به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "keywords" در نشریات گروه "اقتصاد"

تکرار جستجوی کلیدواژه «keywords» در نشریات گروه «علوم انسانی»
جستجوی keywords در مقالات مجلات علمی
  • مسعود بادین، مهدی اسکافی اصل*، محمد افتخاری

    هدف این پژوهش، بررسی رابطه نگه داشت وجه نقد و ارزش شرکت با توجه به نقش تعدیل گر خوش بینی مدیریت است. پژوهش حاضر از لحاظ هدف، کاربردی است زیرا نتیجه کار می تواند برای تصمیم گیری های مدیریتی در زمینه ارزش شرکت مورد استفاده قرار گیرد. همچنین در این پژوهش چون هدف بررسی رابطه بین متغیرهای مستقل و وابسته است، تحقیق، جزء پژوهش های همبستگی محسوب می شود. در این تحقیق برای این که نمونه آماری یک نماینده مناسب از جامعه آماری موردنظر باشد، از روش حذف سیستماتیک استفاده شده است. نمونه آماری شامل 169 شرکت پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی 1393 تا 1401 است. برای تحلیل داده ها از رگرسیون پنل و نرم افزار Eviews10 کمک گرفته شده است. نتایج حاکی از این است که بین نگه داشت وجه نقد و ارزش شرکت رابطه مثبت و معناداری وجود دارد. همینطور نتایج نشان داد که خوش بینی مدیریت بر رابطه نگه داشت وجه نقد و ارزش شرکت، اثر تعدیل کنندگی دارد. کلمات کلیدی: نگه داشت وجه نقد، ارزش شرکت، خوش بینی مدیریت.

    کلید واژگان: نگه داشت وجه نقد, ارزش شرکت, خوش بینی مدیریت.
    Masoud Badin, Mehdi Eskafi Asl, * Mohammad Eftekhari

    The aim of the current research is to investigate the relationship between cash holding and company value with regard to the moderating role of management optimism. The method of the present research is practical in terms of its purpose because the results can be used for managerial decisions in the field of company value. Also, in this research, since the goal is the relationship between independent and dependent variables, it is considered one of the correlation studies. The statistical sample includes 169 companies admitted to the Tehran Stock Exchange in the period from 2014 to 2023. For data analysis, regression panel and Eviews10 software were used. The results indicated that there is a positive and significant relationship between cash retention and company value. Also, the results showed that management optimism has an effect on the relationship between cash holding and company value.

    Keywords: Keywords, Cash Holding, Company Value, Management Optimism
  • امیرغلام ابری

    امروزه تمرکز بر بهبود عملکرد زنجیره های تامین، تنها مسیر دستیابی به مزایای رقابتی در بازار جهانی کسب و کار است. روش تحلیل پوششی داده ها بعنوان یک روش برنامه ریزی ریاضی، یکی از روش های مهم برای اندازه گیری و ارزیابی کارایی واحدهای تصمیم گیری است. در این مقاله واحد تحت ارزیابی با بیشترین مقیاس بهره وری را در ساختار زنجیره تامین سبز تعریف نموده و نحوه محاسبه آن را با استفاده از تحلیل پوششی داده ها بیان می کنیم. برای این منظور، با استفاده از مدل مضربی BCC زنجیره تامین کامل، واحدی با بیشترین مقیاس بهره وری تعیین می گردد. پس از شناسایی واحدهای با بیشترین مقیاس بهره وری، جهت واحدهایی که در این شرایط صدق نمی کند نزدیکترین واحد با بیشترین مقیاس بهره وری به عنوان الگو معرفی می گردد. یافتن نزدیک ترین واحد با بیشترین مقیاس بهره وری از آن جهت دارای اهمیت است که واحدهای عادی می توانند با کمترین تغییرات به آنها برسند. جامعه آماری این تحقیق کاربردی از نظر هدف، 42 شرکت سیمان حاضر در بورس اوراق بهادار می باشد. در گام اول تعریف و شناسایی واحدی با بیشترین مقیاس بهره وری این شرکتها که زنجیره متناظر هر یک از آنها دارای چهار مرحله تامین کننده، تولیدکننده، توزیع کننده و مشتری می باشد، در اولویت قرار گرفت. درگام بعدی معرفی نزدیکترین واحد با بیشترین مقیاس بهره وری به عنوان الگو جهت واحدهای عادی ادامه یافت. در خاتمه، نتایج اجرای مدل و تحلیل های آن نشان داده خواهد شد.

    کلید واژگان: واحدی با بیشترین مقیاس بهره وری, واحد تحت ارزیابی, تحلیل پوششی داده های شبکه ای, زنجیره تامین سبز
    Amirgholam Abri

    Today, focusing on improving the performance of supply chains is the only way to gain competitive advantages in the global business market. Data envelopment analysis method as a mathematical programming method is one of the important methods for measuring and evaluating the efficiency of decision making units. In this article, we define the unit under evaluation with the largest scale of productivity in the structure of the green supply chain and explain how to calculate it using data envelopment analysis. For this purpose, using the BCC multiple model of the complete supply chain, a unit with the most productive scale size determined. After identifying the units with the most productive scale size, for the units that do not apply in this condition, the closest unit with the most productive scale is introduced as a model. Finding the closest unit with the most productive scale is important because normal units can reach them with minimal changes. The statistical population of this applied research is 42 cement companies listed on the stock exchange. In the first step, the definition and identification of a unit with the most productive scale size of these companies, whose corresponding chain of each of them has four stages of supplier, producer, distributor and customer, was prioritized. In the next step, the closest unit with the most productive scale size was introduced as a model for normal units. In conclusion, the results of model execution and its analysis will be presented.

    Keywords: Keywords, Most Productive Scale Size, Decision Making Unit, Network DEA JEL Classification, C02, D24, L61
  • حسن کلانتری درونکلا، ایمان داداشی*، حمیدرضا غلام نیاروشن، کاوه آذین فر

    امروزه با توجه به نوسانات اقتصادی، بحث پیش بینی قیمت سهام و ریسک سرمایه گذاری از اهمیت ویژه ای برای معامله گران سهام برخوردار است. اخیرا از روش منطق فازی به منظور پویا سازی الگوهای کندل استیک با کاربرد در تحلیل معاملات سهام و پیش بینی ریسک سرمایه گذاری معاملات سهام استفاده شده است که دارای چالش حساسیت به تعداد نمونه معاملات غیر مفید و تنظیم غیر بهینه توابع عضویت فازی الگوهای کندل استیک میباشد. در این مقاله پیشنهاد بکارگیری روش رگرسیون مبتنی بر تابع پایه شعاعی به عنوان گام پیش پردازش برای کاهش نمونه معاملات کم اهمیت در پیش بینی ریسک سرمایه گذاری و روش بهینه سازی مبتنی بر ذره برای تنظیم بهینه مقادیر توابع عضویت فازی الگوهای کندل استیک مطرح میشود. روش مبتنی بر ذره کرم شب تاب و جایا قادر به بهینه سازی توابع عضویت فازی با قدرت بالایی میباشد. نتایج حاصل از روش پیشنهادی بر روی سهام شرکت های بزرگ بورس ایران حاکی از راندمان مناسب روش پیشنهادی میباشد.

    کلید واژگان: تحلیل معاملات سهام, مبتنی بر ذره, کرم شب تاب, جایا, رگرسیون با تابع پایه شعاعی
    Hassan Kalantari Daronkola, Iman Dadashi*, Hamidreza Gholamnia Roshan, Kaveh Azin Far

    Today, due to economic volatility, the topic of stock price forecasting and investment risk has particular importance to stock traders. Recently, fuzzy logic has been used to model dynamically candle stick in order to stock trading analysis and predicting investment risk in stock trading but it has the challenge of sensitivity to the number of non-useful stock trading samples and the inappropriate tuning of membership functions designed for candlesticks patterns. In this paper, we propose the regression method based on radial basis function as a pre-processing step to reduce the insignificant stock trading samples and then we use the particle swarm optimization method to adjust the values of fuzzy membership functions of the candlestick patterns optimally. The jaya and firefly particle swarm based are able to optimize fuzzy membership functions of candlestick patterns robustly. The results of the proposed method on top iranian stocks trading companies show best performance of the proposed method.

    Keywords: Keywords, Stock Trading Analysis, Particle-Based, Firefly, Jaya, Radial Basis Function. JEL Classification, C21, C31
  • جواد کیایی، زهرا فرشادفر *

      عدم وجود قطعیت در روند حرکت بازار سهام پیش بینی آنرا به یک کار پرچالش در حوزه ی پیش بینی سری های زمانی مالی تبدیل کرده است. از سوی دیگر تحلیل داده های سری زمانی قیمت های سهام به علت غیر خطی بودن و وجود نویز زیاد آسان نیست. از اینرو هدف این پژوهش پیش بینی روند بلند مدت و کوتاه مدت بازار سرمایه است. برای دستیابی به این هدف از الگوریتم های هوش مصنوعی ذرات و ژنتیک بصورت مقایسه ای استفاده شده است. متغیر مورد مطالعه شاخص کل قیمت سهام در بورس اوراق بهادار تهران در دوره زمانی 1395 تا 1400 و بصورت ماهانه می باشد. داده ها پس از گردآوری با استفاده از روش هموارسازی برای روزهای تعطیل بازبینی شده اند و به منظور افزایش دقت مدل ها طول پنجره بهینه هر الگوریتم محاسبه شده است. یافته های حاصله بیانگر آن است که الگوریتم ژنتیک با به حداقل رساندن خطای پیش بینی یک الگوریتم مناسب برای پیش بینی روند کوتاه مدت و بلند مدت شاخص کل قیمت نسبت به الگوریتم ذرات در دوره زمانی مورد مطالعه است.

    کلید واژگان: الگوریتم ذرات, الگوریتم ژنتیک, هموار سازی داده, یادگیری ماشین, هوش مصنوعی
    Javad Kiae, Zahra Farshadfar *

     The lack of certainty in the movement of the stock market has made forecasting a challenging task in the field of financial time series forecasting. On the other hand, it is not easy to analyze the time series data of stock prices due to non-linearity and high noise. Therefore, the aim of this research is to predict the long-term and short-term trend of the capital market. To achieve this goal, artificial intelligence algorithms of particles and genetics have been used in a comparative manner. The studied variable is the total stock price index in Tehran Stock Exchange in the period of 2016 to 2021 and on a monthly basis. The data have been reviewed after collection using the smoothing method for holidays, and in order to increase the accuracy of the models, the optimal window length of each algorithm has been calculated. The findings indicate that the genetic algorithm by minimizing the prediction error is a suitable algorithm for predicting the short-term and long-term trend of the total price index compared to the particle algorithm in the studied time period.

    Keywords: Keywords, Particle Algorithm, Genetic Algorithm, Data Leveling, Machine Learning, Artificial Intelligence
  • ذر سعدون شنیشل، یوسف محمدزاده*، رامین بشیر خداپرستی، شهاب جهانگیری

    هدف این مقاله بررسی تاثیر ریسک سیاسی بر اقتصاد سایه است. بدین منظور با استفاده از داده های 52 کشور درحال توسعه و 38 کشور توسعه یافته به بررسی تاثیر ریسک سیاسی بر اندازه اقتصاد سایه طی دوره 2020-2000 پرداخته است. در این مقاله از رویکرد پانل کوانتایل به طور مجزا برای دو گروه از کشورهای توسعه یافته و در حال توسعه برای برآورد مدل تحقیق استفاده شده است. نتایج نشان می دهد که ریسک سیاسی در همه دهکها و در هر دو گروه از کشورهای توسعه یافته و درحال توسعه تاثیر مثبت و معنادار بر اندازه اقتصاد سایه داشته است. بدین معنا که کشورهایی که ریسک های سیاسی بالاتری را تجربه می کنند حجم اقتصاد پنهان و غیررسمی بیشتر است. همچنین نتایج این تحقیق نشان می دهد که نرخ بیکاری، وفور منابع طبیعی و مالیات اثر مثبت بر اندازه اقتصاد سایه دارد، ولی کیفیت مقررات و آزادی اقتصادی به طور معنادار در هر دو گروه از کشورها موجب کاهش اندازه اقتصاد سایه می شوند. بر اساس نتایج، کاهش ریسک های سیاسی، بهبود مقررات دولتی در حمایت از بخش خصوصی، بهبود آزادی کسب وکار و تجارت، شفافیت مالی و عملکردی در بهره برداری از منابع طبیعی و همچنین اشتغال زایی و بهبود فضای کسب وکار از توصیه های سیاستی این مقاله است.

    کلید واژگان: اقتصاد سایه, ریسک سیاسی, پانل کوانتایل
    Ther Saadoon Shnaishel, Yousef Mohammadzadeh*, Ramin Bashir Khodaparasti, Shahab Jahangiri

    The purpose of this article is to investigate the impact of political risk on the shadow economy. To this end, using data from 52 developing countries and 38 developed countries, it investigated the effect of political risk on the size of the underground economy over the period 2000-2020. In this study, the quantize panel approach was used separately for two groups of developed and developing countries to estimate the research model. The results show that political risk had a positive and significant effect on the size of the underground economy in all decades and in both developed and developing country groups. This means that countries facing higher political risks have a more hidden and informal economy. Also, the results of this research show that the unemployment rates, abundance of natural resources and taxes have a positive effect on the size of the shadow economy, but the quality of regulations and economic freedom significantly reduce the size of the shadow economy in both groups of countries. Based on the results, reducing political risks, improving government regulations in support of the private sector, improving business and trade freedom, financial and operational transparency in the exploitation of natural resources, as well as creating jobs and improving the business environment are policy recommendations of this study.

    Keywords: Keywords, Shadow Economy, Political Risk, Quantile Panel. JEL Classification, D73, P10, O17, G18
  • بهروز پیری ایرانشاهی*، داوود جعفری سرشت، علی اکبر قلی زاده، سید احسان حسینی دوست

    هدف این مقاله بررسی کارایی مدل های معادلات دیفرانسیل تصادفی در پیش بینی قیمت سهام است. برای ارزیابی دقت این مدل ها، یک مطالعه مقایسه ای بین این مدل ها و مدل های سری زمانی متداول انجام شده است. در این حوزه، مدل های حرکت براونی هندسی و هستون بررسی شده اند. برای این مقاله از بین نمادهای حاضر در بورس تهران به صورت موردی به بررسی سهام بانک ملت در نماد وبملت پرداخته شده است؛ بدین منظور مقاله روی داده های تعدیل شده قیمت این سهام از ابتدای سال 1394 تا ابتدای سال 1402 صورت گرفته است. قبل از مدل سازی قیمت سهام و انجام پیش بینی، احتمال وجود الگوهای تکرارشونده و خودشبیه در روند حرکت قیمت سهام بررسی شده است. نتایج نشان می دهند که سهام بانک ملت دارای حافظه بلندمدت است که باعث می شود پیش بینی رفتارش تا حدودی امکان پذیر باشد. در ادامه پیش بینی قیمت سهام برای نماد وبملت انجام شده است و یافته های تحقیق نشان می دهند که مدل دیفرانسیل تصادفی هستون براساس اکثر معیارهای ارزیابی پس آزمون، عملکرد بهتری در پیش بینی قیمت سهام دارد؛ به طوری که این مدل تنها 64/4 صدم درصد خطای مطلق را در پیش بینی ها نشان داد. مدل سری زمانی AR نیز با این فرض کلیدی که الگوهای گذشته در آینده نیز تکرار می شوند، عملکرد قابل قبولی داشته است. این فرضیه با وجود حافظه بلندمدت و پایداری در شاخص کل همخوانی دارد و باعث می شود که مدل AR بعد از مدل هستون، در جایگاه دوم معیارهای ارزیابی قرار گیرد. بنابر نتایج به دست آمده مدل های معادلات دیفرانسیل تصادفی مدل های کارآمدی برای مدل سازی و پیش بینی قیمت سهام هستند.

    کلید واژگان: معادلات دیفرانسیل تصادفی, قیمت سهام, بورس, شبیه سازی, پیش بینی, سهام بانک ملت
    Behrouz Piri Iranshahi*, Davood Jafari Seresht, Ali Akbar Golizadeh, Seyed Ehsan Hosseinidoust

    The aim of this research is to examine the efficiency of stochastic differential equation models in predicting stock prices. To evaluate the accuracy of these models, a comparative study has been conducted between these models and conventional time series models. In this domain, Geometric Brownian Motion and Heston models have been reviewed. For this study, the shares of Mellat Bank with the ticker symbol ‘VBMELLAT’ listed on the Tehran Stock Exchange have been examined as a case study; for this purpose, the study has been conducted on the price data of these shares from the beginning of 2015 to the beginning of 2023. Before modeling the stock, price and making predictions, the possibility of recurring patterns and self-similarity in the price movement trend has been examined. The results indicate that Mellat Bank’s shares have long-term memory, which makes it somewhat possible to predict their behavior. Subsequently, the stock price prediction for the ‘VBMELLAT’ ticker symbol has been carried out, and the research findings show that the Heston stochastic differential model, based on most post-test evaluation criteria, performs better in predicting stock prices; such that this model only showed a 0.0464 percent absolute error in predictions. The AR time series model also performed acceptably with the key assumption that past patterns will repeat in the future. This assumption is consistent with the presence of long-term memory and stability in the overall index, which places the AR model second in the evaluation criteria after the Heston model. According to the results obtained, stochastic differential equation models are efficient models for modeling and predicting stock prices.

    Keywords: Keywords, Stochastic Differential Equations, Stock Price, Prediction, Bourse, Stock Exchange, Mellat Bank JEL Classification, C15, C22, C58, G10, G17
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال