به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

gray wolf algorithm

در نشریات گروه اقتصاد
تکرار جستجوی کلیدواژه gray wolf algorithm در نشریات گروه علوم انسانی
تکرار جستجوی کلیدواژه gray wolf algorithm در مقالات مجلات علمی
  • محسن مقری گردرودباری، ایمان داداشی*، بهرام محسنی ملکی، علی ذبیحی

    دولت ها برای انجام وظایف عمومی خود نیاز به منابع مالی باثبات و مطمین دارند و از دیرباز مالیات، یکی از مهمترین منابع تامین مالی دولت ها برای انجام وظایف شان بوده است. جلوگیری یا کاهش میزان فرار مالیاتی طی سالیان اخیر از دغدغه های مهم دولت ها در عرصه اقتصادی بوده است. در این پژوهش مقوله فرار مالیاتی با استفاده از هوش مصنوعی و با تمرکز بر مجموعه ای متشکل از 57 شاخص مالی و غیرمالی در سطح کلان اقتصادی، مودیان و حسابرسان مالیاتی، در نمونه ای شامل 978 پرونده مودیان حقوقی اداره کل امور مالیاتی مازندران برای سال های 1391 تا 1398 مورد بررسی قرار گرفته است. در این پژوهش به منظور استخراج ویژگی های تاثیرگذار، از الگوریتم های بهینه سازی سینوس کسینوس و گرگ خاکستری و جهت مدلسازی فرار مالیاتی و آزمون ویژگی ها، از الگوریتم های درخت تصمیم و شبکه عصبی مصنوعی استفاده شده است. براساس نتایج حاصله، الگوریتم بهینه سازی سینوس کسینوس به همراه پیش بینی کننده درخت تصمیم، مقدار خطای کمتری را نسبت به سایر مدل ها دارا بوده و مدلی دقیق تر جهت پیش بینی فرار مالیاتی ارایه می دهد.

    کلید واژگان: فرار مالیاتی، شاخص اقتصادی، مودی، حسابرس مالیاتی، الگوریتم فراابتکاری
    Mohsen Moghri Gardroudbari, Iman Dadashi*, Bahram I Mohseni Malek, Ali Zabihi

    Governments need stable and reliable financial resources to carry out their public duties, and taxes have long been one of the most important sources of funding for governments to carry out their duties. Preventing or reducing the amount of tax evasion has been one of the important concerns of governments in the economic field in recent years. In this research, the category of tax evasion using artificial intelligence and focusing on a set of 57 financial and non-financial indicators at the macro-economic level, taxpayers and tax auditors, in a sample including 978 legal taxpayers' files of the General Directorate of Tax Affairs of Mazandaran. It has been examined for the years 2011 to 2018. In this research, in order to extract effective features, sine cosine and gray wolf optimization algorithms were used, and decision tree and artificial neural network algorithms were used to model tax evasion and test features. Based on the results, the sine-cosine optimization algorithm along with the decision tree predictor has a lower error value than other models and provides a more accurate model for predicting tax evasion.

    Keywords: Tax Evasion, Deterministic Tax, Express Tax, Gray Wolf Algorithm, Decision Tree
  • سبحان مصطفائی درمیان، میثم دعائی*
    در این پژوهش مساله بهینه سازی سبد سهام در شرکت های پذیرفته شده در بازار سرمایه ایران به عنوان یک مساله بهینه سازی تصادفی چندهدفه مورد بررسی قرار گرفته است. تابع هدف اول شامل کمینه سازی ریسک و تابع هدف دوم شامل بیشینه سازی بازده است. محدودیت های مدل شامل محدودیت انتخاب شرکت ها به صورت منحصربفرد و همچنین محدودیت بودجه می باشد. به منظور حل مساله، دو الگوریتم فراابتکاری ژنتیک و گرگ خاکستری توسعه داده شده که با استفاده مثال های عددی برگرفته از 491 شرکت پذیرفته شده در بورس اوراق بهادار تهران و فرابورس ایران از تاریخ 5 فروردین 1397 تا 30 آذر 1400، مورد تجزیه و تحلیل عددی قرار گرفتند. مطابق با نتایج عددی می توان مشاهده نمود الگوریتم گرگ خاکستری در تمامی مثال ها دارای کارایی بالاتری نسبت به الگوریتم ژنتیک است. البته قابل توجه است که در هیچ کدام از مثال های عددی، درصد پاسخ های ناموجه در رویه بهبود الگوریتم ها از 02/10 درصد بیشتر نشده است. همچنین درصد بهبود کارایی الگوریتم گرگ خاکستری نسبت به الگوریتم ژنتیک بین 3 تا 11 درصد گزارش شده است.
    کلید واژگان: بهینه سازی سبد سهام، الگوریتم ژنتیک، الگوریتم گرگ خاکستری، بورس اوراق بهادار تهران و فرابورس ایران
    Sobhan Mostafayi Darmian, Meysam Doaei *
    The purpose of this study is to optimize the portfolio in companies listed on the Iran capital market (Tehran Stock Exchange and Iran Farabours) as a multi-objective optimization problem. The first objective function includes risk minimization and the second objective function includes return maximization. The limitations of the model include the limitation of selecting companies individually as well as the limitation of budget. In order to solve the problem, two genetic metaheuristic algorithms and a gray wolf have been developed, which are analyzed using numerical examples taken from 491 companies listed on the Tehran Stock Exchange and the Iran Farabours market from April 26, 2016 to December 21, 2022 were subjected to numerical analysis.According to the numerical results, it can be seen that the gray wolf algorithm has a higher efficiency than the genetic algorithm in all examples. It is noteworthy, however, that in none of the numerical examples did the percentage of unwarranted responses in the algorithm improvement procedure exceed 10.2%. Also, the percentage improvement of the gray wolf algorithm compared to the genetic algorithm is reported to be between 3 and 11%.
    Keywords: Portfolio Optimization, genetic algorithm, gray wolf algorithm, Tehran Stock Exchange, Iran Farabours
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال