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 « transaction contracts » در نشریات گروه « اقتصاد »

تکرار جستجوی کلیدواژه «transaction contracts» در نشریات گروه «علوم انسانی»
  • حمیده نقاده، توحید فیروزان سرنقی
    در بانکداری اسلامی، دو دسته عقود مشارکتی و غیرمشارکتی (عقود مبادله ای) وجود دارد. عقود مبادله ای، عقودی با نرخ سود ثابت است که نرخ آنها معمولا مبنای تخصیص منابع عقود مشارکتی است. در ایران نرخ سود عقود مبادله ای از سوی بانک مرکزی و به صورت دستوری تعیین می شود. در پژوهش حاضر با الهام از روش ارایه شده از سوی دادگر و فیروزان (1391) و به منظور مقایسه نتایج و ارتقای کارآیی برآوردها و نشان دادن قابلیت عملیاتی روش مذکور با استفاده از شبکه های عصبی مصنوعی پرسپترون چندلایه (MLP) و تابع پایه شعاعی (RBF) نرخ سود عقود مبادله ای محاسبه و برآورد شد. داده های مورد استفاده، اطلاعات حقیقی و واقعی عملکرد بخش تولید صنعتی یعنی بنگاه های با بیش از 10 نفر کارکن را شامل می شود. طبق نتایج به دست آمده، دو شبکه از دقت نسبتا خوبی برای تخمین ضرایب تابع هزینه سایه ای برخوردارند و اکثر ضرایب، در صدم اعشار با هم تفاوت دارد. روش پیشنهادی علاوه بر سهولت انجام، در راستای روش اقتصادسنجی بوده ولی محدودیت های آن از جمله بررسی تعداد محدود صنایع به دلیل نمونه گیری را نداشته و تقریبا تمام 14 هزار داده کارگاه های صنعتی در سال 1386 را لحاظ نموده و میزان خطای محاسبات بسیار کمتر است. طبق نتایج حاصل، نرخ سود عقود مبادله ای برای سال مورد بررسی 15درصد به دست آمد که در مقایسه با نرخ سود 12 درصد برای سال مذکور، نشان دهنده 20 درصد انحراف در تعیین نرخ سود است که هزینه های غیرقابل انکاری بر اقتصاد کشور و تخصیص منابع محدود دارد.
    کلید واژگان: سود, عقود مبادله ای, بانکداری اسلامی, تابع هزینه سایه ای, شبکه عصبی مصنوعی}
    Hamide Naghade, Towhid Firoozan
    Islamic banking includes profit and loss sharing (PLS) and transaction contracts. Transaction contracts have fixed rates of return, which in turn form a base for allocating the financial resources to PLS contracts. In Iran, the rates of return in transaction contracts are determined by Central Bank. In this research, we compute and estimate the rates of return in transaction contracts using the Multi-Layer Perceptron (MLP) Artificial Neural Networks and Radial Basis Function (RBF). This research is an extension and improvement of Dadgar and Firoozan (2012) work. Data used for algorithms is the real data gathered from manufacturing workplaces having more than 10 employees. Our results show that two networks are of good accuracy to estimate the coefficients of shadow cost function, and most of them are approximately equal in two networks.
    Compared to econometric method, the proposed model has no sampling limitation. This method accounts for all of 14000 manufacturing units in 2007, and consequently the computational errors are much less than those of econometric calculations. According to the results, the estimated rate of return for transaction contracts is 15%. This rate in comparison with the prevailing rate, i.e. 12%, reflects a 20% deviation in determining rate of return, which causes undeniable costs on the economy and allocation of limited resources.
    Keywords: Return, Transaction contracts, Islamic banking, Shadow cost function, Artificial Neural Network}
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