ارایه الگویی برای تعیین نرخ سود در عقود مبادله ای با استفاده از شبکههای عصبی مصنوعی | ||
| پژوهش ها و چشم اندازهای اقتصادی | ||
| Article 3, Volume 17, Issue 1, 1396, Pages 45-72 PDF (1.04 M) | ||
| Authors | ||
| حمیده نقاده* 1; توحید فیروزان سرنقی2 | ||
| 1کارشناس ارشد مهندسی دانش و علوم تصمیم دانشگاه علوم اقتصادی (خوارزمی فعلی)، تهران | ||
| 2عضو هیات علمی گروه بانک، بیمه و گمرک دانشکده مدیریت دانشگاه خوارزمی، تهران | ||
| Abstract | ||
| در بانکداری اسلامی، دو دسته عقود مشارکتی و غیرمشارکتی (عقود مبادلهای) وجود دارد. عقود مبادلهای، عقودی با نرخ سود ثابت است که نرخ آنها معمولاً مبنای تخصیص منابع عقود مشارکتی است. در ایران نرخ سود عقود مبادلهای از سوی بانک مرکزی و به صورت دستوری تعیین میشود. در پژوهش حاضر با الهام از روش ارایه شده از سوی دادگر و فیروزان (1391) و به منظور مقایسه نتایج و ارتقای کارآیی برآوردها و نشان دادن قابلیت عملیاتی روش مذکور با استفاده از شبکههای عصبی مصنوعی پرسپترون چندلایه (MLP) و تابع پایه شعاعی (RBF) نرخ سود عقود مبادلهای محاسبه و برآورد شد. دادههای مورد استفاده، اطلاعات حقیقی و واقعی عملکرد بخش تولید صنعتی یعنی بنگاههای با بیش از 10 نفر کارکن را شامل میشود. طبق نتایج به دست آمده، دو شبکه از دقت نسبتاً خوبی برای تخمین ضرایب تابع هزینه سایهای برخوردارند و اکثر ضرایب، در صدم اعشار با هم تفاوت دارد. روش پیشنهادی علاوه بر سهولت انجام، در راستای روش اقتصادسنجی بوده ولی محدودیت های آن از جمله بررسی تعداد محدود صنایع به دلیل نمونهگیری را نداشته و تقریباً تمام 14 هزار داده کارگاههای صنعتی در سال 1386 را لحاظ نموده و میزان خطای محاسبات بسیار کمتر است. طبق نتایج حاصل، نرخ سود عقود مبادلهای برای سال مورد بررسی 15درصد به دست آمد که در مقایسه با نرخ سود 12 درصد برای سال مذکور، نشاندهنده 20 درصد انحراف در تعیین نرخ سود است که هزینههای غیرقابل انکاری بر اقتصاد کشور و تخصیص منابع محدود دارد. | ||
| Keywords | ||
| سود; عقود مبادلهای; بانکداری اسلامی; تابع هزینه سایهای; شبکه عصبی مصنوعی | ||
| References | ||
|
| ||
|
Statistics Article View: 284 PDF Download: 120 |
||
| Number of Journals | 45 |
| Number of Issues | 2,174 |
| Number of Articles | 24,684 |
| Article View | 25,078,707 |
| PDF Download | 17,777,866 |