چکیده بانک مرکزی به‌عنوان یک نهاد دارای استقلال، از صلاحیت لازم برای نظارت در نظام بانکداری در ایران برخوردار است. به‌واسطۀ وقوع بحران‌های مالی در سال‌های اخیر، شکل‌گیری نظارت‌پذیری سیستم بانکی در سایۀ بانک مرکزی به یکی از مسائل مهم روز تبدیل شده که نیازمند استفاده از روش‌های حقوقی برای کارایی لازم است. در این مقاله، نگارنده‌گان پس از تبیین جایگاه بانک مرکزی در نظام حقوقی کشور، با فرض لزوم استقلال برای این نهاد، به تبیین اشکال نظارت بانک مرکزی پرداخته است. کهنگی و جمود قوانین در حوزۀ نظام بانکی را در ایران می‌توان مهم‌ترین چالش این حوزه برشمرد. همچنین نظام بانکداری ایران فاقد ظرفیت نیروهای انسانی، نرم‌افزاری و سخت‌افزاری لازم در این زمینه و کشف معضلات بوده و نیازمند تطبیق با استانداردهای روزآمد است. به‌هرروی بانک مرکزی، دارای نظارت بر تأسیس، اداره و انحلال بانک‌ها و مؤسسات مالی و اعتباری است و همچنین نظارت این نهاد، طیف وسیعی از نظارت اشخاص و اموال و نظارت پیشگیرانه به‌منظور ممانعت از ارتکاب جرم و تخلف را شامل می‌شود. در این نوشته، نگارندگان به شیوۀ توصیفی‌تحلیلی به تبیین این موضوع اشاره داشته‌اند. Manuscript profile

مقدمه: جریان کل واردات ایران از دیگرکشورها به علت کمبودها، محدودیت‌ها و نیازهای موجود در کشور انجام می‌گیرد. از جمله این نیازمندی‌ها، نیاز کشور به واردات انواع داروها از کشورهای مختلف می‌باشد که هم از لحاظ حفظ و بهبود وضعیت سلامت جامعه و هم از جنبه‌ی تحمیل هزینه‌های واردات برای کشور قابلیت مطالعه دارد. روش پژوهش: تحقیق حاضر با هدف بررسی شرایط و ویژگی‌های تقاضای واردات گروه دارویی آنتی‌بیوتیک ها از کشورهای مختلف عرضه کننده و محاسبه کشش‌های مخارج و قیمتی، اقدام به برآورد الگوی تقاضای تقریباً ایده‌آل با استفاده از روش برآورد رگرسیون‌های به ظاهر نامرتبط در دوره زمانی1392- 1360 می‌نماید. یافته‌ها: آزمون فرضیه‌های نظری تقاضا بر روی الگو، گویای پذیرش فرضیه‌ی هم نسبتی و رد فرضیه‌های همگنی و تقارن می‌باشد. لذا در الگوی نهایی کشش مخارجی تقاضای واردات داروهای آنتی‌بیوتیک کشور برابر واحد است. نتایج برآورد الگو حاکی از کم کشش بودن تقاضای واردات داروهای آنتی‌بیوتیک نسبت به تغییرات قیمت خودی از کشورهای ایتالیا، سوئیس، انگلستان و سایرین به ترتیب برابر مقادیر 76481/0-، 78924/0-، 76473/0- و 79834/0- می‌باشد. اما کشش قیمتی خودی محاسبه شده در مورد کشور آلمان تقریبا برابر واحد (96721/0-) است و هم‌چنین تغییر قیمت داروهای آنتی بیوتیک از کشور آلمان بر روی سهم‌های مخارجی واردات هیچ یک از کشورهای عرضه کننده تاثیری ندارد. نتیجه‌گیری: کشور ایران تقاضای واردات داروهای آنتی‌بیوتیک از کشورهای انگلستان ،ایتالیا و سوئیس را دارد و به کشور آلمان در این زمینه هیچ وابستگی ندارد. Manuscript profile

In customs management, the main problem is balancing the needs of trade facilita-tion as a process of simplifying and accelerating foreign business on the one hand and countering illegal trade, reducing government revenue, capital sleep and the level of controls and interventions on the other. Also, due to the financial crisis in recent years, risk management has been reconsidered, although this attention is related to various financial branches. Since risk analysis and identification is the main component of risk management, developing a suitable model for data analysis is of particular importance. The purpose of this study was to use data data analysis techniques to develop an intelligent model to timely predict the risk of import declarations in customs and thus prevent irreparable losses. In this study, data analysis techniques have been used according to the statistical population which is data-driven. Statistical data were extracted from www.eplonline.ir with 575006 import declarations of all Iranian customs during 2019-2020. having pre-processed and prepared the data using PCA, LDA and FastICA methods, attribute reduction and effective attribute extraction were performed using 14 data analysis algorithms. Using Python software, algorithms were trained and modeled with 80% of the final data. Then, 14 obtained models were tested and validated with 20% of the data. Finally, the results of these models were compared with each other and the model obtained from the random forest algorithm was selected as a comprehensive model for predicting and determining the level of risk of import declarations at customs. Manuscript profile

The issue of credit risk and deferred bank claims is one of the sensitive issues of banking industry, which can be considered as the main cause of bank failures. In recent years, the economic slowdown accompanied by inflation in Iran has led to an increase in deferred bank claims that could put the country's banking system in serious trouble. Accordingly, the current paper presents a prediction model for credit risk of real customers of Qavamin Bank Branch in Shiraz, using a combined approach of logistic regression and neural network. Therefore, the necessary examinations were carried out on a sample of 351 individuals from the real customers of the bank in the period 2011-2012. According to the information available, 17 variables were extracted including financial and non-financial variables for classifying customers into well-balanced s and ill-balanced s. Among the variables, five effective variables on credit risk were selected using the parent forward stepwise selection technique, which was used to train neural networks with three neurons in the hidden layer. the optimum cutting point was selected based on the performance curve of the system and the results of the neural network output on the test data show that the accuracy of the combined model in the classifier of well-balanced customers is .89 and in the category of ill-balanced customers is .83 that is better than the results of logistic regression and in general, it is possible to estimate the accuracy of prediction. Manuscript profile

تنوع و تحول ساختاری در اقتصاد، نقش مهمی در فرایند توسعه کشورها ایفا می کند.اما تنوع در تولید و صادرات محصولات دارویی با توجه به ارتباط مستقیم با سلامت انسان و نیز همه گیری کوویید 19 در دو سال اخیر اهمیت دوچندان یافته است. یکی از رویکردهای کاربردی در این زمینه تئوری ساختارگرایان جدید است که با استفاده از آن می توان مزیت های نسبی آشکار و پنهان را شناسایی و راهکارهای عملی جهت تحقق متنوع سازی اقتصاد را پیشنهاد نمود. با بهره گیری از تئوری فضای محصول و علم شبکه و کلان داده صادرات کشورها(پنج‌ساله2018-2014) نتایج بیان گرآن است که ایران از میان 29 محصول دارویی بر مبنای کدهای HS6 درصادرات 4 کد محصول دارای مزیت نسبی آشکار شده، 7 کد محصول دارای مزیت نسبی پنهان و 18 کد محصول فاقد مزیت نسبی آشکار شده و یا پنهان جهت صادرات می باشد. در نهایت اولویت گذاری 7 محصول دارای مزیت نسبی پنهان بر اساس استراتژی ترکیبی با روشهای بردا و کپ لند مشخص و کشورهای پیشرو در هر محصول جهت الگوبرداری ایران تعیین گردیدند. Manuscript profile

یکی از ابعاد اساسی مسئله ی مدیریت ذخائر ارزی توسط بانکهای مرکزی ، تعیین سبد یا پرتفوی ارزی مناسب ذخائر است .در این مطالعه ترکیب ارزی بهینه چهار ارز ذخیره مهم شامل دلار آمریکا، یورو، پوند و ین در سبد ارزی ذخائر استراتژیک بانک مرکزی کشورمان مورد تحلیل و بررسی قرار گرفت. بدین منظور از رهیافت فرامدرن پرتفوی و داده های فصلی دوره زمانی 2011 تا 2014 استفاده شد و نمودار مرز کارای بانک مرکزی استخراج گردید. نتایج حاکی از آنست که حداکثر سهم دلار، یورو و ین در سبد ذخایر ارزی استراتژیک بانک مرکزی به ترتیب برابر 35 ، 29 و 48 درصد است. بر این اساس، در صورتی که سهم ارزهای مذکور در سبد ذخایر بیش از ارقام حاصل باشد، ارزش ذخائر کاهش می یابد. همچنین بر اساس نتایج حاصل، پوند ارزی پرخطر است، لذا بانک مرکزی برای نگهداری این ارز، بیشتر باید بر اساس نیازهای مبادلاتی خود برنامه ریزی کند. Manuscript profile

در سال‌های اخیر بکارگیری روش های هوش مصنوعی در بازارهای مالی و سرمایه گذاری به جای روش های کمی مرسوم، رو به افزایش بوده و معمولا عملکرد بهتری را نسبت به روش‌های کلاسیک ارائه کرده است. شبکه عصبی مصنوعی علیرغم مزایای فراوان دارای نقاط ضعف نیز می باشند. در این پژوهش به منظور غلبه بر نقاط ضعف روش شبکه عصبی با آموزش داده‌های شبکه عصبی از طریق الگوریتم تکاملی یعنی از ترکیب شبکه عصبی مصنوعی با الگوریتم ژنتیک (GA) و الگوریتم ذرات انبوه (PSO) جهت مدلسازی و پیش بینی روزانه نرخ های ارز اسمی در ایران در دوره زمانی 01/01/1392 تا 01/10/1398 استفاده شده است. این مدل‌های ترکیبی با روش شبکه عصبی به عنوان یکی از مدل‌های هوش مصنوعی با توجه به معیارهای خطای MSE، RMSE، MAE،U.Theil مقایسه می‌گردد. نتایج این پژوهش نشان از برتری مدل ترکیبی شبکه عصبی الگوریتم ذرات انبوه نسبت به سایر مدل های مورد بررسی تحقیق دارد Manuscript profile