ناهنجاری شکاف قیمت در بازار سهام ایالات متحده: کل داستان

Price gap anomaly in the US stock market: The whole story

چکیده
1- مقدمه
2- ادبیات موضوع
3- داده ها و روش تحقیق
4- نتایج
5- نتیجه‌گیری
منابع

چکیده
در این مقاله عدم‌تعادل‌های ناشی از شکاف قیمت در بازار سهام ایالات متحده (متشکل از بازارهای داوجونز، اِس‌اَندپی500 و نزدک) که دوره 1928 تا 2018 را پوشش می‌دهد، تحلیل می شود. این مقاله با هدف بررسی اینکه آیا شکاف‌های قیمتی باعث ایجاد ناکارآمدی در بازار می‌شود یا خیر، تدوین شده است. شکاف قیمت زمانی رخ می‌دهد که قیمت بازگشایی روز جاری با سفارش بسته‌شده روز قبل از بازگشایی بازار متفاوت باشد. چندین فرضیه با استفاده از آزمون‌های مختلف آماری (Student’s t-test،ANOVA ، Mann-Whitney test)، تحلیل رگرسیون و روش‌های ویژه‌ای مانند بازده تجمعی اصلاح‌شده و رویکردهای شبیه‌سازی معاملات، آزمایش می‌شوند. ما شواهدی محکم در مورد حرکت غیرعادی قیمت سهم پس از شکاف قیمتی به‌وجود آمده پیدا می‌کنیم. مشاهده می‌کنیم که در طی یک روز شکاف قیمت‌ها در جهت شکاف ایجادشده تغییر می‌کنند. یک استراتژی معاملاتی مبتنی بر این ناهنجاری از این جهت کارآمد بود که نتایج آن تصادفی نبوده است و این‌که نشانگر کارآیی این بازار نیست. اثر حرکت موقت بود و هیچ شواهدی از فصلی‌بودن شکاف قیمت پیدا نشد. سرانجام اینکه، نتایج ما نیز برخلاف این تصور عامیانه بود که شکاف قیمت‌ها پر می‌شود.

2- ادبیات موضوع
طبق گفته فاما (1965، 1970) بازاري كه در آن تصميمات سرمايه‌گذاري با فرض اينكه قيمت‌هاي ضمني “به‌طور کامل” تمام اطلاعات موجود را منعكس مي‌كند، اتخاذ مي‌شود، مي‌تواند كارآمد تلقي شود. علاوه بر این، میزان انعکاس اطلاعات در قیمت اوراق بهادار را می‌توان به دو شکل مختلف طبقه‌بندی و آزمایش کرد، یعنی شکل ضعیف که فقط اطلاعات تاریخی بر اوراق بهادار تأثیر می‌گذارد و شکل قوی درجایی‌که یک سرمایه‌گذار اطلاعات خصوصی در مورد قیمت یک اوراق بهادار دارد. بنابراین ، EMH به سادگی این ادعا است که اطلاعات “به طور کامل” در قیمت‌های اوراق بهادار منعکس می‌شوند، یعنی هیچ سرمایه‌گذاری فرصتی برای سودآوری از طریق آربیتراژ ندارد.

با این حال آکرلوف و شیلر (2009)، گروسمن و استیگلیتز (1980)، لو (1991)، ماندلبروت (1963)، شیلر (2000) و شوورت (2003) موارد متعددی از EMH را به دلایل زیادی به چالش کشیده‌اند. در یک سطح نظری (گروسمن و استیگلیتز، 1980) استدلال می‌کنند که اطلاعات در واقع هزینه‌بر هستند، بنابراین قیمت‌ها نمی‌توانند تمام اطلاعات موجود را به طور کامل منعکس کنند. آکرلوف و شیلر (2009) و شیلر (2000) رفتارهای غیرمنطقی سرمایه‌گذاران مانند وحشت توده‌ای را به عنوان یک استدلال اصلی علیه EMH برجسته می‌کنند. شوورت (2003) نشان می‌دهد که چگونه ناهنجاری‌های اساسی بازار پس از کشف از بین می‌روند، زیرا نمایندگان بازار این استراتژی‌های نابهنجار را اجرا می‌کنند. برخی دیگر مانند ماندلبروت (1963) از نظر تجربی نشان می‌دهند که توزیع قیمت از توزیع دنباله‌دار و حافظه طولانی‌مدت رنج می‌برد.

سه نوع عدم‌تعادل در ادبیات این موضوع مورد بررسی قرار گرفته است؛ 1) ناهنجاری های فصلی، 2) اندازه و 3) قیمت (نگاه کنید به یاکوبسن، مامون و ویسلتاناچوتی، 2005). به گفته بیلدیک (2004) عدم‌تعادل‌ها نشان‌دهنده ناکارآمدی یا ناکافی‌بودن بازار در مدل قیمت‌گذاری دارایی اساسی است و پس از کشف به دلیل انطباق معامله‌گران با موجودیت آنها ناپدید می‌شوند. دلایل بی‌شماری برای وجود عدم‌تعادل‌ها وجود دارد، به عنوان مثال باسو (1977) با کشف اینکه ارزش سهام دارای ریسک بالاتر دارای بازده تعدیل‌شده بالاتری در مقایسه با سهام بنیادی است، عدم‌تعادل‌های قیمتی را شناسایی کرد.

سیاست اعتبار سبز و حساسیت سرمایه گذاری به جریان نقدی: شواهدی از یک آزمایش شبه طبیعی

Green credit policy and investment-cash flow sensitivity: Evidence from a quasi-natural experiment

چکیده

1-مقدمه

2-ادبیات مرتبط و توسعه فرضیه

3-طراحی تحقیق

4-نتایج تجربی

5-نتیجه گیری

بیانیه مشارکت نویسندگی اعتباری

اعلامیه منافع رقابتی

در دسترس بودن اطلاعات

سپاس گذاری

چکیده

     سیاست اعتبار سبز در کشور چین (GCP ) با هدف به دست آوردن یک توسعه سبز از طریق کاهش تخصیص اعتبار به شرکت های با آلودگی زیاد برای محیط زیست می باشد.اجرای GCP به عنوان یک شوک در برابر تامین هزینه مالی خارج از سازمان استفاده می شود، زمانیکه یک رویکرد تفاوت در تفاوت ها ایجاد می کنیم انتظار داریم که اجرای GCP به طور قابل توجهی افزایش یابد.اثر این امر بیشتر در شرکت های با فرصت های سرمایه گذاری و نفوذ مالی بالا و در شرکت های بدون مالکیت در بانک های تجاری آشکار می شود.مقاله ما بینش جدیدی در قبال تاثیر GCP بر محدودیت های مالی و کمک به منظور بحث حساسیت نسبت به جریان سرمایه گذاری نقدی به وسیله استفاده از شوک های بیرونی بر محدودیت های مالی را آشکار می کند. نتایج نشان می دهند که حساسیت نسبت به جریان سرمایه گذاری نقدی ممکن است یک شاخص مناسب برای محدودیت های مالی در مورد کشور چین باشد.

2-ادبیات مرتبط و توسعه فرضیه
2-1-محدودیت های مالی و حساسیت جریان سرمایه گذاری نقدی
     در یک بازار کامل که بوسیله مودیلیانی و میلر در سال 1965 توصیف شده است، تصمیمات سرمایه گذاری و رشد یک شرکت، از جریان های نقدی داخل آن شرکت مستقل می باشند، زیرا که تامین مالی خارجی و داخلی در یک شرکت جایگزین های کاملی هستند.علاوه بر این اصطکاک در بازارهای سرمایه بر این امر دلالت دارد، که هزینه تامین سرمایه خارجی از تامین سرمایه مالی داخلی بیشتر می باشد، و منجر به، محدودیت مالی و متکی بر سرمایه داخلی شرکت ها برای سرمایه گذاری جدید می شود.زمانیکه شرکت ها دسترسی کافی به سرمایه خارجی ندارند، هزینه های سرمایه گذاری ممکن است نسبت به در دسترس بودن منابع داخلی مالی حساس باشند.(فازاری و همکاران در سال 1988 ).از آنجائی که کار پیشگامانه (فازاری و همکاران در سال 1988 )قسمت بزرگی از ادبیات پیشنهادی است که بیان می کند، سرمایه گذاری شرکت های دارای محدودیت مالی نسبت به سرمایه گذاری شرکت های دارای محدودیت مالی کمتر، نسبت به در دسترس بودن جریان های نقدی داخلی حساس تر می باشند.( اندرن و جنکنس گارد سال 2015، آتیگ و همکاران سال 2012، بوند و همکاران سال2003 ، مولیر و همکاران سال 2016 ).به عنوان شکلی از اصطکاک بازار، حساسیت جریان سرمایه گذاری نقدی، معمولا به عنوان یک شاخص برای محدودیت های مالی تعریف شده است.در مقابل برخی مطالعات نشان دادند که حساسیت جریان سرمایه گذاری نقدی بالاتری نسبت به شرکت های دارای محدودیت های کمتر مالی و تحت فشار وجود دارد.(کاپالین و زینگالس در سال 1997 ) و کلیری در سال 1999پیدا نمودند که سرمایه گذاری در شرکت هائی که دارای محدودیت های کمتر مالی هستند آشکارخواهد شد و تقریبا نسبت به جریان نقدی داخلی حساس می باشند.مخالف شواهد قبلی در (مطالعه فازاری و همکاران در سال 1988).مطالعه اخیر به وسیله چن و چن در سال 2012 نشان داد که حساسیت جریان سرمایه گذاری نقدی در طول بحران های مالی سال های 2007 تا 2009 درست در زمانیکه محدودیت های مالی الزام آور بودند، کاهش یافته و یا ناپدید شده است.آنها تفسیر حساسیت نسبت به جریان سرمایه گذاری نقدی را به عنوان معیاری برای محدودیت های مالی زیر سوال می برند.

     تفسیر صحیح حساسیت جریان سرمایه گذاری نقدی بحث برانگیز باقی مانده است.یکی از دلایل این امر دشواری در معیارهای محدودیت مالی می باشد.مطالعات تجربی در این زمینه معمولا بر پروکسی های غیر مستقیم تکیه دارند، مانند سایز، جنس، نرخ اعتبار(آتیگ و همکاران سال 2012 ).ما با ارائه شواهدی از یک شوک به این خط از ادبیات کمک می کنیم که شرکت های دارای آلایندگی زیاد در چین کاهش عامل برونزا در عرضه تامین مالی خارجی را تجربه می کنند.

کاربرد انفورماتیک در متن کاوی شبکه مالی بر اساس رایانش عاطفی

Application of Informetrics on Financial Network Text Mining Based on Affective Computing

چکیده

مقدمه

2. انفورماتیک در اینترنت به وسیله رایانش عاطفی

3. پلتفرم SparkR و الگوریتم استخراج شبکه

3.1. اطلاعات شبکه پیش پردازش

3.2. تحقق توزیع الگوریتم های CART و توده تصادفی بر SparkR

3.2.1. تولید الگوریتم توزیع SparkR از CART

3.2.2. درک توزیع الگوریتم توده تصادفی

3.3. درک الگوریتم خوشه بندی بر توزیع SparkR

4. آزمایشات و آنالیز نتایج

4.1. تاثیر انفورماتیک بر اینترنت و بر نوسانات نرخ ارز

4.2. آزمایش 1

4.3. آزمایش 2

4.4. آزمایش 3

نتیجه گیری

منابع

چکیده

با توسعه سریع اینترنت، داده های متنی پربارتر می شوند، اما بخش عمده آن، ساختار نیافته است. بنابراین، بهره-برداری از داده های متنی در مقایسه با داده های آماری، سخت تر است. نحوه کاربرد انفورماتیک در متن کاوی شبکه مالی، مکملی برای روش های تحقیق سنتی سرمایه است. این مقاله، سعی می کند تا نوسان نرخ ارز را از طریق انفورماتیک در استخراج شبکه مالی به وسیله محاسبات عاطفی، پیش بینی کند. ما در می یابیم که اگر میزان انفورماتیک در شبکه، طی پیش بینی به کار رود، تنها مقادیر اوج و کمینه نوسان آن، با نوسان نرخ ارز، همگام هستند. این در حالی است که، نوسان شدت عاطفی کلمات انفورماتیک روی شبکه در داده های متنی، می تواند به طور دقیق، نه تنها نوسان جدی نرخ ارز را، بلکه همچنین نوسان معتدل را نیز، پیش بینی کند.

مقدمه 

اخیرا، بسیاری از ارزها، یک تنزیل قیمت قابل ملاحظه در برابر دلار ایالات متحده تجربه کرده اند، که باعث نگرانی بسیاری از سرمایه گذاران و سیاست گذاران شده است. از این رو، نحوه پیش بینی دقیق گرایش آینده نرخ ارز، وظیفه اصلی محققان کنونی شده است. روش های سنتی بسیاری برای پیش بینی گرایش آینده متغیرهای مالی وجود دارند، مانند روش احتمال، روش سیگنال، روش چرخشی مارکوف، روش شبکه ای و غیره. اما این روش ها، در مواجهه با داده های متنی آنلاین، مفید نیستند. بنابراین این مقاله، سعی می کند تا بررسی کند که آیا نرخ تبادل را می توان به طور دقیق و صحیح از طریق انفورماتیک در متن کاوی شبکه مالی پیش بینی کرد یا خیر. 

نتیجه گیری

از طریق انفورماتیک در استخراج شبکه مالی با استفاده از رایانش توزیع شده، که از طریق پلتفرم SparkR محقق میشود، که در آن تکنولوژی محاسبات توزیع شده معرفی شده است، مقاله می آزماید که آیا داده های متنی می تواند برای پیش بینی نوسانات نرخ ارز بین RMB و دلار آمریکا مورد استفاده قرار گیرد یا خیر. مطالعه دریافت که:

(1) در اکثر موارد نوسانات میزان انفورماتیک در شبکه همیشه سازگار نیست و گاهی اوقات مخالف است. در حالی که مقادیر اوج نوسانات میزان اطلاعات نوسان نرخ ارز همزمان/همگام است، مقادیر دره ای/کف نیز به همین ترتیب است.

(2) نوسانات مقدار انفورمتریک عاطفی در شبکه بیشتر به نوسانات نرخ ارز نزدیک است، اما برخی نوسانات روزانه نرخ ارز نیز وجود دارد که چندان به میزان اطلاعات عاطفی داده های متنی نزدیک نیست. این ها ممکن است ناشی از واکنش پس از سقوط بیش از حد و یا فروش پس از سود، و غیره باشد که منجر به نوسانات مقدار اطلاعات عاطفی از داده های متنی می شود و نرخ ارز به طور کامل مطابقت نخواهد داشت. بنابراین این مطالعه بر این باور است که جدا از این نوسانات روزانه، نوسان میزان اطلاعات عاطفی داده های متنی اساساً به نوسانات نرخ ارز مربوط می شود.

Abstract

With the rapid development of internet, text data is becoming richer, but most part of them is unstructured. So compared to statistics data, the text data is more difficult to be utilized. How to apply the informetrics on financial network text mining is a supplement to the traditional research methods of finance. The paper tries to forecast exchange rate volatility through informetrics on financial network text mining by means of affective computing. We find that if the amount of informetrics on network is used during predicting, only the peak and valley values of its volatility and are synchronous with the volatility of exchange rate. While the volatility of emotional intensity of words of informetrics on network in text data can accurately predict not only the drastic volatility of exchange rate, but also the moderate volatility.

Introduction

Recently, many currencies have seen a significant devaluation against the U.S. dollar, which has caused many investors and policymakers to worry. Therefore, how to accurately predict the future trend of the exchange rate has become the main task of current researchers. There are many traditional methods to predict the future trend of financial variables, such as probability method, signal method, Markov switching approach, network method, etc. But these methods are helpless facing online text data. So this paper tries to explore whether the exchange rate can be accurately predicting through informetrics on financial network text mining.

Conclusion

Through informetrics on financial network mining by means of affective computing, which is realized through the SparkR platform, in which the distributed computing technology is introduced, the paper tests whether text data can be used to forecast the volatility of exchange rate between RMB and U.S. dollar. It finds that:

(1) In most cases the volatility of the amount of informetrics on network are not always consistent and sometime opposite. While the peak values of the volatility of the amount of information of the exchange rate volatility is synchronous, so are the valley values.

(2) The volatility of the amount of emotional informetrics on network is more closer to the volatility of exchange rate, but there are also some daily volatility of exchange rate that are not so close to the amount of emotional information of the text data.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

کاربرد انفورماتیک در متن کاوی شبکه مالی بر اساس رایانش عاطفی

Application of Informetrics on Financial Network Text Mining Based on Affective Computing

راه اندازی مجدد اقتصاد به روشی تاب آور: ارزش مسئولیت اجتماعی شرکت ها برای شرکت ها در COVID-19

Restart economy in a resilient way: The value of corporate social responsibility to firms in COVID-19

چکیده

1. مقدمه

2. روش شناسی و داده

3. تجزیه و تحلیل نتایج

4. نتیجه گیری ها

منابع

چکیده

     این مقاله، اهمیت مسئولیت اجتماعی شرکت (CSR) را برای شرکت ها در کووید-19 بررسی می کند. ما با استفاده از داده های شرکت های بورسی در چین در می یابیم که سطح بالای CSR برای بهبود بازده های سهام سودآور و نتیجه بخش است. از همه مهمتر اینکه تحلیل مکانیسم نشان می دهد که مسئولیت اجتماعی شرکت می تواند سرمایه اعتماد اجتماعی را برای شرکت ها به دنبال داشته باشد، و می توان عملکرد شرکتی را در طول همه گیری بهبود دهد. آزمون های بیشتر نشان می دهند که اثرات مسئولیت های حمایت از کارکنان و حفاظت زیست محیطی بر بازده های سهام حتی معنی دارتر هستند. یافته های ما اهمیت سرمایه گذاری مسئولیت اجتماعی را نشان می دهند و پیامدهای سیاست گذاری مهمی دارند.

روش شناسی و داده
روش شناسی

     در این مقاله، هفته پنجم از سال 2020 بعنوان هفته رویداد تلقی می شود، زیرا رئیس شهر ووهان اقدامات کنترل آمد و شد را در 23 ژانویه سال 2020 اعلام کرد، این روز قبل از جشنواره بهار بود و شوک هایی را به بازار مالی وارد کرد. روش مدل بازار برای اندازه گیری بازده غیر عادی استفاده می شود:

     که R_(i,t) بازده سهام شرکت i را در هفته معامله ای t نشان می دهد، و R_(M,t) بازده بازار را در زمان t نشان می دهد. سطح بازده بازار در دوره زمانی [-100,-10] قبل از هفته رویداد برآورد می شود. از آنجا که قیمت بازار سهام چین دو ماه پس از هفته رویداد در میانه همه گیری کووید-19 بازیابی شد، بازده های سهام یک ماه قبل و دو ماه بعد از هفته رویداد بعنوان داده نمونه برای این تحقیق انتخاب شدند. بازده غیر عادی با استفاده از مدل زیر محاسبه می شود (2):

     امتیاز بدست آمده توسط شرکت ها در مسئولیت اجتماعی بعنوان متغیر توصیفی در این مقاله انتخاب می شود. علاوه بر این، هر چه امتیاز بیشتر باشد، شرکت عملکرد بهتری در تحقق مسئولیت اجتماعی خود دارد. علاوه بر این، مجموعه داده دقیق از مخارج مسئولیت اجتماعی شرکت شامل دسته های زیر می شود: حمایت از سهامدار/بستانکار، حمایت از کارکنان، حمایت از تامین کننده/مشتری، حمایت محیطی، و حفظ روابط مردمی. تمرکز ما بر هزینه های مربوط به حمایت از کارکنان، حفاظت از محیط زیست، و حفظ روابط مردمی است که به این دلیل است که این طبقه بندی ها فراتر از الزامات حقوقی و نظارتی هستند. لازم به ذکر است که تغییر در مسئولیت اجتماعی شرکت یک روند کند است (گویسو و همکاران، 2004). گسترش سریع همه گیری کووید-19 نشان می دهد که قابلیت شرکت ها برای واکنش به موقع بسیار محدود است، و این واکنش بازار سهام عمدتا متکی بر سطح از قبل موجود مسئولیت اجتماعی شرکت است. با توجه به این نکته، میانگین امتیاز مسئولیت اجتماعی بدست آمده بین سال های 2016 و 2018 در این مقاله استفاده می شود، که از مسائل درونزای ناشی از علیت معکوس تا حدی جلوگیری می کند.

نوآوری شرکت و سیاست های منابع انسانی: تاثیرات تعدیل کننده بافت اقتصادی و نهادی

Human resource policies and firm innovation: The moderating effects of economic and institutional context

چکیده
1- مقدمه
2- نظریه و پیش زمینه
3- روش
4- بحث و نتیجه گیری
سپاسگزاری
پیوست الف
منابع

چکیده

     این مقاله، اثرات سیاست های منابع انسانی بر نوآوری شرکت را بررسی می کند. به ویژه، من استدلال می کنم که شرکت هایی که سیاست هایی برای ترویج استقلال شغلی و پرداخت دستمزد بر پایه ی عملکرد اجرا می کنند به طور محتمل تری نوآوری را از طریق سرمایه گذاری در پژوهش و توسعه انجام خواهند داد. افزون بر این، من بر این عقیده هستم که بافت های نهادی (یعنی قوانین کار) و رقابتی (یعنی فشار واردات) که یک شرکت در آن ها فعالیت می کند، به روش های مختلف بر رابطه ی میان سیاست های منابع انسانی و نوآوری تأثیر خواهند گذاشت. این فرضیه ها با استفاده از یک مجموعه داده شامل بیش از 900 شرکت از مجموعه ی ناهمگونی از 12 کشور که بیش ترشان بازارهای نوظهوری هستند، آزموده می شوند. من پشتیبانی تجربی قدرتمندی برای نقش استقلال شغلی و سیاست های پرداخت دستمزد بر پایه ی عملکرد در ترویج نوآوری شرکت، و پشتیبانی جزئی برای اثرات تعدیل-کننده ی بافت های نهادی و رقابتیِ این رابطه می یابم.

نظریه و پیش زمینه
خلاقیت و نوآوری شرکت
     نوآوری یک پیش نیاز برای بقا، رشد و موفقیت تجاری شرکت است، و از همین رو، پی بردن به این که چه چیزی برخی شرکت ها را نسبت به بقیه خلاق تر می کند، یکی از حوزه های کلیدی پژوهش در رشته های مختلف است (شومپیتر، 1934؛ کوهن و لِوینتال، 1990). در میان تبیین های پرشمار ارائه شده و بررسی شده، پژوهشگرانِ رفتار سازمانی توجه ویژه ای به خلاقیت کارمندان، به عنوان یکی از کانال هایی که از طریق آن نوآوری در سازمان ها شکوفا می شود، مبذول داشته اند (سیرس و بابا، 2011). از آنجا که افراد خلاق از طریق یک رویه ی استخدام انتخابی و نیز انتصاب و آموزش مناسب استخدام می شوند، سازمان ها می توانند از «یادگیری اکتشافی» (شیپتون و همکاران، 2005) بهره ببرند جایی که ایده ها و اندیشه ها به طور آزاد جریان دارند و ریسک پذیری بخشی از هنجارهای فرهنگی است (باروس و لازارینی، 2002؛ اینگل و هماران، 2015).

     با وجود این، یافتن، گزینش و استخدام کارمندان باکیفیت و خلاق برای ترغیب نوآوری بسنده نمی کند. همان-گونه که پژوهشگران مدیریت یادآوری می کنند، سیاست های شرکت همچنین باید «تنظیم» شوند تا محیط کاری برای تمرکز راهبردی شرکت بر نوآوری سازگار شود. بنابراین، آمیختگی مطلوبی از سیاست ها (برای نمونه، استقلال، انعطاف پذیری، آموزش، سَبک رهبری، یا الگوهای تسهیم اطلاعات) باید برای سازمان ها لحاظ شوند تا به طور کامل از خلاقیت ذاتی کارمندان خود بهره جویند (شالی و همکاران، 2004؛ وانگ و چنگ، 2010). از همین رو، یکی از چالش های سازمانی اصلی برای شرکت های نوآور، «ایجاد فضایی برای فردیت در درون فرهنگ دیوان سالارانه، به منظور آزاد کردن پتانسیل خلاقانه ی کارمندان است» (ایوانز و همکاران، 1989، ص. 177) . در این باره، آمیختگی درست و صحیح سیاست های منابع انسانی می تواند روزنه هایی برای ترغیب خلاقیت، خطرپذیری، و نوآوری کلی کارمندان برای سازمان ها فراهم آورد.

سیاست های منابع انسانی و نوآوری شرکت
     افزون بر بهره گیری از خلاقیت کارمندان، توانایی یک شرکت برای نوآوری همچنین دارای اهرم های مهمی در سطح سازمان است (امابیل، 1988؛ بوم و همکاران، 2014) که یکی از آن ها، استفاده از رویه های منابع انسانی اختصاصی است (بلوم و ون رینن، 2011). رویه ها و سامانه های منابع انسانی که با عنوان «مدیریت کار و افراد» نام گذاری شده است، با عملکرد نوآوری سازمان ها در رشته های (حوزه های) گوناگون پیوند داده شده است.

کاربرد کلان داده ها در بستر پیش بینی مالی نرخ ارز بر اساس FPGA و تعامل انسان و کامپیوتر

Big data application in exchange rate financial prediction platform based on FPGA and human-computer interaction

چکیده
1 مقدمه
2 پژوهش های مرتبط
3 مواد و روش برای پلتفرم پیش بینی مالی نرخ ارز مبتنی بر یادگیری ماشینی
3.1. FPGA (‏آرایه های دریچه ای برنامه پذیر میدانی)‏ براساس پلتفرم پیش بینی مالی
4 نتیجه و بحث درمورد پلتفرم پیش بینی مالی
5 نتیجه گیری
منابع

چکیده

پیش بینی، بیانیه ای در مورد بازار مالی است. پیش بینی بازار مالی ممکن است فاقد دلایل کافی یا هر گونه تجزیه و تحلیل خوب برای بازار سهام باشد. پیش بینی مالی ممکن است در هر موقعیت یا میانگین، مبتنی بر مدل یا اطلاعات، درست یا نادرست باشد. پیش بینی مالی از طریق روش های مختلفی انجام می شود، از جمله صدها ارزیابی اقتصادی و سیستم های آزمایشی که در آرایه دریچه ای قابل مشاهده هستند. سیستم پردازش سیگنال دیجیتال و IoT (‏اینترنت اشیا)‏ برای پلت فرم اجرایی نرخ تبادل در روش قبلی است. در روش قبلی، کاهش سرمایه گذاری برای کاهش تورم و تنظیم ارزش اشتباه دشوار است. روش پیشنهادی، مبتنی بر دریچه برنامه پذیر و یادگیری برای پیش‌بینی نهایی است. چالش مهم مسائل پیش بینی مالی، همراه با فرصت هایی است که از ویژگی های منحصر به فرد داده های مالی، نسبت های سیگنال به نویز، پیش بینی کننده های مداوم، بی ثباتی پیش بینی‌ کننده و پیش بینی محیطی ناشی از فشار رقابتی و یادگیری سرمایه گذاران ناشی می شوند. روش های ماشینی برای پیش بینی میانگین، واریانس و توزیع احتمال بازده دارایی است. آرایه دریچه ای برنامه پذیر، چگونگی ارزیابی پیش بینی های مالی را پوشش می دهد که منجر به نگرانی های داده کاوی می شود، با در نظر گرفتن این احتمال که مدل های پیش بینی متعددی در نظر گرفته می شوند.

1 مقدمه

پلت فرم های پیش بینی مالی معمولا به زودی رفع اشکال می شوند. تمام برآوردهای نرخ ارز باید بر پول نقد تخصیص یافته به پول های نقد موجود در معاملات بین المللی تمرکز کنند. یادگیری ماشینی، ریسک ها و مزایای مرتبط با محیط تجارت بین المللی را برای برآورد نرخ ارز خارجی ارزیابی می کند. ارزش متغیر مورد استفاده برای ارزش یا برآورد آینده، به ارزش بیش از حد ارزش گذاری شده اشاره دارد. داده ها با استفاده از مجموعه ای از داده های انتخاب شده از طریق Expected Expectation ساخته شده اند. دو روش خالص، برای تخمین نرخ ارز خارجی براساس اطلاعات مورد استفاده در پیش بینی وجود دارد. کارشناسان از مدل های ساختاری برای ایجاد نرخ ارز تعادلی استفاده می کنند. نرخ ارز تعادلی می تواند برای تخمین یا تولید سیگنال های خرید/فروش مورد استفاده قرار گیرد. سیگنال ها می توانند خرید و فروش و تفاوت قابل توجه بین بازده مورد انتظار و نرخ بازده مورد انتظار براساس مدل و نرخ تبادل مشاهده شده توسط بازار در هر زمان را مشخص کنند. یک تفاوت قابل توجه این است که یاد گیرنده باید قیمت را در صورتی که متفاوت یا بالاتر هستند کسر کند. تصمیم بین نرخ ارز دارای ریسک و نرخ بهره واقعی صرف ریسک است. اگر متخصص تصمیم بگیرد که یک تفاوت به دلیل یک تصمیم اشتباه وجود دارد، یک سیگنال خرید یا فروش ایجاد می شود.

Abstract

A prediction is a statement about the financial market. The financial market prediction may lack sufficient reasons or any good stock market analysis. The financial prediction may be correct or inaccurate on any given occasion, or average, Model-based or information. The financial prediction is made by various methods, including hundreds of economic evaluation and test systems, which are Observable in the gate array. The Digital signal processing system and IoT (Internet of thing) for exchange rate finical perdition platform in the previous method. The previous method is difficulty in lower investment to reduce inflation and false value setting. The proposed method is based on Programmable Gate and learning for finical predication. A critical challenge of financial forecasting issues, along with opportunities that arise from the unique characteristics of financial data, signal-to-noise ratios, persistent predictors, predictive instability and environmental predictability resulting from competitive pressure and investors learning. The machine approaches for predicting the mean, variance, and probability distribution of asset returns. Programmable Gate Array covers how to evaluate financial forecasts, which leads to data mining concerns, taking into account the possibility that numerous forecast models are being considered.

1 Introduction

Financial prediction platforms are usually resolved shortly. All exchange rate estimates should focus on cash denominated in the liquid currencies involved in international transactions. Machine learning assesses the risks and benefits associated with the international business environment for foreign exchange rate estimates. The value of the variable value used for future value or estimation refers to the overvalued value. The data constructed using a set of data selected by Expected Expectations. There are two pure methods for estimating foreign exchange rates based on the information used in the forecast. Practitioners use structured models to produce equilibrium exchange rates. The equilibrium exchange rate can be used to estimate or generate buy/sell signals. Signals can generate buying and selling and significant difference between the expected reversal and the expected reversal rate based on the model and the exchange rate observed by the market each time. A significant difference, the learner should deduct the price if they are different or higher. The decision between the risk overdue exchange rate and the actual interest rate is risk premium. If the practitioner decides that there is a difference due to a wrong decision, a buy or sell signal is generated.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

کاربرد کلان داده ها در بستر پیش بینی مالی نرخ ارز بر اساس FPGA و تعامل انسان و کامپیوتر

Big data application in exchange rate financial prediction platform based on FPGA and human-computer interaction

10 روند برتر در بازارهای سرمایه: 2019

Top-10 Trends in Capital Markets: 2019

مقدمه

روند 01: خودکار سازی هوشمند، عملکردهای تجاری را تبدیل می کند

پیش زمینه

عوامل اصلی

بررسی روند

پیامدها

روند 02: RPA، اثربخشی فرایند کسب و کار را افزایش می دهد

عوامل کلیدی

بررسی روند

پیامدها

روند 03: ابر، اثربخشی عملیاتی را و با کمک تصمیمات استراتژیک تحریک خواهد کرد

عوامل کلیدی

بررسی روند

پیامدها

روند 04: میکرو سرویس ها، چابکی و جریان کاری شرکت ها را بهبود می دهند

عوامل کلیدی

بررسی روند

پیامدها

روند 05: قراردادهای هوشمند، اثربخشی توسیه های تجاری را تقویت می کند

پیش زمینه

عوامل کلیدی

بررسی روند

سیستم بازار سرمایه

شرکت های بازار سرمایه

پیامدها

روند 06: پلتفرم سازی، مشتریان و جریان های درآمدی جدید تولید خواهد کرد

پیش زمینه

عوامل کلیدی

بررسی روند

پیامدها

روند 07: رایانش کوآنتوم در مدل عملیاتی بازار سرمایه تغییر اساسی می دهد

عوامل کلیدی

بررسی روند

پیامدها

روند 08: فناوری های قانونگذاری (رگتک) رعایت مقررات و قابلیتهای کاهش ریسک را ارتقا می دهند

عوامل کلیدی

بررسی روند

پیامدها

روند 09: GDPR، عمق بیشتری به حکمرانی و مدیریت داده ها می دهد

پیش زمینه

عوامل کلیدی

بررسی روند

پیامدها

روند 10: : AL و ML نقش مهمی در کنترل جرائم سایبری در آینده خواهند داشت

پیش زمینه

عوامل کلیدی

پیامدها

منابع

مقدمه
     یک دهه پس از رکود جهانی اقتصادی که برخی بانکهای بسیار مهم در اقتصاد به ورطه سقوط افتادند، صنعت مالی دچار رکود شد. بانک ها، موسسات مالی، نهاد ذیصلاح قانونی، و سرمایه گذاران، چندین مرحله را در طول دهه گذشته در نظر گرفتند تا تضمین کنند که تاریخ تکرار نمی شود. هدف اقدامات آنها جلوگیری از سقوط کامل دیگر قیمت سهام بود در حالی که تضمین می کردند که غول صنعت در دوره جدید فناوری های مالی نوآورانه مبتنی بر فناوری، رقابتی باقی می ماند. با طراحی خودکارسازی هوشمند، رعایت قوانین مبتنی بر داده و بینش های عمیق مشتری، آینده بازارهای مالی در حال شکل گیری است؛ و در این گزارش، ما 10 روند برتر بازار را براساس این پدیده ها بررسی خواهیم کرد.

     فشارهای افزایشی بر موسسات مالی وجود دارد تا نوآوری به صورت همیشگی برای بهبود تعامل با مشتری باشد. برای اینکه بانک های تاسیس شده و شرکتهای فناوری مالی به هوش مصنوعی (AI) تمایل پیدا کنند تا موجب راه حل هوشمندانه ای شوند، انتظار می رود موج جدیدی از فرایندهای عملیاتی ساده سازی شده را موجب شوند. امروزه، هوش مصنوعی (AI) و فناوری های مرتبط مانند یادگیری ماشینی (ML)، فناوری توزیع شده دفتر کل (DLT)، و خوکارسازی فرایند رباتیک (RPA) قادر هستند تا سطوح جدیدی از اثربخشی فرایند کسب و کار و تغییر اثربخشی از عملیات تجاری و پساتجاری را با جرائم سایبری و برنامه های رایانش کوآنتومی توانمند کنند.

     یک روش کلیدی برای نوآوری بانک ها، شناسایی مهمترین تقاضاهای مشتریان و استفاده از اطلاعات بعنوان یک سکوی پرش برای توسعه محصولات و خدمات است. این قابلیت، داده های مشتری را تحلیل می کند و بینش های جدید مشتری را استخراج می کند و شرکت ها را قادر می سازد تا الگوهای پنهان داده را شناسایی کنند، بینش های مشتری را از حجم زیاد داده ها تولید کنند، و استراتژی هایی قابل اجرا تولید کنند تا محصولاتی با فرض های قوی ارزشی تولید کنند. جای تعجب نیست که محصولات بهتر، انگیزه های بیشتر برای مشتری و کنترل بهتری فراهم خواهند کرد.

یک مدل شبکه DEA جدید برای ارزیابی عملکرد صندوق سرمایه گذاری مشترک: یک نوع کاربرد در صندوق های سهام ایالات متحده

A new network DEA model for mutual fund performance appraisal: An application to U.S. equity mutual funds

چکیده

1.مقدمه

2- ارزیابی عملکرد صندوق سرمایه گذاری مشترک با استفاده از DEA

2-1 پیشینه

2-2 ساختار شبکه ای پیشنهادی

3- توسعه مدل

3-1 فرآیند تولید سه مرحله ای با پیوند میان دو مرحله اول

3-2 بررسی عملکرد کلی

3-3 بررسی عملکرد در سطح مرحله ای

مرحله 1: محاسبه کارآیی اجرای فرآیند کلی

مرحله 2: کنترل عدم تعادل در منابع میانی

مرحله 3: محاسبه کارآیی در سطح مرحله ای

4- کاربرد در صندوق های سهام ایالات متحده

5- نتایج و بحث

5-1 مرور عملکرد کلی، عملکرد فرآیند پیوسته و عملکرد سطح فرآیند

5-2 عملکرد در سطح صندوق های سرمایه گذاری مشترک منفرد

عملکرد کلی

عملکرد فرآیند پیوسته

عملکرد مدیریت عملیاتی

عملکرد مدیریت منابع

عملکرد مدیریت پورتفوی

5-3 عدم توازن در منابع داخلی

5-4 ارتباط با رتبه بندی مورنینگ استار

6- بررسی استواری

6-1 تغییر در اولویت در تفکیک کارآیی کلی

6-2 تخفیف شرایط سناریوی بدترین حالت در رابطه با عدم توازن در منابع داخلی

7- نتیجه گیری

منابع

چکیده

صندوق سرمایه گذاری مشترک یک ابزار سرمایه گذاری محبوب در میان سرمایه گذاران است. سرمایه گذاران معمولاً عملکرد مدیر صندوق را بر اساس مقایسه با معیارها و الگوهای هدف قضاوت می کنند. از سوی دیگر، مدیران صندوق نیز به دانستن میزان یا علت عملکرد خوب یا ضعیف خود نسبت به همتایان خود در زمینه های مختلف مدیریت صندوق علاقه مندند. برای دستیابی به بینش و درک بهتر نسبت به این مسئله و طراحی یک معیار جامع و کامل برای سنجش عملکرد، نقش مدیریت صندوق به شکل یک فرآیند سه مرحله ای مفهوم پردازی شده است. بدین منظور، برای بررسی عملکرد کلی و مرحله ای مدیر، یک مدل تحلیل پوششی داده های شبکه  توسعه داده شده و فرض شده است که فرآیندهای سه مرحله ای تحت دو شرایط محیطی متفاوت – یعنی سطح ریسک متفاوت – فعالیت می کنند. فعالیت در سطوح متفاوت ریسک از طریق شرایط تحمیل شده برای معیارهای میانی مدل سازی می شود. در این میان به صورت تجربی نشان داده خواهد شد که شاخص جدیدی که برای بررسی عملکرد پیوند پیشنهاد شده است قدرت تمایز عملکرد را بهبود خواهد بخشید. در ادامه کاربردهای بیشتر مدل پیشنهادی بررسی خواهد شد.

1.مقدمه

صنعت صندوق  سرمایه گذاری مشترک  (MF) ایالات متحده، بزرگترین صنعت صندوق سرمایه گذاری مشترک در جهان با تقریباً 16 تریلیون دلار دارایی در پایان سال 2015 است. پنجاه و دو درصد دارایی های این صندوق سرمایه گذاری مشترک شامل صندوق های سهام،  صندوق های اوراق قرضه  (21%)، صندوق های بازار پول  (18%)، و صندوق های ترکیبی  (9%) است که بقیه را تشکیل می دهند (موسسه شرکت سرمایه گذاری، 2016). صندوق-های سهام، اوراق قرضه، و ترکیبی، سرمایه گذاری های طولانی مدت عادی هستند، در حالی که صندوق های بازار پول، بازده کوتاه مدت را فراهم می کنند. سرمایه گذاران خانگی، تجاری و نهادی، علاقه فراوانی به صندوق های سرمایه گذاری مشترک دارند. صندوق سرمایه گذاری مشترک یک ابزار مالی جذاب برای خانوارها است، چون این صندوق ها توسط کارشناسان مالی مدیریت می شوند و داشتن سهام در صندوق سرمایه گذاری مشترک یک روش مقرون به صرفه برای تنوع بخشی به سرمایه گذاری ها است. تقریباً هشتاد و نه درصد دارایی های صندوق های سرمایه گذاری مشترک در ایالات متحده در دست خانوارهاست. اما چون تعداد زیادی از شرکت ها، گزینه های فراوانی برای انتخاب ارائه می کنند، انتخاب صندوق سرمایه گذاری مشترک کار آسانی نیست. آژانس های رتبه-بندی، مانند مورنینگ استار،  راهنمایی هایی در این مورد فراهم می کنند و درجه بندی براساس ستاره را با درنظر گرفتن بازده تعدیل شده ریسک ارائه می کنند. با این وجود، این کاملاً به نفع سهامداران کوچک یا بزرگ است که دید کلی از عملکرد صندوق، و بازده تعدیل شده ریسک  داشته باشند. از سوی دیگر، مدیران صندوق به این مساله علاقمند هستند تا بدانند آیا عملکردشان خوب است یا ضعیف، و در مقایسه با همتایان خود در ابعاد مختلف مدیریت صندوق چطور عمل می کنند. هدف ما بررسی این مساله از طریق مدل چندمرحله ای تحلیل پوششی  داده است.

Abstract

Mutual fund is a popular investment vehicle for investors. Investors usually judge fund manager performance relative to target benchmarks. Fund managers, on the other hand, are interested in knowing how/why they perform well or poorly relative to their peers in different aspects of fund management as well. To acquire more insights about this issue and design a comprehensive performance measure, fund management function is conceptualised as a three-stage production process. To assess overall and stage-level performance, a network data envelopment analysis model is developed. The stage-level processes are deemed to operate under two different environmental conditions—levels of risk exposure. Operation under different levels of risk exposure is modelled through conditions imposed on the intermediate measures. A new index proposed to assess linkage performance is demonstrated empirically to improve discriminatory power of performance. Further applications of the proposed model are discussed.

1. Introduction

U.S. mutual fund (MF) industry is the largest in the world with nearly $16 trillion in assets at year-end 2015. Fifty-two per cent of these MF assets are equity funds with bond funds (21%), money market funds (18%) and hybrid funds (9%) making up the rest (Investment Company Institute, 2016). Equity, bond and hybrid MFs are typical long-term investments whereas money market funds provide shortterm yields. Interest in MFs is generally widespread across households, business and institutional investors. MF is an attractive financial instrument for households because MFs are managed by financial experts and owning shares in a MF is a cost effective way of diversification. In the U.S., approximately eighty-nine per cent of MF assets are held by households. However, as large number of companies offers a wide choice, MF selection is not an easy task. Rating agencies such as Morningstar give guidance to this end by providing star ratings based on risk-adjusted return. Nevertheless, it is in the best interest of investors, whether big or small, to have a general overview of fund performance in addition to risk-adjusted return. Fund managers, on the other hand, will be interested in knowing why/how they perform well or poorly overall as well as in different aspects of fund management compared to their peers. Our aim is to investigate this issue through a novel multistage data envelopment analysis model.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

یک مدل شبکه DEA جدید برای ارزیابی عملکرد صندوق سرمایه گذاری مشترک: یک نوع کاربرد در صندوق های سهام ایالات متحده

A new network DEA model for mutual fund performance appraisal: An application to U.S. equity mutual funds

صنعت ورزش در اقتصادهای در حال رشد: مباحث ضروری و چالش ها

The sport industry in growing economies: critical issues and challenges

مقدمه

جنبه های سازنده جهانی سازی ورزش

چالش های موجود در بازار جهانی ورزش

تحلیل موردی: MLB در آمریکای لاتین

درباره شماره ویژه

منابع

مقدمه

از سال 1970 میلادی، ورزش نقش روزافزونی را در جهانی سازی کسب و کار و رویدادهای عمومی با شرکت کنندگان ورزش ها، سرمایه، و حرکت در سراسر جهان به عهده گرفته است. با رویدادهای ورزشی جهانی مانند جام جهانی فدراسیون بین المللی فوتبال (FIFA) یا بازی های المپیک با جلب تماشاگران سراسر جهان، رویدادهای ورزشی تبدیل به خدمات بسیار جالب توجه شده اند. ورزش های حرفه ای در اقتصادهای پیشرفته بعنوان روشی برای خروج از فقر موردتوجه قرار می گیرند؛ برخی از مثال های بازیکنان فوتبال در آفریقا و آمریکای لاتین یا دوندگان از آفریقا و کارائیب هستند. از سال 1990 میلادی، افزایش چشمگیری در ورزشکاران بین المللی بوجود آمده است که برای مشارکت در قهرمانی های بین دانشگاهی در ازای دریافت یارانه تحصیلی در دانشگاه به ایالات متحده می روند. بسیاری از کشورها، گردشگری ورزشی و اقتصادهای رویداد محور را به منظور نفوذ ارز قوی توسعه داده یا می دهند (نائورایت،2015). با این حال، در روند ورزش جهانی و توسعه رویداد، بسیاری از کشورها بدون زیرساخت لازم یا امکان رقابت موفق، عقب مانده اند. در کشورهایی مانند آفریقای جنوبی، نواحی که می توانند میزبان رویدادهایی بزرگ باشند، ممکن است هجوم درآمد را تجربه کنند؛ با این حال، بیشتر آنها به نواحی خارجی کشور دست نمی یابند (گیامپیکولی و نائورایت، 2017).

روند نمایش یک فرهنگ در پیشبرد یک رویداد ورزشی و در حین آن رویداد باید بر بازارهای آماده تمرکز کند، بنابراین تقویت کلیشه های مربوط به یک مکان و افراد آن مکان ممکن است مفید باشد یا نباشد. مجموعه گردشگری-رسانه-ورزش (نائورایت، 2004،2015) با تحیک ورزش جهانی چند وجهی می شود، اما در شهرهایی مانند کازان، آلماتی، پکن، سئول، هنگ کنگ، دهلی نو، ریو دوژانیرو، بوینس آیرس، و سایر شهرها که به دنبال میزبانی رویدادهای جهانی مهم هستند، جهانی تر می شود. لیگ های فوتبال در آفریقای جنوبی، کره جنوبی، ژاپن، و از همه بیشتر چین، که همگی بازیکنان جزئی در اواخر قرن بیستم هستند، واردکنندگان اصلی استعدادهای فوتبال از کشورهای دیگر، هستند، بعنوان مثال، سوپر لیگ چین، لیگ برتر اروپا و تیم هایی با بهترین بازیکنان از سراسر جهان را به چالش می کشد. در طول سالهای 1980 و 1990 میلادی، این روند شدت گرفت زیرا دولت ها به طور فزاینده ای مبلغ زیادی پول را به برنامه های ورزشی ملی با هدف موفقیت در صحنه های بین المللی اختصاص دادند. 

Introduction

Since the 1970s, sport has assumed an ever-increasing role within the globalization of business and public events with sports participants, capital, and labor moving around the world. With global sport events like the Fédération Internationale de Football Association (FIFA) World Cup of soccer or the Olympic Games capturing world-wide audiences, sports events have become highly sought-after commodities. Professional sports in developed economies are viewed as a pathway out of poverty; some examples are soccer players in Africa and Latin America or runners from Africa and the Caribbean. Since the 1990s, there has been a dramatic increase in international athletes coming to the United States (U.S.) to participate in intercollegiate athletics in exchange for a subsidized university education. Many countries have or are developing sport tourism and event-driven economies in order to increase the influx of hard currency (Nauright, 2015). However, in the process of global sport and event development, many countries are left behind without the necessary infrastructure or visibility to compete successfully. In countries such as South Africa, regions able to host large-scale events may experience an influx of revenue; yet, most of that does not reach peripheral areas of the country (Giampiccoli & Nauright, 2017).

The process of showcasing a culture in the lead-up to a sport event and during the event itself has had to focus on ready-made markets, thus reinforcing stereotypes about a place and its people that may or may not be beneficial. The sport-media-tourism complex (Nauright, 2004, 2015) driving global sport is multifaceted, uneven, but becoming more universal as cities such as Kazan, Almaty, Beijing, Seoul, Hong Kong, New Delhi, Rio de Janeiro, Buenos Aires, and others seek to host major global events. Soccer leagues in South Africa, South Korea, Japan, and most significantly, China, which are all minor players in the latter 20th century, are net importers of soccer talents from other countries; for example, the Chinese Super League is challenging the top European leagues and teams for the best players from around the world. During the 1980s and 1990s, this process intensified as governments increasingly diverted large sums of money into national sporting programs aimed at succeeding on the international stage.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

صنعت ورزش در اقتصادهای در حال رشد: مباحث ضروری و چالش ها

The sport industry in growing economies: critical issues and challenges

حقیقتی درباره بلاک چین

The truth about blockchain

الگوهای استفاده از این تکنولوژی

معماری جدید

یک قالب کاری برای استفاده از بلاک چین

تکنولوژی های جدید چگونه تاثیر خودشان را ایجاد می کنند

محلی شدن

بلاک چین چگونه کار می کند

1- دیتابیس های توزیع شده

2- انتقال نفر به نفر

3- شفافیت بدون مجعولیت

4- غیر بازگشت پذیر بودن گزارش ها

5- منطق محاسباتی

حرکت به سوی سرمایه گذاری بر روی بلاک چین

الگوهای استفاده از این تکنولوژی

قبل از این که خیلی سریع بخواهیم موضوع برنامه ریزی های بلاک چین و سرمایه گذاری در آن را بررسی کنیم، نخست باید نشان دهیم که چه چیزی در رابطه با استفاده از این تکنولوژی و به صورت خاص، روند تغییرات معمول برای تکنولوژی های متداول می دانیم. یکی از رایج ترین نمونه ها، تکنولوژی های شبکه ی توزیع شده ی کامپیوتر ها می باشد که در رابطه با استفاده از TCP/IP ( پروتکل کنترل انتقال / پروتکل اینترنتی) دیده می شود که مبنای توسعه ی اینترنت را ایجاد کرده است. این پروتکل که برای اولین بار در سال 1972 معرفی شد، تنها در نمونه کاربرد های منفرد مفید واقع شد : در واقع این پروتکل مبنایی برای ارسال ایمیل در میان محقق های شبکه ی ARPnet ، دپارتمان دفاعی شکل گرفت و سپس کم کم به سمت تجاری شدن اینترنت پیش رفت. قبل از TCP/IP ، معماری های ارتباطات از راه دور مبتنی بر « سوییچ مداری» ایجاد شده بود که بر اساس آن، اتصالات بین دو طرف یا دو ماشین باید از قبل شکل می گرفت و از طریق نوعی تبادل، حفظ می شد. برای تضمین این که هر دو گره بتوانند با یکدیگر ارتباط داشته باشند، ارائه دهندگان سرویس های ارتباطات از راه دور و تولید کننده های تجهیزات، میلیارد ها دلار هزینه کرده بودند تا خط های اختصاصی را تولید کنند.

با بلاک چین ما می توانیم دنیایی را تصور کنیم که در آن قرار داد ها به صورت نظام های دیجیتال شکل گرفته و در دیتابیس های مشترک و شفاف ذخیره سازی می شوند که در این دیتابیس ها، نسبت به حذف، دستکاری و یا اصلاح نیز در امان هستند. در دنیا تمام توافق نامه ها، تمام روند ها، تمام وظایف و تمام پرداختی ها یک گزارش دیجیتال و یک امضا خواهد داشت که قابل شناسایی، اعتبار سنجی، ذخیره سازی و اشتراک گذاری می باشد. واسط هایی مانند وکیل ها، کارگزار ها و بانکدار ها دیگر ضروری نیستند. افراد، سازمان ها، ماشین ها و الگوریتم ها خیلی آزادانه می توانند با یک دیگر تراکنش و تعامل داشته باشند بدون این که کوچکترین مشکلی ایجاد شود. این یکی از پتانسیل های بسیار عالی بلاک چین می باشد. در واقع، همه شنیده اند که بلاک چین می تواند انقلابی را در تجارت ایجاد کند و شرکت ها و اقتصاد را دوباره تعریف کند. با وجود این که ما هم به دلیل این پتانسیل ها برای این تکنولوژی اشتیاق داریم، نگران تفریط در آن هم هستیم. فقط موضوعات امنیتی نیستند که باعث نگرانی ما می شوند ( مانند رخداد سال 2014 از نظر کاهش تبادل های بیت کوین و هک دیگران). تجربه ی ما در مطالعه ی ابتکار عمل های فنی به ما می گیرد که اگر قرار باشد انقلابی به واسطه ی بلاک چین ایجاد شود، بسیاری از موانع – مانند فنی، دولتی، سازمانی و یا حتی اجتماعی- باید از بین بروند. بدون درک این موانع احتمالی، بی گدار به آب زدن در رابطه با این تکنولوژی کاملا اشتباه خواهد بود. ما معتقد هستیم که تغییرات واقعی تجارت و دولت به سمت بلاک چین، هنوز به سال ها زمان نیاز دارد. به این دلیل که بلاک چین یک تکنولوژی مخرب نیست که بتواند به مدل های متداول تجاری حمله کند و یک روش با صرفه ی هزینه ای بسیار بالا را با سرعتی بالا جایگزین کند. بلاک چین یک تکنولوژی بنیادی می باشد : این پتانسیل را دارد را مبانی جدیدی را برای اقتصاد ما و سیستم های اجتماعی ایجاد کند. اما در حالی که ای تاثیر بسیار گسترده خواهد بود، دهه ها نیز طول می کشد تا بلاک چین کاملا خودش را در زیر ساختار های تتجاری و اقتصادی ما قرار دهد. روند استفاده از این تکنولوژی به صورت تدریجی خواهد بود و تغییرات نهادین به صورت یک موج شکل می گیرند نه خیلی ناگهانی. این دیدگاه و این کاربرد راهبردی ،موضوعی است که ما می خواهیم در این مقاله بررسی کنیم.

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

حقیقتی درباره بلاک چین

The truth about blockchain