سید حسین میرجلیلی

یکی از عوامل تعیین کننده بازدهی سهام شرکت ها، آگاهی از میزان ریسک شرکت ها، به ویژه ریسک سیستماتیک است. ریسک سیستماتیک با تأثیرگذاری بر میزان سودآوری و بازدهی بنگاه نقش مهمی را در تصمیم گیری های مالی ایفا می کند. پژوهش حاضر درصدد بررسی این موضوع با استفاده از روش گشتاورهای تعمیم یافته در چارچوب داده‌های پانل شرکت‌ های منتخب است. انتخاب این روش برای اولین بار در این موضوع از این جهت حائز اهمیت است که بازده سهام با وقفه، می تواند به عنوان عامل توضیح دهنده ای در کنار دیگر عوامل قرار گیرد. با تصریح مدل، شناخت اثر دیگر عوامل نیز دقیق تر و بدون تورش خواهد بود. همچنین به منظور رفع تورش ناشی از درون‌زایی متغیرهای توضیحی، تمام متغیرهای رگرسیونی حتی با وقفه، به‌عنوان متغیر ابزاری وارد مدل می شوند. متغیرهای توضیحی نیز جهت جلوگیری از ایجاد خودهمبستگی بین شاخص ها و کاهش دقت نتایج، از هر گروه نسبت های شاخص ها، یک نماینده در مدل وجود داشته باشد. نتیجه پژوهش، نشان دهنده رابطه معنی دار میان بازده سهام و بازده سهام با وقفه است که موید کارآیی روش مذکور در تصریح مدل و نتایج دقیق تر است. نتایج بدست آمده، همچنین وجود رابطه معکوس بازدهی سهام با شاخص های ریسک سیستماتیک و عدم تقارن اطلاعات و رابطه مستقیم با سود هر سهم و نسبت جریان نقد عملیاتی به دارایی را نشان می دهد. علاوه بر آن میان بازدهی سهام و شاخص های اندازه شرکت و نسبت ارزش دفتری به بازار رابطه معنی داری وجود ندارد

تحریم‌های مالی اقتصاد ایران از سال 1385 با محدودیت بیشتر ایران در استفاده از شبکه مالی توسط ایالات متحده آمریکا آغاز و در سال 1390 به بهانه‌های هسته‌ای و حقوق بشر به اوج خود رسید و همچنان ادامه دارد و به دنبال آن تأثیرات زیادی بر شاخص‌های مختلف اقتصاد ایران از جمله ضریب جینی داشته‌ است. این مقاله به بررسی تأثیر تحریم‌های مالی بر نابرابری درآمدی ایران در دوره زمانی 1396-1370 می‌پردازد. بدین منظور با استفاده از شاخص ضریب جینی به عنوان شاخص اندازه‌گیری توزیع درآمد و مدل خود رگرسیون برداری عامل افزوده شده (FAVAR) ترکیبی با مدل پارامترهای متغیر در طول زمان (TVP)، اقدام به مدل‌سازی اقتصاد ایران شده و برای این مدل اقتصادسنجی از نرم‌افزار متلب 2016 استفاده شده است. متغیرهای مورد استفاده در این تحقیق بدهی‌های خارجی بانک مرکزی، نقدینگی، ضریب جینی، رشد اقتصادی، نرخ غیر رسمی ارز، درآمد نفت، تورم و بیکاری هستند. بر اساس نتایج رفتار غیر خطی در اثرگذاری متغیرها بر متغیر ضریب جینی کاملاً مشهود بود و همچنین بجز متغیرهای رشد اقتصادی و نقدینگی که موجب بهتر شدن ضریب جینی در طی زمان شده‌اند مابقی متغیرها موجب بدتر شدن شاخص ضریب جینی طی زمان می‌باشند. با توجه به این‌که فشارهای تحریم‌های مالی و اقتصادی موجب بدتر شدن وضعیت تورم، نرخ ارز، بیکاری و افزایش بدهی‌های خارجی بانک مرکزی شده است، می‌توان نتیجه گرفت که افزایش تحریم‌های مالی موجب بدتر شدن وضعیت شاخص ضریب جینی و افزایش نابرابری درآمد در کشور شده است.

Ensuring energy security is a major concern of policymakers and economic planners. This objective could be achieved by managing the energy supply and its demand. The latter has received less attention, especially in developing countries. Neglect of energy consumption and its accurate forecasting leads to potential outages and also unsustainable development. Nonlinear methods that are consistent with the nature of energy consumption have led to better results. Therefore, in the present study, both aspects of sustainable development in the determinants of energy demand and the nonlinear hybrid method have been used. We introduced a model based on sustainable development indicators to forecast energy consumption in Iran in which the relevant indicators are specified by the determination phase. To forecast energy consumption, we provided a new standard dataset for energy consumption in Iran (IREC) based on the data extracted from the World Bank and Ministry of Energy dataset in Iran. The highlight of this research is that it provided the most efficient features from the dataset using the genetic algorithm and five forecasting approaches based on machine learning methods. The algorithm was able to select 14 features as the most effective indicators in predicting energy consumption from all the 104 ones in the IREC with 500 repetitions. The empirical results indicated that the model can provide important indicators for energy consumption forecasting. The experiment result of the model using the GA-Based feature selection indicates that the hybrid model has had better results and GA-SVM and GA-MLP have the best result respectively.

در این مقاله، چرخۀ­ بازارهای مالی در اقتصاد ایران بررسی شده و با استفاده از مشاهدات فصلی طی دوره زمانی 1385 تا 1396، چرخه­ مالی ایران استخراج شده است. بدین منظور، از مدل سری­های زمانی ساختاری با مولفه­های غیر قابل مشاهده و الگوریتم فیلترکالمن استفاده شده و با به کارگیری روش حداکثر راستنمایی، پارامترهای نامعلوم برآورد شده است. جنبه جدید رویکرد مورد استفاده این است که نرخ ارز به عنوان متغیر تاثیرگذار بر چرخه­های مالی مورد بررسی قرار گرفته و برای این منظور متغیر نوسانات نرخ ارز توسط روش ناهمسانی واریانس خود رگرسیونی استخراج و در مدل وارد شده است. نتایج بررسی نشان می­دهد که اولاً، شاخص مورد نظر در بازارهای مالی طی دوره مطالعه دارای نوسانات زیادی بوده و طولانی شدن و تعمیق دوره­های رونق و رکود در این چرخه­ها یکی از علل بحران مالی است. ثانیاً، چرخه مالی حاصل از نرمال­سازی مولفه چرخه­ای بازارهای مالی نشان­دهنده نوسانات متعدد در سالهای مورد مطالعه است. ثالثاً، الگوی خودرگرسیونی برداری نشان­دهنده رابطه علیت گرنجری از سمت نوسانات نرخ ارز به سمت چرخه مالی وجود دارد که بیانگر اینست که نوسانات نرخ ارز منجر به بی­ثباتی در چرخه مالی می­شود.