سعید صمدی؛ نسرین ابراهیمی؛ فریباالسادات عقیلی
چکیده
چکیده
با توجه به اینکه طلا یک کالای حساس و استراتژیک است و قیمت جهانی آن در طول سالهای گذشته دارای روند صعودی بودهاست، در این مطالعه سعی شدهاست که عوامل تاثیرگذار بر روی قیمت سکه طلا بررسی شود. از جمله مهمترین عواملی که بر قیمت طلا در ایران تاثیر گذارند میتوان به قیمت جهانی طلا، وجود انتظارات تورمی، نوسانات نرخ ارز، نوسانات ...
بیشتر
چکیده
با توجه به اینکه طلا یک کالای حساس و استراتژیک است و قیمت جهانی آن در طول سالهای گذشته دارای روند صعودی بودهاست، در این مطالعه سعی شدهاست که عوامل تاثیرگذار بر روی قیمت سکه طلا بررسی شود. از جمله مهمترین عواملی که بر قیمت طلا در ایران تاثیر گذارند میتوان به قیمت جهانی طلا، وجود انتظارات تورمی، نوسانات نرخ ارز، نوسانات شاخص سهام و تحریمهای بینالمللی اشاره کرد. همچنین بررسی این عوامل میتواند نتایج مفیدی برای سرمایهگذاران و برنامهریزان به همراه داشته باشد.
به دلیل اهمیت بازار ارز و بازار سهام، در این مطالعه تلاش میشود تا علاوهبر قیمت جهانی طلا اثر نوسانات نرخ ارز و شاخص سهام نیز بر قیمت سکهی طلا در ایران از فروردین سال 1380 تا شهریور سال 1390 مورد بررسی قرار گیرد. به این منظور در این مطالعه از مدل خانوادهی خود رگرسیون واریانس ناهمسانی شرطی (ARCH) برای اندازهگیری نوسانات استفاده میشود. زیرا این مدلها میتوانند روند واریانس شرطی را با توجه به اطلاعات گذشتهی خود توضیح دهند و سپس با استفاده از مدل (ARDL) چگونگی اثرگذاری این نوسانات در کوتاه‌مدت و بلندمدت ارزیابی شدهاست.
نتایج نشان میدهد از بین عوامل مؤثر بر نوسانات قیمت سکه، نرخ ارز (نرخ برابری دلار و ریال) هم در کوتاه‌مدت و هم در بلندمدت، مؤثرترین عامل است. ضریب قیمت جهانی طلا نیز هم در بلندمدت و هم در کوتاه‌مدت مثبت و معنیدار است. شایان ذکر است که ضرایب بلندمدت بزرگتر از ضرایب کوتاه‌مدت است و این نشان میدهد که در بلندمدت قیمت سکه به نوسانات نرخ ارز و تغییر در قیمت جهانی طلا بیشتر واکنش نشان میدهد.
سعید صمدی صمدی؛ مینو نظیفی نایینی
چکیده
طلا یک کالای استراتژیک است و عوامل زیادی بر قیمت آن تاثیر می‌گذارد. از طرفی روش شبکه عصبی توانایی خاصی در برآورد روند و پیشبینی نوسانات قیمت طلا دارد و روش رگرسیون سوئیچینگ نیز توانایی در شناسایی شوکها و سال های تغییر رژیمهای نوسانات در سطح پر نوسان و کم نوسان دارد. این تحقیق به طور جداگانه بر بررسی هر یک و پیاده سازی این روشها ...
بیشتر
طلا یک کالای استراتژیک است و عوامل زیادی بر قیمت آن تاثیر می‌گذارد. از طرفی روش شبکه عصبی توانایی خاصی در برآورد روند و پیشبینی نوسانات قیمت طلا دارد و روش رگرسیون سوئیچینگ نیز توانایی در شناسایی شوکها و سال های تغییر رژیمهای نوسانات در سطح پر نوسان و کم نوسان دارد. این تحقیق به طور جداگانه بر بررسی هر یک و پیاده سازی این روشها در داده‌های نوسانات قیمت طلا می پردازیم.
روش تحقیق: در این پژوهش با شناسایی عوامل موثر بر نوسان های قیمت طلا برای دوره 1390-1359 الگوی متناسب با این نوسان ها مدل سازی می شود. برای مدل سازی از دو روش غیر خطی شبکه عصبی و مدل رگرسیون چرخشی مارکف استفاده شدهاست. هدف مدل سازی در این مطالعه مقایسه دو روش نیست بلکه با یاری جستن از دو مدل سعی در برازش بهتر و پیشبینی بهتر مدلها می باشد. هر یک از این دو روش توانایی خاصی در قسمتی از فرآیند مدل سازی دارند.
شبکه عصبی به کار گرفته شده در این پژوهش حاوی 2 لایه پنهان و رگرسیون چرخشی نیز دارای 2 رژیم می باشد. نتایج حاکی از آن است که روش شبکه عصبی به خوبی توانسته نوسانات قیمت طلا را پیشبینی کند و روش رگرسیون چرخشی سالهای چرخش و شوک را شناسایی نموده و تشخیص داده شده که در ایران مدتی که بازار طلا در حالت کم نوسان است، بیشتر از حالت پر نوسان است. نتایج نشان می دهد از میان عوامل موثر بر قیمت طلا در مدل شبکه عصبی متغیر نرخ ارز و قیمت جهانی طلا بیشترین تاثیر را دارد و در مدل چرخشی مارکف متغیر قیمت نفت و پس از آن CPIدارای بالاترین اهمیت و درجه تاثیر گذاری بر قیمت طلا می باشد.
سعید صمدی؛ محمد واعظ؛ محمد رضا قاسمی
چکیده
بالا بودن هزینه جمع‌آوری اطلاعات به صورت فصلی و نیاز اقتصاد سنجان به این اطلاعات برای مدل سازی و تحلیل‌های کوتاه‌مدت، باعث شده موسسات آماری پس از جمع‌آوری اطلاعات و محاسبه داده‌های اقتصادی به صورت سالیانه، با روش‌های غیر مستقیم، به محاسبه داده‌های فصلی از داده‌های سالانه بپردازند.
در این مقاله روش‌های فصلی کردن سری زمانی در ...
بیشتر
بالا بودن هزینه جمع‌آوری اطلاعات به صورت فصلی و نیاز اقتصاد سنجان به این اطلاعات برای مدل سازی و تحلیل‌های کوتاه‌مدت، باعث شده موسسات آماری پس از جمع‌آوری اطلاعات و محاسبه داده‌های اقتصادی به صورت سالیانه، با روش‌های غیر مستقیم، به محاسبه داده‌های فصلی از داده‌های سالانه بپردازند.
در این مقاله روش‌های فصلی کردن سری زمانی در قالب دو گروه عمده، روش‌های متکی به شاخصهای همبسته و روش‌های محض ریاضی معرفی شدهاند. سپس با فصلی کردن سری‌های درآمدهای نفتی دولت، شاخص قیمت مصرف کننده و حجم نقدینگی به مقایسه این روشها در قالب دو گروه نام برده، پرداخته شده است.
نتایج حاصل از این پژوهش نشان میدهد که برای فصلی کردن دو سری شاخص قیمت مصرف کننده و درآمدهای نفتی دولت بر اساس معیارهای r2 و MSE روش بوت، لیسمن و فیبس روش بهتر است و برای سری حجم نقدینگی بر اساس هر دو معیار روش چو و لین روش مناسب تری میباشد.
همچنین براساس پژوهش حاضر این نتیجه به دست آمد که یافتن بهترین روش برای فصلی کردن سری‌های زمانی که همیشه از سایر روشها بهتر باشد امکان پذیر نیست.
سعید صمدی صمدی؛ شهیدی شهیدی؛ محمدی محمدی
چکیده
Electricity industry is older than 100 years in the world and every nation has selected a kind of system depends on interference of government or private sector in electricity industry. But today, generally, in all over the world, electricity industry is moving towards competitive markets and process of reforming structure. Electricity industry in Iran is passing a new structure from natural monopoly structure to competitive markets in which producers compete for selling energy. In this sitvation, study about the situation of economical industry of electricity in Iran is too important. Using cointegration ...
بیشتر
Electricity industry is older than 100 years in the world and every nation has selected a kind of system depends on interference of government or private sector in electricity industry. But today, generally, in all over the world, electricity industry is moving towards competitive markets and process of reforming structure. Electricity industry in Iran is passing a new structure from natural monopoly structure to competitive markets in which producers compete for selling energy. In this sitvation, study about the situation of economical industry of electricity in Iran is too important. Using cointegration analysis and autoregressive integrated moving average (ARIMA) modeling; the present article focuses on this issue by both providing electricity demand estimation and forecast for electricity demand in Iran. The study concludes that consumers' respond to price and income changes is quite limited and therefore there is a need for economic regulation in Iran electricity market. Furthermore, forecasting future demand indicate that per capita demand of electricity increases with annual growth rate of 4/4 percent and this shows that growth rate of electricity consumption in Iran is very high
