پیش‌بینی بازارهای مالی یکی از سرفصل‌های مهم در حوزه مالی و مطالعات پژوهشی است. اهمیت پیش‌بینی از یک سو و پیچیدگی آن از سوی دیگر باعث شده است که تحقیقات زیادی در این زمینه انجام شود. در این پژوهش از یک روش ترکیبی شامل تبدیل موجک، مدل ARMA-EGARCH و شبکه عصبی مصنوعی برای پیش بینی یک دوره ای قیمت سهام در بازارهای ایران و آمریکا استفاده شده است. ابتدا به کمک تبدیل موجک سری زمانی را به چند سری جزئی و یک سری تقریبی تجزیه شده و سپس مدل ARMA-EGARCH برای پیش بینی سری های جزئی و شبکه عصبی مصنوعی برای پیش بینی سری تقریبی بکار گرفته می شوند. در این مدل علاوه بر سری تقریبی، برخی از شاخص های تکنیکال نیز برای بهبود شبکه عصبی به آن داده می شوند. ارزیابی مدل پیشنهادی برای پیش بینی قیمت در بازار ایران و آمریکا با مدل های شبکه عصبی مصنوعی، ARIMA-EGARCH و ARIMA-ANN نشان داد که مدل پیشنهادی عملکرد بهتری نسبت به سایر مدل ها برای پیش بینی قیمت سهام در بازار ایران و آمریکا دارد. پرونده مقاله

The Basel Committee on Banking Supervision from the Bank for International Settlement classifies banking risks into three main categories including credit risk, market risk, and operational risk. The focus of this study is on the operational risk measurement in Iranian banks. Therefore, issues arising when trying to implement operational risk models in Iran are discussed, and then, some solutions are recommended. Moreover, all steps of operational risk measurement based on Loss Distribution Approach with Iran's specific modifications are presented. We employed the approach of this study to model the operational risk of an Iranian private bank. The results are quite reasonable, comparing the scale of bank and other risk categories. پرونده مقاله

سرمایه‌گذارها با طیف وسیعی از گزینه‌های سرمایه‌گذاری مواجه‌اند و با توجه به تقاضای روزافزون انرژی و محدودیت‌های منابع تجدیدناپذیر، ارزیابی سرمایه‌گذاری در منابع تجدیدپذیر برای سرمایه‌گذارها و سیاست‌گذارها اهمیتی چشمگیر یافته است. هدف این پژوهش، مدل‌سازی و ارزیابی سرمایه‌گذاری در منابع تجدیدپذیر باهدف جذب سرمایه‌گذار بدون تاخیر ازطریق تعیین سطح بهینه تعرفه خرید انرژی تجدیدپذیر با رویکرد اختیار واقعی می‌باشد. جهت مدل‌سازی مجموعه‌ای از عوامل پنج‌گانه عدم‌قطعیت، اختیار تاخیر، تفاوت‌های اقلیمی 31 استان ایران درنظرگرفته‌شده و جهت پیاده‌سازی از الگوریتم ترکیبی برنامه‌نویسی پویا روبه‌عقب، شبیه‌سازی مونت‌کارلو و حرکت براونی هندسی استفاده‌شده است. نتایج حاکی است سرمایه‌گذاری در منابع تجدیدپذیر بدون لحاظ یارانه برای سرمایه‌گذاری بدون تاخیر جذاب نبوده و نیز می‌بایست سرمایه‌گذارها و سیاست‌گذارها به منظور ارزیابی و سرمایه‌گذاری بدون تاخیر از رویکرد اختیار واقعی استفاده کنند. تعرفه بهینه جهت سرمایه‌گذاری بدون تاخیر بر اساس رویکرد اختیار واقعی به طور متوسط 503.000 ریال برآورد شده است. با توجه به تفاوت معنادار سطح بهینه تعرفه برای استان‌های مختلف، می‌بایست با توجه به شرایط اقلیمی استان‌ها، تعرفه تنظیم گردد. با پیشرفت تکنولوژی، اجرای طرح معاملات انتشار ‌دی‌اکسید کربن، ارزش سرمایه‌گذاری افزایش و یارانه ‌بهینه کاهش می‌یابد. سطح بهینه یارانه با نرخ مالیات، ظرفیت، نرخ ارز، نرخ تنزیل و نوسان‌پذیری رابطه مستقیم دارد. پرونده مقاله