج: نتایج حاکی از آن است که با توجه به معیار درجه مرکزیت، سهام سیمان سپاهان، تأمین سرمایه امید و سرمایه گذاری امید، با توجه به معیار مرکزیت نزدیکی، سهام سرمایه گذاری غدیر، سرمایه گذاری توسعه ملی و فولاد خوزستان، با توجه به معیار مرکزیت بینابینی، سهام سرمایه گذاری غدیر، سیمان سپاهان و سرمایه گذاری توسعه ملی و با توجه به معیار مرکزیت تنگنا سهام فولاد خوزستان، سیمان سپاهان و بین المللی توسعه ساختمان بیشترین تأثیرگذاری را در بازار سهام دارند و در جایگاه رهبران بازار شناسایی شدند. برای خوشه بندی سهام برتر از الگوریتم سریع حریصانه استفاده شد که در آن شبکه به 11 خوشه تقسیم شد و هریک از این خوشه ها نشان دهنده بیشترین ارتباط موجود بین سهام شرکت ها در شبکه مالی است.

بازار سهام، به عنوان یک حوزه مالی برجسته، چالش بزرگی را در درک و ارزیابی مجموعه گسترده ای از سهام ارائه می دهد. استفاده از تجزیه و تحلیل شبکه سهام، درک جامعی از کل شبکه را از طریق تکنیک های متنوع مصورسازی تسهیل می کند. این مطالعه به بررسی اطلاعات 50 شرکت برتر پذیرفته شده در بورس اوراق بهادار تهران در بازه زمانی 1 ژانویه 2019 تا 6 ژوئیه 2021 می پردازد. با استفاده از ابزارهای یادگیری ماشینی بدون نظارت مانند الگوریتم های تشخیص جامعه و روش های تجزیه و تحلیل شبکه مانند لاوین، گیروان - نیومن، شبکه ای از سهام تشکیل شد. پس از آن، پنج معیار مرکزیت برای این شرکت ها محاسبه شد که شامل مرکزیت درجه، مرکزیت نزدیکی، مرکزیت ویژه، مرکزیت بینابینی و رتبه صفحه است. با فرمول بندی یک ماتریس شباهت بر اساس این معیارها برای سهام باقی مانده در شبکه، مجموعه ای از 25 سهام مناسب برای سرمایه گذاری تعیین شد که از رتبه بندی سهام بر اساس معیارهای مرکزیت به دست می آید.

هدف: این پژوهش بر آن است که با اضافه کردن متغیرهای مربوط به شبکه مالی، عملکرد الگوی درخت تصمیم تقویت گرادیان را که شاخص هایش با الگوریتم بهبودیافته گرگ خاکستری بهینه شده است، با الگو های منتخب در حوزه پیش بینی درماندگی مالی ارزیابی کند.روش: الگوی پیشنهادی این پژوهش روی داده های 123 شرکت تولیدی پذیرفته شده در بورس و فرابورس ایران در بازه زمانی 2015 تا 2021 اجرا شد. ابتدا شبکه مالی تشکیل شد و سپس با ترکیب متغیرهای مبتنی بر شبکه با برخی نسبت های مالی و با استفاده از الگوی درخت تصمیم تقویت گرادیان که شاخص های آن با الگوریتم بهبودیافته گرگ خاکستری بهینه شده است، درماندگی مالی شرکت ها پیش بینی شد.نتایج: الگوی درخت تصمیم تقویت گرادیان با اضافه شدن متغیرهای مربوط به شبکه مالی هم ازنظر دقت و هم ازنظر خطای نوع یک عملکرد بهتری در مقایسه با دو الگوی k نزدیک ترین همسایه و رگرسیون لجستیک از خود نشان داد. شرکت های با مرکزیت بینابینی و مرکزیت درجه زیاد، کمتر مستعد قرارگرفتن در شرایط درماندگی مالی هستند و برعکس. در شرایطی که نسبت فراوانی نمونه های هر طبقه از طبقات دیگر بسیار متفاوت باشد، استفاده از روش درخت تصمیم تقویت گرادیان بسیار کارآمد خواهد بود.نوآوری: برای نخستین بار متغیرهای مربوط به شبکه مالی با نسبت های مالی، ترکیب شد و ازطریق روش نوین درخت تصمیم تقویت گرادیان که شاخص هایش با الگوریتم گرگ خاکستری بهبودیافته بهینه شده، درماندگی مالی پیش بینی شد.