[صفحه اصلی ]   [Archive] [ English ]  
بخش‌های اصلی
صفحه اصلی
فرم ثبت‌ نام
فرم ارسال مقاله
اطلاعیه‌ها
برای نویسندگان و داوران
موضوع مقالات قابل چاپ
انواع مقالات قابل چاپ
ویژگی‌های فایل مقاله
ویژگی‌های باطن مقالات
ویژگی‌های ظاهر مقالات
صفحه‌کلید استاندارد فارسی
فرایند داوری و چاپ مقالات
فرم تعارض منافع
راهنما
راهنمای ثبت نام
راهنمای ارسال مقاله
راهنمای داوری مقالات
آرشیو مجله و مقالات
کلیه شماره‌های مجله
آخرین شماره
مقالات آماده انتشار
نمایه نویسندگان
نمایه واژه های کلیدی
اطلاعات نشریه
اهداف و زمینه‌ها
هیات تحریریه
اطلاعات نشریه
پیشینه نشریه
اصول اخلاقی نشریه
اسامی داوران
تماس با ما
اطلاعات تماس
فرم برقراری ارتباط
::
شبکه‌های اجتماعی


..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات از پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار نشریه
تعداد دوره های نشریه: 19
تعداد شماره ها: 68
تعداد مشاهده ی مقالات: 1457517

مقالات دریافت شده: 2289
مقالات پذیرفته شده: 435
مقالات رد شده: 1741
مقالات منتشر شده: 414

نرخ پذیرش: 19
نرخ رد: 76.06

میانگین دریافت تا پذیرش: 237 روز
میانگین پذیرش تا انتشار: 74.4 روز
____
..
نشریات مرتبط

پژوهش‌های مالیه اسلامی

AWT IMAGE

(دوفصلنامه)

..
:: سال 18، شماره 65 - ( 9-1404 ) ::
سال 18 شماره 65 صفحات 485-479 برگشت به فهرست نسخه ها
نظریه‌ آشوب، روند حاکم بر رفتار انباشت سرمایه‌ فیزیکی (رهیافتی از اقتصادفیزیک)
احمد گوگردچیان*1 ، سیده دل‌آرا موسوی2
1- عضو هیئت علمی و دانشیار دانشکده اقتصاد، دانشگاه اصفهان
2- دانش‌آموخته کارشناسی ارشد اقتصادنظری، دانشکده اقتصاد، دانشگاه اصفهان
چکیده:   (631 مشاهده)
اصطلاح آشوب را می‌توان برای توصیف رفتار یک سیستم آشفته و ظاهراً تصادفی که به‌شدت به شرایط اولیه حساس است، تعریف کرد. دو نوع آشوب وجود دارد: قطعی و غیرقطعی. آشوب قطعی نشان‌دهنده حرکت آشفته سیستم‌های غیرخطی بر پایه قوانین مشخص اما با نتایج غیرقابل پیش‌بینی است، در حالی که در آشوب غیرقطعی، معادلات توصیف‌کننده سیستم ناشناخته بوده و رفتار آشفته ناشی از عدم قطعیت قوانین یا تأثیر عوامل تصادفی است. در هر دو حالت، سیستم در کوتاه‌مدت قابل پیش‌بینی اما در بلندمدت غیرقابل پیش‌بینی است. در این مقاله، رفتار آشوبناک متغیر انباشت سرمایه به‌عنوان عاملی کلیدی در پویایی رشد اقتصادی بررسی شده است. همچنین نوسانات آشوبناک انباشت سرمایه می‌تواند بر تقاضای تسهیلات، نقدینگی بانک‌ها، نرخ بهره و جریان سرمایه‌گذاری اثر بگذارد و تصمیم‌گیری‌های سیاست‌گذاران پولی را پیچیده‌تر کند. برای این منظور، داده‌های سری زمانی انباشت سرمایه در اقتصاد ایران طی سال‌های 1358 تا 1401 تحلیل شد. نتایج آزمون BDS نشان داد که این متغیر رفتاری غیرخطی دارد. محاسبه نمای لیاپانوف، آشوبناکی سری زمانی را تأیید کرد. همچنین، آزمون نمای هرست نشان داد که این متغیر دارای حافظه بلندمدت است.
 
شماره‌ی مقاله: 4
واژه‌های کلیدی: پویایی آشوبناک، توپولوژیکی متعدی، اثر پروانه‌ای، آنتروپی کولموگروف-سینای، نگاشت پوانکاره
متن کامل [PDF 1739 kb]   (183 دریافت)    
نوع مطالعه: مطالعه تجربی | موضوع مقاله: اقتصادکلان: مصرف، پس‌انداز، تولید، اشتغال و سرمایه‌گذاری
دریافت: 1403/12/12 | پذیرش: 1404/5/19 | انتشار: 1404/7/1
فهرست منابع
1. جعفری‌نیا، س. (۱۳۹۰). برآورد ناپارامتری شبکه‌های عصبی به کمک نمای لیاپانوف و آزمون مستقیم برای تئوری آشوب (پایان‌نامهٔ کارشناسی ارشد). دانشگاه سیستان و بلوچستان، دانشکدهٔ علوم پایه، گرایش ریاضی محض.
2. رنانی، م. و صادقی، ب. (۱۳۹۹). طبقه بندی شاخص آنتروپی اقتصادی در یک مدل کلان اقتصادی، نشریه مدلسازی اقتصادی، دوره ۱۴، ص ۱-۲۴.
3. رنانی، م. و حسینی، ع. (۱۳۹۶). نقد روش شناختی اقتصاد فیزیک و کاربرد آن در تحلیل نظام توزیعی سرمایه داری، مقاله علمی وزارت علوم.
4. کاوه، ح. (۱۳۹۷). کنترل آشوب در سیستم‌های پیوسته زمان به کمک فضای حالت تأخیردار ساخته شده با تئوری تکنز (پایان‌نامهٔ کارشناسی ارشد). دانشگاه صنعتی شریف، دانشکده مهندسی مکانیک، گروه طراحی کاربردی.
5. مشیری، س. (۱۳۸۱). مروری بر نظریهٔ آشوب و کاربردهای آن در اقتصاد. فصلنامهٔ پژوهش‌های اقتصادی.
6. نسرین‌دوست، م. (۱۳۸۸). بررسی پویایی شدت انرژی بری تولید در اقتصاد کشور‌های عضو سازمان کشور‌های صادرکنندهٔ نفت (OPEC) با رویکرد نظریهٔ آشوب (پایان‌نامهٔ کارشناسی ارشد). دانشگاه بوعلی سینا، دانشکدهٔ اقتصاد و علوم‌اجتماعی، گروه اقتصاد.
7. Brock, W. A., Scheinkman, J. A., Dechart, W. D., & LeBaron, B. (1996). A test for independence based on the correlation dimension. Econometric Reviews, 15(2), 197-235. [DOI:10.1080/07474939608800353]
8. Brock, W. A., & Hommes, C. H. (1997). A rational route to randomness. Econometrica. [DOI:10.2307/2171879]
9. Devaney, R., & Keen, L. (Eds.). (1989). Chaos and fractals: The mathematics behind the computer graphics. American Mathematical Society. [DOI:10.1090/psapm/039]
10. Garcia, M. M., Queral, R., Sanz, P., & Vazquez, F. J. (2004). A generalized BDS statistic. Journal of Computational Economics, 24(3), 277-300. [DOI:10.1007/s10614-004-4657-y]
11. Giannerini, S., & Goracci, G. (2023). Entropy-based tests for complex dependence in economic and financial time series with the R package tseriesEntropy. Mathematics, 11(3), 757. [DOI:10.3390/math11030757]
12. Galileo Galilei. (1618). II Saggiatore. In S. Drake & C. D. O'Malley (Trans.), The controversy on the comets of 1618 (5th ed., pp. 67-85). University of Pennsylvania Press.
13. Gleick, J. (1987). Chaos: Making a new science. Viking.
14. Gallegati, M., et al. (2011). The Crisis of 2008: Structural lessons for and from economics. Cambridge Journal of Economics.
15. Holden, A. V. (1986). Chaos. Manchester University Press. [DOI:10.1515/9781400858156]
16. Lorenz, E. N. (1963). Deterministic non-periodic flow. Journal of Atmospheric Sciences, 20, 130-141. https://doi.org/10.1175/1520-0469(1963)020<0130:DNF>2.0.CO;2 [DOI:10.1175/1520-0469(1963)0202.0.CO;2]
17. Lorenz, E. N. (1979). Predictability: Does the flap of a butterfly's wings in Brazil set off a tornado in Texas?
18. May, R. M. (1976). Simple mathematical models with very complicated dynamics. Nature, 261(5560), 459. [DOI:10.1038/261459a0]
19. Mantegna, R. N., & Stanley, H. E. (2000). An introduction to econophysics: Correlations and complexity in finance. Cambridge University Press. [DOI:10.1063/1.1341926]
20. Lichtenberg, A. J., & Lieberman, M. A. (1992). Regular and chaotic dynamics (2nd ed.). Springer-Verlag. [DOI:10.1007/978-1-4757-2184-3]
21. Li, S. (2013). FNN: Fast nearest neighbor search algorithms and applications (Version 1.1). Retrieved from https://cran.r-project.org/web/packages/FNN/index.html
22. Patricia, F. (2002). Newton: The making of genius. Columbia University Press.
23. Strogatz, S. (1994). Nonlinear dynamics and chaos.
24. Sandubete, J. E., Beleña, L., & García-Villalobos, J. C. (2023). Testing the efficient market hypothesis and the model-data paradox of chaos on top currencies from the foreign exchange market (FOREX). [DOI:10.3390/math11020286]
25. Sornette, D. (2003). Why stock markets crash: Critical events in complex financial systems. Princeton University Press.
26. Mathematics, 11(2), 286. [DOI:10.3390/math11020286]
27. Van Buskirk, R., & Jeffries, C. (1985). Observation of chaotic dynamics of coupled nonlinear oscillators. Physical Review A, 31, 3332-3357. [DOI:10.1103/PhysRevA.31.3332]
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
سال 18، شماره 65 - ( 9-1404 ) برگشت به فهرست نسخه ها
فصلنامه پژوهش‌های پولی-بانکی Journal of Monetary & Banking Research
Persian site map - English site map - Created in 0.08 seconds with 40 queries by YEKTAWEB 4774