آنتی ویروس های بورس ؛ ورود مافیای مسکن
حوزه‌های تخصصی:
فیلترهای جستجو:
فیلتری انتخاب نشده است.
نمایش ۲۳٬۲۶۱ تا ۲۳٬۲۸۰ مورد از کل ۳۸٬۳۱۳ مورد.
بررسی وضعیت توزیع درآمد با استفاده از محاسبه ضریب جینی و شاخص رفاه سن طی سالهای 1368-1386
حوزه‌های تخصصی:
تولید فولاد ایران شدت گرفت
خلیج آرام ، جهان نگران
مجازات اعراب خلیج فارس
اخطار
پر از خالی
ایران بی آب
حوزه‌های تخصصی:
چینی ها در نقش لاک غلط گیر
خطر از دست دادن بازار عراق
حوزه‌های تخصصی:
دیر بازده
نفت خصوصی
تاثیر برنامه های کلان اقتصادی بر کاهش خط فقر در جمهوری خلق چین
حوزه‌های تخصصی:
تفسیر مدل سری زمانی و شاخص های نابرابری از شکل گیری همگرایی در کشورهای گروه D-8(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
در این پژوهش سعی کرده ایم در چارچوب مدل سولو-سوآن، فرضیه همگرایی تولید ناخالص داخلی سرانه واقعی بین کشورهای گروه D-8 را آزمون کنیم. بدین منظور، از مدل های سری زمانی(آزمون ریشه واحد دیکی- فولر تعمیم یافته) و توزیعی(شاخص های نابرابری تایل و واریانس مقطعی)استفاده کرده ایم. نتایج مدل سری زمانی نشان می دهد که تنها کشورهای اندونزی، مالزی و ترکیه توانسته اند، به سمت آمریکا (به عنوان کشوری با GDP سرانه بالا) همگرا شوند، در حالی که کشورهای دیگر از آن واگرا شده اند. از سوی دیگر، نتایج آزمون همگرایی میان کشوری بین ایران و کشورهای دیگر گروه مورد مطالعه نشان می دهد، تنها بین ایران و دو کشور بنگلادش و نیجریه همگرایی ایجاد شده است؛ این در حالی است که بین ایران و دو همسایه و شریک تجاری دیرینه آن، پاکستان و ترکیه نوعی واگرایی تصادفی ایجاد شده است. این امر می تواند، حاکی از نقش بسیار ضعیف گروه هایی مانند اکو و حتی D-8 در ایجاد یکپارچگی منطقه ای بین این سه کشور باشد. نتایج محاسبه شاخص های پراکندگی، نشان دهنده افزایش نابرابری بین کشورهای گروه(به ویژه بعد از دهه 1990) است و این امر نشان دهنده افزایش ناهمگنی بین کشورهای این گروه و ناتوانی آن در ایجاد یکپارچگی بین کشورهای عضو می باشد.
بررسی رابطه علیت گرنجری میان رشد اقتصادی و هزینه آموزش عالی در ایران(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
با توجه به اهمیت آموزش نیروی کار در افزایش رشد اقتصادی، هدف این پژوهش بررسی رابطه علیت گرنجری میان هزینه آموزش عالی و تولید ناخالص داخلی واقعی در ایران است. در این پژوهش، از سه روش آزمون علیت گرنجری استاندارد، روش هشیائو و روش ARDL برای آزمون این فرضیه که هزینه آموزش عالی علت (گرنجری) رشد اقتصادی است، استفاده کرده ایم. دوره مورد بررسی سال های 83- 1353 است. نتایج نشان می دهد که در اقتصاد ایران هیچ یک از متغیرهای نام برده، علت دیگری نیست. این نتیجه از طریق هر سه روش تایید شده است.
بررسی سطح ذخایر بین المللی بانک مرکزی ایران با استفاده از گام تصادفی و VAR(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
بعد از فروپاشی موافقت نامه اسمیت سونین بسیاری از کشورهای جهان به سیستم شناور ارز رو آوردند. اما اغلب بانک های مرکزی به خاطر کاهش تغییر پذیری نرخ ارز، عملیات خرید و فروش در بازار ارز را ادامه دادند. در این کشورها با وجود سیستم شناور مدیریت شده ارزی، ذخایر بین المللی همچنان از اهمیت بالایی برخوردار هستند.بنابراین، بحث بهینه سازی ذخایر بین المللی نیز اهمیت بسیاری دارد. در این تحقیق با استفاده از الگوی گام تصادفی، سطح بهینه ذخایر بین المللی بانک مرکزی ایران برسی شد. با استفاده از الگوی VAR، نیز توابع عکس العمل تحریک ذخایر بین المللی به تکانه های قیمت نفت و جنگ تحمیلی بررسی شدند. بر اساس نتایج الگوی گام تصادفی، طی سال های 52-1340 و 79-1363 سطح واقعی ذخایر کمتر از سطح بهینه بوده است.همچنین از سال 62-1353 و 1379 به بعد سطح واقعی ذخایر بیشتر از سطح بهینه بوده است. تحلیل تجزیه توابع عکس العمل نیز نشان داد که افزایش شدید قیمت نفتی طی سال های 60-1352 و 83- 1378 باعث افزایش ذخایر بین المللی شده است و هشت سال جنگ تحمیلی باعث کاهش سطح ذخایر بین المللی شده است.
کاربرد شبکه های عصبی مصنوعی در زمان بندی معاملات سهام: با رویکرد تحلیل تکنیکی(مقاله علمی وزارت علوم)
حوزه‌های تخصصی:
زمانبندی معاملات سهام مساله ای بسیار مهم و مشکل به دلیل پیچیدگی بازار سهام است. آنچه اهمیت دارد پیش بینی روند قیمت سهام است که هدف اصلی در مباحث تحلیل تکنیکی است. گرچه این امر به دلیل دخالت عوامل متعدد بازار و روابط بین آنها چندان آسان نیست. به نظر می رسد استفاده از ابزارها و الگوریتمهای محاسباتی پیچیده تر مانند شبکه های عصبی مصنوعی در مدلسازی فرآیندهای غیر خطی که منتج به قیمت و روند سهام می شوند، می تواند بسیار مفید باشد. در این پژوهش قابلیت شبکه های عصبی مصنوعی (ANN) برای ارتقای اثربخشی شاخصهای تحلیل تکنیکی در پیش بینی علائم روند قیمت سهام بررسی شده است. نتایج حاصل از مدلها، بر اساس نمونه ای شامل 50 شرکت از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران، نشان داد که شبکه های عصبی مصنوعی از قابلیت پیش بینی علائم تغییر روند کوتاه مدت قیمت سهام در بازار اوراق بهادار تهران برخوردار است. در بازار صعودی پس از کسر هزینه های معاملاتی، تفاوت معنی داری بین بازده مدل شبکه های عصبی مصنوعی، روش خرید و نگهداری و پربازده ترین شاخصهای تکنیکی وجود ندارد. اما در بازار نزولی بازده مدل شبکه های عصبی مصنوعی از بازده روش خرید و نگهداری بیشتر است، هر چند در بازار نزولی شاخصهای روند (میانگین متحرک) بیشترین بازده را کسب نمودند.