تحقیقات مدل سازی اقتصادی

اقتصاد و محیط زیست دو سیستم به هم وابسته هستند؛ در دهه های اخیر محیط زیست جهانی، به عنوان مهم ترین کالای عمومی جهانی، به شدت تحت تأثیر اثرات خارجی منفی رشد اقتصادی از جمله تغییرات اقلیمی بوده است. در راستای درونی کردن این اثرات خارجی بهره گیری از مالیات پیگویی یک روش توصیه شده است. یکی از مهمترین مدل های طراحی شده برای بررسی یکپارچه اقتصاد و اقلیم مدل RICE نوردهاوس می باشد؛ البته با این محدودیت که در این مدل رشد اقتصادی مورد بررسی به صورت برونزا لحاظ شده است. در این مطالعه هدف درون زا کردن رشد اقتصادی مدل RICE و تعیین نرخ مالیات در 6 سناریو شامل 1) سناریوی پایه 2) سناریوی اعمال نرخ بهینه کنترل انتشار 3) سناریو محدودیت دمای 2 درجه سانتی گراد 4) سناریو استرن تنزیل شده 5) سناریو استرن کالیبره شده و 6) سناریو کپنهاگ است. نتایج نشان می دهد در مدل رشد درون زا نسبت مالیات به تولید خالص داخلی و انتشار CO2 در روند زمان باید افزایشی باشد. در همه سناریوهای مدل رشد درون زا ی ایران (به جز سناریوی پایه) افزایش مالیات در فاصله سال های 2022 تا 2122 باعث کاهش انتشارCO2 صنعتی و کاهش غلظت کربن اتمسفر می گردد. در نهایت با اعمال مالیات بهینه مشخص شده در همه سناریوها تغییرات دما کمتر از دو درجه سانتیگراد افزایش یافته است.

هدف: هدف این پژوهش ارائه یک راهنمای کاربردی برای سرمایه گذاری در بورس تهران از طریق ترکیب تکنیک های تحلیل تکنیکال با روش های پیشرفته یادگیری ماشین است. با تمرکز بر تحلیل سیگنال های خرید و فروش در شاخص های منتخب بورس تهران، تلاش شده است تا کارایی مدل های یادگیری ماشین در پیش بینی روند بازار بررسی شود. روش: در این تحقیق، داده های روزانه شش شاخص منتخب بورس تهران شامل شاخص های مالی، فرآورده های نفتی، خودرویی، دارویی، غذایی و فلزات اساسی از سال 1399 تا دی ماه 1403 مورد بررسی قرار گرفتند. چهار مدل یادگیری ماشین شامل مدل خطی، جنگل تصادفی، شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان در کنار دو استراتژی تحلیل تکنیکال TEMA و MACD برای تولید و ارزیابی سیگنال های خرید و فروش استفاده شدند. یافته ها: نتایج نشان داد که مدل های یادگیری ماشین، به ویژه جنگل تصادفی و شبکه عصبی مصنوعی، در ترکیب با استراتژی های TEMA و MACD عملکرد بهتری در شناسایی سیگنال های خرید و فروش داشته اند. این مدل ها توانستند با دقت بالاتری روند بازار را پیش بینی کنند و سیگنال های تولیدشده توسط آنها در اغلب موارد با تغییرات واقعی قیمت همخوانی داشت. شاخص های غذایی، خودرویی و مالی حساسیت بیشتری به این تحلیل ها نشان دادند. نتیجه گیری: ترکیب روش های یادگیری ماشین با استراتژی های تحلیل تکنیکال می تواند به سرمایه گذاران ابزار قدرتمندی برای تصمیم گیری در بورس تهران ارائه دهد. این پژوهش نشان داد که استفاده از این روش ها نه تنها می تواند دقت سیگنال های خرید و فروش را بهبود بخشد، بلکه امکان کاهش ریسک سرمایه گذاری و افزایش بازده را نیز فراهم می آورد. بهره گیری از این مدل ها می تواند به عنوان بخشی از استراتژی سرمایه گذاری برای تحلیل گران و سرمایه گذاران پیشنهاد شود. اصالت: این پژوهش اولین مطالعه کمی است که به دنبال مفهوم سازی سیگنال های خرید و فروش به روش ترکیبی یادگیری ماشین و تحلیل تکنیکال به عنوان یکی از ابزارهای اساسی برای راهنمایی سرمایه گذاران می باشد.

بازار سهام به عنوان یکی از اجزای حیاتی بازار سرمایه، بخش مهمی از اقتصاد کشور است که می تواند جریان سرمایه را مدیریت و تخصیص سرمایه را بهینه کرده و از این طریق به رشد و توسعه اقتصادی کمک کند. پیش بینی هرچه دقیق تر روند بازار سهام می تواند با کاهش ریسک، به تصمیم گیری سرمایه گذاران برای کسب بازده بیشتر کمک کند. به طور کلی بازار سهام همواره در حال تغییر است و عوامل زیادی بر روند حرکت این بازار اثر می گذارند لذا پیش بینی الگوهای حرکتی در بازا سهام نیازمند داشتن اطلاعات کافی از گذشته بازار و عوامل اثرگذار بر آن می باشد. این مقاله ضمن پیش بینی شاخص کل بازار سهام ایران، به دنبال تفسیر مدل و مشخص کردن اثرگذارترین متغیر اقتصادی بر پیش بینی شاخص کل می باشد. برای این منظور از داده های روزانه بازار سهام و متغیرهای کلان اقتصادی طی دوره 1394-1401 استفاده شده است. همچنین از مدل های یادگیری ماشین برای پیش بینی و از رویکرد توضیحات افزودنی (SHAP) برای تفسیر چگونگی پیش بینی و تعیین بااهمیت ترین متغیر اقتصادی در مدل پیش بینی استفاده شده است. براساس نتایج بدست آمده از میان روش های گروهی مبتنی بر درخت، مدل پیشنهادی این مطالعه یعنی ExtraTrees بهترین عملکرد را بر اساس معیارهای خطا در پیش بینی دارد. درمورد مبحث اهمیت ویژگی نیز بر اساس مدل ExtraTrees، به ترتیب دلار نیمایی، نرخ بیکاری، دلار بازار آزاد و نقدینگی با اهمیت ترین متغیرهای اقتصادی اثرگذار بر مدل پیش بینی می باشند. همچنین براساس سایر مدل های استفاده شده در پژوهش، نقدینگی مؤثرترین متغیر بر روند شاخص سهام می باشد. در نهایت می توان گفت که مؤثرترین متغیر های پولی بر شاخص بازار سهام در ایران متغیرهای نقدینگی و نرخ ارز می باشند لذا سیاست گذاران پولی و سرمایه گذاران بازار سهام در تصمیم گیری های خود باید به تغییرات این متغیرها حساسیت بیشتری نشان دهند.

فنآوری اطلاعات و ارتباطات در عصر حاضر، بر تمامی ابعاد زندگی بشر سایه افکنده است که نتیجه آن، دگرگونی در تمام شیوه های تولید و توزیع تا آموزش، مبادلات و روابط انسانی است. از سوی دیگر لازمه تحقق رشد و توسعه اقتصادی، بالاتر بودن سرعت رشد در مناطق فقیر و توسعه نیافته نسبت به مناطق ثروتمند و توسعه یافته است که به عنوان فرضیه همگرایی مطرح می باشد. در این راستا، نابرابری های منطقه ای چالشی اساسی برای توسعه مناطق است و این نابرابری ها، تهدید جدی برای ایجاد توسعه متوازن مناطق می باشد. از این رو هدف اصلی این مطالعه بررسی همگرایی فاوا در سطح کاربری و زیرساختی در بین استان های کشور می باشد. بدین منظور از ضریب نفوذ اینترنت(به عنوان شاخص فاوا در سطح زیرساختی) و تعداد تراکنش های بانکی (به عنوان شاخص فاوا در سطح کاربری) استفاده شده است. نتایج با استفاده از روش ناهار ایندر نشان داد که از بین سی استان مورد بررسی واگرایی در سطح کاربری برای 22 استان اتفاق افتاده است . در سطح زیر ساختی نیز اماره t برای استان های خراسان جنوبی ، خوزستان، البرز و فارس معنی دار است که نشان می دهد واگرایی دیجیتال در این استان ها طی دوره مورد بررسی رخ داده است.

بررسی اثر سرریز شاخص عملکرد لجستیک بر صادرات در مناطق آزاد یکی از موارد مهم جهت توجه ویژه در این مناطق محسوب می گردد که در سال های اخیر کمتر به این مهم توجه شده است. از این رو در این مطالعه با استفاده از روش های مختلف داده های تابلویی نظیر دوربین فضایی به بررسی اثر سرریز شاخص عملکرد لجستیک در بین هفت منطقه آزاد موجود و براساس شش شاخص عملکردی صنعت لجستیک طی سال های 1393-1402 پرداخته شده است. از اینرو، این مقاله با استفاده از الگوهای مختلف رگرسیون فضایی به بررسی عملکرد مدیریت جریان کالا بر روی صادرات (که یک شاخص ترکیبی و نشانگر توسعه یافتگی کشورها در حوزه های مختلف است) در مناطق آزاد ایران پرداخته است. نتایج پژوهش بیانگر این است که اثر سرریز شاخص عملکرد لجستیک در روش دوربین فضایی مورد تایید قرار گرفته و عملکرد لجستیک تاثیر مثبت و معناداری بر صادرات مناطق آزاد داشته، به طوری که رشد شاخص های لجستیک در کشور منجر به افزایش صادرات در مناطق آزاد هفت گانه می گردد. میزان سرمایه گذاری ، نیروی کار و درجه باز بودن اقتصاد دارای تأثیرگذاری مثبت و معنی دار بر ارزش صادرات مناطق آزاد تجاری دارند. با توجه به نتایج تحقیق پیشنهاد می شود سیاستگذاران اقتصادی با ارتقای شاخص عملکرد لجستیک، سرمایه گذاری و اشتغال به بهبود ظرفیت تولید و صادرات در این مناطق مبادرت ورزند.

براساس حقایق آماری، رفتار قیمت در بازارهای مالی صرفاً یک فرآیند پیوسته نیست بلکه ما پرشهایی را در قیمت دارائیها مشاهده می کنیم که ممکن است بروزا یا درونزا باشند. ادعا می شود منبع پرشهای برونزا، اخبار بوده و منبع پرشهای درونزا، رفتار متقابل بین عوامل بازار می باشد. هدف ما این است که این پرشهای درونزا را به صورت تابعی از متغیر حالت سیستم و زمان استخراج کنیم. ابتدا با معرفی معادله لانژون به عنوان دینامیک حاکم و پیوند دادن پارامترهای آن با ضرایب کرامرز-مویال نشان می دهیم که می توان این پارامترها را براساس ممان های شرطی استخراج کرد . در ادامه معادله لانژون تعمیم یافته را جهت مدلسازی پرشهای مشاهده شده در داده ها معرفی می کنیم و نشان می دهیم که در مدل جدید نیز، ضریب رانش برابر ضریب اول کرامرز-مویال می باشد ولی ضریب پخش در این مورد کمتر از ضریب دوم کرامرز-مویال می باشد. در مدل ما جمله پرش متشکل از دو مولفه نرخ و اندازه پرش می باشد و نشان می دهیم که این دو مولفه جدید نیز براساس ضرایب کرامرز-مویال قابل استخراج می باشند. همچنین معیاری عملی براساس ضرایب چهارم و ششم کرامرز-مویال، جهت انتخاب بین مدل پخش و پخش- پرش معرفی می کنیم. استفاده از روش کرامرز- مویال برای استخراج معادله لانژون تعمیم یافته نشان می دهد که این روش با دقت خوبی قادر به بازسازی فرآیند می باشد. برای ارزیابی دقت بازسازی انجام شده از آزمونهای موجود در نظریه اطلاعات استفاده شده است. در یک کاربرد عملی، دینامیک قیمت یک دارایی را استخراج کرده و سپس با شبیه سازی نشان داده ایم که این مدل قادر هست سوالات آماری رایج در مورد فرآیندهای تصادفی را با دقت خوبی پاسخ دهد. با محاسبه تابع پتانسیل از روی ضریب اول کرامرز- مویال نشان می دهیم که پتانسیل مقید کننده رفتار فرآیند مورد مطالعه، یک سهمی درجه دوم بوده و در نتیجه یک تعادل پایدار در نقطه صفر داریم. با استفاده از دینامیک استخراج شده نشان می دهیم که این مدل توانایی پیش بینی خارج از نمونه خوبی نیز دارد.