مهرزاد ابراهیمی

توسعه مالی با الزاماتی که برای فعالیت های اقتصادی ایجاد  و با اعطای امتیازاتی که به گیرندگان وام می دهد، یکی از عوامل مهم درکوچک تر شدن اقتصاد زیرزمینی می باشد. در این تحقیق یک الگوی (TVP-FAVAR)[i]با هدف بررسی تأثیر توسعه مالی بر بخش زیرزمینی اقتصاد ایران تصریح شده است. به این منظور از داده های سری زمانی در بازه 1350 تا 1394 و دو ابزار توابع واکنش آنی و تجمعی استفاده شده است. نتایج نشان می دهدکه پویایی اقتصاد زیرزمینی در واکنش به اعمال شوکی به اندازه یک انحراف معیار درتوسعه مالی و رشد تولید ناخالص داخلی، نزولی است و بر اثر تکانه های نقدینگی، درآمد مالیاتی و نرخ ارز روند صعودی دارد.بر این اساس پیشنهاد به اعمال سیاست هایی می شود که توسعه مالی را افزایش دهد و با استفاده از اصلاح سیستم بانکی ازجمله رهنمودهای مبارزه با پول شویی و ایجاد انگیزه مالی و مالیاتی، موجب کوچکتر شدن اقتصاد زیرزمینی نسبت به اقتصاد رسمی گردد.   <br clear="all" /> [i] Factor Augmented Time-Varying Parameter VAR Financial development is one of the main factors behind the reduction of the underground economy with the requirements for economic activities, as well as by granting concessions to borrowers. In this research, a TVP-FAVAR model was designed to investigate the effect of financial development on the underground economy of Iran. For this purpose, time series data from 1350 to 1394 and two tools of instantaneous and cumulative reaction functions have been used. The results of this study indicate that the dynamics of underground economy is declining in response to shock as a standard deviation in financial development and growth of gross domestic product, and is driven by liquidity fluctuations, tax revenues and exchange rates. Accordingly, the proposal is to apply policies to increase financial development and to reduce the underground economy than the formal economy by using a reform of the banking system, including anti-money-laundering guidelines and financial and tax incentives.   Keywords: underground economy, financial development, TVP-FAVAR model JEL Classification: G29, E26, H26, C53

امروزه بیشتر مطالعات در خصوص بازار سهام در اقتصاد ایران در قالب مطالعات اقتصاد سنجی بوده که در جای خود توانسته اند راهنمای سیاستگذاران باشند ولی الگوریتمهای داده کاوی توانایی مضاعفی در خصوص تدوین سیاست های راهبردی ارایه می دهند. با عنایت به نقش واهمیت بازار سهام در اقتصاد کشور، با استفاده از الگوریتم های داده کاوی نسبت به شناسایی متغیرهای مهم و تاثیر گذار بر رابطه بلند مدت شاخص کل قیمت سهام اقدام گردید. ابتدا داده های ماهانه 1384-1396  استخراج شده و پس از پردازش، ده الگوریتم وزن دهی بر روی آنها اعمال شدد. نتایج نشان داد که سه متغیر نرخ تورم، تراز تجاری و تولید ناخالص داخلی توسط 80% از الگوریتم های وزن دهی به عنوان متغیرهای مهم معرفی شدند. در میان سه متغیر فوق بیشترین وزن (بالاتر از ۰.۹) به ارزش تولید ناخالص داخلی داده شد. الگوریتم های درخت تصمیم با دقت زیاد (96.5%) قادر بودند بین دسته های شاخص سهام تمایز قایل شده و مجددا ارزش تولید ناخالص داخلی به عنوان متغیر اصلی معرفی گردید. الگوی مربوط به نرخ سود سپرده یکساله نشان داد که بین متغیرهای تولید ناخالص داخلی، حجم حقیقی پول، نرخ تورم، تراز تجاری و نرخ حقیقی ارز با قیمت سهام رابطه مثبت و بین کسری حقیقی بودجه دولت، نرخ بهره آمریکا و نرخ سود سپرده یکساله رابطه منفی وجود داشته که با مدل تئوری سازگار بودند. نتایج این مطالعه که برای اولین بار گزارش می شود میتواند افق جدیدی را جهت سرمایه گذاران و سیاستگذاران بازار بورس را فراهم نماید Most stock market studies in Iranian economy have been done in econometrics format, which have been useful for policy makers; but data mining algorithms provide double abilities to implement guidance policies. Regarding the importance of stock market in the country, data mining algorithms have been employed to investigate the most important features on stock market rates. Monthly data (2005-2011) extracted and after preprocessing and data cleansing, ten attribute weighting algorithms (AWA) applied. The results showed three features (inflation rate, GDP and trade balance) were the most important ones selected by 80% of AWA. GDP gained the highest weight (more than 90%) and tree induction algorithms used the same feature (with 96.5% precision) to differentiate between the stock rate classes. The results confirmed a positive relationship between GDP, real value of money, inflation rate, trade balance and real exchange rate with stock prices while government’s real budget deficit, USA inflation rate and one-year interests rate revealed negative relations; compatible with the theoretical model. The results that reported for the first time can open up new vistas for investors and policy makers.

این مطالعه، با توجه به اهمیت موضوع جرم و اثرهای زیانبار اجتماعی اقتصادی آن، به بررسی عوامل اقتصادی (بیکاری و تورم) مؤثر بر جرم و جنایت در ایران می پردازد. اگر مطلوبیت مورد انتظار ناشی از جرم، از مطلوبیت مورد انتظار کار قانونی بیشتر باشد، جرم انجام می شود که براین اساس، شرایط اقتصادی مانند: بیکاری، تورم و فقر موجب افزایش نرخ ارتکاب جرم می شوند، چون این عوامل تفاوت میان جرم و کار قانونی را افزایش می دهند. بدین منظور، با استفاده از آزمون دیکی فولر تعمیم یافته (ADF)، آزمون هم جمعی یوهانسن و مدل تصحیح خطای برداری (VECM) در قالب خود توضیح برداری ارتباط میان دو شاخص مهم اقتصاد کلان و نرخ جرم در طول سال های1360-1390در محدوده جغرافیایی ایران بررسی شد. نتایج حاصل نشان می دهد که نرخ بیکاری و تورم اثر مثبتی بر میزان جرم و جنایت در ایران دارد؛ به طوری که با یک واحد افزایش نرخ بیکاری و تورم، میزان جرم و جنایت به ترتیب 02/2 و 58/1واحد افزایش می یابد. لذا با توجه به این که در طول چند سال اخیر، میزان تورم اقتصادی به شدت افزایش یافته و نرخ بیکاری به نحو نگران کننده ای بالا رفته و گرانی کالا ها و خدمات به یکی از بزرگترین مشکلات افراد و خانواده ها تبدیل شده است، لازم است فعالیت های مجرمانه فقط از حیث مفهوم مجرد قانونی ملا حظه نشوند؛ بلکه در برخورد با این گونه جرایم، باید علل و عوامل ارتکاب آن ها نیز که در واقع رشد نقدینگی، افزایش تورم، گرانی کالا ها و خدمات و بیکاری فزاینده است، مورد ملا حظه قرار گیرند.

در این تحقیق تلاش میکنیم تا با استفاده از دادههای طرح جامع آمارگیری بخش صنعت ایران طی دوره (1386-1358) و با استفاده از رویکرد تغییرات حدسی و درجه توافق میزان قدرت انحصاری در دو صنعت نساجی و خودروسازی ایران را اندازهگیری نماییم. دلیل انتخاب این دو صنعت استراتژیک بودن، بزرگی اندازه و سهم آنها در اشتغال است. برای تأمین اهداف پیشبینیشده در این تحقیق با استفاده از تابع هزینه و تقاضای نهادهها و کاربرد روش تخمیین sur نسبت به ارزیابی درجه توافق و قدرت انحصاری اقدام شد. یافتههای این تحقیق مطابق انتظار بر وابستگی متقابل بنگاهها در صنعت خودروسازی و بالا بودن درجه توافق و قدرت انحصاری در این صنعت دلالت دارد. از سوی دیگر، یافتهها دلالت بر ناچیز بودن درجه وابستگی متقابل بنگاهها در صنعت نساجی و نزدیکی ساختار بازار به شرایط رقابتی دارد.

هدف اصلی این مطالعه پیش بینی میزان مصرف انرژی الکتریکی در بخش کشاورزی است. برای این منظور از روش های سری زمانی خود توضیح جمعی میانگین متحرک(ARIMA) و شبکه ی عصبی مصنوعی استفاده شد. به منظور انجام بررسی، از داده های سالانه ی دوره ی 1346 تا 1383 برای برآورد و آموزش مدل ها و از داده های دوره ی 1384 تا 1387 به منظور بررسی قدرت پیش بینی مدل های مختلف استفاده شد. در این مطالعه معیارهای ارزیابی مختلفی شامل میانگین قدرمطلق خطا(MAE)، میانگین مجذور خطا(MSE) و درصد میانگین مطلق خطا(MAPE) مورد استفاده قرار گرفتند. نتایج مطالعه نشان داد که شبکه ی عصبی پرسپترون سه لایه با روش آموزش الگوریتم پس انتشار دارای MAPE معادل 02/1 درصد می باشد که کمتر از مقدار این آماره برای مدل سری زمانی است(13/1 درصد). سایر معیارهای خطا نیز نتایج یکسانی دارند و بر این اساس شبکه ی عصبی قادر است میزان مصرف برق در بخش کشاورزی را بهتر از مدل ARIMA پیش بینی نماید. لذا پیشنهاد می شود وزرات نیرو جهت پیش بینی های آتی خود از این روش استفاده نماید.

این تحقیق به بررسی عوامل موثر بر ارتقای بهره وری در تعاونی های استان مرکزی می پردازد. نخست با بررسی جایگاه بخش تعاون در ج.ا. ایران، نقش و جایگاه تعاون در استان مرکزی و اهداف ترسیم شده آن تبیین، و آنگاه با بررسی تحقیقات انجام شده در زمینه بهره وری، عوامل موثر بر بهره وری استخراج شده اند...