پژوهش‌های اقتصادی ایران

چکیده مسکن به‌عنوان سرپناه و کالایی فاقد جانشین، ماهیتی دوگانه دارد به‌گونه‌ای‌که هم کالایی مصرفی است و هم نقشی سرمایه‌ای و بادوام ایفا می‌کند. در این مقاله با استفاده از چارچوب نظری عامل‌بنیان یک مدل سیستمی برای قیمت‌گذاری مسکن با در نظر گرفتن حضور بازیگران ناهمگن ازجمله خریداران مصرفی، سرمایه‌گذاران و انبوه‌سازان املاک ارائه شده است که با استفاده از داده‌های واقعی اقتصاد ایران و برای داده های فصلی سال‌های 1377 الی 1401 از طریق الگوریتم ژنتیک مدل مذکور برآورد شده است. نتایج شوک‌ها نشان می‌دهد که رفتار سفته‌بازانه سرمایه‌گذاران، نقش مهمی در پویایی و نوسانات قیمت مسکن ایفا می‌کند. در شرایطی که سرمایه‌گذاران سفته‌باز از بازار حذف شوند، قیمت مسکن براساس هزینه‌های واقعی تولید و تقاضای مؤثر شکل می‌گیرد که از آن به‌عنوان قیمت تعادلی پایه یاد می‌شود. اما درمقابل، حضور رفتارهای سفته‌بازانه می‌تواند منجر به انحراف‌های پایدار از این سطح و حتی افزایش‌های انفجاری در قیمت مسکن شود. براساس نتایج در اقتصاد ایران و در دوره مذکور، شاهد شدت پیش­بینی­ نگری بالای 52/16 درصد و حالت ناپایدار حبابی هستیم. از منظر سیاست‌گذاری، مدل نشان می‌دهد که نسبت میزان وام مسکن از قیمت مسکن، ابزار مؤثری برای تنظیم بازار در دوره‌های رونق یا رکود نیست؛ موضوعی که با شواهد واقعی بازار نیز همخوانی دارد. درمقابل، کاهش هزینه‌های ساخت و توسعه می‌تواند موجب افزایش عقلانیت بازار، کاهش حساسیت سرمایه‌گذاران پیش‌بینی‌گرا و درنهایت، تقویت پایداری قیمت پایه، احیای بازار و تثبیت قیمت مسکن شود.

چکیده اعمال تحریم‌های مختلف بر اقتصاد ایران اثرات نامطلوبی بر تولید و رفاه اجتماعی به‌جای گذاشته‌اند، اما در کمتر مطالعه‌ای به کمّی کردن تاثیر شدت تحریم‌ها بر تولید و همچنین رفاه اقتصادی پرداخته شده است. هدف این تحقیق در ابتدا بسط یک الگوی رشد تعمیمیافته با وجود تحریم و نرخ ارز تصادفی است. پس از بسط الگو، سه سناریو با توجه به نوع تحریم برای اقتصاد ایران تعریف شده که در آنها اثرات تحریم‌ها بر سطوح تولید و رفاه اجتماعی بررسی می شود. در الگوی بسط داده شده، تحریم‌ها به دو دسته تحریم‌های نفتی و تحریم‌های کالاهای مصرفی، واسطه‌ای و سرمایه‌ای تقسیم شده‌ا ند. با استفاده از تابع ارزش تصادفی همیلتون بلمن ژاکوبین (SHBJ) و همچنین روش بهینه‌سازی تکاملی الگوریتم ژنتیک در سه سناریو تغییرات تولید و رفاه اجتماعی در وضعیت یکنواخت برای اقتصاد ایران کالیبره و بررسی شده است. نتایج نشان‌دهنده این موضوع است که در سناریوی اول تحریم‌ها بیشتر بر تولید اثر خواهد کرد در حالی که در سناریوی دوم که تحریم‌های نفتی اعمال می‌شود، اثر آنها بر رفاه اجتماعی محسوس‌تر می‌شود. در سناریوی سوم که ترکیبی از تحریم‌های فروش نفت و کالاهای مصرفی، واسطه‌ای و سرمایه‌ای اعمال شده، تاثیر تحریم‌ها نسبت به دو سناریوی  قبلی بسیار وسیع‌تر خواهد بود. براساس تولید تحقق یافته سال 1390 شدت تاثیر تحریم‌های نفتی کاهشی معادل  30 درصد در تولید ناخالص داخلی داشته و اعمال انواع تحریم‌ها بین 30 تا 50 درصد در کاهش تولید ناخالص داخلی نقش داشته‌اند.

چکیده عموماً سرمایه­گذار در مسئله انتخاب پرتفولیو اهداف چندگانه و متناقضی از قبیل بازدهی، ریسکو نقدشوندگی مدنظر دارد. از طرف دیگر سرمایه­گذاردارای ترجیحات خاص خود در مورد اهداف است. مرور ادبیات تحقیق نشان می­دهد، از جمله اهدافی که در مسئله انتخاب پرتفولیو استفاده نشده است، حداقل‌کردن ریسک غیرسیستماتیک و حداکثرسازی چولگی بازدهی پرتفولیو است. در این تحقیق سعی شده است به منظور انتخاب پرتفولیوی بهینه، از بین سهام 50 شرکت برتر بورس اوراق بهادار تهران مدلی چندهدفه برای بهینه­کردن اهداف، بازدهی، ریسک سیستماتیک، ریسک غیرسیستماتیک، نقدشوندگی، ضریب چولگی و نسبت شارپ طراحی شود. مدل طراحی شده غیرمحدب است و نمی­توان آن را با الگوریتم­های تحقیق در عملیات بهینه کرد. بنابراین از الگوریتم ژنتیک برای بهینه‌کردن مدل استفاده شده است. مقایسه جواب حاصل از الگوریتم ژنتیک با مدل کلاسیک مارکویتز و مدل آرمانی با اهداف خطی و غیرخطی (درجه دوم) نشان می­دهد که اگرچه بازدهی پرتفولیو حاصل از الگوریتم ژنتیک کمتر از مدل‌های دیگر است، اما کاهش بازدهی با کاهش در میزان ریسک جبران شده و معیارهای تعدیل‌شده بر مبنای ریسک بر بهتر بودن جواب حاصل از الگوریتم ژنتیک صحه می­گذارد. همچنین پرتفولیو حاصل، تنوع بیشتری نسبت به پرتفولیو مدل‌های دیگر دارد.

چکیده در این پژوهش از شبکه عصبی GMDH  مبتنی بر الگوریتم ژنتیک به عنوان ابزاری با قابلیت بالا در مدل‌سازی سیستم‌های غیرخطی پویای پیچیده، برای پیش‌بینی قیمت بنزین با دو روش قیاسی و قواعد تحلیل تکنیکی، استفاده کرده‌ایم. متغیرهای ورودی در روش قیاسی شامل تمام عوامل مؤثر(درون و برون سیستمی) بر قیمت بنزین و در روش تحلیل تکنیکی شامل میانگین‌های متحرک کوتاه و بلندمدت است. نتایج نشان­دهنده دقت بیش از 96درصد پیش‌بینی و پایداری روش قیاسی و بیش از99درصد تحلیل تکنیکی  است. اثر روز دوشنبه به عنوان یک معیار تحلیل تکنیکی در روش قیاسی، تأیید شده است. همچنین، در مقایسه معیارهای خطا، دقت پیش‌بینی‌های شبکه عصبی GMDH به طور معناداری از الگوی رگرسیونی بهتر است.[1]
1. نویسندگان از مشورت‌های آقایان دکتر نریمان‌زاده استاد دانشکده مکانیک دانشگاه‌گیلان و مهندس جمالی دانشجوی دکتری دانشگاه گیلان بهره برده که کمال تشکر خود را از ایشان اعلام می‌دارند.

چکیده پیچیدگی بازارها، به ویژه طیف گسترده ابزارهای سرمایه گذاری و عوامل متعدد موثر بر آنها، تصمیم گیری در خصوص انتخاب نوع دارایی را برای سرمایه گذاران دشوار می کند؛ به طوری که سرمایه گذاران همواره در تصمیم گیری های خود با مساله بهینه سازی مجموعه دارایی روبه رو هستند. هدف از این بهینه سازی، تعیین میزان تخصیص وجه به هر دارایی به گونه ای است که بازده مجموعه دارایی، حداکثر و ریسک آن، حداقل گردد. از آنجا که هیچ گونه الگوریتم کارایی برای یافتن پاسخ بهینه برای مسئله مجموعه دارایی با ابعاد بزرگ وجود ندارد، در این مقاله دو الگوریتم ژنتیک برای یافتن پاسخی نزدیک به بهینه طراحی شده است. اولین الگوریتم، مجموعه دارایی با بالاترین بازده و کمترین ریسک و نیز کمترین ضریب همبستگی با سایر دارایی ها را انتخاب و الگوریتم ژنتیک دوم، وزن هر یک از دارایی ها را در مجموعه دارایی تعیین می کند. در نهایت، این دو الگوریتم برروی سهام عرضه شده در بورس اوراق بهادار تهران با بیش از 200 سهام پیاده و نتایج آن ارایه شده است.