https://jemr1.khu.ac.ir/ تحقیقات مدلسازی اقتصادی fa daily 1 Mon, 08 Jun 2026 00:00:00 +0330 Mon, 08 Jun 2026 00:00:00 +0330 https://jemr1.khu.ac.ir/article_3377.html در این مطالعه به بررسی تأثیر کاهش تعرفۀ تجاری میان ایران و سازمان همکاری شانگهای تحت سناریوهای 25%-، 50%- و 100%- ، بر تراز انواع انرژی در ایران از جمله: نفت خام و فرآورده­های نفتی، گاز طبیعی، زغال سنگ و الکتریسیته سناریوسازی شد. برای این منظور، داده­های لازم از نسخه 10 پایگاه اطلاعاتی پروژه تحلیل تجارت جهانی انرژی محور (GTAP-E) که شامل ماتریس حسابداری اجتماعی (SAM) 141 کشور یا همان منطقه و 65 بخش می­باشد، در سال 2024 استخراج شد. در نهایت، تجزیه‏وتحلیل داده‏ها با بهره‏گیری از نرم‏افزار MATLAB صورت گرفت. نتایج نشان داد که کاهش تعرفه تجاری میان ایران و سایر کشورهای عضو سازمان همکاری شانگهای از یک طرف، به دلیل سهولت صادرات حامل­های انرژی (بویژه نفت خام و فرآورده­های نفتی) و از طرف دیگر به دلیل افزایش استفاده از فناوری‌های اکتشاف، تولید و توزیع انرژی­های فسیلی (بویژه نفت خام و فرآورده­های نفتی، گاز طبیعی و زغال­سنگ)، منجر به کاهش مصرف انرژی­های فسیلی و افزایش تراز خالص انرژی­های فسیلی در ایران می­شود. علاوه براین، کاهش تعرفه تجاری میان ایران و سایر کشورهای عضو سازمان همکاری شانگهای به دلیل امکان افزایش واردات کالاها و تجهیزات کم مصرف­تر انرژی مورد نیاز در بخش­های مختلف خانگی، صنعتی (صنایع سبک و سنگین)، حمل و نقل و کشاورزی (تراکتورها، کمباین­ها و ...) و همچنین افزایش همکاری در خصوص توسعه فناوری‌های انرژی­های تجدیدپذیر، منجر به افزایش مصرف انرژی­های تجدیدپذیر و کاهش مصرف حامل­های انرژی مورد بررسی (بویژه انرژی الکتریسیته) و نهایتاً افزایش خالص تراز انرژی آن­ها در ایران می­شود. https://jemr1.khu.ac.ir/article_3378.html تورم به عنوان یکی از کلیدیترین شاخص های عملکرد اقتصادی، تأثیری مستقیم بر قدرت خرید خانوارها، ثبات قیمتها، و برنامه ریزی بلندمدت بنگاه ها و دولت ها دارد. افزایش کنترل نشده تورم نه تنها موجب کاهش رفاه عمومی و تشدید نابرابری های اجتماعی می شود، بلکه با ایجاد بی ثباتی در انتظارات اقتصادی، سرمایه گذاری و رشد پایدار را نیز مختل میسازد. از این رو، شناسایی عوامل محرک تورم و درک سازوکار اثرگذاری آنها برای طراحی سیاست های پولی و مالی کارآمد ضروری است. این پژوهش با هدف بررسی تأثیر شوک های اقتصادی بر نرخ تورم، از ترکیب دو رویکرد استفاده کرده است: نخست، روش انتخاب متغیرهای کلیدی مبتنی بر جنگل تصادفی با حذف بازگشتی (RF-RFE) برای شناسایی مهمترین عوامل مؤثر، و دوم، مدل خودرگرسیون برداری بیزی (BVAR) برای تحلیل پویایی های زمانی و اثرگذاری متقابل این شوک ها بر تورم به کار رفته است. مطالعه حاضر، از ۴۲ متغیر اقتصادی برای دوره زمانی فصل اول 1388 تا فصل چهارم 1400 که در قالب هفت گروه اصلی شامل متغیرهای عرضه، تقاضا، پولی و بانکی، مالیاتی و بودجه‌ای ، نرخ ارز، انرژی و اشتغال تقسیم بندی شده اند، استفاده می کند. در گام نخست، با به‌کارگیری روش RF-RFE، مهم‌ترین متغیرهای مؤثر بر تورم مصرف‌کننده شناسایی شدند. نتایج حاصل نشان داد که پنج متغیر کلیدی شامل تورم تولیدکننده ، ارزش افزوده بخش نفت و گاز ، شبه‌پول ، نرخ ارز بازار و اسکناس و مسکوک در جریان بیشترین نقش را در تبیین نوسانات تورم مصرف‌کننده ایفا می‌کنند .در ادامه، مدل BVAR برای تحلیل روابط پویا بین متغیرهای منتخب به کار گرفته شد. تحلیل توابع واکنش آنی نشان داد که شوک‌های وارده از سوی تورم تولیدکننده و نرخ ارز تأثیرات کوتاه‌مدت و قوی بر تورم مصرف‌کننده بر جای می‌گذارند. در مقابل، متغیرهایی چون ارزش افزوده نفت و گاز، نقش تعدیل‌کننده‌ای در افق زمانی بلندمدت دارند و به مرور زمان موجب تخفیف فشارهای تورمی می‌شوند. افزون بر این، نتایج حاصل از تجزیه واریانس خطای پیش‌بینی بیانگر آن است که در بلندمدت، سهم نوسانات ارزی و تغییرات نقدینگی ناشی از شبه پول در توضیح نوسانات تورم افزایش می‌یابد https://jemr1.khu.ac.ir/article_3379.html هدف: صندوق­های بازنشستگی علیرغم جایگاه بسیار مهمی که در نظام رفاهی و اقتصادی کشور دارند، در سال­های اخیر به‌دلیل چالش‌های مالی، به‌ویژه کسری تراز نقدی، با ناپایداری مالی و خطرات جدی مواجه شده­اند. هدف این مطالعه پاسخ به این پرسش فرضی است که چه میزان سرمایه و دارایی می‌تواند کسری و تعهدات این صندوق­های بازنشستگی را پوشش دهد. روش‌شناسی: در این پژوهش در یک مطالعه موردی برای یکی از صندوق­های بازنشستگی ایران، و با بهره‌گیری از دو روش آینده‌پژوهی و سناریونویسی و همچنین مدل ارزش در معرض ریسک (VaR)، تلاش شده است تا سرمایه مورد نیاز برای پایداری مالی این صندوق بازنشستگی برآورد گردد. یافته‌ها: نتایج نشان می‌دهد که در روش سناریونویسی، حدأقل سرمایه موردنیاز برای پوشش کسری این صندوق تأمین اجتماعی در چهار سناریوی مبتنی بر نرخ اوراق مشارکت، ایده­آل، خوش‌بینانه و واقع­گرایانه به‎طور متوسط بیش از 517 هزار میلیارد تومان دارایی برای سال 1402 می‏باشد. در روش ارزش در معرض ریسک (VaR) با رویکردهای مختلف پارامتری (مدل‎های ARIMA-GARCH) و ناپارامتری (شبیه­سازی مونت­کارلو و بوت­استرپ) مشخص شد که این صندوق بازنشستگی به­منظور پوشش کسری خود با درآمدهای سرمایه­گذاری، به‎طور متوسط به بیش از 550 هزار میلیارد تومان دارایی برای سال 1402 نیاز دارد. نتایج این مقاله بالحاظ اندازه صندوق­های بازنشستگی، به­راحتی قابلیت تعمیم به سایر صندوق­ها را خواهد داشت و می­تواند در اتخاذ سیاست­های اصلاحی به­جهت پایداری مالی بطور کل مفید باشد. https://jemr1.khu.ac.ir/article_3380.html گاز طبیعی به‌عنوان مهم‌ترین حامل انرژی در اقتصاد ایران، نقش حیاتی در تولید و مصرف کشور ایفا می‌کند و انتظار می‌رود سهم آن در آینده افزایش یابد. بروز ناترازی در عرضه گاز، آثار قابل توجهی بر ارزش‌افزوده بخش‌های اقتصادی و تولید ناخالص داخلی دارد. این تحقیق با استفاده از مدل داده - ستانده به‌روز شده سال ۱۴۰۲، اثرات ناترازی گاز بر ارزش‌افزوده و GDP ایران را تحلیل می‌کند. چهار سناریو در مواجهه با ناترازی‌ها مورد بررسی و ارزیابی قرار گرفته‌اند: ۱) عدم اولویت‌دهی به بخش‌های اقتصادی، ۲) اولویت‌دهی با ملاحظات اجتماعی و سیاسی، ۳) عدم اولویت‌دهی همراه با فقدان مدیریت مصرف و ۴) ترکیب ملاحظات اجتماعی-سیاسی با عدم اجرای سیاست‌های مصرف. یافته‌های تحقیق نشان می‌دهد، بخش‌هایی مانند تولید مواد شیمیایی، تولید و توزیع گاز و تولید برق بیشترین آسیب (کاهش تولید) را از ناترازی متحمل می‌شوند، در حالی که بخش‌هایی با وابستگی کمتر مانند تولید وسایل نقلیه و پرورش طیور، آسیب کمتری می‌بینند. علاوه بر این، در سناریوی دوم (ناترازی ۱۲ درصد)، کاهش GDP در افق ۱۴۲۰ حدود ۳ درصد بیشتر از سناریوی سوم (ناترازی ۲۱ درصد) برآورد شده است. لازم به ذکر است که مدل داده–ستانده مورد استفاده دارای محدودیت‌هایی همچون فرض خطی بودن روابط تولید، ثابت بودن ضرایب فنی و نادیده گرفتن جانشینی انرژی و اثرات قیمتی است و بنابراین نتایج این مطالعه باید به‌عنوان تحلیل پایه و نه پیش‌بینی قطعی در نظر گرفته شود. یافته‌ها همچنین نشان می‌دهد که ناترازی گاز نه تنها یک چالش فنی، بلکه یک عامل اثرگذار بر سیاست‌گذاری اقتصادی و طراحی راهبردهای اولویت‌بندی منابع است که می‌تواند تاب‌آوری کل اقتصاد را تحت تأثیر قرار دهد. https://jemr1.khu.ac.ir/article_3381.html بانک ها می توانند با طراحی یک سیستم کارآمد مدیریت وام، کارایی را افزایش داده و احتمال عدم برگشت اصل و فرع وام کاهش دهند.. در این مقاله کارآیی مدل­های رگرسیون لجستیک، شبکه عصبی مصنوعی، به منظور پیش بینی ریسک اعتباری مشتریان حقیقی یا به عبارتی متقاضیان وام­های خرد که گروه زیادی از مشتریان نظام بانکی کشور را شامل می­شوند، مورد بررسی قرار گرفت. باتوجه به نامتعادل بودن تعداد داده­ها حدآستانه بهینه با بکارگیری دو منحنی درجه حساسیت و درجه تشخیص محاسبه شد و از این روش میزان ریسک اعتباری هریک از مدل­ها استخراج شد. در رگرسیون لجستیک برای برآورد ضرایب با توجه به تعداد اندک مشتریان بد­حساب بجای روش حداکثر درستنمایی از روش حداکثر درستنمایی تاواندیده استفاده شد. در نهایت میزان صحت و دقت هر مدل با معیارهای متعدد بررسی شد. با استفاده از منحنی راک به بررسی قدرت تفکیک کنندگی مدلها پرداخته که در اینجا مدل شبکه عصبی بهترین قدرت تفکیک کنندگی را دارا بود. سپس با مقایسه خطاهای MSE، RMSE و MAE کارایی سنجش روش­ها مورد مقایسه قرار گرفت و عملکرد لجستیک MPLE و شبکه عصبی تقریبا با یکدیگر یکسان است. و در نهایت با توجه به هدف بانک در سه سناریو حداقل ریسک اعتباری، تشخیص مشتریان خوش حساب و تفکیک مشتریان به ترتیب شبکه عصبی، لجستیکMPLE و در سناریوی سوم شبکه عصبی و لجستیکMPLE بطور همزمان به عنوان مدل های برتر انتخاب شده اند. https://jemr1.khu.ac.ir/article_3382.html هدف: هوش مصنوعی (AI) به‌عنوان یک فناوری نوین و تحول‌آفرین در مراحل اولیه ظهور خود قرار دارد و هنوز بسیاری از جنبه‌های آن، به‌ویژه ابعاد اقتصادی و اجتماعی، به‌طور کامل مورد بررسی قرار نگرفته است. با توجه به اهمیت حذف فقر مطلق به‌عنوان نخستین هدف از اهداف توسعه پایدار سازمان ملل متحد، پژوهش حاضر با هدف بررسی اثر سرمایه‌گذاری در هوش مصنوعی بر فقر و شناسایی کانال‌های اصلی این تأثیرگذاری در کشورهای پیشرو در فناوری هوش مصنوعی انجام شده است. روش: این پژوهش به‌صورت تجربی و با استفاده از داده‌های پانلی مربوط به ۲۰ کشور منتخب در بازه زمانی ۲۰۱۷ تا ۲۰۲۳ و روش گشتاورهای تعمیم‌یافته (GMM) انجام شده است. متغیرهای اصلی پژوهش شامل سرمایه‌گذاری در فناوری‌های هوش مصنوعی به‌عنوان متغیر توضیحی و شاخص‌های فقر درآمدی و چندبعدی به‌عنوان متغیرهای وابسته است. همچنین اثرات متغیرهای کنترلی شامل رشد اقتصادی، نابرابری درآمدی، شاخص سلامت و سرمایه انسانی نیز مورد تحلیل قرار گرفته‌اند. یافته‌ها: نتایج تجربی نشان می‌دهد که سرمایه‌گذاری در فناوری‌های هوش مصنوعی به‌طور معناداری باعث کاهش فقر درآمدی و چندبعدی می‌شود. استفاده از هوش مصنوعی از طریق بهبود رشد اقتصادی، افزایش بهره‌وری در بخش کشاورزی، توانمندسازی مالی، تسهیل دسترسی به خدمات آموزشی و سلامت و همچنین بهبود دقت هدفمندی یارانه‌ها، به کاهش فقر کمک می‌کند. نتایج همچنین حاکی از آن است که رشد اقتصادی و ارتقای شاخص سلامت به کاهش فقر کمک می‌کنند، درحالی‌که افزایش نابرابری درآمدی، فقر را تشدید می‌کند. نتیجه‌گیری: پژوهش حاضر بر اهمیت سرمایه‌گذاری در زیرساخت‌های قانونی و فناوری به‌منظور بهره‌گیری مؤثر از ظرفیت‌های هوش مصنوعی برای مقابله با فقر تأکید دارد. بر این اساس، سیاست‌گذاران در کشورهای درحال توسعه، از جمله ایران، می‌توانند با توسعه سیاست‌های حمایتی و تقویت زیرساخت‌های لازم، از پتانسیل هوش مصنوعی برای کاهش فقر و افزایش رفاه اقتصادی بهره‌مند شوند. اصالت: این پژوهش از نخستین مطالعاتی است که به‌صورت جامع و تجربی اثر سرمایه‌گذاری در هوش مصنوعی را بر فقر درآمدی و چندبعدی بررسی کرده و کانال‌های کلیدی اثرگذاری آن را در کشورهای پیشرو در فناوری هوش مصنوعی شناسایی کرده است. یافته‌های این پژوهش بینش ارزشمندی برای تدوین سیاست‌های ضدفقر مبتنی بر فناوری‌های نوین فراهم می‌کند.