فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۱٬۲۲۱ تا ۱٬۲۴۰ مورد از کل ۲٬۰۷۳ مورد.
معرفی جامعه مدیریت بیمه و ریسک
حوزه‌های تخصصی:
وابستگی بین تصمیم گیری پرتفولیویی افراد و تقاضای آنها برای بیمه
حوزه‌های تخصصی:
انتخاب نامساعد ناشی از قوانین و مقررات در بازار بیمه عمر
حوزه‌های تخصصی:
مدیریت ریسک سازمانی: منشاء و اساس ادراکی آن
حوزه‌های تخصصی:
رهیافتهای تازه در بیمه های باربری
حوزه‌های تخصصی:
بیمه صادرات و خطراتی که باید تحت پوشش قرار گیرد
حوزه‌های تخصصی:
اثر خدمات بیمه ای در تراز پرداختها
حوزه‌های تخصصی:
بررسی چالش های تأمین مالی بنگاه ها با تأکید بر نقش سیاست های پولی و اعتبارات بخش بانکی: رویکرد مدل تعادل عمومی پویای تصادفی(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
این مطالعه چالش های تأمین مالی بنگاه های تولیدی ایران با در نظر گرفتن نقش سیاست های پولی و اعتبارات بخش بانکی در قالب یک مدل تعادل عمومی پویای تصادفی را موردبررسی قرار داده است. برای این منظور از داده های واقعی سرانه فصلی مربوط به دوره 1374 تا 1393 و تعدیل فصلی شده که به کمک فیلترینگ هدریک- پروسکات روند زدایی گردیده اند استفاده و برای استخراج مقادیر پارامترهای مدل نیز از روش کالیبراسیون بهره گیری شده است. در این راستا پس از تصریح مدل و تبیین معادلات هر بخش نسبت به بهینه یابی اقدام و پس از شبیه سازی مدل، به کمک گشتاورهای متغیرها، مدل مورد برازش واقع گردید. نتایج حاصله مؤید موفقیت نسبی مدل شبیه سازی شده با واقعیت های اقتصاد ایران بود. در ادامه، توابع عکس العمل آنی مربوط به شوک های بهره وری و شوک رشد حجم پول بر روی متغیرها موردبررسی قرار گرفت که نتایج حکایت از آن داشت که شوک مثبت بهره وری و رشد حجم پول به ترتیب از کانال افزایش سرمایه گذاری و کاهش نرخ بهره موجب افزایش تولید گردیده که نتایج حاصله منطبق با انتظارات تئوریک و واقعیات اقتصادی کشور بوده است.
بیمه حوادث دانش آموزی (برحسب نسبت حق بیمه دریافتی به خسارت پرداختی)
حوزه‌های تخصصی:
ارزیابی شکنندگی مالی بانک ها با بکارگیری روش شبکه عصبی
حوزه‌های تخصصی:
پیش بینی تداوم فعالیت یک بانک در دوره های آتی، یکی از عناصر مهم در تصمیم گیری ناظران بانکی بوده و در این میان، انتخاب متغیر پیش بینی کننده و روش مناسب، به عنوان یکی از مسائل چالش برانگیز در ادبیات پیش بینی شکنندگی مالی مطرح بوده است. یکی از پیشرفته ترین مدل های پیش بینی کننده شکنندگی مالی، مدل شبکه عصبی است. در نمونه مورد بررسی در این مقاله، ابتدا با بهره گیری از ادبیات نظری و تجربی، شاخص شکنندگی مالی متناسب با ساختار شبکه بانکی کشور تعریف شده و سپس با به کارگیری آزمون t معنی داری نسبت های مالی مورد نظر و بر اساس آماره لوین میانگین دو نمونه در سطح اطمینان 95 درصد، مورد آزمون قرار گرفته و سپس با انتخاب نسبت های مالی معنی دار که قدرت توضیح دهی در مدل داشته باشند، مدل شبکه عصبی طراحی گردید. برای آزمون دقت و صحت مدل از جدول طبقه بندی و منحنی ROC استفاده شد. نتایج بررسی بیانگر قدرت پیش بینی 96 درصدی مدل طراحی شده است. همچنین بر اساس یافته های این مقاله، ریسک اعتباری و ریسک نقدینگی، از مهمترین عوامل توضیح دهنده شکنندگی مالی هستند.