موضوع: "بدون موضوع"

دانلود پایان نامه ارشد: پیش بینی واردات برنج با روش های ARIMA و هالت وینترز
پنجشنبه 99/10/25
با توجه به رشد روزافزون جمعیت کشورها ومحدود بودن منابع تولیدی، تامین موادمصرفی مورد نیاز جامعه به عنوان یکی از ضروریترین عوامل در کسب استقلال اقتصادی است. تجارت خارجی یکی از مهمترین بخشهای اقتصادی در کشورهای در حال توسعه است و در این بخش واردات دارای اهمیت بسیاری است از یکطرف به عنوان یکی از عوامل رشد و تولید ناخالص داخلی و از طرف دیگر بهعنوان یکی از
اقلام مهم تراز پرداختهای هر کشور محسوب میشود. در تجارت خارجی اقتصاد ایران واردات از مقولاتی است که اهمیت و جایگاه آن دایما گسترش پیدا کرده است از این رو هر تغییر و تحولی که در واردات کشور رخ دهد در فرآیند تولید، رشد و توسعه تاثیر بهسزایی خواهدداشت با توجه به این امر و با عنایت به وابستگی ساختاری بخشهای مختلف اقتصاد ایران به واردات شناخت ابعاد این مساله بسیار حایز اهمیت است.
هدف از این پژوهش پیشبینی میزان واردات برنج با استفاده از دادههای میزان واردات برنج برای سالهای گذشته که از سالنامههای آمار بازرگانی خارجی ایران گردآوری شده و با استفاده از دو روش باکس جنکینز و هالت وینترز غیر فصلی برای 5 سال آینده است.
1-2 بیان مساله (تعریف موضوع پژوهش)
تجارت خارجی یکی از مهمترین بخشهای اقتصادی درهر کشوری و بهخصوص در کشورهای در حال توسعه است و در این بخش واردات دارای اهمیت بسیاری است. از یک طرف بهعنوان یکی از عوامل رشد و تولید ناخالص داخلی و از طرف دیگر به عنوان یکی از اقلام مهم تراز پرداختهای هر کشور محسوب میشود. در تجارت خارجی اقتصاد ایران واردات از مقولاتی است که اهمیت و جایگاه آن دائما گسترش پیدا کرده است از این رو هر تغییر و تحولی که در واردات کشور رخ دهد در فرآیند تولید، رشد و توسعه تاثیر بهسزایی خواهد داشت با توجه به این امر و با عنایت به وابستگی ساختاری بخشهای مختلف اقتصاد ایران به واردات شناخت ابعاد این مسئله بسیار حایز اهمیت است.
برای برنامه ریزی صحیح در مورد میزان ارز تخصیصی، روند سرمایه گذاری در احداث واحدهای جدید صنعتی، میزان مصرف این محصولات و بسیاری از سیاستگذاریهای صنعتی و غیر صنعتی، پیش بینی در مورد میزان واردات برنج در آینده بسیار مهم است. زیرا در هر سیاستگذاری مبنای عمل صرفا وضع موجود نبوده، بلکه پیشبینیهای کوتاهمدت و بلندمدت از متغیرهای مورد مطالعه نیز جزو شاخصهای تاثیر گذار است.
چالشهای موجود در پیشبینی متغیرهای سری زمانی عمدتا متاثر از تحول روشها و ابزارهای ارایه شده برای پیشبینی بوده است. بهطوریکه اهمیت پیشبینی متغیرهای سریزمانی باعث تنوع و گستردگی ابزارها شدهاست. البته باید دقت کرد که بسته به ماهیت دادههای موجود، تناسب و قدرت پیشبینی این ابزارها با یکدیگر متفاوت است. اما آنچه در نگاه اجمالی مطالعات قابل استنباط است، مقایسه قدرت پیشبینی روشهای مختلف، بر اساس برخی معیارها است. روشهای پیشبینی بسته به اینکه به چه میزان روشهای ریاضی و آماری در آنها بهکار رفته باشد، به روشهای کمی و کیفی تقسیم میشوند. در روشهای کمی دادههای مربوط به گذشته با هدف پیشبینی ارزش آتی متغیر مورد نظر با استفاده از روشهای آماری و ریاضی تحلیل میشود، از سوی دیگر روشهای کیفی دربر دارنده تخمین ذهنی از طریق عقاید متخصصان هستند.
در پژوهش حاضر به دلیل توانایی بالای روشهای کمی در پیشبینی متغیرهای اقتصادی، جهت پیشبینی واردات برنج، از یک روش رگرسیونی (باکس جنکینز) و یک روش غیر رگرسیونی (هالت وینترز غیرفصلی) استفاده شده است. و به دنبال پاسخ به این پرسش هستیم که آیا واردات برنج پیش بینی پذیر است؟ و بهترین روش برای پیش بینی میزان واردات برنج کدام است؟

پایان نامه ارشد: پیش بینی میزان سپرده ها با استفاده از روش های خطی ARIMA و غیر خطی شبکه های عصبی مصنوعی و مقایسه این دو روش
پنجشنبه 99/10/25
باتوجه به اینکه تجهیز منابع و جمعآوری وجوه اشخاص اولین هدف بانک بوده، سپردههای بانکی از دو لحاظ دارای اهمیت است اول قدرت وامدهی و تخصیص منابع بانک را افزایش داده و دوم اینکه وقتی مردم ترجیح دهند پول خود را نزد بانکها نگهداری نموده وکمتر برای خرج آن اقدام نمایند، از حجم پول در گردش کاسته شده که این امر خود موجب کاهش نرخ تورم و در نتیجه افزایش قدرت خرید مردم میگردد.
امروزه در جهان نیز اهمیت جذب منابع مالی آنقدر برای بانکها و ادامه فعالیتشان مهم و حیاتی است که رقابت بسیارشدیدی را در این زمینه بین آنها ایجاد نموده و ضرورت پیشبینی میزان تجهیز منابع در آینده را نمایان ساخته است. تاجایی که توانایی پیشبینی صحیح نتایج آتی، به خصوص جریانهای نقدی، اداره امور را در کاراترین شکل خود امکان پذیر میسازد و به اتخاذ تصمیمهای بهینه در زمینه عملیاتی، سرمایهگذاری و تامین مالی منجر میشود.
1.2 بیان مسئله
روشن است که پیشبینی[1] از ملزومات اصلی برای سیاستگذاری و برنامهریزی آینده است. مدیران بخشهای مختلف اقتصادی و بازرگانی، به دلیل وجود انبوه متغیرهای تاثیرگذار، ترجیح میدهند مکانیزمی را در اختیار داشته باشند که بتواند آنها را در امور تصمیمگیریشان یاری و مشاوره دهد(آرمسترانگ، 2001)[2]. برای موفقیت در دنیای متغیر امروز، تصمیمهای سازمانهای فعال در کسبوکار متکی به پیشبینیهای انجام شده با حداقل خطا است که در گرو داشتن یک سیستم پیشبینی مناسب است(آبراهام و لدالتر،1983)[3]. به همین دلیل، سعی در روآوردن به روشهایی در پیشبینی دارند که به واسطه آنها تخمینهایشان به واقعیت نزدیک و خطاهایشان بسیارکم باشد. ضمن اینکه برای برنامهریزی صحیح به عنوان یکی از مهمترین وظایف مدیریت، پیشبینی آنچه احتمالا درآینده به وقوع میپیوندد بسیارضروری است. سپردههای بانكهای تجاری و تخصصی مهمترین عامل در طرف عرضه پول در اقتصاد هستند. همچنین سپردهها جزء منابع اصلی بوده و عمده بدهیهای بانكها را نیز تشكیل میدهند. تجزیه و تحلیل میزان سپردهها، اجزای آنها، تغییرات، نرخ رشد و پیشبینی هر كدام از این عوامل برای مدیران بانك ها از اهمیت فوقالعادهای برخورداراست و در تصمیمگیری و برنامهریزی به آنها كمك می نماید. میزان، روند و چگونگی تغییرات انواع سپردهها هركدام متغیری تصادفی بوده و در دنیای پر از نااطمینانی، تحت تـأثیر عوامل بیشماری قرار دارند و به سادگی نمیتوان آنها را پیشبینی كرد. با این وجود در اغلب رشتههای علمی توجه خاصی به مسأله پیشبینی شده و جزء لاینفك هركدام از آنها است. تكنیكها و روشهایی نیز برای امر پیشبینی ارایه شده است و اگر نه به طور كامل اما تا حد بسیار زیادی میتوانند در امر پیشبینی به تصمیمگیران كمك نمایند.
مدیران بانكها علاقمندند بدانند كه میزان كل سپردههای بانك تحت مدیریت آنها در زمان معینی در آینده چقدر خواهد بود؟
پیشبینی میزان سپردهها میتواند در امر برنامهریزی و تصمیمگیری به بانک سامان و مدیران شعب آن كمك نماید، بنابراین انجام یك مطالعه علمی با استفاده از تكنیكهای آماری و مدلهای شبكه عصبی مصنوعی میتواند حل مشكل را سادهتر نماید.
[1] -Forecasting
[2] -Armstrong
[3] – Abraham & Ledolter