سید محمد هاشمی نژاد

سید محمد هاشمی نژاد

مطالب

فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۱۰ مورد از کل ۱۰ مورد.
۱.

یکپارچه سازی و بهبود عملکرد مدیریت زنجیره تأمین سبز با استفاده از مدیریت منابع انسانی سبز(مقاله علمی وزارت علوم)

کلید واژه ها: یکپارچه سازی مدیریت منابع انسانی سبز مدیریت زنجیره تأمین سبز روش DEMATEL فازی روش ANP فازی

حوزه های تخصصی:
تعداد بازدید : 731 تعداد دانلود : 351
امروزه مدیران در بخشهای دولتی و خصوصی، داشتن آگاهی در مورد قوانین و مسائل سبز را امری مهم و ضروری برای بقای سازمانهای خود میدانند. اگر چه امروزه محققان، هر یک از موضوعات مدیریت زنجیره تأمین سبز و مدیریت منابع انسانی سبز را به صورت جداگانه ترویج دادهاند، اما تاخیر زیادی در یکپارچهسازی این دو موضوع وجود داشته است. لذا در این پژوهش سعی در ارائه یک چارچوب یکپارچه و منسجم برای ارزیابی و بهبود فی ما بین مدیریت منابع انسانی سبز و مدیریت زنجیره تأمین سبز (GHRM-GSCM) با استفاده از رویکرد فازی شده است. بدین منظور ابتدا با استفاده از بررسی جامع ادبیات پژوهش، مصاحبه و نظر خبرگان در صنعت کانه آرایی آریا، نسبت به شناسایی اولیهی شاخصهای ارزیابی در مدیریت منابع انسانی سبز و مدیریت زنجیرهی تأمین سبز اقدام به عمل آمد. در مرحلهی بعد با استفاده از تکنیک DEMATEL فازی و ANP فازی روابط علی_معلولی، وزن هر یک از معیارها و زیرمعیارها مشخص شدند. نتایج این ارزیابی نشان میدهد که عوامل رهبری، انعطافپذیری و زیستمحیطی به ترتیب اهمیت، به عنوان عوامل تاثیرگذار شناسایی شدهاند و بهینهسازی این عوامل توسط صنعت کانه آرایی آریا میتواند منجر به بهینه شدن سایر عوامل (عوامل تاثیرپذیر) گردد.
۲.

Comparing Prediction Methods of Artificial Neural Networks in Extracting Financial Cycles of Tehran Stock Exchange based on Markov Switching and Ant Colony Algorithm(مقاله علمی وزارت علوم)

کلید واژه ها: Market Financial Cycles Bear Market Bull Market Artificial Intelligence Markov Switching Model

حوزه های تخصصی:
تعداد بازدید : 132 تعداد دانلود : 560
The stock exchange is considered to be an important establishment to finance long term projects, on one hand, and to collect savings and finance of private section. The stock exchange can be a safe and secure place to invest surplus funds to purchase corporate stocks. As recession and prosperity in this market can have a great role in stockholders` decision-making, it becomes vital to predict these cycles. In this paper, using model MSMH(4)AR(2), we extract the financial cycles of the market. Then, using the ant colony algorithm, we determine the most significant predictors and predict the market financial cycles using neural networks. The results show that the PNN model performs better in predicting the future market with respect to the criteria of mean squared error, the root mean squared error, the model accuracy and kappa coefficient.
۸.

بررسی تاثیر اعمال مقررات محدودیت نوسان قیمت بر کارایی بورس اوراق بهادار تهران(مقاله علمی وزارت علوم)

کلید واژه ها: بورس اوراق بهادار تهران کارایی خودهمبستگی قانون محدودیت نوسان

حوزه های تخصصی:
تعداد بازدید : 533 تعداد دانلود : 501
یکی از سیاست های حمایتی که با هدف کاهش ریسک سرمایه گذاری در بورس اوراق بهادار اعمال می شود، مقررات محدودیت نوسان است. مدافعان این مقررات معتقدند که اعمال این مقررات نوسانات قیمت سهام را کاهش داده و مانع عکس العمل بیش از اندازه سهامداران می شود. از طرف دیگر، منتقدان بر این باورند که مقررات محدودیت نوسان باعث افزایش نوسان ها در روزهای آتی شده و با جلوگیری از رسیدن سریع قیمت سهام به قیمت تعادلی، کارآیی بورس اوراق بهادار را کاهش می دهد. در این مقاله، تاثیر مقررات محدودیت نوسان بر کارآیی بورس اوراق بهادار تهران از دو جنبه تاخیر در رسیدن به قیمت واقعی و تاثیر آن بر واکنش بیش از اندازه سرمایه گذاران بررسی شده است. بر اساس نمودارهای خودهمبستگی، بازده-های روزانه خودهمبستگی مثبت دارند که نشان از روند کند انعکاس اخبار و اطلاعات جدید در بازار و به تبع آن عدم کارآیی بازار دارد آزمون های آماری نشان می دهد که مقررات حد نوسان قیمت، با ایجاد تاخیر در رسیدن سهام به قیمت تعادلی خود، ادامه تغییر قیمت را به روزهای بعد منتقل کرده است. بنابراین، این مقررات با کندکردن روند انعکاس اخبار روی قیمت سهام، خودهمبستگی مثبت بازده ها را تشدید، و لذا کارآیی بازار را کاهش داده است. در ضمن، شواهد معنی داری مبنی بر تاثیر این مقررات بر واکنش بیش از اندازه سرمایه گذاران مشاهده نشده است. همچنین طبق نتایج مدل GARCH-M جهت در نظرگرفتن ناهمسانی واریانس شرطی، کارآیی در بورس اوراق بهادار تهران بعد از اعمال مقررات محدودیت نوسان کاهش.
۹.

مقایسه دقت مدل های فراابتکاری و اقتصادسنجی در پیش بینی سری های زمانی مالی دارای حافظه بلندمدت (مطالعه ی موردی؛ شاخص سهام صنعت سیمان در ایران)(مقاله علمی وزارت علوم)

کلید واژه ها: بازده تلاطم جستجوی هارمونی حافظه بلندمدت

حوزه های تخصصی:
تعداد بازدید : 404 تعداد دانلود : 653
داده های با تناوب بالا نوع خاصی از نامانایی دارند که به آن نامانایی کسری گفته می شود. این ویژگی سبب پدیدآمدن حافظه بلندمدت در سری های زمانی مالی با تناوب بالا می شود. در این نوشتار ابتدا وجود حافظه بلندمدت در سری زمانی صنعت سیمان بررسی شده و وجود آن در سطح اطمینان بالایی توسط دو آزمون R/S و GPH تأیید می شود. در ادامه، دقت مدل های پیش بینی سری های زمانی مالی نظیر، ARMA و GARCH که ویژگی حافظه بلندمدت را در مدل سازی سری زمانی در نظر نمی گیرند و مدل هایی مثل ARFIMA و FIGARCH، که این ویژگی را مدنظر قرار می دهند، با روش نوین فراابتکاری ارایه شده که ترکیبی از الگوریتم جستجوی هارمونی و سری های زمانی فازی وزن دار می-باشد به روش پنجره غلتان و با استفاده از معیار ریشه میانگین توان دوم خطاها (RMSE) در بازه های زمانی مختلف مورد مقایسه قرار می گیرد. نتایج حاصل نشان می دهند که روش فراابتکاری ارایه شده در تمامی بازه های زمانی نتیجه بهتری از مدل های متداول اقتصادسنجی ارایه می دهد.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان