2-9-2-1 اهمیت و نقش صادرات در اقتصاد کشور                49
2-9-2-2 آمار و ارقام صادرات مواد غذایی                                               50
2-10 سابقه تحقیقات و مطالعات انجام شده                           53
2-10-1 تحقیقات انجام گرفته درداخل کشور                                  53
2-10-2 سایر تحقیقات انجام گرفته                         53
فصل سوم      روش تحقیق
3-1 مقدمه                                                56        3-2 روش تحقیق                                                      56
3-2-1 نقش تحلیل رگرسیون درتحقیقات مبتنی بر هدف پیش بینی                  57
3-2-2 مدل یابی معادلات ساختاری                                     57
3-2-2-1 تحلیل مسیر و مدل پیش بینی                                    57
3-2-2-2 نمونه ای از مدل یابی معادلات ساختاری                      58          3-2-3 تحلیل عاملی تأییدی                                  65
3-3 متغیرهای تحقیق                                      65
3-4 روش های گردآوری اطلاعات                                     65
3-4-1 پایانی ابزار اندازه گیری                                                68
3-4-2 روایی ابزار اندازه گیری                                        69

3-4-2-1 تحلیل عاملی تأییدی                                  70
3-4-2-2 برازش مدل اندازه گیری                             70
3-5 جامعه و نمونه آماری                                  71
3-5-1 جامعه آماری                                     71
3-5-2 فلمرو مکانی                                     71
3-5-3  قلمرو زمانی                                     71
3-5-4 نمونه آماری                                     71
3-6 شیوه تحلیل داده ها                                           72

این مطلب را هم بخوانید :

فصل چهارم     تجزیه و تحلیل داده ها

4-1 مقدمه                                               74
4-2 یافته های توصیفی                                    74
4-3 ماتریس همبستگی متغیرهای تحقیق                            77
4-4 فرضیه های تحقیق                                    79

 نیروی فرهیختگان و دانایان، سازگاری اجتماعی، نظامی باز و واقعی و غیره وجود داشته باشد.
(نونژاد، 1377 ص 12)
عوامل مختلفی در پیدایش و ایجاد یا کاهش و از دست رفتن امنیت شهرها تاثیر گذار هستند.
امروزه پیدایش و گسترش سریع شهرها و افزونی شدید جمعیت آن همراه با مشکلات خاصی است.
(متالین، 1372 ص 91)

ارتباط ساماندهی با پایان نامه در مرحله اول: ایجاد مکان های مناسب توسط شهرداری و ادارات ذیربط و حمایت مردم و دولت از دستفروشان می باشد.مرحله دوم: دستفروشان با احساس امنیت شغلی بیشتر جهت عرضه اجناس با کیفیت در بازارچه ها فعالیت خواهند کرد و مردم با اطمینان خاطر خرید خواهند کرد.
موضوع بیان مسله نه فیش برداری و نه استفاده از متون دیگری است بلکه در چند فصل آن به اساتید داخلی و خارجی که درباره این موضوع تحقیق و بررسی به عمل آورده اند که به آنها اشاره گردید و نو بودن بازارچه در ایران برای اولین بار در منطقه 5 تهران برای دستفروشان مکان مناسبی تهیه گردیده که منظور نو بودن یا سروسامان در این منطقه تازگی داشت که در زمان دانشجویی وگذراندن دوره کارشناسی ارشد که بازارچه جنت که توجه ام را جلب کرده بودکه برای پایان نامه موضوع را انتخاب کردم که به تعداد مکرر به بازارچه مراجعه نمودم و از مسئولین بازارچه تحقیقاتی که به عمل آمد و حدوداً 300 نفر طبق آمار مسئولین در این مکان مشغول به کار می باشندکه در ادامه تدوین پایان نامه روش تحقیقات به طور دقیق و منظم انجام خواهد شد و از تعداد یاد شده (فروشندگان) هر چند نفر پاسخ دهنده در فصلهای بعدی به ضمیمه ارائه خواهم کرد هرچند در پروپزال خلاصه و تهیه کرده ام.
انواع آلودگی ها، مشکل تردد و جا به جایی در شهرهای بزرگ، کمبود فضاهای عمومی، معضل مسکن و حاشیه نشینی، گرانی ، بیکاری، مشاغل غیررسمی و کاذب، فقر و فحشا، سوانح، اضطراب و استرس ها، سستی پیوندهای عاطفی، فاصله گرفتن از طبیعت و اتلاف وقت، افزایش ناامنیتی، مصرف گرایی و بالا رفتن نرخ جرایم و بزهکاریها

این مطلب را هم بخوانید :

عوامل موثر در افزایش نرخ فرار سایت – کاربران را از خود فراری ندهید!

 همه و همه از جمله مشکلات و مسایل مدیریت شهری قلمداد 

2-12-1 اثر درآمدی مالیات بر ارزش افزوده…………………………………………………. 27

2-12-2 اثر قیمتی مالیات بر ارزش افزوده………………………………………………… 27

2-12-3 اثر توزیعی مالیات بر ارزش افزوده………………………………………………… 27

2-13 مالیات بر ارزش افزوده در کشورهای مختلف …………………………………….. 27

2-14 تحلیلی از تورم و تأثیر مالیات بر ارزش افزوده بر تورم …………………………….. 30

2-14-1 مفهوم تورم ………………………………………………………………………. 30

2-14-2 انواع تورم …………………………………………………………………….. 30

2-14-3 چگونگی تأثیرگذاری مالیات بر ارزش افزوده بر تورم ………………………… 31

2-15 مطالعات تجربی ……………………………………………………………………… 31

2-15-1 مطالعات داخلی …………………………………………………………………. 31

2-15-2 مطالعات خارجی ………………………………………………………………… 33

فصل سوم : ارائه الگو و روش تحقیق ……………………………………………………… 36

3-1 مقدمه …………………………………………………………………………………… 37

3-2 تصریح مدل …………………………………………………………………………….. 37

3-3 مدل سازی در قالب داده های تابلویی ……………………………………………. 40

3-3-1 مزایای استفاده از داده های تابلویی………………………………………………… 40

3-3-2 مدل کلی داده های تابلویی ………………………………………………………… 42

3-3-3 تخمین زننده های GMM …………………………………………………………..

این مطلب را هم بخوانید :

3-3-3-1 روش گشتاورها ………………………………………………………………… 44

3-3-3-2 شرایط گشتاوری ……………………………………………………………… 44

3-3-3-3 روش تخمین گشتاورها …………………………………………………….. 45

3-3-4 تخمین روش تعمیم یافته گشتاورها ……………………………………………….. 45

3-3-4-1 تعریف تخمین زننده GMM……………………………………………………….

3-3-4-2 تخمین ماتریس کواریانس …………………………………………………… 47

3-3-5 مدل داده های ترکیبی پویا ……………………………………………………… 47

3-3-6 آزمون ریشه واحد و داده های تابلویی ……………………………………………… 51

3-3-7 آزمون لوین و لین – چو (LLC) ……………………………………………………. 51

فصل چهارم : توصیف داده ها و برآورد الگو …………………………………………….. 53

4-1 مقدمه ………………………………………………………………………………. 54

4-2 توصیف داده ها ……………………………………………………………………… 54

4-3 آزمون ریشه واحد داده های تابلویی…………………………………………….. 66

4-4 برآورد الگو و ارائه نتایج …………………………………………………………… 67

فصل پنجم : نتیجه گیری و پیشنهاد ها………………………………………………. 70

5-1 نتیجه گیری ……………………………………………………………………………. 71

5-2 پیشنهادها ………………………………………………………………………… 71

منابع ……………………………………………………………………………………. 72

فارسی …………………………………………………………………………….. 72

انگلیسی ……………………………………………………………………………. 74

پیوست ها ……………………………………………………………………………. 75

چکیده:

امروزه اکثر جوامع با معضل تورم درگیر می باشند چرا که آثار مخرب اقتصادی و اجتماعی آن به اشکال مختلف ظاهر می شود. با توجه به اینکه در بلند مدت هیچ واحد اقتصادی از نتایج نامطلوب تورم در امان نیست، شناسایی علل تورم و راهکارهای مقابله با آن همواره از اهمیت خاصی برخوردار می باشد.

در پژوهش حاضر اثر مالیات برارزش افزوده بر تورم مورد بررسی قرار می کیرد در این راستا با استفاده از اطلاعات آماری بیست و سه کشور منتخب طی دوره زمانی 2006-2002 اثر مالیات بر ارزش افزوده به همراه دیگر متغیرهای توضیحی از جمله ثبات سیاسی، تولید ناخالص داخلی سرانه، درجه باز بودن اقتصاد، نسبت نقدینگی به GDP و تورم دوره های قبل بر تورم بررسی می شود.

نتایج حاصل از برآورد الگوها به با روش اقتصادسنجی داده های تابلویی حاکی از آن است که مالیات بر ارزش افزوده اثر مثبت و معنی داری بر تورم به همراه دارد. همچنین اثر ثبات سیاسی ، درجه باز بودن اقتصاداثرمنفی برتورم دارند و نسبت نقدینگی به GDP و تورم دوره های اثرمثبت برتورم دارند که مطابق نتایج مطالعات تجربی قبل حاصل شده است.

فصل اول: کلیات پژوهش

1-1- بیان مسئله

نظام مالیاتی به طور کلی از دو جزء قوانین و مقررات مالیاتی و نظام اجرایی تشکیل شده است. نظام مالیاتی می بایست با توجه به تغییرات اقتصادی از انعطاف پذیری لازم برخوردار باشد نتایچ بررسی های انجام گرفته در زمینه مالیات ها حاکی از آن است که در اغلب کشورها عملکرد نظام مالیاتی از کارایی لازم برخوردار نمی باشد و انجام برخی اصلاحات در این زمینه ضروری می باشد. در این خصوص مالیات بر ارزش افزوده به عنوان یکی از راهکارهای اساسی اصلاح نظام مالیاتی مورد توجه بسیاری از کشورهای جهان قرار گرفته است.

هر چند مالیات بر ارزش افزوده به دلیل اثرات اقتصادی مثبت و گسترده بودن پایه مالیاتی آن مورد توجه دولت ها بوده که می تواند دولت را در اجرای سیاست های مالی یاری دهد، اما نگرانی هایی را نیز در جوامع ایجاد نموده است. یکی از این نگرانی ها (( اثرات این نوع از مالیات بر تورم )) می باشد. تورم یکی از مهمترین و اساسی ترین مشکلات اقتصادی جوامع امروزی به شمار می آید که آثار مخرب اقتصادی و اجتماعی آن به اشکال مختلف ظاهر می شود که: افزایش کسری بودجه دولت، کسری تراز پرداختها، افزایش نابرابری توزیع درآمد، کاهش پس اندازها و… از آن جمله به شمار می آید و با توجه به اینکه در بلند مدت هیچ واحد اقتصادی از نتایج نامطلوب تورم در امان نیست مطالعه حاضر به بررسی رابطه تورم و مالیات بر ارزش افزوده می پردازد.

2-1- اهمیت و ضرورت تحقیق

بررسی اثرات اجرای مالیات بر ارزش افزوده همواره از اهمیت خاصی برخوردار است. با توجه به اینکه اغلب کشورها با معضل تورم مضمن درگیر می باشند شناسایی علل تورم و راهکارهای مقابله با ان همواره از اهمیت خاصی برخوردار می باشد در این تحقیق با استنفاده از تجربه جهانی اجرای مالیات بر ارزش افزوده در کشورهای منتخب ( (OECD به بررسی اثر این مالیات بر تورم پرداخته می شود.

3-1- اهداف تحقیق

هدف تحقیق حاضر بررسی اثر مالیات برارزش افزوده بر تورم می باشد.

4-1- فرضیه پژوهش

فرضیه پژوهش حاضر به شکل زیر می باشد:

اثر مالیات بر ارزش افزوده بر تورم مثبت و معنی داری می باشد.

1-2- آشنایی با تحلیل پویایی‌شناسی سیستمی

تحلیل پویایی‌شناسی سیستمی در اواسط دهه 1950 توسط فارستر[1]، ارائه شد. فارستر تحصیلات دانشگاهی خود را در زمینه مهندسی برق، در سال 1939 در دانشگاه فوق آغاز کرد. اولین کار تحقیقی وی زیر نظر دکتر گوردن براون[2]، در آزمایشگاه مکانیسم فرمان[3] بود. اعضای این آزمایشگاه مشغول انجام مطالعاتی در زمینه مکانیسم‌های کنترل بازخورد برای تجهیزات ارتش بودند. فارستر در راستای فعالیت‌هایش در آزمایشگاه مکانیسم فرمان در جنگ جهانی دوم، به مطالعه و تحقیق روی راه‌اندازی سیستم کنترل رادار در خارج از موشک پرداخت.

در انتهای جنگ جهانی دوم، فارستر به فکر ایجاد شبیه‌سازهای پرواز موشک برای نیروی دریایی آمریکا افتاد. واضح است که تست و آزمایش تکنولوژی نوظهور در یک محیط کامپیوتری، امکان استفاده بهتر و مفیدتر آن را فراهم می‌کند. بنابراین در سال 1947، آزمایشگاه کامپیوتری دیجیتال، تحت نظارت فارستر تأسیس و شروع به کار کرد. اولین کار تحقیقاتی این آزمایشگاه ایجاد یک محیط کامپیوتری به نام “WHIRL WIND” برای آزمون و بررسی سیستم اطلاعاتی جنگ بود (اساس این پروژه‌ها بر مکانیسم‌های کنترل بازخورد استوار بود). بعد از این پروژه، فارستر مسؤولیت طراحی برنامه‌های کامپیوتری برای سیستم دفاع هوایی آمریکا به نام محیط نیمه اتوماتیک زمین SAGE[4] را بر عهده گرفت.

تجربیات فارستر به عنوان مدیر پروژه‌های آزمایشگاه کامپیوتری دیجیتال، منجر شد تا فارستر به این جمع‌بندی از مشكلات یک سازمان برسد که مشكلاتی که سر راه پیشرفت سازمان‌ها به وجود می‌آید، عمدتاً ناشی از بخش مدیریتی سازمان است نه بخش مهندسی سازمان. به نظر فارستر، شناخت و کنترل سیستم‌های اجتماعی بسیار مشکل‌تر از درک و کنترل سیستم‌های فیزیکی است. بنابراین مشکلات یک سازمان، بیشتر ناشی از بخش مدیریتی یک سازمان است.

در سال 1956، فارستر، تدریس در دانشکده تازه تأسیس مدیریت دانشگاه MIT را بر عهده گرفت. هدف اولیه وی این بود تا از تجربیات مهندسی و تحقیقاتی خود برای کشف دلایل موفقیت و یا شکست یک سازمان استفاده کند. تجربیات مهندسی و مدیریتی فارستر منجر به ارایه تکنیک تحلیل پویایی‌شناسی سیستمی در اواسط دهه 1950 شد. فارستر با استفاده از ساختار بازخورد و مدل کردن دستی ساختار تصمیم‌گیری یک کارخانه برق نشان داد که مشکلات اصلی این سازمان به دلیل عدم ثبات تدابیر مدیریتی سازمان در اشتغال است و مسایل تجاری خارج از سازمان منجر به عدم پیشرفت سازمان نشده‌اند. این مدل‌سازی دستی، از اولین کارهای انجام شده در زمینه پویایی‌شناسی سیستمی بود.

در اواخر دهه 1950و اوایل دهه 1960، ‌فارستر به همراه یک گروه تحقیقاتی دانشجویی، مدل‌سازی دستی پویایی‌شناسی سیستمی را به مرحله مدل‌سازی کامپیوتری ارتقا داد. ریچارد بنت[5] اولین زبان کامپیوتری مدل‌سازی تحلیل پویایی‌شناسی سیستمی را تحت عنوان SIMPLE[6]، در بهار 1958 ارایه کرد. در سال 1959، فیلیپس فوکس و الکساندر پوق[7]، نسخه اصلاح شدهSIMPLE را تحت عنوان DYNAMO[8] ارایه کردند. این نرم‌افزار نزدیک به سی سال به عنوان زبان استاندارد تحلیل پویایی شناسی سیستمی مورد استفاده قرار گرفت.فارستر اولین کتاب کلاسیک خود را در زمینه تحلیل پویایی‌شناسی سیستمی با عنوان پویایی صنعتی[9] در سال 1951 منتشر کرد.

از پویایی‌شناسی سیستمی برای شناخت، درک و تجزیه و تحلیل رفتار و حرکات اجزای سیستم استفاده می‌شود. توانایی این علم به حدی است که می‌توان با بهره گیری از آن، مسائل مختلف ساده و پیچده را مدل‌سازی کرد و تغییر ناشی از تعامل متغیرها، رفتارهای آتی آنها را در دوره‌های زمانی مختلف مورد بررسی قرار داد. با شناخت مراحل نظری تدوین مدل در پویایی‌شناسی سیستمی و آشنایی با انواع مدل‌ها، باید مدل‌سازی را در سه مرحله به شرح زیر انجام داد:

الف) نمودار علّی ـ معلولی یا حالت ـ جریان.

ب) نمودار‌های جریان.

ج) معادلات داینامو (ریاضی).

پویایی‌شناسی سیستمی بر ساختار و رفتار سیستم‌هایی متکی است که از حلقه‌های بازخوردی مرتبط تشکیل شده‌اند. نمودار علّی ـ معلولی یا حالت ـ جریان مدل‌سازی پویا شیوه ساده‌ای برای نمایش ساختارهای حلقوی پیش از تدوین معادلات سیستم است. نمودار‌های جریان مشتمل بر متغیرهای نرخ، سطح، کمکی، و عناصر ثابت و یک سری آزمون‌ها، عملیات و دستورالعملها است که برای شبکه‌ای منسجم از مباحث مدیریت، اقتصاد، مالی و صنایع سازماندهی شده است. البته پویایی‌شناسی سیستمی در دیگر رشته‌ها نیز کاربرد دارد. نمودار‌های علّی ـ معلولی به شناسایی حلقه‌های اصلی بازخوردی می‌پردازد و به تمییز بین ماهیت متغیرهای مرتبط کاری ندارد. نمودار‌های علّی ـ معلولی در پویایی‌شناسی سیستمی دو نقش مهم ایفا می‌کنند:

1- در طول تدوین مدل، فرضیه‌های علّی به صورت ساختار مقدماتی به مدل‌سازی کمک می‌کند.

2- تصویر ساده‌ای از مدل ارائه می‌دهند.

تحلیل‌گر با بهره‌گیری از این دو نقش، می‌تواند در میان فرضیه‌های ساختاری مدل سریعاً ارتباط برقرار کند.

معادلات داینامو، در واقع، نوعی معادله ریاضی به حساب می‌آیند که در طول زمان برای تبیین و پیش بینی متغیرهای مدل و شناسایی رفتار آنها با یکدیگر مورد استفاده قرار می‌گیرند.

1-1-2- مراحل مختلف نظری تدوین مدل و فرایند مدل‌سازی پویایی‌شناسی سیستمی

برای تحلیل هر پدیده‌ای باید مدلی از واقعیت ساخته شود و مدل فوق مورد تجزیه و تحلیل قرار گیرد. جهت درک بهتر مفهوم نگرش سیستمی لازم است مفهوم سیستم تشریح گردد.

“سیستم عبارت است از مجموعه‌ای از اجزاء که برای رسیدن به هدفی مشترک با یکدیگر در تعامل هستند.”

در طبیعت دو نوع سیستم وجود دارد: سیستم باز و سیستم بسته. به سیستمی که حالت گذشته آن تأثیری روی آینده‌اش ندارد، سیستم باز گفته می‌شود و به سیستمی که آینده آن وابسته به حالت گذشته‌اش است، سیستم بسته گفته می‌شود. برای مثال در یک سیستم بسته، ‌میزان فروش شرکت به کیفیت کالاهای تولید شده در ماه‌های قبل وابسته است. هیچ تصمیمی نیست که مبتنی بر شرایط خاصی نباشد و هیچ اقدامی نیست که شرایط را تغییر ندهد.

در مطالعه پویایی‌شناسی سیستمی باید مراحل تعریف مسأله، مفهوم سازی مدل، فرمول‌بندی مدل، شبیه‌سازی، ارزیابی برای تدوین مدل‌ها، تحلیل سیاست‌ها و استفاده از مدل را مورد توجه قرار داد. در فرایند تدوین مدل پویایی‌شناسی سیستمی از آغاز تا پایان داشتن درک صحیحی از سیستم و مسائل آن ضرورت دارد و در واقع از ادراک سیستم آغاز و با ادراک

این مطلب را هم بخوانید :

بایگانی‌های رشته حقوق - علم سرا - دنیای علم و تکنولوژی

 سیستم پایان می‌یابد.

مرحله شناسایی مسأله و مفهوم سازی مدل مراحل نسبتاً کم تخصصی‌تر محسوب می‌شوند. مدل‌ساز در این مراحل برای مسأله مورد نظر خود گزاره‌های مفهومی‌ و نمادینی ارائه می‌دهد و ضمن تنظیم نمادهای رفتاری و تدوین هدف‌های مطالعه مدل‌سازی، مرز سیستم را مشخص و ساختار آن را بر حسب حلقه‌های بازخورد عملیاتی و اطلاعات تدوین می‌کند. در جدول‌ (٢-1)، مراحل فوق بر شمرده و نحوه ارتباط متقابل آنها مشخص شده است. شناسایی مسأله منوط به داشتن آگاهی از مسأله و اجزای آن و ارائه تعریف روشنی از آن است. این مرحله، در واقع تشریح کلامی ‌محتوا و نمادهای مسأله است. تعریف مسأله باید به گونه‌ای پویا و برحسب رفتار متغیرها ارائه شود. برای هر مدل سه نوع رفتار نموداری می‌توان در نظر گرفت:

(1) نمودارهایی که بیان‌گر رفتارهای مسأله‌اند

(2) نمودارهایی که رفتار سیستم مورد انتظار را نشان می‌دهند و

(3) در صورت اعمال سیاست‌ها در گذشته، نمودارهایی را برای رفتار سیاست‌های واقعی و مشهود ارائه می‌دهند.

[1] – Jay W. Forrester, MIT professor

[2] – Gordon Brown

5-2. پیشنهادها …………………………………..123

منابع…………………………………… 124

پیوست……………………………………. 132

چکیده:

پیش­بینی از ابزارها و راهکارهای مؤثر به منظور برنامه­ریزی و تدوین روش­های مالی است. دقت پیش­بینی از مهم­ترین عوامل مؤثر در انتخاب روش پیش­بینی است. امروزه با وجود روش­های متعدد پیش­بینی، هنوز پیش­بینی دقیق نرخ ارز کار چندان ساده­ای نیست و اکثر محققان درصدد به­کارگیری و ترکیب روش­های متفاوت به منظور دستیابی به نتایج دقیق­تر هستند. الگوهای خودرگرسیون میانگین متحرک انباشته یکی از مهم­ترین و پرکاربردترین الگوهای سری‌های زمانی هستند. مهم­ترین محدودیت آن­ها پیش‌فرض خطی‌بودن الگو است. شبكه‌های عصبی مصنوعی از جمله مهم­ترین و دقیق‌ترین روش­های حال حاضر جهت الگو‌سازی غیرخطی داده‌ها هستند. اما با وجود تمامی مزیت‌های شبکه‌های عصبی، این‌گونه از شبکه‌ها را نمی‌توان در تمامی موارد و به عنوان یک الگوی کلی که برای همه موارد مناسب باشند، درنظرگرفت. الگوی رگرسیون فازی یک الگوی مناسب در شرایط پیش­بینی با داده­های کم است. امّا عملکرد آن­ها در حالت کلی چندان رضایت‌بخش نیست. بنابراین، در پژوهش حاضر از شبکه‌های عصبی مصنوعی و رگرسیون فازی به ترتیب به منظور حذف محدودیت‌های خطی و تعداد داده‌های مورد نیاز در روش خودرگرسیون میانگین متحرک انباشته و بهبود نتایج حاصل، استفاده ‌شده است. اطلاعات استفاده شده در این پژوهش شامل 115 داده­ی هفتگی نرخ ارز (دلار ایالات متحده در مقابل ریال ایران) از تاریخ 12/01/1391 تا 21/03/1393 است. در پژوهش حاضر به منظور اندازه­گیری عملکرد پیش­بینی الگوی ارایه شده از شاخص­های مختلفی مانند میانگین مطلق خطا ( )، میانگین مربع خطا ( )، مجموع مربع خطا ( )، ریشه میانگین مربع خطا ( )، میانگین درصد مطلق خطا ( ) و میانگین خطا ( ) استفاده شده است. نتایج نشان می­دهد که الگوی هوش محاسباتی ترکیبی نسبت به سایر الگوها نتایج دقیق­تری در پیش­بینی نرخ ارز (دلار در مقابل ریال) ارایه می­دهد.

فصل یکم: مقدمه و کلیات

مقدمه:

پیش­بینی یکی از ابزارهای مدیریت مؤفق و عنصر کلیدی در مدیریت و برنامه­ریزی­های اقتصادی محسوب می­شود. نرخ ارز به عنوان یک متغیر کلان اقتصادی بسیار پراهمیت و تأثیرگذار بر بخش­های مختلف داخلی و خارجی اقتصادی یک کشور، هم­چون وضعیت تراز ­پرداخت­ها و قدرت رقابت بین­المللی، نقش تعیین­کننده­ای در سیاست­گذاری­های اقتصادی ایفا می­کند. تغییرات نرخ ارز، بخش­های مختلف اقتصاد یک کشور را تحت تأثیر قرار می­دهد. بنابراین، الگوسازی و پیش­بینی روند آتی این متغیر برای ارایه سیاست­ها و رهنمود­های اقتصادی امری ضروری به نظر می­رسد اما این امر با توجه به ساختار اقتصادی ایران اهمیت دوچندانی پیدا می­کند. از آن­جا که قسمت اعظم درآمد­های ارزی کشور از طریق فروش نفت خام تأمین می­شود و منبع اصلی درآمد دولت نیز همین فروش نفت خام است، به همین علت تغییرات نرخ ارز می­تواند تأثیرات بسیاری بر ساختار اقتصادی کشور و بازار­های داخلی داشته باشد. با توجه به موارد گفته شده جای تعجب نیست که حجم عظیمی از ادبیات اقتصادی به الگو­سازی و پیش­بینی نرخ­های ارز پرداخته است.

بررسی ادبیات موضوع مربوط به پیش­بینی در بازارهای مالی نشان­دهنده­ی این مطلب است که بررسی رفتار نرخ ارز با استفاده از یک الگو به سختی قابل پیش­بینی بوده و پیش­بینی نرخ ارز مشکلات ذاتی به همراه دارد (پرمینگر و فرانک[1]، 2007).

به­کارگیری روش­های ترکیبی یا ترکیب روش­های مختلف یک راه متداول به منظور رفع محدودیت­های روش­های تکی و بهبود دقت پیش­بینی­ها است. ایده­ی اساسی در ترکیب روش­ها بر این اساس استوار است که هیچ یک از روش­های موجود، یک روش جامع برای پیش­بینی نبوده و قابلیت به­کارگیری در هر شرایط و هر نوع داده را ندارد. بنابراین، با ترکیب روش­های مختلف می­توان نقاط ضعف یک روش را با استفاده از نقاط قوت روش دیگر بهبود بخشید (چن[2]، 1996).

بنابراین، در این پژوهش با به­کارگیری مفاهیم پایه­ای و مزیت­های منحصر به فرد هر یک از الگو­های خودرگرسیون میانگین متحرک انباشته، شبکه عصبی مصنوعی و رگرسیون فازی، یک روش ترکیبی به منظور دستیابی به نتایج دقیق­تر برای پیش­بینی نرخ ارز (دلار ایالات متحده در مقابل ریال ایران) ارایه می­شود.

1-1- بیان مسأله

پیش­بینی از ابزارها و راهکارهای مؤثر به منظور برنامه­ریزی و تدوین روش­های مالی است. دقت پیش­بینی­ یکی از مهم­ترین مؤلفه­های مؤثر در انتخاب روش پیش­بینی است. پیش­بینی متغیرهای اقتصادی به دو صورت پیش­بینی کیفی[1] و پیش­بینی کمی[2] صورت می­پذیرد. پیش­بینی کیفی به تجربه و توانایی­های افراد و پیش­بینی کمی به تابع توزیع احتمال هر پدیده بستگی دارد. گجراتی[3] پیش­بینی را بخش مهمی از تحلیل­های اقتصاد­سنجی می­داند و برای برخی از پژوهش­گران مهم­ترین قسمت از علم اقتصاد­سنجی، پیش­بینی است. فریدمن[4] معتقد است تنها آزمون مناسب برای اعتبار یک الگو، مقایسه­ی پیش­بینی آن با تجربه است. پیندایک و روبین­فلد[5] هدف اصلی از ساختن الگوهای رگرسیون را پیش­بینی می­دانند.

نرخ ارز یک متغیر اقتصادی است که پیش­بینی آن مورد توجه­ی بسیاری از فعالان اقتصادی است. این فعالان اقتصادی را می­توان به سه گروه تقسیم کرد. دسته­ی اول سیاست­گذاران اقتصادی و بانک­های مرکزی هستند. تحت یک نظام ارزی شناور بانک­های مرکزی به منظور هموارسازی نوسانات بازار، در بازار ارز مداخله می­کنند. دلایل آن­ها برای این مداخله می­تواند شامل نوسان­های بیش از حد معمول نرخ ارز و در نتیجه اثرات آن بر فعالیت­های اقتصادی باشد. بنابراین، پیش­بینی نرخ ارز از طرف این گروه لازمه­ی چنین مداخله­ای است. دسته­ی دوم بنگاه­های فعال در زمینه تجارت و سرمایه­گذاری مستقیم خارجی هستند که با جهانی شدن اقتصاد، این نوع سرمایه­گذاری­ها و به تبع آن ریسک­های مرتبط با این فعالیت­های بین­المللی افزایش یافته است. از مهم­ترین ریسک­های مرتبط با این فعالیت­ها، ریسک مربوط به نرخ ارز است؛ چرا که تغییرات نرخ ارز، درآمد، هزینه و به تبع آن سود بنگاه­ها را به منظور کسب منفعت بیش­تر تحت تأثیر قرار می­دهد. در نهایت دسته­ی سوم سفته­بازان بازار ارز هستند که با توجه به اهمیت این بازار در عرصه­ی بین­المللی می­توان این گروه را مشتاق­ترین علاقمندان به پیش­بینی نرخ ارز دانست (موسا[6]، 2000).

پیش­بینی نرخ­ ارز برای فعالان و پیش­بینی­کنندگان در بازار نرخ ارز از اهمیت اساسی برخوردار است. با وجود این، برخی معتقدند که پیش­بینی نرخ ارز امکان­پذیر نبوده و سیر تکاملی هر نوع نرخ ارزی از فرضیه­ی بازار کارا ( )[7] تبعیت می­کند. براساس این فرضیه، بهترین روش برای پیش­بینی نرخ ارز روز آتی، اتکا به نرخ کنونی آن بوده و نرخ ارز واقعی از فرضیه­ی گام تصادفی ( )[8] پیروی می­کند. این بدبینی در پیش­بینی نرخ ارز، پس از انتشار مقاله میس و روگوف[9] به وجود آمد. آنان در مطالعه خود نشان دادند که هیچ نوع روش تک معادله­ای، برای پیش­بینی نرخ ارز، بهتر از روش گام تصادفی نیست. چراکه تمامی روش­های بررسی شده توسط این محققان، روش­هایی خطی بوده، در صورتی که این حقیقت توسط بسیاری از محققین پذیرفته شده که تغییرات نرخ ارز، غیرخطی است (پایلبیم[10]،

 1998).

نتایج حاصل از بررسی کارا و یا ناکارا بودن بازارهای مالی در ایران نشان­دهنده­ی ناکارا بودن بازار ارز در ایران است (سلامی، 1380).

به­کارگیری روش­های سری زمانی به منظور پیش­بینی بازارهای مالی، بهبود تصمیم­گیری­ها و سرمایه­گذاری­ها به ضرورتی انکارناپذیر در دنیای امروز تبدیل شده است. تلاش­های زیادی در چند دهه­­ی اخیر به منظور توسعه و بهبود الگوهای پیش­بینی سری­های زمانی انجام شده است. یکی از مهم­ترین و پرکاربردترین الگوهای سری­های زمانی، الگوهای خودرگرسیون میانگین متحرک انباشته هستند. این الگوها به­دلیل سادگی در فهم و به­کارگیری، در چند دهه­ی اخیر بسیار مورد توجه بوده­اند، اما به­کارگیری آن­ها در حالت کلی محدود است. مهم­ترین محدودیت این­گونه الگوها پیش فرض خطی بودن آن­ها است. بنابراین، الگوهای غیر خطی نمی­توانند توسط الگوی خودرگرسیون میانگین متحرک انباشته محاسبه گردند و به همین دلیل است که برآورد الگوهای خطی، برای مسایل پیچیده دنیای واقعی که بیش­تر الگوهای غیرخطی هستند، همیشه رضایت­بخش نخواهد بود (خاشعی و بیجاری، 1387).

شبكه‌های عصبی مصنوعی از جمله مهم­ترین و دقیق‌ترین روش­های حال حاضر جهت الگو‌سازی غیرخطی داده‌ها هستند. اما با وجود تمامی مزیت‌های شبکه‌های عصبی، این‌گونه از شبکه‌ها را نمی‌توان در تمامی موارد و به عنوان یک الگوی کلی که برای همه موارد مناسب باشند، درنظرگرفت.

روش­های پیش­بینی فازی، به دلیل استفاده از اعداد فازی به جای اعداد قطعی، نسبت به سایر روش­های مشابه به داده­های کمتری نیاز دارد اما عملکرد آن­ها همیشه رضایت­بخش نیست (خاشعی و بیجاری[11]، 2009).

بنابراین، در پژوهش حاضر از شبکه‌های عصبی مصنوعی و رگرسیون فازی به ترتیب به منظور حذف محدودیت‌های خطی و تعداد داده‌های مورد نیاز در روش خودرگرسیون میانگین متحرک انباشته و دستیابی به نتایج دقیق­تر برای پیش­بینی نرخ ارز (دلار ایالات متحده در مقابل ریال ایران) استفاده می­شود.

2-1- پرسش پژوهش

آیا الگوی هوش محاسباتی ترکیبی پیش­بینی دقیق­تری از نرخ ارز در مقایسه با الگوهای خود­رگرسیون میانگین متحرک انباشته ( )[1]، شبکه­های عصبی مصنوعی ( )[2] و الگوی ترکیبی ) ارایه می­دهد؟

3-1- فرضیه های پژوهش

با توجه به پرسش پژوهش سه فرضیه وجود دارد:

1- الگوی هوش محاسباتی ترکیبی پیش­بینی دقیق­تری از نرخ ارز در مقایسه با الگوی خود رگرسیون میانگین متحرک انباشته ارایه می­دهد.

این مطلب را هم بخوانید :

2- الگوی هوش محاسباتی ترکیبی پیش­بینی دقیق­تری از نرخ ارز در مقایسه با الگوی شبکه عصبی مصنوعی ارایه می­دهد.

3-  الگوی هوش محاسباتی ترکیبی پیش­بینی دقیق­تری از نرخ ارز در مقایسه با الگوی ترکیبی ( ) ارایه می­دهد.