جستجو در مقالات منتشر شده


3 نتیجه برای خوچیانی

بیتا شایگانی، اصغر ابوالحسنی، امیربهداد سلامی، رامین خوچیانی،
دوره 5، شماره 17 - ( 7-1393 )
چکیده

تقارن یا عدم تقارن سیکل تجاری، مبحث مهمی است که به منظور انتخاب الگوهای رفتاری و پیش‌بینی نوسانات کلان اقتصادی استفاده می‌شود. عواملی همچون قیمت نفت، بحرانهای مالی، نااطمینانی، تاخیر در یادگیری و... می‌تواند باعث عدم تقارن در سیکل‌ها شود. از طرفی تجزیۀ ادوار تجاری بوسیلۀ تبدیل موجک که ابزاری توانمند در پردازش داده‌هاست، و بررسی وجود یا عدم وجود تقارن هرکدام از سطوح تجزیه‌شده، این امکان را می‌دهد تا اطلاعات بیشتری در خصوص بسامدهای مختلف ادوار تجاری بدست بیاید. این امر به تصمیم گیرندگان کلان اقتصادی کشور جهت اتخاذ سیاست ضد ادواری مناسب کمک می‌کند. تحلیل موجک ما را قادر ساخت تا با تجزیه سیکل تجاری تولید ناخالص داخلی فصلی طی سالهای1367-1390 به مولفه‌های بسامد بالا و پایین، تقارن آنها را بررسی کنیم. با استفاده از موجک سیملت، مشاهده شد که حداقل در مولفه‌های بسامد پایین، عدم تقارن وجود دارد. دیگر مزیت تحقیق حاضر این است که هر کدام از مولفه‌ها جداگانه بررسی می‌شود تا برای آنها مدل جداگانه برای پیش‌بینی انتخاب شود. این امر خطای پیش‌بینی را کاهش می‌دهد.


سید پرویز جلیلی کامجو، رامین خوچیانی،
دوره 11، شماره 39 - ( 1-1399 )
چکیده

حل تقابل آب و تخصیص بهینه منابع مشترک آب، مهم‌ترین خدمت نظریه بازی‌های با رویکرد مشارکتی به اقتصاد آب است. حوضه آب‌ریز زاینده‌رود مهم‌ترین حوضه مورد مناقشه در بین چند استان هم‌جوار در حوضه درجه یک فلات مرکزی ایران است. هدف این پژوهش استفاده از نظریه بازی‌های با کاربرد رویکرد ورشستگی (تقاضاهای ناسازگار) به منظور تخصیص بهینه منابع آب سطحی و زیرزمینی در حوضه آب‌ریز زاینده‌رود با درنظر گرفتن حق‌آبه زاینده‌رود (بخش گردشگری)، لحاظ آب انتقالی به یزد و کاشان و آب منتهی به تالاب گاوخونی در کنار تقاضای سه بخش شرب، صنعت-معدن و کشاورزی است. به منظور برآورد حق‌آبه طبیعی رودخانه و بخش گردشگری از روش مونتانا (تنانت) تحت سه سناریوی مختلف تنانت ضعیف، قابل قبول و بهینه در دوره 1361-1395 استفاده شد، که به ترتیب 7/77، 5/130 و 5/466 میلیون مترمکعب در سال برآورد شد. تئوری تقاضاهای ناسازگار در سناریوهای مختلف برای حق‌آبه زاینده‌رود ( بخش گردشگری) نشان داد در هر سه سناریو بر اساس پنج قانون مختلف در تئوری ورشکستگی شامل قانون نسبی PRO، قانون محدودیت برابر پاداش‌ها CEA، قانون محدودیت برابر زیان‌ها CEL، تالمود TAL و قانون ورود تصادفی RA، روش CEA مطلوب‌ترین روش برای 5 بخش (به جز بخش کشاورزی) بود. به منظور انتخاب روش عادلانه‌تر، از شاخص ضریب جینی و منحنی لورنز استفاده شد که نشان داد قانون CEA نسبت به سایر روش‌ها توزیع با نابرابری کمتری را دارد. به این ترتیب به دلیل شکاف فزاینده تقاضای در حوضه زاینده‌رود پیشنهاد شد تخصیص آب بر اساس قوانین تئوری ورشکستگی و تقاضاهای ناسازگار انجام یابد.

دکتر یونس نادمی، دکتر رامین خوچیانی، دکتر رضا معبودی،
دوره 16، شماره 59 - ( 3-1404 )
چکیده

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.

صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به فصلنامه تحقیقات مدلسازی اقتصادی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2026 CC BY-NC 4.0 | Journal of Economic Modeling Research

Designed & Developed by : Yektaweb