چکیده:
در بانکداری اسلامی، دو دسته عقود مشارکتی و غیرمشارکتی (عقود مبادله ای) وجود دارد. عقود مبادله ای، عقودی با نرخ سود ثابت است که نرخ آنها معمولا مبنای تخصیص منابع عقود مشارکتی است . در ایران نرخ سود عقود مبادله ای از سوی بانک مرکزی و به صورت دستوری تعیین میشود. در پژوهش حاضر با الهام از روش ارایه شده از سوی دادگر و فیروزان (١٣٩١) و به منظور مقایسه نتایج و ارتقای کارآیی برآوردها و نشان دادن قابلیت عملیاتی روش مذکور با استفاده از شبکه های عصبی مصنوعی پرسپترون چندلایه (MLP) و تابع پایه شعاعی (RBF) نرخ سود عقود مبادله ای محاسبه و برآورد شد. داده های مورد استفاده ، اطلاعات حقیقی و واقعی عملکرد بخش تولید صنعتی یعنی بنگاه های با بیش از ١٠ نفر کارکن را شامل میشود. طبق نتایج به دست آمده ، دو شبکه از دقت نسبتا خوبی برای تخمین ضرایب تابع هزینه سایه ای برخوردارند و اکثر ضرایب ، در صدم اعشار با هم تفاوت دارد. روش پیشنهادی علاوه بر سهولت انجام ، در راستای روش اقتصادسنجی بوده ولی محدودیت های آن از جمله بررسی تعداد محدود صنایع به دلیل نمونه گیری را نداشته و تقریبا تمام ١٤ هزار داده کارگاه های صنعتی در سال ١٣٨٦ را لحاظ نموده و میزان خطای محاسبات بسیار کمتر است . طبق نتایج حاصل ، نرخ سود عقود مبادله ای برای سال مورد بررسی ١٥درصد به دست آمد که در مقایسه با نرخ سود ١٢ درصد برای سال مذکور، نشان دهنده ٢٠ درصد انحراف در تعیین نرخ سود است که هزینه های غیرقابل انکاری بر اقتصاد کشور و تخصیص منابع محدود دارد.
Islamic banking includes profit and loss sharing (PLS) and transaction contracts. Transaction contracts have fixed rates of return، which in turn form a base for allocating the financial resources to PLS contracts. In Iran، the rates of return in transaction contracts are determined by Central Bank. In this research، we compute and estimate the rates of return in transaction contracts using the Multi-Layer Perceptron (MLP) Artificial Neural Networks and Radial Basis Function (RBF). This research is an extension and improvement of Dadgar and Firoozan (2012) work. Data used for algorithms is the real data gathered from manufacturing workplaces having more than 10 employees. Our results show that two networks are of good accuracy to estimate the coefficients of shadow cost function، and most of them are approximately equal in two networks.
Compared to econometric method، the proposed model has no sampling limitation. This method accounts for all of 14000 manufacturing units in 2007، and consequently the computational errors are much less than those of econometric calculations. According to the results، the estimated rate of return for transaction contracts is 15%. This rate in comparison with the prevailing rate، i.e. 12%، reflects a 20% deviation in determining rate of return، which causes undeniable costs on the economy and allocation of limited resources.
خلاصه ماشینی:
"3rRILW rDWH درون بنگاه ها و بازدهی واقعی، روشی برای اندازه گیری این سود ارائه داده ، مقاله دادگر و فیروزان (١٣٩١) با عنوان «ارایه چارچوبی برای تعیین نرخ سود در عقود مبادله ای» است که با استفاده از روش های اقتصادسنجی و تابع هزینه سایه ای، رویکرد هزینه سایه ای را مطرح نموده اند.
حال با فرض تابع هزینه متغیر به فرم ترانسلوگ ، تابع هزینه واقعی که تابعی از تولید و قیمت های سایه ای نهاده ها است ، به صورت زیر خواهد بود: OQ C a q OQq 1qq OQ q2 iq OQ q OQki wi i OQkiwi 2 i i 12 ij OQki wi OQkj w j 2tt 2 t OQki wi t t OQqt (17) i j i qt OQqt OQ i iitt j ij OQkj wj iq OQq ki و معادله سهم هزینه واقعی برای نهاده L ام با تقسیم مخارج نهاده بر هزینه واقعی، به دست میآید: iitt ij OQkj wj iq OQq ki Sia tt j OQkj wj q OQq ki (18) i j در این معادلات ، T (تولید) را معادل ارزش افزوده گرفته و هدف ما برآورد ضرایب k خصوصا kk (میزان انحراف سرمایه ) در دو معادله آخر (معادله ١٧ و ١٨)، با استفاده از دو شبکه عصبی مصنوعی ٣/M و (%٥ است ."