سازمان همکاری شانگهای نمادی از زنجیره همگرایی منطقه‌ای در آسیا به شمار می‌رود که به‌واسطه موقعیت اقتصادی و یا اجتماعی کشورهای عضو و همچنین پوشش جغرافیایی این گروه در سطح جهان قابل توجه است.از سویی تفاوت‌های عدیده در زیرساخت‌های اقتصادی کشورهای عضو و سطح درآمدی آن‌ها بررسی شاخص تاب‌آوری در گروه شانگهای بسیار حائز اهمیت است.در واقع شاخص تاب‌آوری به دنبال ارزیابی قابلیت سازگاری اقتصادی یک کشور و یا گروهی از کشورها در مقابل شوک‌های ایجادشده و نهایتاً پتانسیل بازگشت به سطح تعادلی مطلوب است،لذا بررسی سطح تاب‌آوری در گروه شانگهای می‌تواند دورنما و آینده این سازمان را با وضوح بیشتری نشان دهد.در این پژوهش از روش اقتصادسنجی پانل فضایی در دوره زمانی 2019-2013 استفاده شده است.لذا دو معادله بررسی و مدل SEM با روش اثرات تصادفی پذیرفته شده است و نتایج نشان می‌دهد که متغیرهای حجم تجارت و نوآوری بر سرانه تولید ناخالص داخلی، تأثیر مثبت و معناداری دارند.

هدف این مقاله مدل سازی تقاضای کل برق به منظور برآورد کشش های قیمتی و درآمدی با به کارگیری داده های استانی و روش پانل فضایی بوده است. با توجه به سه ساختار اقلیمی (معمولی، سردسیر و گرمسیر) در کشور که به دلیل تغییرات دمایی شکل می گیرند، تقاضا برای برق در استان های کشور متفاوت است. لذا این مقاله به دنبال این است که با در نظر گرفتن ماتریس وابستگی و مجاورت فضایی نسبت به استخراج کشش های قیمتی و درآمدی تقاضای کل برق (که در مطالعات قبلی مغفول مانده است)، اقدام نماید. برای این منظور از داده های سری زمانی 1386 تا 1396 برای 28 استان و روش پانل فضایی اقدام به برآورد تابع تقاضای کل برق گردید. نتایج حاکی از آن است که کشش قیمتی تقاضای کل برق (0. 08-)، کشش متقاطع تقاضای برق (0. 065-)، کشش درآمدی (0. 11) و کشش تقاضا نسبت به تغییرات دما (1. 9) است. به عبارت دیگر تقاضای برق نسبت به تغییرات قیمت برق و قیمت گاز طبیعی و درآمد دارای حساسیت کم تری (کم کشش) داشته ولی نسبت به تغییرات دما از حساسیت بالاتری (با کشش) برخوردار است. با توجه به کشش قیمتی برق نسبت به تغییرات گاز طبیعی می توان عنوان کرد که انرژی برق و گاز طبیعی نسبت به هم کالای جانشین هستند و هم چنین براساس کشش درآمدی، برق یک کالای نرمال ضروری محسوب می شود.

برای رشد و توسعه کشورها، بنگاه ها و حتی افراد جامعه، سرمایه گذاری از جانب آنها امری ضروری و حیاتی است و برای بهره گیری و اثربخشی بیشتر، این سرمایه گذاری ها میبایست بهینه باشد. از زمان معرفی تئوری مارکویتز و حتی قبل از آن، مفهوم سرمایه گذاری بهینه به عنوان مصالحه ای بین ریسک و بازده، مورد توجه قرار گرفته بود. در طول چندین دهه بعد از آن، تعابیر و ابعاد جدیدی از معیارهای بهینه و خصوصاً ریسک مطرح شده است. در این مقاله سعی شده است با ارائه مدلی از ریسک نقدشوندگی با بهره گیری از مفهوم متنوع سازی در قالب آنتروپی شانون و رویکرد اقتصادسنجی، سبد بهینه ای از سرمایه گذاری با کمترین ریسک و بیشترین بازده، در قالب یک پرتفوی از 4 گروه صنعتی بورس تهران شامل گروههای فلزات اساسی، بانکها، فرآورده های نفتی و کانه های فلزی که بیشترین ارزش بازار بورس ایران را در اختیار دارند، ارائه شود. داده های آماری این پژوهش برای صنایع منتخب، شامل بازده شاخص قیمتی روزانه و بازده شکاف قیمتی روزانه در فاصله سال های 1395 تا پایان سال 1399 است. برای محاسبه ریسک نقدشوندگی، با استفاده از روشهای گارچ چند متغیره، ماتریس واریانس-کوواریانس بازده شاخص قیمتی و شکاف قیمتی، محاسبه و در مدل ارائه شده، استفاده شده و نهایتاً وزن بهینه با استفاده از کد نویسی در نرم افزار متلب و استفاده از روش بهینه سازی الگوریتم ژنتیک رتبه بندی نامغلوب نسخه دوم، برای صنایع منتخب محاسبه شده است. نتایج خروجی مدل نشان می دهند وزن بهینه گروه هایی که واریانس کمتری دارند در سبد بهینه بیشتر است. ضمن اینکه تاثیر حذف مفهوم نقدشوندگی از مدل منجر به افزایش وزن صنایعی می شود که نقدشوندگی کمتری دارند و به همراه افزایش ریسک، بازده پرتفوی بهینه نیز در این حالت افزایش می یابد. همچنین با حذف محدودیت شاخص متنوع سازی شانون، نتایج خروجی نشان می دهند این محدودیت تقریباً تاثیری بر اوزان بهینه (حداقل در این مدل) نمی گذارد.

اقتصادسنجی مالی و هوش محاسباتی به عنوان دو حوزه کلیدی در تحلیل داده های مالی و مدل سازی ریسک، هر یک به طور مستقل به کار گرفته شده اند. اقتصادسنجی مالی با استفاده از مدل های آماری و ریاضیاتی به تحلیل روابط میان متغیرهای اقتصادی و مالی می پردازد، در حالی که هوش محاسباتی با تمرکز بر تحلیل داده های پیچیده و غیرخطی به پیش بینی نوسانات و ریسک های مالی کمک می کند. هم افزایی میان این دو رویکرد می تواند به بهبود دقت مدل سازی و تصمیم گیری های مالی منجر شود. هدف این مقاله بررسی هم افزایی میان اقتصادسنجی مالی و هوش محاسباتی در مدل سازی ریسک و ارائه نمونه هایی از کاربردهای موفق آن در حوزه مالی است. این مطالعه به روش تحلیل توصیفی و مروری بر ادبیات موجود انجام شده است. منابع علمی مرتبط با کاربردهای اقتصادسنجی مالی و هوش محاسباتی در پیش بینی نوسانات و ریسک های مالی مورد بررسی قرار گرفتند. همچنین مدل های ترکیبی این دو حوزه تحلیل و نقاط هم افزا و چالش های موجود ارزیابی شدند. نتایج نشان داد که ترکیب روش های اقتصادسنجی مالی و هوش محاسباتی به طور قابل توجهی به بهبود دقت پیش بینی های مالی، کاهش ریسک های سیستمیک، و شناسایی الگوهای پیچیده در داده های مالی کمک می کند. مدل های ترکیبی، به ویژه در شرایط بحرانی و ناپایدار بازارهای مالی، عملکرد بهتری نسبت به استفاده از هر یک از این روش ها به تنهایی دارند. ترکیب اقتصادسنجی مالی و هوش محاسباتی می تواند به بهبود مدل سازی ریسک و تصمیم گیری های مالی منجر شود. با وجود چالش هایی مانند نیاز به داده های بزرگ و پیچیدگی محاسباتی، این رویکرد هم افزا پتانسیل قابل توجهی برای توسعه مدل های پیش بینی دقیق تر و بهبود مدیریت ریسک دارد.

بازده سهام یکی از معیارهای مهم تصمیم گیری فعالان بازارهای سرمایه است. در این مقاله ارتباط بین عوامل مدلCANSLIM  بازار با بازده سهام شرکت های پذیرفته شده با استفاده از مدل های اقتصادسنجی مورد آزمون قرار گرفته است. متغییرهای مدل CANSLIM شامل درصد تغییرات سود فصلی، درصد تغییرات سود سالانه، مدیریت جدید، دامنه بالای قیمت جدید، میزان شناوری سهام، پیشرو بودن، حمایت سرمایه گذاران نهادی و جهت بازار (تغییرات شاخص کل) است. برای انجام تحقیق 70 شرکت در طی سال های 1383-1389 با روش همبستگی مورد مطالعه قرار گرفته است. برای تحلیل از روش تجزیه و تحلیل رگرسیون چند متغییره مبتنی بر داده های ترکیبی (تابلویی) و تلفیقی استفاده شده است.نتایج آزمون فرضیه ها با هشت متغییر ذکر شده نشان از ارتباط معنادار و مستقیم بین 4 متغیر یعنی مدیریت جدید (در سطح 10 درصد) و دامنه بالای قیمت جدید، حمایت سرمایه گذاران نهادی و جهت بازار با بازده سهام بوده است.