fa
jalali
1394
4
1
gregorian
2015
7
1
6
20
online
1
fulltext
fa
تخمین قیمتهای نقدی روزانهی گازطبیعی با استفاده از مدل حرکت هندسی براونی
The Estimation of Natural Gas Daily Spot Prices with Geometric Brownian Motion Model
هدف از این مقاله، برآورد مدل حرکت هندسی براونی (GBM) بر اساس برآورد دو پارامتر اصلی تلاطم و رانش و پیشبینی قیمتهای نقدی روزانهی گاز طبیعی هنری هاب از 07/01/1997 تا 20/03/2012 است. بررسیها حاکی از آن است که برآورد این دو پارامتر مذکور با روشهای مختلف و نیز در مقیاسهای زمانی متفاوت امکانپذیر است. به همین منظور از دو رویکرد پیشرو و پسرو و در مقیاسهای زمانی و نیز زیردورههای مختلف استفاده شده است. نتایج نشان میدهد مقادیر تلاطم و رانش، کاملاً به دوره یا مقیاس موردنظر وابسته بوده و برآوردهای حاصل از رویکرد پسرو در مقایسه با پیشرو در سطح پایینتری قرار دارد. همچنین با افزایش تعداد اجراهای تصادفی مدل، اگرچه دامنه نوسانات مقادیر پیشبینی کاهش پیدا کرده، اما شیب خط پیش بینی به شیب خط مقادیر واقعی بسیار نزدیک میشود. در نهایت، مقادیر معیارهای ارزیابی عملکرد نشان میدهد که رویکرد پیشرو و بطور مشخص سال 2009 دارای بهترین معیار عملکرد است سپس زیر دورهی 2001-2004 در روش پسرو و در نهایت این زیر دوره در روش پیشرو میتوانند به عنوان مبنایی جهت محاسبۀ مقادیر پارامترهای اصلی مدل مورد استفاده قرار گیرند. بعلاوه نتایج نشان میدهد که برآورد پارامترهای اصلی مدل با اتکای به جدیدترین دوره در دادههای مورد استفاده نیز دقت کافی اعمال نشده و مقیاسهایی که دارای تلاطم بالاتری هستند بالنسبه از معیارهای ارزیابی بهتری نیز برخوردارند و بهتر میتوان از آنها در پیشبینی قیمتها در قالب مدل GBM بهره گرفت.
This paper aims at estimating Geometric Brownian Motion (GBM) Model, based on two central parameters in this model (volatility and drift), and forecasting Henry Hub natural gas daily spot prices (07/01/1997-20/03/2012). Researches reveal that two mentioned parameters estimation can be satisfied with different approaches and in various time scales. Therefore, two approaches of backward looking and forward looking have been used in different time scales and sub-periods. Results show that the volatility and drift values are highly dependent on the time scale and backward results are lower than the forward ones. Moreover, along with increasing the number of random runs of the model although the fluctuating range decreases, the predicted line slope is very close to the actual line. Ultimately, the performance evaluation criteria yields that forward method, clearly in 2009, has the best performance. The sub-periods of 2001-2004 in backward and forward methods have the next best performances, respectively. These sub-periods can be used as a basis for calculating the central parameters of the model. In addition, the results suggest that relying on data used in the most recent period is not sufficiently accurate. Also, it is observed that sub-periods or time scales with higher volatility show better performance evaluation criteria, therefore they can be applied in price forecasting with GBM model.
Natural Gas, Spot Pprice, Volatility, Drift, Geometric Brownian Motion Model
گاز طبیعی, قیمت نقدی, تلاطم, رانش, مدل حرکت هندسی براونی
7
54
http://jemr.khu.ac.ir/browse.php?a_code=A-10-958-3&slc_lang=fa&sid=1
2014/03/18
1392/12/27
2015/02/4
1393/11/15
Narges
Salehnia
Ferdowsi University of Mashhad
نرگس
صالح نیا
salehnian@gmail.com
0031947532846007600
0031947532846007600
Yes
دانشگاه فردوسی مشهد
Mohammad Ali
Fallahi
Ferdowsi University of Mashhad
محمد علی
فلاحی
falahi@um.ac.ir
0031947532846007601
0031947532846007601
No
دانشگاه فردوسی مشهد
Ahmad
Seifi
Ferdowsi University of Mashhad
احمد
سیفی
spring05@um.ac.ir
0031947532846007602
0031947532846007602
No
دانشگاه فردوسی مشهد
Mohammad Hossein
Mahdavi Adeli
Ferdowsi University of Mashhad
محمد حسین
مهدوی عادلی
mh-mahdavi@um.ac.ir
0031947532846007603
0031947532846007603
No
دانشگاه فردوسی مشهد
fa
پیش بینی مالیات بر ارزش افزوده ناشی از مصرف دخانیات در ایران با استفاده از روش شبکه عصبی
Forecastingof the Value Added Tax from Tobacco Consumption Using Neural Network Method
در این مقاله، پیشبینی درآمد حاصل از این منبع مالیاتی با استفاده از رویکرد مبتنی بر برآورد پایه مالیاتی مدنظر قرار گرفته است. بدین نحو که در مرحلۀ اول، پایۀ مالیات (مخارج مصرفی سیگار) برای دوره 1391 الی 1394 پیش بینی و سپس مالیات این سالها با اعمال نرخهای مالیاتی، محاسبه خواهد شد. در این راستا از آنجا که یکی از دغدغههای سیاستگذاران دسترسی به پیشبینیهای دقیق از درآمدهای مالیاتی است، از روش شبکههای عصبی با ناظر برای پیشبینی و برای آموزش شبکهها از الگوریتم پس انتشار استفاده شده است. نتایج بیانگر آن است که درآمد مالیات بر ارزش افزوده ناشی از مصرف سیگار در سالهای مورد پیشبینی، بهطور متوسط از رشد سالانه 20 درصد برخوردار خواهد شد.
Cigarette and tobacco products in the VAT Law is considered as one of the particular goods and in order to contorlingit’s consumption by price tools, higher tax rates than the standard rate will be levied on it. In this paper, forecasting of revenues of this tax using an approach based on the estimating of tax base has been considered. Thus the first stage, tax base (consumption expenditure) is forecasted for the period 2012 to 2015 and then tax related years by applying the tax rates, will be calculated. In this regard, Because of concerns that policy makers have access to accurate predictions of tax revenues, Supervised neural networks Method to prediction and back-propagation algorithm to train is used. The results indicate that the average annual growth of revenue from value added tax on Cigarette consumption will have 20 percent during the forecasting years.
Tobacco consumption, VAT, Forecasting, Neural Network Method, Back - Propagation Algorithm
مصرف سیگار, مالیات بر ارزش افزوده, پیش بینی, روش شبکه عصبی, الگوریتم پس انتشار
55
72
http://jemr.khu.ac.ir/browse.php?a_code=A-10-906-1&slc_lang=fa&sid=1
2014/03/182013/12/11
1392/9/20
2015/02/42015/04/27
1394/2/7
Elham
Gholami
الهام
غلامی
elham_gholami4@yahoo.com
0031947532846007604
0031947532846007604
Yes
معاونت امور اقتصادی
Yegane
Mousavi Jahromi
یگانه
موسوی جهرمی
mosavi@pnu.ac.ir
0031947532846007605
0031947532846007605
No
دانشگاه پیام نور
fa
تحلیل آماری و برآورد فاصله اطمینان پیشبینی شبکه عصبی ترکیبی به منظور مقایسه با مدل خطی ARIMA: مطالعه موردی مصرف ماهانه گاز طبیعی در بخش خانگی ایران
Statistical Analysis and Construction of Prediction Intervals for A Hybrid Neural Network in: A Case Study of Natural Gas Consumption in the Household Sector
مصرف گاز طبیعی به عنوان یکی از مهمترین حاملهای انرژی، طی سالیان اخیر روند صعودی را داشته و مدیریت مصرف و برنامهریزی جهت تأمین نیازهای آن، نیازمند شناخت وضعیت مصرف کنونی و پیشبینی روند آتی آن میباشد. با معرفی و کاربرد گسترده مدلهای مختلف همچون شبکههای عصبی مصنوعی جهت برآورد روند آتی مصرف و از طرفی تصادفی بودن آنها، آگاهی از دقت این مدلها جهت نیل به هدف پیشبینی دقیقتر، اهمیت بیشتری یافته است. پژوهش حاضر سعی دارد با بهکارگیری شبکههای عصبی مصنوعی به عنوان مدلی غیرخطی و مدل خطی ARIMA در پیشبینی مصرف ماهانه گاز طبیعی در بخش خانگی ایران به عنوان عمدهترین بخش مصرفکننده، به مقایسۀ دقیقتر این پیشبینیها با استفاده از باز نمونهگیری از نمونهها بپردازد. بدین منظور ابتدا آموزش شبکه با استفاده از الگوریتمهای ژنتیک و ازدحام ذرات صورت گرفته و مقایسه آنها با استفاده از روش «10-fold» حاکی از عملکرد بهتر الگوریتم ازدحام ذرات جهت آموزش شبکه بود. در ادامه شبکه عصبی با استفاده از باز نمونهگیری با جایگذاری از دادههای اردیبهشتماه 1381 تا اسفندماه 1388 به تعداد 2000 بار توسط الگوریتم ازدحام ذرات آموزش داده شد و مصرف ماهانه گاز طبیعی در بخش خانگی طی سالهای 1389 و 1390 توسط آنها پیشبینی و فاصله اطمینان 95 درصدی برای پیشبینیها محاسبه شد. نتایج بررسی معنیداری اختلاف پیشبینی مدل ترکیبی شبکه عصبی با مدل ARIMA و همچنین مقادیر واقعی، بر اساس فاصله اطمینان به دست آمده حاکی از عملکرد بهتر شبکه عصبی ترکیبی نسبت به مدل ARIMA در اغلب ماهها بود.
As one of the important energy forms, natural gas consumption has an upward trend in recent years. Therefore management and planning for provision of it requires prediction of the future consumption. But many of prediction procedures are inherently stochastic therefore it is important to have better knowledge about the robustness of prediction procedures. This paper compares robustness of two prediction procedures Artificial Neural Networks as a nonlinear and ARIMA as a linear model. using resampling method to predict the monthly consumption of natural gas in the household sector. Data spans from 2001-4 to 2012-3, to train the networks, we used genetic algorithms and Particle Swarming Optimization then results were compared using 10-fold method. According to the results, the particle swarm optimization (PSO) outperforms the genetic algorithm. Then we used data from 2001-4 to 2010-3, with resampling by 2000 to predict the natural gas consumption for the 2001 -4 to 2012-3 and to form critical values. Results show that prediction by a mixed method using ANN and PSO is more robust than ARIMA method.
Bootstrap, Natural Gas, Neural Networks, Prediction, PSO
الگوریتم PSO, بوت استرپ, پیشبینی, شبکههای عصبی, گاز طبیعی
73
106
http://jemr.khu.ac.ir/browse.php?a_code=A-10-1527-1&slc_lang=fa&sid=1
2014/03/182013/12/112014/07/9
1393/4/18
2015/02/42015/04/272015/02/23
1393/12/4
seyed kamal
sadeghi
Tabriz University
سید کمال
صادقی
sadeghiseyedkama@gmail.com
0031947532846007606
0031947532846007606
No
دانشگاه تبریز
seyed mehdi
mousavian
Tabriz University
سید مهدی
موسویان
me.mousavian@gmail.com
0031947532846007607
0031947532846007607
Yes
دانشگاه تبریز
fa
بررسی تطبیقی سنجش سرمایه اجتماعی در ایران
The Comparative Investigation of Social Capital in Iran
ین مطالعه به بررسی وضعیت سنجش سرمایۀ اجتماعی و مسائل و مشکلات آن میپردازد. از آنجا که سرمایه اجتماعی یک مقوله کیفی است، لذا سنجش آن با مشکلات خاصی مواجه است و به همین دلیل، هنوز روش و رویه یکسانی برای آن ارائه نشده است. این مشکل هم در سطح جهانی و هم در سطح ملی وجود دارد. مطالعات مختلفی که در این خصوص صورت گرفته و در آینده نیز انجام میشود، دارای شیوههای کاملاً متفاوتی هستند و بدیهی است که نتایج آنها نیز کاملاً متفاوت و حتی گاهی اوقات، متناقض میباشد. این وضعیت بهگونهای است که مقایسه هر یک از مطالعات صورت گرفته با مطالعه پایهای وزارت ارشاد، نشاندهندۀ تفاوتهای اساسی بین نتایح آنها است. بهعنوان مثال؛ در مطالعه وزارت ارشاد، نسبت حداکثر شاخص سرمایه اجتماعی به حداقل آن، حدود 84/1 برابر میباشد. این در حالی است که در برخی از مطالعات به 28 برابر میرسد و در برخی موارد نیز، تفاوت محسوسی مشاهده نمیشود و نسبت مذکور حدود 08/1 می باشد. اما تفاوت اساسی اینجا است که ضریب همبستگی شاخص سرمایه اجتماعی بین مطالعات مختلف با مطالعه وزارت ارشاد، اختلافات جدی را نشان میدهد، بهگونهای که در برخی از مطالعات نزدیک به صفر، در برخی منفی و در برخی نیز مثبت میباشد. بنابراین، هر یک از این مطالعات با توجه به اهداف و روشهای خود به نتایج متفاوتی رسیدهاند. این نتایج نشان میدهد که برآورد و تحلیل سرمایه اجتماعی در ایران نیازمند دقت بیشتر در انتخاب مفاهیم و روشهای اندازهگیری است.
This study considers the subject of social capital measurement and its problems. Because of the social capital is the qualitative subject, therefore its measurement have special problems, and there is no the same approach in this matter. These problems are in both of international and national level. For the reason, there are different methods to measure social capital. These methods have caused their results to be different and sometimes conflict. These differences are very high, such that the correlation between these indexes is sometime zero, negative and positive.
Social Capital, Nnetworks, Ttrust
سرمایه اجتماعی, جرائم, اعتماد, شبکه
107
129
http://jemr.khu.ac.ir/browse.php?a_code=A-10-45-1&slc_lang=fa&sid=1
2014/03/182013/12/112014/07/92014/08/5
1393/5/14
2015/02/42015/04/272015/02/232014/09/8
1393/6/17
ali
souri
علی
سوری
ali_souri@yahoo.com
0031947532846007608
0031947532846007608
Yes
دانشکده اقتصاد دانشگاه تهران
fa
تأثیر توسعه موسسات مالی غیربانکی بر تولید ناخالص داخلی (GDP) در ایران )مطالعه موردی: عقود اسلامی)
Development Impact of Non Bank Financial Institutions on Gross Domestic Production (GDP) in Iran(Case Study: Islamic Contracts)
مؤسسات مالی و اعتباری به عنوان نهاد مالی غیربانکی، مؤسساتی هستند که به عنوان واسطه وجوه در بازارهای مالی به فعالیت میپردازند. خدمات آنها در بسیاری از زمینهها شبیه خدمات ارائه شده توسط بانکها میباشد. به همین خاطر بررسی رابطه بین توسعه موسسات مالی غیربانکی و تولیدناخالص داخلی ایران با اهمیت به نظر میرسد. در این راستا، هدف اصلی این مطالعه بررسی اثر تسهیلات اعطایی موسسات مالی غیربانکی در حوزۀ عقود اسلامی بر تولید ناخالص داخلی به همراه سایر متغیرهای موٌثر بر GDP ازقبیل درآمد سرانه و اشتغال نیروی کار برای دورۀ زمانیQ41392-Q11378 است. برای تخمین مدل از روش گشتاور تعمیمیافته(GMM) استفاده شده که نتایج برآورد مدل دلالت بر تأثیر مثبت و معنی دار توسعه موسسات مالی غیر بانکی براساس تسهیلات اعطایی با در نظر گرفتن عقود اسلامی است. همچنین متغیرهای درآمد سرانه و اشتغال دارای تأثیرگذاری مثبت و معنی دار بر تولید ناخالص داخلی میباشند.
Financial institution as a non-bank financial institutions, institutions that are active in mediating funds in financial markets. Services are in many ways similar to the services provided by banks. Because the relationship between the development of non-bank financial institutions and Iranian gross domestic production (GDP) seem important. In this context, the main objective of this study was to investigate the effect of non-bank financial institutions in the areas of facilities of GDP contracts with other variables such as per capita GDP and employment effects on the labor force for the period 1999Q1-2013Q4. To estimate the Generalized Method of Moments (GMM) is used to model estimation results indicate a significant positive impact on the development of non-bank financial institutions and facilities with regard to Islamic contracts. The per capita income and employment variables have a significant positive impact on GDP respectively.
Non-Bank Financial Institutions, Gross Domestic Product, Generalized Method of Moments (GMM), Islamic Contracts
موسسات مالی غیربانکی, تولید ناخالص داخلی, روش گشتاور تعمیمیافته(GMM), عقود اسلامی
131
158
http://jemr.khu.ac.ir/browse.php?a_code=A-10-1487-1&slc_lang=fa&sid=1
2014/03/182013/12/112014/07/92014/08/52014/05/17
1393/2/27
2015/02/42015/04/272015/02/232014/09/82015/03/4
1393/12/13
Saeed
Farahani Fard
سعید
فراهانی فرد
farahanifards@yahoo.com
0031947532846007609
0031947532846007609
No
دانشگاه قم
Majid
Feshari
Kharazmi University
مجید
فشاری
m.feshari@ues.ac.ir
0031947532846007610
0031947532846007610
No
دانشگاه خوارزمی
yavar
khanzadeh
Kharazmi University
یاور
خانزاده
yavar_eghtesad@yahoo.com
0031947532846007611
0031947532846007611
Yes
دانشگاه خوارزمی
fa
اثر تمرکززدایی مالی نسبی بر رشد اقتصاد منطقهای ایران
The Effect of Partial Fiscal Decentralization on Regional Economic Growth of Iran
تمرکززدایی مالی به سبب واگذاری امور به سطوح پایین تر دولت، سبب افزایش کارایی در ارائه خدمات و دسترسی بهتر افراد به کالاهای عمومی در اقتصاد میشود. در ایران با توجه به برنامههای پنج ساله توسعه، ایجاد و گسترش ساختاردراستانها برای تخصیص بودجههای استانی، حرکت کلی تمرکززدایی مالی در بعد هزینهها است، تا استانها خود بتوانند مسئولیت پروژههای عمرانی استانی بیشتری را در اختیار بگیرند. هدف این تحقیق بررسی اثرات تمرکززدایی مالی نسبی بر رشد اقتصادی منطقهای ایران است. شاخص تمرکززدایی مالی نسبی نسبت تملک دارایی سرمایهای استانی به تملک دارایی سرمایهای دولت در نظر گرفته شد تا در چهارچوب مدل رشد سولو در مورد اثرات تمرکززدایی بر رشد اقتصادی تحقیق شود. نتایج تحقیق بر اساس دادههای 30 استان کشور در فاصله سالهای 1379 تا 1386 بر اساس تخمین پانل دیتا نشان میدهد؛ تمرکززدایی مالی نسبی دارای یک رابطه غیر خطی (محدب شکل) با رشد اقتصاد منطقهای است که نشان دهنده وجود حد بهینه در ایران است.
Fiscal decentralization that is considered a transfer of responsibilities that associated with accountability to sub – national governments, increases efficiency and providing better access to public goods in the Economy. According to the five-year development plans of Iran creating and allocating structure for provincial budgeting, fiscal decentralization generally is moving in the costs of its Provinces in order to give more responsibility to the provincial development projects. The aim of this study is an investigation of effect for partial fiscal decentralization on regional economic growth of Iran. Fiscal decentralization index is proportion of provincial's capital assets to government's capital assets, So this researches the effects of decentralization on economic growth in the framework of Solow's growth model. That the results based on data from 30 provinces between 2000 and 2007 on the panel data estimation, shows partial fiscal decentralization which has a non-linear relationship with the growth (convex shape) and partial fiscal decentralization Indicts the Optimal degree in growth of regional economy in Iran.
Partial Fiscal Decentralization, Economic Growth, Solow’s Model, Panel Data
تمرکززدایی مالی نسبی, رشد اقتصادی, مدل سولو, پانل دیت
159
191
http://jemr.khu.ac.ir/browse.php?a_code=A-10-638-1&slc_lang=fa&sid=1
2014/03/182013/12/112014/07/92014/08/52014/05/172011/12/27
1390/10/6
2015/02/42015/04/272015/02/232014/09/82015/03/42012/12/29
1391/10/9
Mahdi
Sadeghi Shahdani
مهدی
صادقی شاهدانی
sadeghi@isu.ac.ir
0031947532846007485
0031947532846007485
No
دانشگاه امام صادق (ص)
Ehsan
Aghajani Memar
احسان
آقاجانی معمار
aghajanie@isu.ac.ir
0031947532846007486
0031947532846007486
Yes
دانشگاه امام صادق (ص)
fa
مطالعهی تجربی رابطهی پویای قیمت نفت و شاخص های بازار سرمایه در ایران
The Dynamic Relationship between the Oil Price and the Capital Market Indices in Iranian Economy
هدف از این مطالعه بررسی رابطۀ بین شوکهای قیمت نفت و شاخصهای بورس اوراق بهادار تهران طی سالهای 1392-1387 میباشد. برای این منظور، با استفاده از دادهها، روزهای کاری مشترک بازار جهانی نفت و بورس اوراق بهادار تهران از 18 آذر 1387 تا 28 اسفند 1392 رابطه بلندمدت بین متغیرهای مدل بررسی شده است. نتایج حاصل از برآورد رابطه بلندمدت، بهوسیله روشهای همانباشتگی جوهانسن- جوسیلیوس و انگل و گرنجر بیانگر این است که بین قیمت نفت اوپک و شش شاخص بازار سرمایه (شاخص کل بورس، شاخص صنعت، شاخص قیمت 50 شرکت، شاخص 50 شرکت برتر، شاخص بازده و قیمت و شاخص 30 شرکت بزرگ) رابطۀ تعادلی بلندمدت وجود دارد و بین متغیرهای قیمت نفت اوپک و سه شاخص بازار اول، بازار دوم، و شناور آزاد رابطۀ تعادلی بلندمدت برقرار نمیباشد.
The main purpose of the present study is to evaluate the relationship between the oil price shocks and the indexes of the Stock Exchange Market of Tehran. The present study is conducted by using from the data obtained from the common working days between world oil market and the Stock Exchange Market of Tehran between 8 December 2008 and 19 Mars 2014. In the present study the nested test, Johansen's co-integration test, vector error correction model and Engle- Granger method have been used in order to represent the long run relationship between the variables. The empirical findings of this paper indicate that there is a significant and positive long-run equilibrium between the OPEC oil price and six indices of capital market (total stock index, industry index, the price index of 50 companies, top 50 indices, return and price index, Index of 30 large companies). Also there is no significant long run equilibrium relationship between the OPEC oil prices and three indexes namely first market, second market and free float indexes.
بررسی رابطۀ پویا بین قیمت نفت و شاخص های بازار سرمایه در ایران
روش همانباشتگی انگل و گرنجر, روش همانباشتگی جوهانسن- جوسیلیوس, قیمت سبد نفت اوپک, شاخصهای بورس اوراق بهادار تهران
193
216
http://jemr.khu.ac.ir/browse.php?a_code=A-10-1514-1&slc_lang=fa&sid=1
2014/03/182013/12/112014/07/92014/08/52014/05/172011/12/272014/06/23
1393/4/2
2015/02/42015/04/272015/02/232014/09/82015/03/42012/12/292014/09/22
1393/6/31
Reza
Gاanbarian
رضا
قنبریان
reza.ghanbarian@gmail.com
0031947532846007483
0031947532846007483
Yes
دانشگاه علامه طباطبایی
Ali
Saghafi
علی
ثقفی
reza.ghanbarian@gmail.com
0031947532846007484
0031947532846007484
No
دانشگاه علامه طباطبایی