-
دسترسی آزاد مقاله
1 - A frequency-based parameter for rapid estimation of magnitude
Sanam Atefi Reza Heidari Noorbakhsh Mirzaei Hamid Reza SiahkoohiAbstractThis study introduce a new frequency parameter called τfcwtdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} چکیده کاملAbstractThis study introduce a new frequency parameter called τfcwtdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{fcwt}}$$end{document}, which can be used to estimate earthquake magnitude on the basis of the first few seconds of P-waves, using the waveforms of earthquakes occurring in Japan. This new parameter is introduced using continuous wavelet transform as a tool for extracting the frequency contents carried by the first few seconds of P-wave. The empirical relationship between the logarithm of τfcwtdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{fcwt}}$$end{document} within the initial 4 s of a waveform and magnitude was obtained. To evaluate the precision of τfcwtdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{fcwt}}$$end{document}, we also calculated parameters τpmaxdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{p}}^{ hbox{max} }$$end{document} and τcdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{c}}$$end{document}. The average absolute values of observed and estimated magnitude differences (|Mest-Mobs|documentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$|M_{ ext{est}} - M_{ ext{obs}} |$$end{document}) were 0.43, 0.49, and 0.66 units of magnitude, as determined using τpmaxdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{p}}^{ hbox{max} }$$end{document}, τcdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{c}}$$end{document}, and τfcwtdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{fcwt}}$$end{document}, respectively. For earthquakes with magnitudes greater than 6, these values were 0.34, 0.56, and 0.44 units of magnitude, as derived using τpmaxdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{p}}^{ hbox{max} }$$end{document}, τcdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{c}}$$end{document}, and τfcwtdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{fcwt}}$$end{document}, respectively. The τfcwtdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{fcwt}}$$end{document} parameter exhibited more precision in determining the magnitude of moderate- and small-scale earthquakes than did the τcdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{c}}$$end{document}-based approach. For a general range of magnitudes, however, the τpmaxdocumentclass[12pt]{minimal} usepackage{amsmath} usepackage{wasysym} usepackage{amsfonts} usepackage{amssymb} usepackage{amsbsy} usepackage{mathrsfs} usepackage{upgreek} setlength{oddsidemargin}{-69pt} egin{document}$$ au_{ ext{p}}^{ hbox{max} }$$end{document}-based method showed more acceptable precision than did the other two parameters. پرونده مقاله -
دسترسی آزاد مقاله
2 - ارائه یک الگوی هشدار پیش از وقوع نوسانات شدید در بازار سهام تهران: رویکرد مارکوف سوئیچینگ گارچ
یونس نادمی اسمعیل ابونوری زهرا علمیهدف از این مقاله معرفی یک الگوی جدید برای پیش بینی نوسانات شدید بازدهی بازار سهام تهران است.بدین منظور با برآورد مدل مارکوف سوئیچینگ گارچ، نوسانات بازدهی سهام مدل سازی شد. با برآورد این مدل،ماتریس احتمالات انتقال دو وضعیت پر نوسان و کم نوسان بازدهی بازار سهام تهران محاس چکیده کاملهدف از این مقاله معرفی یک الگوی جدید برای پیش بینی نوسانات شدید بازدهی بازار سهام تهران است.بدین منظور با برآورد مدل مارکوف سوئیچینگ گارچ، نوسانات بازدهی سهام مدل سازی شد. با برآورد این مدل،ماتریس احتمالات انتقال دو وضعیت پر نوسان و کم نوسان بازدهی بازار سهام تهران محاسبه شد. با استفاده ازاین ماتریس می توان احتمال مواجهه شدن بازار با نوسانات شدید را در هر دوره پیش رو پیشبینی نمود و بدینترتیب به یک الگوی مناسب برای پیشبینی نوسانات شدید دست یافت. با توجه به معیارهای انتخاب الگویAIC و BIC ، مدل رژیم چرخشی مارکوف با توزیع جی ای دی، بهترین مدل برای پیشبینی نوسانات در بازارسهام تهران است. بر اساس این الگو، در این مقاله الگوی هشدار پیش از وقوع نوسانات شدید در بازار سهامتهران ارائه شده است. با دستیابی به چنین الگویی می توان سیاست هایی را برای جلوگیری از وقوع چنین نوساناتیاتخاذ کرد و امنیت سرمایه گذاری در بازار سهام تهران را افزایش داد. پرونده مقاله -
دسترسی آزاد مقاله
3 - طراحی سیستم هشدار سریع وقوع بحران مالی در بورس اوراق بهادار تهران با رویکرد مدل لاجیت و پروبیت
علیرضا قلیزاده میرفیض فلاح شمس محمدعلی افشارکاظمیدر مواجهه با بحران های مالی نظارت، و پیش بینی چنین رویدادهایی به منظور کاهش آثار منفی آنها بر بازارهای مالی و اقتصادی ضرورت دارد. هدف اصلی مطالعه ی حاضر، ارائه مدل سیستم هشدار سریع وقوع بحران مالی در بورس اوراق بهادار تهران است. بدین منظور از داده های هفتگی طی سال های 1 چکیده کاملدر مواجهه با بحران های مالی نظارت، و پیش بینی چنین رویدادهایی به منظور کاهش آثار منفی آنها بر بازارهای مالی و اقتصادی ضرورت دارد. هدف اصلی مطالعه ی حاضر، ارائه مدل سیستم هشدار سریع وقوع بحران مالی در بورس اوراق بهادار تهران است. بدین منظور از داده های هفتگی طی سال های 1376 تا 1397 (1121 هفته) استفاده شد. منظور از بحران در مطالعه حاضر، سقوط بیش از 15 درصدی شاخص قیمت (TEPIX) نسبت به سه ماه گذشته است. از اینرو جهت عملیاتی نمودن متغیر وابسته، از متغیر دامی استفاده شده و برای اندازه گیری شوک های ناشی از شاخص قیمت، نرخ ارز، قیمت طلا و نفت از پسماند مدل خود توضیح میانگین متحرک انباشته (ARIMA) استفاده شده است. نتایج حاصل با استفاده از مدل لاجیت و پروبیت مدل سازی شده و پس از تجزیه و تحلیل داده ها نشان داده است که با کاهش شاخص قیمت در دوره ی گذشته و نیز بروز بحران در دوره ی گذشته، احتمال وقوع بحران افزایش می یابد. در حالیکه کاهش نرخ ارز، افزایش قیمت طلا و کاهش قیمت نفت بر بروز بحران در دوره ی جاری تاثیر معنی داری ندارد. بر اساس داده های هفتگی، 44 بحران رخ داده که هر دو مدل 36 بحران را پیش بینی کرده است. قدرت پیش بینی بحران ها 82 درصد و قدرت پیش بینی کل مدل در حدود 99 درصد می باشد. پرونده مقاله -
دسترسی آزاد مقاله
4 - ارزیابی ثبات مالی در ایران با تأکید بر ثبات بانکی (رویکردآزمون هشدارهای اولیه)
ژاله زارعی اکبر کمیجانیاز نظر مفهوم شناسی ثبات مالی به وضعیتی اطلاق می شود که بحران های سیستماتیک ثبات اقتصاد کلان را تهدید ننمایند. عدم ثبات مالی و ضربه بزرگ آنها به تولید حقیقی دربسیاری از کشورهای بحران زده، نیاز به بسط و گسترش الگوهایی برای پیش بینی و جلوگیری از وقوع بحران ها را مورد توجه چکیده کاملاز نظر مفهوم شناسی ثبات مالی به وضعیتی اطلاق می شود که بحران های سیستماتیک ثبات اقتصاد کلان را تهدید ننمایند. عدم ثبات مالی و ضربه بزرگ آنها به تولید حقیقی دربسیاری از کشورهای بحران زده، نیاز به بسط و گسترش الگوهایی برای پیش بینی و جلوگیری از وقوع بحران ها را مورد توجه جدی برنامه ریزان اقتصادی کشورها قرارداد، تا بتواند علاوه بر بررسی علل بروز بحران ها، به جلوگیری از وقوع مجدد آنهابپردازد.در این مطالعه با استفاده از روش احتمالی، یک الگوی هشداردهنده اولیه بحران بانکی برای ایران در دوره زمانی q4:1389-1q:1381 برآورد گردیده است. تابع احتمال طراحی شده، نشان داده است که سه متغیر میانگین موزون نرخ سودحقیقی سپرده های بانکی، میانگین موزون نرخ سود حقیقی تسهیلات بانکی، نرخ رشد قیمت مسکن، پیش بینی کننده احتمال وقوع بحران بانکی می باشند. مدل تصریح شده در این مطالعه، در 92 درصد مواردی که بحران اتفاق افتاده است، توانسته است وقوع بحران را با احتمال بالای 40 درصد پیش بینی نماید و وتنها 7.14 درصد سیگنال از دست رفته است و9.52 درصد سیگنال اشتباه داشته است، این امر نشان دهنده قدرت نسبی پیش بینی الگو جهت احتمال وقوع بحران بانکی میباشد پرونده مقاله -
دسترسی آزاد مقاله
5 - طراحی سیستم هشدار سریع وقوع بحران مالی در بورس اوراق بهادار تهران با رویکرد درخت تصمیم
علیرضا قلیزاده میرفیض فلاح شمس محمد علی افشار کاظمیهدف اصلی مطالعهی حاضر، پیشبینی بحران مالی در بازار اوراق بهادار تهران با طراحی سیستم هشدار سریع با استفاده از داده کاوی و ارائه به سیاستگذاران مالی برای پیشگیری از وقوع یا کاهش اثرات بحران است. بدین منظور از دادههای هفتگی طی دوره ی 11/7/1376-2/1/1398استفاده شد. منظور چکیده کاملهدف اصلی مطالعهی حاضر، پیشبینی بحران مالی در بازار اوراق بهادار تهران با طراحی سیستم هشدار سریع با استفاده از داده کاوی و ارائه به سیاستگذاران مالی برای پیشگیری از وقوع یا کاهش اثرات بحران است. بدین منظور از دادههای هفتگی طی دوره ی 11/7/1376-2/1/1398استفاده شد. منظور از بحران در مطالعه حاضر، سقوط بیش از 15 درصدی قیمت سهام نسبت به سه ماه گذشته است. از اینرو جهت عملیاتی نمودن متغیر وابسته، از متغیر موهومی استفاده شده است. جهت اندازه گیری شوک های ناشی از شاخص قیمت سهام، نرخ ارز، قیمت طلا و نفت از پسماند مدل خود توضیح میانگین متحرک انباشته(ARIMA) استفاده شده است. با توجه به نتایج حاصل از داده های مختلف مشخص گردید، مهم ترین متغیر برای پیش بینی بحران در بورس اوراق بهادار تهران در دادههای هفتگی، وقوع بحران مالی در دوره ی گذشته بوده است. لذا می توان ادعا نمود افت شاخص سهام بیشتر متاثر از ارزش شاخص در دوره ی قبل است تا شوک های خارجی از جمله شوک نرخ ارز، طلا و نفت. هم چنین مشخص گردید دقت تشخیص بحران برای تمامی درخت ها یکسان و برابر با 81.82 درصد است. یعنی از 44 بحران رخ داده طی دوره ی مذکور (شامل 1121 هفته میباشد)، 36 بحران توسط روش های مذکور قابل شناسائی و پیش بینی بوده است. پرونده مقاله -
دسترسی آزاد مقاله
6 - ارائه الگوی سیستم پیشهشدار توانگری مالی شرکتهای بیمه با استفاده از دادههای ترکیبی (پانلی) مطالعه موردی: شرکتهای بیمه ایرانی
محمود حق وردیلو کامبیز پیکارجو غلامرضا زمردیانتوانگری مالی یکی از مهمترین شاخص ها یی است که وضعیت مالی یک نهاد مالی را به طور عام و یک مؤسسه بیمه را به طور خاص به تصویر می کشد. هدف اصلی این مقاله ارائه الگوی سیستم پیش هشدار توانگری مالی برای شرکتهای بیمه بویژه شرکت های فعال در بازار بیمه ایران است. نخست با استفاده چکیده کاملتوانگری مالی یکی از مهمترین شاخص ها یی است که وضعیت مالی یک نهاد مالی را به طور عام و یک مؤسسه بیمه را به طور خاص به تصویر می کشد. هدف اصلی این مقاله ارائه الگوی سیستم پیش هشدار توانگری مالی برای شرکتهای بیمه بویژه شرکت های فعال در بازار بیمه ایران است. نخست با استفاده از مطالعات انجام شده در این حوزه، تعدادی از شاخص ها و نسبتهایی که بر روی توانگری مالی تأثیر گذارند، به عنوان متغیرهای مستقل به سه دسته کلی متغیرهای کلان اقتصادی، شرکتی و حاکمیت شرکتی تقسیم بندی گردید. الگوی تجربی پژوهش با استفاده از روش اقتصادسنجی با رویکرد داده های ترکیبی (پانلی) برای 18شرکت فعال در بازار بیمه ایران و برای دوره مورد بررسی 1396 -1387 برازش گردید. یافته های تحقیق نشان میدهند که نرخ سود بانکی با یک دوره وقفه و تغییر اعضای هیأت مدیره به ترتیب بیشترین و کمترین تأثیر را بر توانگری مالی شرکتهای بیمه مزبور داشته اند. همچنین ضریب خسارت به دلیل توان سوم بودن، اثر آن در مقادیر مختلف متفاوت بوده است. کلیه فرضیات مقاله در خصوص معناداری تأثیر متغیرهای؛ کلان اقتصادی (شامل؛ نرخ تورم (با یک وقفه)، نرخ سود بانکی (با یک وقفه)، رشد اقتصادی (با یک وقفه))، متغیرهای شرکتی(شامل؛ نسبت سرمایهگذاری در داراییهای ریسکی به کل داراییها، ضریب خسارت و شاخص هرفیندال- هیرشمن رشتهای) و حاکمیت شرکتی (شامل؛ درصد سهام تحت تملک سهامدار عمده و نسبت تغییرات اعضای هیأت مدیره) و نیز تحریمهای اقتصادی بین المللی بر توانگری شرکتهای بیمه ایرانی مورد تأیید قرار گرفتند. پرونده مقاله -
دسترسی آزاد مقاله
7 - شناسایی و پیشبینی بحرانهای بانکی در ایران
ژاله زارعی اکبر کمیجانیچکیده بخش بانکی ایران به دلیل حمایتهای دولت، هیچگاه با پدیدههایی مانند هجوم بانکی و ورشکستگی بانکها مواجه نشده است. اما ارزیابی شاخص فشار بازار پول با استفاده از رهیافت الگوی چرخشی مارکف در دوره زمانی 1369 تا 1392 با تواتر فصلی نشان میدهد که ایران در دورههایی بح چکیده کاملچکیده بخش بانکی ایران به دلیل حمایتهای دولت، هیچگاه با پدیدههایی مانند هجوم بانکی و ورشکستگی بانکها مواجه نشده است. اما ارزیابی شاخص فشار بازار پول با استفاده از رهیافت الگوی چرخشی مارکف در دوره زمانی 1369 تا 1392 با تواتر فصلی نشان میدهد که ایران در دورههایی بحران بانکی را تجربه کرده است. همچنین آزمون هشدارهای اولیه، نشان میدهد که متغیرهای رشد نرخ ارز حقیقی، نرخ رشد تسهیلات اعطایی به بخش غیردولتی، نرخ رشد تولید ناخالص داخلی حقیقی، نرخ رشد قیمت مسکن، و رشد میانگین نرخ بهره حقیقی تسهیلات پیشبینیکننده احتمال وقوع بحران بانکی در ایران میباشند. مدل تصریح شده در این روش توانسته است در ۷۷ درصد مواردی که بحران اتفاق افتاده است، وقوع بحران را با احتمال بالای 40 درصد پیشبینی نماید و تنها 1۲ درصد سیگنال اشتباه داشته است. پرونده مقاله -
دسترسی آزاد مقاله
8 - پیشبینی بحران بانکی سیستماتیک در کشورهای توسعهیافته منتخب به روش لاجیت چندگانه
محمدرضا عسگریان سعید دائی کریم زاده حسین شریفی رنانیدر این مقاله با هدف مقابله با بحرانهای بانکی سیستماتیک که منجر به بروز آشفتگی در بخشهای مختلف اقتصادی میشود، با استفاده از روش لاجیت چندگانه به پیشبینی عوامل موثر بر احتمال وقوع بحرانهای بانکی در 27 کشور منتخب توسعهیافته طی دوره 2018-1994پرداخته شد. نتایج حاکی از چکیده کاملدر این مقاله با هدف مقابله با بحرانهای بانکی سیستماتیک که منجر به بروز آشفتگی در بخشهای مختلف اقتصادی میشود، با استفاده از روش لاجیت چندگانه به پیشبینی عوامل موثر بر احتمال وقوع بحرانهای بانکی در 27 کشور منتخب توسعهیافته طی دوره 2018-1994پرداخته شد. نتایج حاکی از اثر مثبت متغیرهای نرخ تورم در دوره قبل و پس از بحران و اثر مثبت درصد تغییرات نرخ بهره واقعی در دوره پس از بحران بر احتمال وقوع بحران بانکی میباشد. نرخ رشد اقتصادی و تولید سرانه بر احتمال وقوع بحران بانکی در دوره قبل از بحران اثر مثبت داشتند، اما این دو متغیر در دوره پس از بحران اثر منفی بر احتمال وقوع بحران بانکی داشته اند. اعطای اعتبارات بانکی به بخش خصوصی در دوره قبل از بحران اثر منفی و در دوره پس از بحران اثر مثبت بر احتمال وقوع بحران بانکی داشته است. اعتبار بخش خصوصی به تولید نیز در دوره قبل از بحران اثر مثبت و در دوره پس از بحران اثر منفی بر احتمال وقوع بحران بانکی داشته است. جریان سرمایه در دوره قبل از بحران اثر منفی و در دوره پس از بحران اثر مثبت بر احتمال وقوع بحران بانکی در کشورهای توسعه یافته داشته است. جریان سرمایه در صورتیکه از منابع داخلی تأمین مالی شود و یا حاصل سرمایهگذاری پورتفولیو و سرمایهگذاریهای خارجی باشد، بر احتمال وقوع بحران بانکی اثر منفی خواهد داشت. پرونده مقاله