اقتصاد مالی
سهیل رودری؛ علی محمد احمدی؛ وحید امیدی
چکیده
یکی از مهم‌ترین دغدغه‌های صندوق بازنشستگی کشوری مدیریت سبد سرمایه‌گذاری است. بر این اساس، در پژوهش حاضر سبد سرمایه گذاری بلندمدت، بزرگترین زیرمجموعه آن (وصندوق) در قالب رویکرد R2 Connectedness که توسط نعیم و همکاران (2023) مطرح شده است در دوره زمانی 31/06/1402-26/06/1392 (17/09/2013-22/09/2023) بررسی شده است. با توجه به اینکه وقایع سیاسی، اقتصادی و اجتماعی ...
بیشتر
یکی از مهم‌ترین دغدغه‌های صندوق بازنشستگی کشوری مدیریت سبد سرمایه‌گذاری است. بر این اساس، در پژوهش حاضر سبد سرمایه گذاری بلندمدت، بزرگترین زیرمجموعه آن (وصندوق) در قالب رویکرد R2 Connectedness که توسط نعیم و همکاران (2023) مطرح شده است در دوره زمانی 31/06/1402-26/06/1392 (17/09/2013-22/09/2023) بررسی شده است. با توجه به اینکه وقایع سیاسی، اقتصادی و اجتماعی در لحظه، آثار و تبعاتی بر بازده سهم‌ها دارند، در این مطالعه به اثرگذاری/ اثرپذیری آنی سهم های موجود در صندوق بازنشستگی کشور پرداخته شده است. نتایج نشان داد در حوزه اثرگذاری و اثرپذیری خالص، کچاد، فولاد، کگل و شرانول (گروه اول) در عمده مواقع اثرگذار بوده و ریسک را به شبکه منتقل کردهاند. در مقابل شپاس، پاسا، شکبیر و وبشهر (گروه دوم) بیشترین اثرپذیری از شبکه را داشته اند. در این صورت با بروز شوک خارجی، ریسک از سهم‌های گروه اول به شبکه منتقل شده و بیشترین اثر را بر سهم های گروه دوم می‌گذارد. در حوزه تحلیل شبکه و در بازار خرسی، آستانه %4-، ارتباط بالایی بین سهم های موجود در پرتفو دیده میشود. ازاین‌رو، در شرایط بازار خرسی، تعدیل پرتفوی مورد بررسی ضروری است. همچنین ارتباط سهم ها در بازار گاوی، آستانه %4+ هیچگونه ارتباطی بین سهم ها وجود ندارد. این نکته بیانگر آن است که در این شرایط پرتفوی موجود نیازمند تعدیل نیست. همچنین چنانچه قصد فروش سهام وجود دارد بهتر است بر گروه پذیرنده ریسک یعنی شرکتهای نفت پاسارگاد، پتروشیمی امیرکبیر، لاستیک ایران یاسا و گروه صنعتی بهشهر متمرکز شوند زیرا ریسک شرکتهای گل‌گهر، چادرملو، فولاد مبارکه و نفت ایرانول توسط این شرکت‌ها جذب میشود.
علی محمد احمدی؛ مهدی ذوالفقاری؛ آیدین غفار نژاد مهربانی
دوره 13، شماره 41 ، بهمن 1388، ، صفحه 107-121
چکیده
آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه ریزی دقیق، برای اعمال سیاست گذاری های لازم، امری ضروری است. از این رو پیش بینی تقاضای آن برای بخش های مختلف اقتصادی حائز اهمیت است. امروزه از بین روش های پیش بینی، شبکه های عصبی مصنوعی، در زمینه تجزیه و تحلیل و مدل سازی روابط غیرخطی یکی از ابزار قدرتمند به حساب می آید که ...
بیشتر
آگاهی از میزان تقاضای انرژی برق در هر دوره، به منظور برنامه ریزی دقیق، برای اعمال سیاست گذاری های لازم، امری ضروری است. از این رو پیش بینی تقاضای آن برای بخش های مختلف اقتصادی حائز اهمیت است. امروزه از بین روش های پیش بینی، شبکه های عصبی مصنوعی، در زمینه تجزیه و تحلیل و مدل سازی روابط غیرخطی یکی از ابزار قدرتمند به حساب می آید که استفاده از آن در سال های اخیر در اقتصاد کلان گسترش یافته است. از این رو در این پژوهش کارایی مدل غیرخطی شبکه عصبی با مدل خطی فرایند ARIMA برای پیش بینی متوسط ماهانه نیاز داخلی برق کشور، برای یک دوره 3 ساله با استفاده از معیارهای MSE، RMSE، NMSE، MAE،MAPE و R2 مقایسه شده است. یافته ها نشان می دهد که شبکه عصبی مصنوعی دارای ضریب خطای کمتر و قدرت توضیح دهندگی بالایی نسبت به مدل AROMA، است.
