سرمایه‌گذاری در بازارهای طلا به دلایل مختلفی از جمله کسب سود، حفظ ارزش دارایی، جواهرات، پزشکی صورت می‌گیرد. به همین منظور پیش بینی قیمت طلا مورد توجه قرار گرفته است. در گذشته از روش‌های مختلفی برای پیش بینی قیمت طلا استفاده شده است. در این پژوهش ما برای این منظور از الگوی داده‌های ترکیبی با تواتر متفاوت که این امکان را فراهم می‌کند که متغیرهای سری زمانی بصورت سالانه، فصلی، ماهانه و حتی روزانه در کنار هم در یک رگرسیون قرار گیرند، استفاده شده است. برآورد الگوها با استفاده از نرم افزار R در محدوده فصل سوم 1376 تا فصل سوم 1396 استفاده شده است. در ابتدا از داده‌های فصل سوم 1396 استفاده نشده است تا بتوان قدرت پیش بینی مدل را خارج از محدوده برآورد مورد ارزیابی قرار داد. نتایج نشان داد که پیش بینی اولیه برای فصل سوم 1396 بدون وارد کردن داده‌های ماهانه مربوط به این فصل رشد 8.92 را نسبت به فصل قبل نشان می‌دهد که با مقایسه آن با قیمت واقعی خواهیم دید که مدل از قدرت پیش بینی بالایی برخوردار است. پس از واردکردن داده‌های ماه‌های مهر ، آبان و آذر به ترتیب دقت پیش بینی بالاتر رفته و به قیمت واقعی بسیار نزدیک‌تر شده است. در آخر به پیش بینی قیمت طلا برای فصل چهارم 1396 با استفاده از داده‌ها تا فصل پاییز می‌پردازیم که نتیجه پیش بینی نشان از رشد 11.72 برای این فصل نسبت به فصل پاییز نشان می‌دهد. تفاصيل المقالة

هدف این مقاله بررسی عوامل موثر بر احتمال نکول تسهیلات بانکی از جانب مشتریان و تعیین ضریب اهمیت هر یک از متغیرهای اصلی مرتبط با احتمال نکول می‌باشد. بدین منظور با استفاده از رگرسیون لاجیت، مدلی برای افزایش توانایی مدیران این بانک در جهت حل مشکل عدم بازپرداخت به موقع تسهیلات اعتباری ارائه شده است. نتایج نشان داد درآمد ماهیانه وام گیرنده، رابطه وام گیرنده با ضامن، سرمایه تحت ضمانت ضامن، تجربه و ثبات شغلی وام‌گیرنده، مدت زمان بازپرداخت وام و سابقه ارتباط وام گیرنده با بانک، اثر معکوس بر ریسک اعتباری و مبلغ وام اثر مستقیم بر ریسک اعتباری مشتریان دارند. پیشنهاد می شود در هنگام اعطای تسهیلات به مشتریان بانک، متغیرهای شناسایی شده در مدل نهایی مورد توجه قرار گیرند و با استفاده از مدل عرضه شده برای اعطای وام تصمیم‌گیری شود. تفاصيل المقالة