فهرست مطالب vahid farmanara
-
بانک ها به عنوان موسسات مالی و خدماتی نقش تعیین کننده ای در گردش پول و ثروت جامعه بر عهده دارند و از این رو از جایگاه ویژه ای در اقتصاد هر کشور برخوردارند. ماهیت فعالیت در صنعت بانکداری ایجاب می کند که نظارت خاصی بر اجرای فعالیت های بانکی صورت گیرد چراکه اجرای عملیات خلاف اصول و معیارهای اسلامی (وقوع انواع فساد بانکی و مبارزه با پولشویی) می تواند منجر به تحمیل هزینه های جبران ناپذیری بر پیکره اقتصادی جامعه شود. لذا هدف این مطالعه ارایه الگویی جامع در رابطه با نظارت در نظام بانکی ایران می باشد. در این مطالعه از روش تلفیقی کمی و کیفی جهت ارایه مدل تحقیق استفاده شده است. در بخش کیفی از خبرگان حوزه اقتصادی و مالی خصوصا در زمینه بانکداری که شامل اساتید دانشگاه، مدیران و معاونان بانک مرکزی و مدیران بانک های کشور می باشند با استفاده از روش گلوله برفی سوال شده است. در بخش کمی، از روش های دیمتل و تحلیل سلسله مراتبی جهت استخراج مدل بهره گرفته شده است. در مرحله اول، تعداد 142 مفهوم در چارچوب 10 مقوله از مصاحبه با خبرگان استخراج گردید. در مرحله دوم، مفاهیم به 128 و مقوله ها به 9 عدد کاهش یافتند. مقوله ها شامل؛ اهداف نظارت، پیش شرط های نظارت بانکی، خصوصیات ناظران، اختیارات ناظران، حیطه های نظارت، شاخص های ارزیابی عملکرد، تناسب با معیارهای اسلامی، جلوگیری از وقوع انواع فساد بانکی و مبارزه با پولشویی می باشد. بر اساس نتایج روش دیمتل مشخص شد که حیطه های نظارت اثرگذارترین و اثرپذیرترین مولفه می باشد. بر اساس روش AHP نیز اهداف نظارت با امتیاز 197/0، بالاترین امتیاز را در بین دیگر مولفه ها به دست آورده است.
کلید واژگان: نظارت بانکی, تحلیل سلسله مراتبی, تکنیک دیمتل}Banks as financial and service institutions play a decisive role in the circulation of money and the wealth of society and thus have a special place in the economy of each country. The nature of activity in the banking industry requires that special supervision be exercised over the conduct of banking activities, as conducting operations contrary to Islamic principles can lead to imposing irreparable costs on the economic body of society. Therefore, the purpose of this study is to present a comprehensive model of supervision in the Iranian banking system. In this study, a qualitative and quantitative method was used to present the research model.. In the quantitative section, we use Demetel methods and hierarchical analysis to derive the model. In the first stage, 142 concepts were extracted from 10 interviews with experts. Secondly, the concepts were reduced to 128 and the categories reduced to 9. The categories include supervision objectives, banking supervision prerequisites, supervisor characteristics, supervisory powers, supervisory areas, performance evaluation indicators, compliance with Islamic standard )prevention of corruption and money laundering(. Based on the results of the DEMATEL method, it(Dematel) was found that the domains of supervision are the most effective and most influential component.According to the AHP approach, the goals of monitoring with a score of 0.197 have the highest score among the other components.
Keywords: Banking supervision, AHP, DEMATEL} -
اقتصاد هر کشور از بخش های مختلفی تشکیل شده که روابط بین این بخش ها، سمت و سوی اقتصاد آن کشور را مشخص می کند. در این میان بازار سرمایه در کنار بازار پول، به عنوان اجزای تشکیل دهنده بازارهای مالی بوده و در واقع، شریان های اصلی یک اقتصاد محسوب می شوند، که مسائلی نظیر رشد و توسعه اقتصادی منوط به عملکرد آنها در اقتصاد است و چنانچه رابطه منطقی بین بازار مالی با بخش های دیگر اقتصادی وجود نداشته باشد، احتمال بروز اختلالات و نقصان هایی در ساز و کار اقتصاد وجود دارد. بازار بورس به عنوان رکن اصلی بازار مالی نقش مهمی را در تسهیل سرمایه گذاری های شکل گرفته در بازار سرمایه ایفا می کند. هدف اصلی این پژوهش پیش بینی شاخص قیمت سهام بورس تهران است. بدین روی، ضمن مرور اجمالی بر شناخته شده ترین نظریه های اقتصادی، به ارائه روش جدیدتری نسبت به روش های دیگر رایج پیش بینی در گذشته پرداخته و با استفاده از مدل شبکه عصبی GMDH، اثر متغیرهای کلان اقتصادی (شامل نرخ ارز، نرخ تورم و تولید ناخالص داخلی) بر شاخص قیمت سهام بورس اوراق بهادار تهران را الگوسازی و پیش بینی میکنیم. الگوریتم GMDH قابلیت استفاده در موضوع های متنوعی مانند کشف روابط، پیش بینی، مدل سازی سیستم ها، بهینه سازی و شناخت الگوهای غیرخطی را دارد. ویژگی خاص این الگوریتم استنتاجی، قابلیت شناسایی و غربال کردن متغیرهای کم اثر ورودی در دوره آموزش شبکه و حذف آنها از روند شبیه سازی در دوره آزمون است. بدین ترتیب، می توان با انجام یک فرآیند قیاسی، در چند مرحله تکرار، متغیرهای کم اثرتر را حذف نمود و در نهایت، مدل بهینه برای پیش بینی را بر اساس معیارهای رایج خطا نظیر RMSE و MAPE به دست آورد. افزون براین، این الگوریتم قادر به شناسایی و رتبه بندی تاثیرگذارترین متغیرها نیز می باشد. نتایج به دست آمده حاکی از دقت بسیار بالا و قابلیت فوق العاده الگوریتم GMDH در پیش بینی شاخص قیمت سهام بورس تهران است، به طوری که خطای حاصل از پیش بینی شاخص قیمت سهام بورس تهران برای داده-های سالانه 0. 37درصد، ماهانه 0. 35درصد و برای فصلی 2. 04درصد است. همچنین، نتایج نشان می دهد که در بهترین مدل غیرخطی پیش بینی شاخص قیمت سهام با استفاده از مدل شبکه عصبی GMDH متغیرهای نرخ ارز، نرخ تورم و تولید ناخالص داخلی همگی جزء متغیرهای موثر بوده و هیچکدام از مدل حذف نشدند.
کلید واژگان: پیش بینی, شاخص قیمت سهام, متغیر های کلان, شبکه های عصبی مصنوعی, الگوریتم GMDH}The economy of every country is composed of different parts, the relationship among which determines the economics direction of that country. The capital market together with money market make up the financial market as the fundamental basics of an economy. Their operation has significant influence on the growth and development of the economy. In cases where there is no constructive relationship between the financial market and other parts of the economy, economic performance might be subject to distortions. The stock market as a fundamental basic of the financial market has a crucial role in facilitation of investments in the capital market. Given the importance of expectations in different economic fields, the main purpose of this study is to project behavior of the Tehran stock exchange price index. Therefore, after a review of dominant economic theories, we use a new method, artificial neural network GMDH, to forecast the impact of macroeconomic variable on the Tehran stock exchange price index. The GMDH Algorithm is a nonlinear model to anticipate complex systematic relationships between variables of the model. The special feature of this deductive algorithm is recognition and screening of the most effective variable to estimate the model with training samples and omit the non-significant ones from the simulation process with testing samples. So, we can solve the model via iterative methods to minimize the typical standard Error like RMSE, MAPE, and so on.
Keywords: Anticipation, Stock prices, Macroeconomics Variables, Artificial NeuralNetwork, GMDH Algorithm}
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
©2000-2024 magiran.com All Rights Reserved.