This study, attempts to estimate and compare four different models of jump-diffusion class combined with stochastic volatility that are based on stochastic differential equations, and their parameters latent variables are estimated by Markov chain Monte Carlo (MCMC) methods. In the Stochastic Volatility with Correlated Jumps (SVCJ) model, volatilities are scholastic, and the term jump is added to both scholastic prices and volatilities. The results of this study showed that this model is more efficient than the others are, as it provides a significantly better fit to the data, and therefore, corrects the shortcomings of the previous models and that it is closer to the actual market prices. Therefore, our estimating model under the Monte Carlo simulation allows an analysis on oil prices during certain times in the periods of tension and shock in the oil market تفاصيل المقالة

تامین مالی سبز یکی از ابزارهای نوآورانه مالی است که شامل طیف گسترده‌ای از موضوعات در حوزه صنعت بانکداری می‌باشد. از آنجایی که بانک‌ها جزء جدایی‌ناپذیر فعالیت‌های تجاری و اقتصادی محسوب می‌شوند و عمده تأمین مالی شرکتها بر عهده این نهاد پولی و مالی است، بنابراین ضرورت دارد تا عوامل مؤثر بر تأمین مالی سبز شرکتها از طریق صنعت بانکداری مورد مطالعه قرار گیرد. این پژوهش رویکردی ترکیبی داشته و در مرحله نخست ، مدل تأمین مالی سبز شرکت‌ها از طریق صنعت بانکداری ایران را بر اساس راهبرد پژوهش کیفی داده بنیاد ارائه و در مرحله دوم، روابط بین عناصر مدل حاصل را با استفاده ار تکنیک مدلسازی معادلات ساختاری در معرض آزمون کمی قرار داده است. در بخش کیفی جامعه آماری شامل افراد متخصص و صاحبنظر در زمینه بانکداری و زیست محیطی بوده که با استفاده از نمونه گیری هدفمند و با روش گلوله برفی انتخاب و ضمن مصاحبه با 16 نفر از ایشان ، انجام کدگذاری و حصول اشباع نظری ، مولفه های مدل در قالب 77 مولفه فرعی و 21 مقوله اصلی تعیین و مدل نهایی استخراج گردید . در بخش کمی به منظور اعتباریابی و بررسی برازش مدل استخراجی ، جامعه آماری شامل کارشناسان و مدیران 8 بانک دارای سوابق فعالیتی در حوزه بانکداری و تامین مالی سبز بوده که ضمن جمع آوری نمونه 500 تایی از بین پرسشنامه های توزیع شده و انجام تحلیل لازم بوسیله مدلسازی معادلات ساختاری ، نتایج حاصل نشان داد که مؤلفه‌های استخراج شده اثر مستقیم و معناداری بر .... تفاصيل المقالة

چکیدهحفاظت از محیط زیست و توسعه پایدار زیست محیطی یکی از دغدغه های جوامع انسانی و اصلی غیرقابل تردید است که در این میان بانکها با در نظر گرفتن ریسک زیست محیطی در تامین مالی شرکتها ، نقش مهمی در حفظ محیط زیست و حرکت به سوی اقتصاد سبز دارند . تامین مالی سبز بعنوان یکی از ابعاد بانکداری سبز ، از ابزارهای نوآورانه مالی است که تلاش میکند تا تعادل زیست محیطی را با توسعه صنایع و رشد اقتصادی بهبود بخشد. پژوهش حاضر با هدف طراحی و تحلیل مدل تامین مالی شرکتها از طریق صنعت بانکداری ایران در راستای استقرار محیط زیست پایدار ، انجام و رویکردی سه مرحلهای دارد. ابتدا با استفاده از تکنیک داده بنیاد ضمن مصاحبه با 16 نفر از خبرگان و انجام کدگذاری ، تعداد 77 مولفه در قالب 21 مقوله شناسایی و مدل مربوطه طراحی و فرضیهها مشخص گردید سپس به منظور بررسی برازش مدل و آزمون فرضیهها از روش مدلسازی معادلات ساختاری بهره گرفته شد که نتایج مبین معناداری مدلهای اندازهگیری و ساختاری، برازش مطلوب مدل و همچنین تائید فرضیهها بوده است. آنگاه به منظور اولویتبندی مولفههای تامین مالی سبز از روش مدلسازی ساختاری تفسیری استفاده شد، در این مرحله تعداد 20 مولفه دارای بیشترین فراوانی کد ، وارد شدند که نهایتآ اولویت مولفهها در 6 سطح احصاء گردید. تفاصيل المقالة

هدف از پژوهش حاضر افزودن تکنیک یادگیری حساس به هزینه به مدل‌های پیش‌بینی ورشکستگی مبتنی بر داد‌ه‌های نامتوازن به منظورکاهش خطای نوع اول و افزایش معیار میانگین هندسی دقت‌ است تا بتوان هزینه‌های طبقه‌‌بندی اشتباه شرکت‌های ورشکسته را بر ذینفعان کاهش داد. بدین منظور خطای نوع اول، خطای نوع دوم و معیار میانگین هندسی دقت مدل‌های پیش‌بینی ورشکستگی مبتنی بر یادگیری حساس به هزینه با مدل‌های پیش‌بینی ورشکستگی با داده به شدت نامتوازن مقایسه شدند، نمونه آماری شامل 1200 سال-شرکت در بازه زمانی سال 1380 الی سال 1399 شامل %90 شرکت‌های سالم و %10 شرکت‌های ورشکسته است، نتایج آزمون فرضیه‌ها‌ بیانگر آن است که افزودن تکنیک یادگیری حساس به هزینه به مدل‌های پیش‌بینی ورشکستگی منجر به کاهش معنادار خطای نوع اول، افزایش معنادار خطای نوع دوم و افزایش معنادار معیار میانگین هندسی دقت مدل‌های مبتنی بر داده‌های نامتوازن در سطح اطمینان %95 شد، همچنین با افزایش مقدار هزینه طبقه‌بندی اشتباه شرکت‌های ورشکسته، خطای نوع اول روند نزولی و خطای نوع دوم روند صعودی و میانگین هندسی دقت روند صعودی دارند تفاصيل المقالة

انتخاب معیار مناسب ریسک همواره یکی از چالش های اصلی در مسایل مالی و اقتصادی بوده است. یکی دیگر از مباحث پرکاربرد در مسایل بهینه سازی مالی بحث عدم قطعیت مرتبط با متغیرهای اقتصادی می باشد. هدف این پژوهش حل مسئله انتخاب سهام برای پرتفوی با کمترین ریسک نامطلوب با استفاده از حل مدل برنامه ریزی ریاضی در شرایط تصادفی فازی می‌باشد. این پژوهش در قالب مدل میانگین- انحراف مطلق(MAD) و با فرض این که بازده سهام متغیر تصادفی فازی است، نگرش سرمایه‌گذاران به ریسک را در قالب سرمایه گذران ریسک گریز و ریسک‌پذیر مورد توجه قرار داده است و یک مدل ریاضی کارآمد جهت انتخاب سبد سهام بهینه ارائه‌شده است. درنهایت با کمک گرفتن از الگوریتم ژنتیک جهت تولید سبد تلاش جهت حل مدل تعریف‌شده انجام‌گرفته است. در ادامه از جواب‌های پارتو بهینه به‌دست‌آمده با توجه به معیارهای موردنظر، جواب بهینه مسئله به دست می‌آید. نتایج حاصل از حل مدل در شرایط متفاوت نشان دهنده کارایی جواب های تولید شده می باشد. تفاصيل المقالة

هدف پژوهش حاضر طراحی یک سیستم معاملاتی هوشمند با استفاده از تکنیک‌های هوش مصنوعی به منظور کشف و طبقه‌بندی صحیح پیوت‌های قیمتی است. منظور از پیوت قیمتی نقاط برگشت قیمت است که موجب تغییر روند قیمت سهام می‌شود. در این بین نیز از دو تکنیک مربعی گن و الگوهای کندلستیک در کنار سایر متغیرها استفاده شده است. داده‌های مورد استفاده در این پژوهش مربوط به 31 شرکت فعال در گروه خودرو و ساخت قطعات طی 5 سال شهریور 1391 الی شهریور 1396 می‌باشد. پیوت‌های قیمتی شرکت‌های مورد بررسی با الگوبرداری از اندیکاتور ZigZag و با کدنویسی در SQLServer شناسایی شده‌اند. نتیجه پژوهش نشان از توانمندی بالای سیستم طراحی شده برای کشف و طبقه‌بندی پیوت‌های قیمتی با محوریت دو الگوی کندلستیک و تکنیک مربعی گن دارد. در این بین، سطح اهمیت الگوهای کندلستیک و سطوح مربعی گن در کشف و طبقه‌بندی صحیح پیوت‌های قیمتی بالاتر از سایر متغیرها بوده است. تفاصيل المقالة