ترتیب بر اساس: جدیدترینپربازدیدترین
فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۲۳٬۵۶۱ تا ۲۳٬۵۸۰ مورد از کل ۳۸٬۸۲۲ مورد.
۲۳۵۶۶.

چشم اسفندیار کلید فتح

۲۳۵۶۹.

مطالعه تاثیر خسارات طبیعی بر تولید بخش کشاورزی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: کلیدواژگان: تولید، سرمایه گذاری، حوادث طبیعی، بخش کشاورزی، بیمه ، ARDL

حوزه‌های تخصصی:
تعداد بازدید : ۱۶۱۰
در این مقاله تلاش شده است با بهره گیری از داده های آماری در دوره ی زمانی1359 تا 1384 تاثیر حوادث طبیعی بر تولید بخش کشاورزی با کمک روش خودرگرسیونی با وقفه های توزیعی (ARDL) برآورد شود. نتایج برآورد شده حاکی از آن بوده است که خسارات طبیعی تاثیر منفی و معنی دار بر تولید بخش کشاورزی گذاشته و توانسته اند اثرهای سرمایه گذاری را در این بخش تا حدودی خنثی کنند. لذا برای افزایش تولید، می توان افزون بر توسعه سرمایه گذاری، بیمه ی محصولات کشاورزی و بیمه درآمد فعالان این بخش را توصیه کرد.
۲۳۵۷۱.

بررسی کارایی هزینه ای در نظام بانکی: مطالعه موردی بانک ملت(مقاله علمی وزارت علوم)

حوزه‌های تخصصی:
تعداد بازدید : ۲۰۹۵ تعداد دانلود : ۹۷۵
پژوهش حاضر به بررسی کارایی هزینه ای نظام بانکی با مطالعه موردی بانک ملت طی سالهای 82-1370 پرداخته است. برای این بررسی با استفاده از تکنیک پارامتریک اقتصادسنجی و تابع هزینه مرزی تصادفی ترانسلوگ به تخمین میزان کارایی هزینه ای پرداخته شده است. حسن استفاده از روش مذکور این است که عدم کارایی به دو اخلال مجزا از هم، شامل عدم کارایی هزینه ای و عوامل تصادفی، تقسیم می شود. پس از تخمین تابع هزینه و ظاهر شدن جز ناکارایی مشخص شد که ده درصد از واریانس جملات خطای مدل به دلیل وجود جز ناکارایی است. از سوی دیگر محاسبات مربوط به کارایی هزینه ای نشان می دهد که نسبت هزینه کل انجام شده به حداقل هزینه کل بانک به طور متوسط 1.07است؛ لذا بانک ملت طی دوره فوق، تنها با هفت درصد ناکارایی هزینه ای مواجه بوده است.
۲۳۵۷۷.

کاربرد شبکه های عصبی مصنوعی در زمان بندی معاملات سهام: با رویکرد تحلیل تکنیکی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: کلیدواژگان: شبکه های عصبی مصنوعی؛ تحلیل تکنیکی؛ روش خرید و نگهداری؛ زمان بندی معاملات سهام؛ شاخصهای تکنیکی

حوزه‌های تخصصی:
تعداد بازدید : ۳۵۰۶ تعداد دانلود : ۱۹۷۶
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.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان