The rapid growth of Internet technology development hasenabled consumers to search for product information and purchase productsor services from Internet. As such, it is vital to examine the factorsthat effect on the customer online purchase intention. So, the main purposeof this study is to accomplish this duty. Data has been gatheredfrom 309 Raja’s travelers and analyzed by SPSS software in terms ofDescriptive and Inference statistics. The results indicate that perceivedquality of web site, by means of trust in web site, has effect on onlinepurchase intention(p-value<%5). In second hypothesis, online purchaseintention has been affected by attitude toward online purchasing (pvalue<%5). But in the third hypothesis, results show that gender hasno effect on online purchase intention (p-value<%5). The implicationsof this investigation help to Raja managers to facilitate and improvethe online purchase. Manuscript profile

تحقیق حاضر با هدف مقایسه کارایی کانال های مستقیم وغیرمستقیم بازاریابی بیمه در ایرانانجام شده است. پس از بررسی مطالعات انجام شده پیشین، متغیرهای تحقیق تعیین شدند. برای ارزیابی کارایی کانال های بازاریابی از تلفیق روش فرایند تحلیل شبکه یی ANPو تحلیل پوشش داده ها DEA و از مدل CCR جهت سنجش کارایی عملیاتی واحدهای تصمیم گیری استفاده شده است. روش تحقیق براساس هدف، کاربردی و براساس نحوه گردآوری داده ها توصیفی است. جامعه آماری تحقیق کلیه شرکت های بیمه که در سال1390در ایران فعالیت داشته اند می باشد. درابتدا پرسشنامه تحقیق بین مدیران ارشد شرکت های بیمه توزیع شده و سپس بااستفاده از فرایند تحلیل شبکه یی وزن متغیرها تعیین شد. بعد از نرمالیزه کردن داده ها با استفاده از تحلیل پوشش داده ها نتیجه تحقیق حاکی از این مطلب شد که کارایی کانال غیرمستقیم بیشتر از کارایی کانال مستقیم بازاریابی بیمه در ایران است. Manuscript profile

یکی از روشهای مطرح در بررسی علمی بازار سرمایه استفاده از مدل سازهای اقتصاد سنجی می باشد . در پژوهشهای انجام شده اغلب مدلسازهای اقتصاد سنجی محدود، بدون مقایسه و بررسی میزان خطای پیش‌بینی سایر الگوریتم‌ها ، مورد بررسی قرار گرفته اند . در این پژوهش برای رفع این نقیصه با اجرا و مقایسه روش های مطرح برروی سهم های منتخب و بر اساس پارامترهای ارائه شده کارا ترین الگوریتم مشخص گردیده است. از سوی دیگر اغلب مرتبه جمله خود رگرسیو و مرتبه جمله میانگین متحرک جهت بررسی ها به صورت محدود در نظر گرفته می شود که بر اساس معیار اطلاعات بیزی روش تعیین درجات p و q جهت دستیابی به پاسخ بهینه را ارائه نموده ایم و با مقایسه روش های میانگین متحرک خود رگرسیو ، میانگین متحرک تجمیعی خود رگرسیو ، میانگین متحرک تجمیعی خود رگرسیو فصلی ، میانگین متحرک تجمیعی خود رگرسیو با متغیر توضیحی ،میانگین متحرک تجمیعی خود رگرسیو فصلی با متغیر توضیحی ، مدل خود رگرسیو با واریانس ناهمسانی شرطی تعمیم یافته ، مدل خود رگرسیو نمایی با واریانس ناهمسانی شرطی تعمیم یافته و مدل رگرسیون با خطاهای میانگین متحرک خود رگرسیو در بازار بورس اوراق بهادار تهران مورد بررسی قرار گرفته اند. Manuscript profile

The importance of the capital market in economic development is undeniable through the effective management of capital and the optimal allocation of resources. In this study, according to capital market behaviors and research, Statistical Learning (SL) algorithms compared to Artificial Neural Networks (ANN) to analyze time-series data and predict stock prices have been investigated. In studies to compare methods or provide hybrid models, most statistical learning algorithms are limited and examined without the comparison of other algorithms. In this study, to eliminate this shortcoming by implementing and comparing statistical learning algorithms in the two categories of Regression Learner and Classification Learner, the most efficient algorithm has been identified based on the selected shares and based on the presented parameters. The first category (Regression Learner) includes Linear Regression, Interaction Linear Regression, Robust Linear Regression, Stepwise Linear Regression, Fine Tree, Medium Tree, Coarse Tree, Linear Support Vector Machine (SVM), Quadratic SVM, Cubic SVM, Fine Gaussian SVM, Medium Gaussian SVM, Coarse Gaussian SVM, Ensemble Boosted Trees, Ensemble Bagged Trees, Squared Exponential Gaussian Process Regression, Matern 5/2 Gaussian Process Regression, Exponential Gaussian Process Regression, Rational Quadratic Gaussian Process Regression. The second category (Classification Learner) includes Gaussian, Naive Bayes, K-nearest neighbors. The results show that Regression Learner methods are more effective in predicting the price of selected stocks. Manuscript profile