Multiplicity of the companies experiencing financial distress in different countries and as a consequence, their bankruptcy and the impacts on other companies have necessitated conducting research on methods of prediction of such conditions and also their effects on other companies in the market. In this regard, this research has investigated the financial distress spillover in the automobile supply chain companies. For doing so, the methods of default probability time series KMV and the distance from default of four supply chain companies of Iran Khodro and four supply chain companies of SAIPA were calculated. Then, the financial distress spillover in these two major companies was measured in separated models using multivariate GARCH model. The results of the default probability of Iran Khodro companies showed that the default probability with pause of Khodro on the default probability of supply chain companies was significant and negative in 10% level. The results for SAIPA supply chain companies revealed that the default probability with pause of Khaspa had an impact on default probability of Kaspa, Pask and Khazin in significance level of 10%. پرونده مقاله

یکی از بزرگترین چالشهای مدیریت امروز چگونگی ایجاد نسلهای جدیدی از سازمانهای هوشمند است این پژوهش به بررسی رابطه بین هوش سازمانی و خلاقیت در دانشگاه آزاد واحد تهران مرکزی می پردازد. مولفه های هوش سازمانی از نظر آلبرخت چشم انداز استراتژیک، سرنوشت مشترک، میل به تغییر، روحیه، اتحاد و توافق، کاربرد دانش و فشار عملکرد می باشند. روش جمع آوری اطلاعات از نوع همبستگی بوده است. نمونه های آماری شامل 280 نفر از کارکنان دانشگاه در سطوح مدیریتی، کارشناسی و کارمندی و به روش طبقه بندی نسبی تصادفی انتخاب شد ،ابزار پژوهش شامل پرسشنامه هوش سازمانی آلبرخت و پرسشنامه خلاقیت رندسیپ بوده است. نتایج پژوهش ارتباط مثبت و معنی دار هوش سازمانی و مولفه هایش با خلاقیت را تایید نمودند، به طوریکه به ازای هر واحد افزایش یا کاهش در هوش سازمانی و مولفه های آن خلاقیت افزایش یا کاهش می یابد. پرونده مقاله

اندازه و روند شاخص‌های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می‌باشد. جهت پیش‌بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول‌ترین آنها روشهای رگرسیون و مدل‌های 3ARIMA هستند اما این مدل‌ها در عمل جهت پیش‌بینی بعضی از سریها ناموفق بوده‌اند. در تحقیق حاضر برای پیش‌بینی شاخص کل بورس از مدل شبکه‌های عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در سه ساختار شبکه با الگوهای متفاوت ورودی استفاده گردید و نتایج مدل با نتایج مدل‌های رگرسیون چند متغیره و مدل‌های ARIMA مورد مقایسه قرار گرفت. نتایج تحقیق نشان داد که روش شبکه‌های عصبی خطای RMSE به میزان قابل توجهی کمتر از RMSE روشهای دیگر است و در بازار بورس اوراق بهادارتهران پیش‌بینی کوتاه مدت با فاصله زمانی کمتر، مناسب‌تر از پیش‌بینی بلند مدت با فاصله زمانی طولانی تر است. 3. autoregressive integrated moving average 4. Feed Forward Neural network 5. back propagation پرونده مقاله

تعدد شرکت هایی که دچار درماندگی مالی در کشورهای مختلف شده اند و همچنین سرایت پذیری آن بر شرکت های دیگر باعث شده است تحقیقاتی در مورد روش پیش بینی چنین شرایطی و همچنین تاثیر آن بر سایر شرکت ها در بازارهای مالی صورت گیرد. در این راستا این مطالعه به بررسی سرایت درماندگی مالی در شرکت های زنجیره تامین خودرو می پردازد. برای این منظور ابتدا با استفاده از روش KMV سری زمانی احتمال نکول و فاصله تا نکول 4 شرکت زنجیره تامین ایران خودرو و 4 شرکت زنجیره تامین سایپا محاسبه شده سپس با استفاده از مدل گارچ چندمتغیره سرایت پذیری درماندگی مالی در شرکت های زنجیره تامین این دو خودروساز عمده در مدل های مجزا مورد آزمون قرار گرفته است. نتایج برآورد مدل برای شرکت های زنجیره تامین ایران خودرو نشان داد احتمال نکول باوقفه بر احتمال نکول شرکت های زنجیره تامین(ختوقا، خفنر و خوساز) در سطح اطمینان 95 درصد منفی و معنادار است. پرونده مقاله