Objective: Compliance with environmental regulations and financial resources are very important for the survival of companies. On the other hand, in the competitive market, it is vital to pay attention to technological innovation in companies. Therefore, the purpose of this research is to investigate the impact of environmental regulations and financial restrictions on technological innovation in companies. Methodology: This research is practical in terms of purpose. It is also among post-event studies. To select a statistical sample using the screening method, 124 companies were selected from among the companies admitted to the Tehran Stock Exchange during the period of 2018- 2022. For data analysis, multivariate regression model was used by Eviuse software. Results: The obtained results showed that environmental regulations and financial restrictions have an inverse and direct relationship with technological innovation in companies, respectively. In other words, the more companies comply with environmental regulations and financial restrictions, the less technological innovation happens in those companies. Innovation: In today's era, attention to technological innovation in companies can be considered as an important and influential variable. Therefore, the innovation aspect of this research is that there has been no research on the relationship between environmental regulations and financial restrictions with technological innovation. پرونده مقاله

هدف این تحقیق انتخاب بهینه سهام با استفاده از الگوریتم خفاش و جنگل تصادفی است. در این پژوهش براساس تحلیل۶ متغیر: نسبت قیمت سهام بر سود هر سهم، نرخ رشد سود سالانه، نرخ رشد فروش سالانه، بازده دارایی‌ها، بازده حقوق صاحبان سهام و سهام شناور آزاد استخراج شده از 181 شرکت پذیرفته شده بورس اوراق بهادار تهران، در طی دوره زمانی ۱۳۹۴ تا ۱۳۹۸ استفاده شده است. ۶ سناریو به منظور برآورد دقت دو الگوریتم در نظر گرفته شده است به طوریکه برای سناریوهای ۱ تا ۶ از الگوریتم‌ها خواسته شده است تا به ترتیب ۵، ۱۰، ۱۵، ۲۰، ۲۵ و ۳۰ شرکت پیدا کند. نتایج نشان می‌دهد که ماهیت الگوریتم جنگل تصادفی نیاز به آموزش و انتخاب ویژگی‌ها دارد که باعث می‌شود سرعت الگوریتم پایین‌تر باشد و زمان همگرایی را بالا می‌برد. یکی از علت اساسی دقت بالا‌تر الگوریتم جنگل تصادفی در سناریوهای ۱ تا ۳ این مورد می‌تواند باشد. در سناریوها ۴ تا ۶ به علت افزایش پیچیدگی مساله دقت الگوریتم جنگل تصادفی کاهش پیدا می‌کند ولی به دلیل ماهیت تصادفی بودن الگوریتم خفاش دقت آن تفاوت چندانی ندارد و می‌تواند پایداری در انتخاب خود را حفظ نماید. پرونده مقاله