بیزین

در مطالعه حاضر، با استفاده یک تابع توزیع غیرگوسی که توسط فیزیکدانی به نام کستینگ ارائه شده است به تجزیه و تحلیل رفتار بازار سهام در ایران پرداخته شده است. برای این منظور از اطلاعات روزانه بورس اوراق بهادار تهران از اول شهریور ماه 1381 تا آخر بهمن ماه 1389 پیشنهاد شده است. به منظور برآورد تابع توزیع کستینگ از روش بیزی و تکنیک شبیه سازی زنجیره مارکوف مونت کارلو استفاده شده است. نتایج به دست آمده وجود یک تابع توزیع غیرگوسی با دنباله آبشاری پهن و چوله به راست را تأیید می نماید، بنابراین با تکیه بر نتایج به دست آمده نمی توان احتمال وقوع بحران های غیرمنتظره در بازار سهام ایران را نادیده گرفت. همچنین این مطالعه تحت شرایط کنترل شده، فرضیه ثبات مجانبی توزیع کستینگ را مورد آزمون قرار داده است. نتایج به دست آمده نمی تواند فرضیه فوق را رد نماید، بنابراین با اعمال مدیریت هوشمند در برابر ریسک های موجود و ایجاد شفافیت بیشتر در بازار می توان به این امر دست یافت.

اثر مخارج یکی از کانال های قدرتمند و اثرگذار بر اقتصاد کشورهای صادرکننده نفت خام در پی وقوع تکانه های قیمتی نفت خام است. میزان اثرگذاری تکانه های ساختاری بر اقتصادهای صادرکننده نفت خام به نوع تکانه و میزان خرج کرد دولت در اقتصاد بستگی دارد. در این مطالعه با استفاده از داده های فصلی سال های 1988 تا 2014 ابتدا مطابق با کیلیان (2009) تکانه های سمت عرضه و تقاضای بازار جهانی نفت خام تفکیک و شناسایی گردیده و سپس با به کارگیری یک مدل عاملی پویا که برخلاف مدل های خود توضیح برداری استاندارد با محدودیت ورود متغیر و کاهش درجه آزادی مواجه نیست (با رویکرد بیزین)، به بررسی اثرات تک تک تکانه های قیمتی نفت خام بر متغیرهای خرج کرد پرداخته شده است. نتایج نشان می دهند که عکس العمل متغیرهای خرج کرد بخش دولتی و خصوصی به تکانه های ساختاری بازار جهانی نفت خام متفاوت است. تکانه مثبت اقتصاد جهانی از دو کانال افزایش درآمدهای نفتی و نیز رونق اقتصاد داخلی باعث افزایش مصرف بخش خصوصی (اعم از کالاهای بادوام، بی دوام و خدماتی و واردات کل) و سرمایه گذاری کل گردیده است. مصرف نهایی دولت در پی وقوع این تکانه به طور آنی واکنش منفی نشان داده که تنها برای یک دوره معنادار بوده است. اثرات تکانه خاص بازار نفت خام به سبب آنکه صرفا باعث افزایش درآمدهای نفتی گردیده محدود به افزایش مثبت و معنادار خرج کرد بخش دولتی بوده و مصرف بخش خصوصی و سرمایه گذاری کل را تحت تاثیر قرار نداده است. این تکانه اگرچه اثر مثبت بر واردات کل داشته اما این اثر پس از گذشت یک دوره به پایان رسیده است.

پیش بینی بازده سهام برای سرمایه گذاران در بازارهای مالی از اهمیت فراوانی برخوردار است. به طور کلی چهار روش برای پیش بینی قیمت سهام وجود دارد: تحلیل تکنیکال، تحلیل بنیادی، پیش بینی سری های زمانی کلاسیک و روش یادگیری ماشینی. این مطالعه در دسته سوم؛ یعنی پیش بینی سری زمانی که در آن مقادیر یک متغیر در طول زمان پیش بینی می شود، قرار می گیرد. بررسی مطالعات انجام شده نشان می دهد پیش بینی قیمت سهام بیشتر با روش هایی چون شبکه عصبی و الگوریتم ژنتیک که در گروه روش یادگیری ماشینی قرار دارند، بوده است. عدم کاربرد روش بیزین، هموارسازی نمایی و باکس جنکینز در مطالعات انجام شده مشهود است. در واقع تمایز این پژوهش با سایر مطالعات، کاربرد روش های بیزین، هموارسازی نمایی و باکس جنکینز و مقایسه آن ها در پیش بینی بازده سهام است. این مطالعه پیش بینی با سری های زمانی با سه روش مختلف فوق را مورد استفاده قرار داده است. بازه زمانی این مطالعه از 0۶/0۱/13۹۷ تا ۲۷/1۲/۱۳۹۹ در تناوب روزانه است. براساس معیار ریشه میانگین مربع خطاها (RMSE) که کاهش آن تنها در صورتی ممکن است که روش مورد استفاده اطلاعات بیشتری را از  فرآیند سری زمانی داده ها لحاظ کند. نتیجه این مطالعه نشان دهنده برتری روش بیزی بر سایر روش ها است. این تحقیق اهمیت توجه به این روش پیش بینی در بازده  بازارهای مالی را نشان می دهد.

بحران های بانکی متناوباً در حال وقوع می باشند. این موضوع نشانگر این است که مدل های هشدار پیش از وقوع فعلی، در شناسائی قبل از وقوع این بحران ها موفق نبوده اند. بررسی مدل های موجود نشان می دهد دلیل شکست این مدل ها عمدتاً ناشی از شناسایی متغیرهای توضیحی و طراحی تجربی مدل می باشد، که در این پژوهش سعی گردیده بهبود یابند. این پژوهش برای تعدیل مشکل نااطمینانی مدل با متوسط گیری از تمامی مدل ها (میانگین گیری بیزی)، به تعیین عوامل مؤثر بر بحران های بانکی در ایران پرداخته است. روش تحقیق حاضر کاربردی است. بازه زمانی تحقیق 1370 تا 1398 است. 49 متغیر به عنوان عوامل موثر بر بحران بانکی وارد مدل گردیدند. جامعه تحقیق حاضر، اقتصاد ایران در حوزه بانکی است. نتایج بیانگر این است که از میان مدل های BMA، TVP-DMA و TVP-DMS، BVAR و OLS، مدل TVP-DMA به عنوان کاراترین مدل تعیین گردید. بر اساس مدل TVP-DMA، 10 متغیر شکننده موثر بر بحران بانکی شناسایی شدند. در این پژوهش متغیرهای حجم اموال تملیکی؛ نسبت مطالبات سررسید شده و معوق به کل تسهیلات؛ کسری بودجه؛ نسبت خوداتکائی؛ Spread؛ انحراف نرخ ارز غیر رسمی از رسمی؛ دیرش دارایی ها و بدهی ها؛ دیرش نرخ بهره؛ شاخص نسبت کفایت سرمایه و نااطمینانی تورم مهم ترین متغیرهای موثر بر بحران بانکی شناسایی شدند. بر اساس نتایج تمامی متغیرهای فوق تأثیر مثبتی بر بحران بانکی دارند و در صورت تداوم این فرآیند افزایش احتمال وقوع بحران بانکی در سال های آتی را فراهم خواهد نمود. بر اساس نتایج، دیرش نرخ بهره، موثرترین شاخص بر بحران بانکی شناسایی گردید. با توجه به خروجی نتایج، می توان بیان داشت شاخص بحران بانکی در اقتصاد ایران معضلی با ابعاد گسترده است؛ چرا که متغیرهای مرتبط با سیاست گذارهای بخش پولی و مالی بر این شاخص اثرگذارند.

برآورد دقیق آبدهی رودخانه ها یکی از مهم ترین موارد کلیدی در مدیریت و برنامه ریزی منابع آب به ویژه اتخاذ تصمیمات صحیح در مواقع سیلاب و بروز خشک سالی ها است. برای برآورد میزان آبدهی رودخانه ها رویکردهای متنوعی در هیدرولوژی معرفی شده است که مدل های هوشمند از مهم ترین آن ها می باشد. در این پژوهش کاربرد مدل های هیبریدی ماشین بردار پشتیبان_ موجک و ماشین بردار پشتیبان-بیزین به منظور برآورد دبی رودخانه های حوضه آبریز کرخه براساس آمار آبدهی روزانه ایستگاههای هیدرومتری واقع در بالادست سد کرخه طی دوره آماری(1387-1397) مورد بررسی و ارزیابی قرار گرفته است. معیارهای ضریب همبستگی، ریشه میانگین مربعات خطا و میانگین قدر مطلق خطا برای ارزیابی و عملکرد مدلها مورد استفاده قرار گرفت. نتایج نشان داد ساختارهای ترکیبی نتایج قابل قبولی در مدلسازی دبی رودخانه ارائه می نمایند. همچنین مقایسه مدل ها نشان داد مدل هیبریدی ماشین بردار پشتیبان-موجک دقت بهتری در پیش بینی جریان از خود نشان داده است. در مجموع نتایج نشان داد استفاده از مدل هیبریدی ماشین بردار پشتیبان می تواند در زمینه پیش بینی دبی روزانه مفید باشد .