Quant Way
الذهاب إلى القناة على Telegram
بینشی علمی و آماری به بازار سرمایه و پول Scientific and statistical approach to capital and money markets
إظهار المزيد635
المشتركون
+124 ساعات
+37 أيام
+330 أيام
جارٍ تحميل البيانات
القنوات المماثلة
سحابة العلامات
الإشارات الواردة والصادرة
---
---
---
---
---
---
جذب المشتركين
أكتوبر '26أكتوبر '26
أكتوبر '26
+3
في 0 قنوات
سبتمبر '260
في 0 قنوات
Get PRO
أغسطس '260
في 0 قنوات
Get PRO
يوليو '260
في 1 قنوات
Get PRO
يونيو '260
في 0 قنوات
Get PRO
مايو '260
في 0 قنوات
Get PRO
أبريل '260
في 0 قنوات
Get PRO
مارس '260
في 0 قنوات
Get PRO
فبراير '260
في 0 قنوات
Get PRO
يناير '260
في 0 قنوات
Get PRO
ديسمبر '250
في 0 قنوات
Get PRO
نوفمبر '250
في 1 قنوات
Get PRO
أكتوبر '250
في 0 قنوات
Get PRO
سبتمبر '250
في 0 قنوات
Get PRO
أغسطس '250
في 0 قنوات
Get PRO
يوليو '250
في 0 قنوات
Get PRO
يونيو '250
في 0 قنوات
Get PRO
مايو '250
في 0 قنوات
Get PRO
أبريل '250
في 0 قنوات
Get PRO
مارس '250
في 0 قنوات
Get PRO
فبراير '250
في 0 قنوات
Get PRO
يناير '25
+13
في 0 قنوات
Get PRO
ديسمبر '24
+9
في 0 قنوات
Get PRO
نوفمبر '24
+18
في 0 قنوات
Get PRO
أكتوبر '24
+13
في 0 قنوات
Get PRO
سبتمبر '24
+19
في 0 قنوات
Get PRO
أغسطس '24
+12
في 0 قنوات
Get PRO
يوليو '24
+27
في 0 قنوات
Get PRO
يونيو '24
+31
في 0 قنوات
Get PRO
مايو '24
+20
في 0 قنوات
Get PRO
أبريل '24
+20
في 1 قنوات
Get PRO
مارس '24
+24
في 0 قنوات
Get PRO
فبراير '24
+40
في 0 قنوات
Get PRO
يناير '24
+61
في 0 قنوات
Get PRO
ديسمبر '23
+69
في 0 قنوات
Get PRO
نوفمبر '23
+14
في 0 قنوات
Get PRO
أكتوبر '23
+9
في 0 قنوات
Get PRO
سبتمبر '23
+20
في 0 قنوات
Get PRO
أغسطس '23
+16
في 0 قنوات
Get PRO
يوليو '23
+19
في 0 قنوات
Get PRO
يونيو '23
+14
في 0 قنوات
Get PRO
مايو '23
+19
في 0 قنوات
Get PRO
أبريل '23
+17
في 0 قنوات
Get PRO
مارس '23
+36
في 0 قنوات
Get PRO
فبراير '23
+5
في 0 قنوات
Get PRO
يناير '23
+39
في 0 قنوات
Get PRO
ديسمبر '22
+13
في 0 قنوات
Get PRO
نوفمبر '22
+44
في 0 قنوات
Get PRO
أكتوبر '22
+6
في 0 قنوات
Get PRO
سبتمبر '22
+17
في 0 قنوات
Get PRO
أغسطس '22
+13
في 0 قنوات
Get PRO
يوليو '22
+30
في 0 قنوات
Get PRO
يونيو '22
+19
في 0 قنوات
Get PRO
مايو '22
+21
في 0 قنوات
Get PRO
أبريل '22
+50
في 0 قنوات
Get PRO
مارس '22
+86
في 0 قنوات
Get PRO
فبراير '22
+24
في 0 قنوات
Get PRO
يناير '22
+70
في 0 قنوات
Get PRO
ديسمبر '21
+15
في 0 قنوات
Get PRO
نوفمبر '21
+10
في 0 قنوات
Get PRO
أكتوبر '21
+78
في 0 قنوات
Get PRO
سبتمبر '21
+30
في 0 قنوات
Get PRO
أغسطس '21
+30
في 0 قنوات
Get PRO
يوليو '21
+54
في 0 قنوات
Get PRO
يونيو '21
+19
في 0 قنوات
Get PRO
مايو '21
+12
في 0 قنوات
Get PRO
أبريل '21
+44
في 0 قنوات
Get PRO
مارس '21
+76
في 0 قنوات
Get PRO
فبراير '21
+410
في 0 قنوات
| التاريخ | نمو المشتركين | الإشارات | القنوات | |
| 17 أكتوبر | 0 | |||
| 16 أكتوبر | +1 | |||
| 15 أكتوبر | 0 | |||
| 14 أكتوبر | +1 | |||
| 13 أكتوبر | +1 | |||
| 12 أكتوبر | 0 |
منشورات القناة
| 2 |  تحلیل تخصصی نسبت شارپ: در ادبیات مهندسی مالی، نسبت شارپ بالای ۳.۰ بسیار نادر و استثنایی تلقی می‌شود. عدد خیره‌کننده ۸.۲۱ برای TradingAgents در سهام $AAPL ناشی از دوره بک‌تست ۳ ماهه و کنترل فوق‌العاده افت سرمایه (تنها ۰.۹۱٪) است؛ چرا که سیستم با ورود و خروج‌های به‌موقع، عملاً هیچ عقب‌نشینی (Pullback) سنگینی را در این بازه زمانی تجربه نکرده است.
۷. نتیجه‌گیری و چشم‌انداز آینده: آیا عصر مدیران سرمایه‌گذاری انسانی به پایان رسیده است؟
فریم‌ورک TradingAgents نشان داد که هم‌افزایی عاملیت‌های تخصصی هوش مصنوعی و شبیه‌سازی ساختار واقعی شرکت‌های معامله‌گری، پارادایم جدیدی را در تحلیل و معامله‌گری بازارهای مالی گشوده است. ترکیب تحلیل بنیادین، تحلیل تکنیکال، سنجش افکار عمومی، مناظره دیالکتیک و مدیریت ریسک هوشمند، دقتی بی‌نظیر همراه با شفافیت استدلال ارائه می‌دهد.
با این جهش بزرگ در هوش مصنوعی چندعاملی، یک سوال بنیادی مطرح می‌شود: در آینده‌ای که سیستم‌های عاملی هوشمند با چنین سرعت، دقت و انضباطی بازارهای مالی را تحلیل می‌کنند، نقش و جایگاه معامله‌گران و مدیران سرمایه‌گذاری انسانی دقیقاً چه خواهد بود؟ آیا هوش مصنوعی جایگزین انسان می‌شود یا ابزاری بی‌رقیب در دست مدیران آینده است؟
دیدگاه و تحلیل خود را در بخش نظرات با ما به اشتراک بگذارید! به نظر شما آیا زمان آن رسیده که بخشی از سبد سرمایه‌گذاری خود را به دستیاران چندعاملی هوش مصنوعی بسپاریم؟ | 40 |
| 3 | چگونه هوش مصنوعی گروهی آینده معامله‌گری بورس را دگرگون می‌سازد؟ ۵ کشف غافلگیرکننده از فریم‌ورک TradingAgents
۱. مقدمه: وقتی هوش مصنوعی به اتاق معامله‌گری وال‌استریت بدل می‌شود
معامله‌گران انسانی همواره با حجم عظیمی از داده‌های متناقض، هیجانات لحظه‌ای بازار و محدودیت‌های شناختی دست‌وپنجه نرم می‌کنند. در طرف مقابل، ربات‌های معامله‌گر سنتی نیز صرفاً بر الگوریتم‌های ریاضی ساده یا مدل‌های تک‌عاملی متکی هستند؛ الگوریتم‌هایی که توانایی درک پیچیدگی‌های چندوجهی بازارهای مالی، نظیر تحلیل هم‌زمان اخبار اقتصادی، تحلیل رفتار کاربران در شبکه‌های اجتماعی و بررسی صورت‌های مالی را ندارند.
اما چه می‌شود اگر بتوان یک شرکت معامله‌گری کامل را با تمام دپارتمان‌ها و متخصصانش شبیه‌سازی کرد؟ فریم‌ورک انقلابی TradingAgents با بهره‌گیری از سیستم‌های چندعاملی (Multi-Agent Systems) بر پایه مدل‌های زبانی بزرگ (LLM)، دقیقاً همین ایده را عملی کرده است. این معماری پیشرو با تقسیم کار میان عاملیت‌های هوشمند و تخصصی، نشان می‌دهد که چگونه همکاری و مناظره گروهی هوش مصنوعی می‌تواند پیچیده‌ترین مسائل مالی وال‌استریت را حل کند.
۲. کلید اول: غلبه بر «اثر تلفن‌بازی» با پروتکل ارتباطی ساختاریافته
در سیستم‌های هوش مصنوعی متکی بر زبان طبیعی، یکی از چالش‌های اصلی در وظایف طولانی و چندمرحله‌ای، فساد داده‌ها، فراموشی پیش‌زمینه (Context) و اختلال در تصمیم‌گیری است. زمانی که عاملیت‌های هوش مصنوعی مجبور باشند پیام‌های متنی طولانی و بدون ساختار را بین خود دست‌به‌دست کنند، جزئیات حیاتی در میان انبوه اطلاعات گم می‌شوند؛ پدیده‌ای که به «اثر تلفن‌بازی» (Telephone Effect) معروف است.
فریم‌ورک TradingAgents برای حل این مشکل، گفتگوهای متنی طولانی و پراکنده را با پروتکل ارتباطی ساختاریافته و گزارش‌های خلاصه و منظم جایگزین کرده است. در این پروتکل، عاملیت‌ها به‌جای ارسال تاریخچه گفتگوهای متنی سنگین، داده‌های پردازش‌شده را در قالب فرمت‌های دقیق (نظیر JSON یا Markdown) مستقیماً در وضعیت عمومی سیستم (Global Agent State) ثبت و فراخوانی می‌کنند. این فرایند داده‌پایه، پایداری و شفافیت تصمیم‌گیری در گام‌های بلندمدت را تضمین می‌کند.
"ارتباط صرف بر پایه زبان طبیعی در وظایف پیچیده و طولانی، شبیه به بازی تلفن‌بازی عمل می‌کند—با گذشت زمان و طولانی شدن گفتگوها، جزئیات اولیه فراموش یا تحریف می‌شوند."
دستاوردهای پروتکل ارتباطی ساختاریافته:
جلوگیری از انباشت متن‌های غیرضروری: کاهش ریسک فساد و تحریف داده‌ها در طول زمان.
امکان فراخوانی مستقیم اطلاعات: عاملیت‌ها می‌توانند جزئیات مورد نیاز را مستقیماً از وضعیت عمومی سیستم (Global Agent State) استخراج کنند.
افزایش کارایی و تمرکز: حفظ تمرکز عاملیت‌ها بر روی وظایف تخصصی خود در برنامه‌ریزی‌های بلندمدت.
۳. کلید دوم: جادوی مناظره هوشمند؛ شبیه‌سازی نبرد خرس‌ها و گاوهای بازار
سیستم‌های هوش مصنوعی تک‌عاملی غالباً دچار تعصب شناختی و توهم (Hallucination) می‌شوند و ممکن است بر اساس یک سیگنال نادرست تصمیمات یک‌جانبه بگیرند. TradingAgents برای حل این چالش، ساختار کامل یک شرکت سرمایه‌گذاری واقعی را شبیه‌سازی می‌کند.
در خط مقدم این سیستم، تیم تحلیلگران (Analyst Team) شامل چهار عاملیت تخصصی حضور دارند: ۱. تحلیل‌گر بنیادین (Fundamental Analyst): بررسی صورت‌های مالی، نسبت‌های سودآوری و ارزش ذاتی. ۲. تحلیل‌گر افکار عمومی (Sentiment Analyst): پایش شبکه‌های اجتماعی نظیر Reddit و X/Twitter. ۳. تحلیل‌گر اخبار (News Analyst): تحلیل رویدادهای کلان اقتصادی و اخبار خبرگزاری‌های معتبر مانند Bloomberg و Finnhub. ۴. تحلیل‌گر تکنیکال (Technical Analyst): محاسبه شاخص‌های فنی نظیر MACD، RSI و Bollinger Bands.
خروجی این چهار تحلیل‌گر وارد تیم پژوهش (Researcher Team) می‌شود؛ جایی که عاملیت‌ها به دو گروه گاوها (Bullish - موافقان رشد) و خرس‌ها (Bearish - موافقان افت) تقسیم شده و در چندین دور مناظره دیالکتیک، دلایل یکدیگر را نقد می‌کنند.
پس از جلب تقاطع آرا، پیشنهاد معامله به تیم مدیریت ریسک (Risk Management Team) ارسال می‌شود تا از سه زاویه جسورانه (Risky)، خنثی (Neutral) و محافظه‌کارانه (Safe) ارزیابی شود. در نهایت، مدیر صندوق (Fund Manager) به‌عنوان تصمیم‌گیرنده نهایی، گزارش مناظره مدیریت ریسک را بررسی کرده و تاییدیه اجرا یا تعدیل سفارش را صادر می‌کند. این زنجیره هوشمند، توهمات مدل را خنثی کرده و نسبت شارپ را به شکل چشمگیری بهینه‌سازی می‌کند.
۴. کلید سوم: پایان عصر «جعبه سیاه»؛ شفافیت کامل و استدلال قابل درک در معاملات
بزرگ‌ترین چالش الگوریتم‌های سنتی یادگیری عمیق در بازارهای مالی، غیرشفاف بودن (Black Box) آن‌هاست؛ جایی که مدل یک تصمیم خرید یا فروش صادر می‌کند اما علت دقیق آن ناپیداست. عدم شفافیت در بازارهای مالی واقعی می‌تواند منجر به خسارات سنگین و عدم اعتماد سرمایه‌گذاران شود.
در مقابل، TradingAgents با بهره‌گیری از فریم‌ورک استدلال ReAct (هم‌افزایی استدلال و عمل) شفافیت کاملی ارائه می‌دهد. تمام عاملیت‌ها—از تحلیلگران اولیه تا مدیر صندوق—گام‌به‌گام فرایند تفکر، نحوه استفاده از ابزارها و استدلال‌های متنی خود را در لاگ‌های متنی شفاف ثبت می‌کنند. این ویژگی به معامله‌گران و مدیران ریسک اجازه می‌دهد علت دقیق هر تصمیم خرید، فروش یا نگهداری سهام را به زبان طبیعی درک کرده و در صورت بروز خطا، سیستم را به‌راحتی رفع عیب (Debug) کنند.
۵. کلید چهارم: معماری دوگانه؛ ترکیب «تفکر سریع» و «تفکر عمیق» با حداقل هزینه
یکی از نوآوری‌های کلیدی TradingAgents، معماری دوگانه آن در انتخاب و هدایت مدل‌های زبانی است. برای مدیریت بهینه هزینه‌ها و افزایش سرعت اجرا، وظایف بر اساس سطح تعقل مورد نیاز میان مدل‌های مختلف توزیع شده‌اند:
مدل‌های تفکر سریع (Quick-Thinking): مدل‌هایی نظیر gpt-4o-mini و gpt-4o برای وظایف کم‌عمق و نیازمند سرعت بالا مانند استخراج داده از APIها، خلاصه‌سازی اولیه و تبدیل داده‌های جدولی به متن تخصیص یافته‌اند.
مدل‌های تفکر عمیق (Deep-Thinking): مدل‌های قدرتمندی مانند o1-preview برای وظایف نیازمند استدلال پیچیده، نگارش گزارش‌های مستند بر پایه شواهد و اداره مناظره‌های دیالکتیک به کار گرفته می‌شوند.
توزیع نقش‌ها در معماری سیستم:
تیم تحلیلگران: ترکیب مدل‌های سریع (جهت فراخوانی ابزارها و APIها) و مدل‌های عمیق (جهت تحلیل کیفی گزارش‌ها).
تیم پژوهش، معامله‌گران، مدیریت ریسک و مدیر صندوق: اتکای کامل بر مدل‌های تفکر عمیق (o1-preview) جهت حفظ منطق استدلال در مناظره‌ها و اخذ تصمیمات نهایی.
نکته برجسته این است که فریم‌ورک فوق نیازی به سخت‌افزارهای گران‌قیمت یا پردازنده‌های گرافیکی سنگین (GPU) ندارد و کاملاً از طریق فراخوانی API مدیریت می‌شود که باعث مقیاس‌پذیری بالا و کاهش بی‌نظیر هزینه‌ها می‌گردد.
۶. کلید پنجم: نتایج خیره‌کننده در بازار واقعی؛ شکست دادن استراتژی‌های سنتی Wall Street
ارزیابی بک‌تست فریم‌ورک TradingAgents بر روی سهام شرکت‌های بزرگ فناوری ($AAPL, $GOOGL, $AMZN) در بازه زمانی اول ژانویه تا ۲۹ مارس ۲۰۲۴، عملکرد فوق‌العاده آن را به اثبات رسانده است. این سیستم با بهره‌گیری از داده‌های چندوجهی شامل ۶۰ شاخص تکنیکال، اخبار روزانه خبرگزاری‌های EODHD و Finnhub، تحلیل افکار عمومی Reddit و X/Twitter و بررسی تراکنش‌های دارندگان اطلاعات نهانی (Insider Transactions)، توانسته است استراتژی‌های سنتی را با فاصله‌ای چشمگیر شکست دهد.
جدول زیر مقایسه عملکرد TradingAgents با استراتژی‌های شاخص بازار بر روی سهام اپل ($AAPL) را نشان می‌دهد: | 28 |
| 4 |  📸 قیمت عجیب کارخانه برای ارزان‌ترین خودرو؛ پراید وانت یک میلیارد و دویست میلیون تومان!
قیمت جدید سایپا ۱۵۱ بادلاین پاششی با احتساب هزینه های جانبی ویژه مهر ماه ۱۴۰۵ به شرح زیر است:
▫️پراید وانت با کفی پاششی: ۱.۲۱۲ میلیارد تومان
▫️قیمت قبل: ۹۴۷ میلیون تومان
▫️میزان افزایش قیمت: ۲۶۵ میلیون تومان
@tejaratnews | 30 |
| 5 | تعمیرات اساسی پالایشگاه بیدبلند برای تأمین پایدار گاز در زمستان تکمیل شد
🔹 عملیات تعمیرات اساسی پالایشگاه گاز بیدبلند با هدف افزایش آمادگی عملیاتی و تضمین پایداری تولید گاز در فصل سرد سال به پایان رسید. این اقدام در چارچوب برنامه آماده‌سازی تأسیسات صنعت گاز برای پاسخ‌گویی به افزایش تقاضای گاز در ماه‌های سرد و جلوگیری از اختلال در روند تولید و فرآورش انجام شده است.
🔹 تکمیل به‌موقع تعمیرات اساسی پالایشگاه‌های گازی، از عوامل مهم حفظ ظرفیت عملیاتی تأسیسات و پشتیبانی از شبکه تأمین گاز کشور در زمستان به شمار می‌رود./صداوسیما | 32 |
| 6 | https://github.com/tauricresearch/tradingagents
https://github.com/ariadng/metatrader-mcp-server | 33 |
| 7 |  🎥 رئیس سازمان امور مالیاتی: تکالیف مالیاتی اصناف و مودیان شفاف با داده‌های ماده ۱۶۹ مکرر تسهیل می‌شود
▪️نگاه راهبردی در نظام مالیاتی بر این پایه استوار شده که فعالان اقتصادی شفاف، شریک راهبردی سازمان محسوب می‌شوند و اگر تصمیم‌ها یا فرآیندهای مالیاتی کوچک‌ترین اختلالی در کسب‌وکار افراد قانون‌مدار ایجاد کند، پیش از همه خود نظام مالیاتی متضرر خواهد شد
▪️از همین رو، رویکرد اصلی به سمت تسهیل تکالیف مودیان تغییر جهت داده است؛ تا جایی که در ماجرای اجرای قانون پایانه‌های فروشگاهی، با وجود دشواری‌ها و حتی همراهی محدود برخی تشکل‌ها، خود سازمان برای کاستن از مشقت مودیان پیش‌قدم شد و لایحه تسهیل تکالیف مودیان را برای تصویب به مجلس شورای اسلامی فرستاد تا اجرای قانون برای مردم هموارتر شود
▪️این تغییر نگرش به‌طور ملموس در شیوه مالیات‌ستانی از اصناف و مشاغل نیز پیاده شده است
@tejaratnews | 56 |
| 8 | سبحانیان: ۷۰ درصد هزینه‌های جاری کشور از محل پرداخت مالیات تامین می‌شود | 56 |
| 9 | غریب‌آبادی:
پاسخ ایران به ملاحظات آمریکا درباره پیشنهاد طرح آتش‌بس هفت‌روزه همچنان در دست بررسی است؛ پس از تکمیل رایزنی‌ها، موضع نهایی را از طریق میانجی‌ها منتقل خواهیم کرد
تبادل پیام میان تهران و واشنگتن از طریق میانجی‌ها ادامه دارد
موضع آمریکا درباره برخی شروط ایران همچنان روشن نیست | 65 |
| 10 | ۸. نتیجه‌گیری: میراث هال و وودفورد و سوالی برای آینده
رابرت هال به اقتصاددانان چارچوبی دقیق و قابل آزمون برای فهم رفتار آینده‌نگرانه خانوارها داد و مایکل وودفورد با ترکیب این خانوارها، شرکت‌های با قیمت چسبنده و بانک مرکزی قانون‌مدار، مدل سه‌معادله‌ای را ساخت که امروزه شالوده تفکر بانک‌های مرکزی جهان در مدیریت تورم و نرخ بهره است. این دو متفکر توانستند با پیوند زدن رفتار خرد انسانی به سیاست‌های کلان، فرمان هدایت اقتصاد را به دست بانک‌های مرکزی بدهند.
با وجود این دستاوردها و با در نظر گرفتن نقاط کور شناسایی‌شده در برابر شوک‌های ناگهانی جهانی، یک پرسش کلیدی برای آینده مطرح باقی می‌ماند: بانک‌های مرکزی چگونه این مدل‌ها را برای مواجهه و سازگاری با شوک‌های پیش‌بینی‌نشده بعدی در اقتصاد جهانی بازسازی خواهند کرد؟ | 76 |
| 11 | چگونه دو اقتصاددان با رمزگشایی از رفتار انسان، بانک‌های مرکزی را نجات دادند؟ (برندگان نوبل اقتصاد ۲۰۲۶)
۱. مقدمه: چرا مدل‌های قدیمی اقتصاد از کار افتادند؟
برای سه دهه پس از جنگ جهانی دوم، دولت‌ها اقتصاد را با مدل‌هایی اداره می‌کردند که بر روابط آماری پایدار استوار بود؛ برای مثال، تصور می‌شد با کاهش بیکاری، تورم به میزان قابل‌پیش‌بینی افزایش می‌یابد (منحنی فیلیپس) و با افزایش درآمد، میزان مصرف به نسبت ثابتی بالا می‌رود. اما شوک‌های نفتی دهه ۱۹۷۰ هر دو فرض را در هم شکست. تورم و بیکاری به‌طور هم‌زمان اوج گرفتند و بسته‌های حمایتی تجویز شده در مدل‌های سنتی، به‌جای ایجاد شغل، تنها آتش تورم را شعله‌ورتر کردند.
در این میان، رابرت لوکاس (برنده نوبل ۱۹۹۵) ضربه مهلکی وارد کرد که به «انتقاد لوکاس» معروف شد: معادلات قدیمی صرفاً میانگین رفتارهایی بودند که با تغییر سیاست‌های دولتی، خود دچار تغییر می‌شدند؛ بنابراین نمی‌شد از آن‌ها برای طراحی سیاست‌های جدید استفاده کرد. این نقد، چالش بزرگ و دشواری را پیش روی اقتصاددانان قرار داد: چگونه می‌توان مدلی بر پایه تصمیمات واقعی و آینده‌نگرانه مردم ساخت که در عین حال آن‌قدر ساده باشد که بانک‌های مرکزی بتوانند در عمل از آن استفاده کنند؟
پاسخ این معما را رابرت هال (Robert E. Hall) از دانشگاه استنفورد و مایکل وودفورد (Michael Woodford) از دانشگاه کلمبیا دادند؛ دو برنده جایزه نوبل اقتصاد ۲۰۲۶ که با پایه‌گذاری مبانی خرد برای تثبیت اقتصاد کلان، الگوی مدیریت بحران‌های اقتصادی را برای همیشه تغییر دادند.
۲. نکته اول: پس‌انداز و خرج‌کردن ما بر اساس «اخبار ناگهانی» است، نه درآمد این ماه
مصرف بخش خصوصی بزرگ‌ترین بخش از تقاضای کل اقتصاد را تشکیل می‌دهد. اقتصاددانان از مدت‌ها پیش بر این باور بودند که خانوارها بر اساس درآمدی که انتظار دارند در طول زندگی خود به دست آورند خرج می‌کنند، نه فقط بر اساس درآمد این ماه (نظریه درآمد دائمی میلتون فریدمن). چالش اصلی، آزمون تجربی این نظریه بود؛ زیرا انتظارات درون ذهن یک خانوار قابل مشاهده نیست.
رابرت هال در مقاله تاریخی خود در سال ۱۹۷۸ در نشریه Journal of Political Economy با عنوان "Stochastic Implications of the Life Cycle–Permanent Income Hypothesis" این مسئله را حل کرد. منطق هال ساده اما انقلابی بود: اگر یک خانواده بر اساس تمام اطلاعات خود از آینده خرج می‌کند، پس میزان مصرف امروز آن‌ها بهترین خلاصه از انتظاراتشان است. مصرف چنین خانواده‌ای تنها زمانی تغییر می‌کند که خبر غیرمنتظره جدیدی به دستشان برسد؛ مانند یک ارتقای شغلی، اخراج از کار یا یک قبض ناگهانی.
از آنجا که «خبر» طبق تعریف قابل پیش‌بینی نیست، تغییرات در میزان مصرف را نیز نباید بتوان بر اساس اطلاعات قبلی پیش‌بینی کرد. هال این فرضیه را روی داده‌های ایالات متحده آزمود و صحت آن را اثبات کرد. این کشف یک لحظه کلیدی و «اورکا» (یافتم!) برای دانش اقتصاد بود؛ چرا که اثبات کرد رفتار آینده‌نگرانه انسان‌ها را می‌توان در قالب یک مدل ریاضی قرار داد و با داده‌های واقعی سنجید.
۳. نکته دوم: قانون ۸۰/۲۰ در اقتصاد خانواده؛ چرا چک‌های حمایتی دولت برای همه یکسان عمل نمی‌کند؟
دومين مقاله بنیادین در این زمینه، پژوهش هال و میشکین (Hall & Mishkin) در سال ۱۹۸۲ در مجله Econometrica بود. تا پیش از این، ضریب تکاثر کینزی فرض می‌کرد که تمام محرک‌های مالی کوتاه‌مدت به میزان ۱۰۰ درصد خرج می‌شوند. اما هال و میشکین با تحلیل داده‌های تابلویی (Panel Data) مربوط به خانوارهای فردی، ساختار رفتار مصرف‌کنندگان را دقیق‌تر تفکیک کردند.
یافته‌های آن‌ها نشان داد که رفتار جامعه یکدست نیست:
حدود ۸۰ درصد از خانوارها طبق نظریه هال رفتار کرده و برنامه‌ریزی آینده‌نگرانه دارند.
حدود ۲۰ درصد باقی‌مانده به‌صورت «دست‌به‌دهان» (hand-to-mouth) زندگی می‌کنند؛ یعنی به دلیل عدم دسترسی به وام یا نداشتن پس‌انداز، هرچه درآمد دریافت می‌کنند را بلافاصله خرج می‌کنند.
این تقسیم‌بندی ۸۰ به ۲۰ امروزه در مدل‌های مورد استفاده وزارتخانه‌های دارایی جهان ادغام شده است و نقش تعیین‌کننده‌ای در طراحی بسته‌های حمایتی دولت‌ها دارد. وقتی یک چک حمایتی یا تخفیف مالیاتی یک‌باره برای خانواده‌ای باپس‌انداز ارسال می‌شود، بیشتر آن پس‌انداز می‌شود؛ اما ارسال همان چک به خانواده‌ای که دست‌به‌دهان زندگی می‌کند، باعث خرج‌شدن آنی آن در بازار می‌شود.
۴. نکته سوم: فرمول سه‌معادله‌ای که بانک‌های مرکزی جهان را بازطراحی کرد
مایکل وودفورد چارچوب خانوار آینده‌نگر هال را برداشت، شرکت‌هایی را که قیمت محصولات خود را تعیین می‌کنند اما نمی‌توانند آن را هر روز تغییر دهند (قیمت‌های چسبنده) به آن اضافه کرد، و کل این سیستم را به یک بانک مرکزی تعیین‌کننده نرخ بهره متصل ساخت. نتیجه این ترکیب، مدل کینزی نو بود که در کتاب سال ۲۰۰۳ او با عنوان Interest and Prices تشریح شد.
این مدل در ساده‌ترین شکل خود بر سه معادله استوار است:
منحنی IS (تقاضا): میزان خرج‌کردن خانوارها به درآمد مورد انتظار آن‌ها و نرخ بهره واقعی بستگی دارد. به بیان دقیق‌تر، زمانی که بانک مرکزی نرخ بهره خود را به پایین‌تر از نرخ خنثی کاهش می‌دهد، انگیزه پس‌انداز کم شده و مردم تصمیم می‌گیرند خرج‌کردن را به زمان حال منتقل کنند.
منحنی فیلیپس کینزی نو (تورم): شرکت‌ها با علم به اینکه ممکن است تا چند ماه امکان تغییر قیمت نداشته باشند، قیمت امروز را بر اساس هزینه‌های آینده و قیمت‌های آینده رقبای خود تعیین می‌کنند. بنابراین تورم به انتظارات شرکت‌ها و شکاف تولید (Output Gap) وابسته است؛ منظور از شکاف تولید، فاصله میان تولید فعلی و تولید پتانسیل در شرایط تعدیل کامل قیمت‌هاست. وقتی تقاضای کل، اقتصاد را به ماورای ظرفیت پتانسیل آن می‌کشاند، فشار تقاضا قیمت‌ها را به سمت بالا سوق می‌دهد.
قاعده سیاست پولی: نسخه‌ای از قاعده تیلور که طبق آن، با افزایش تورم، بانک مرکزی باید نرخ بهره را به نسبتی بیش از یک‌به-یک افزایش دهد و به شکاف تولید نیز پاسخ دهد.
وودفورد اثبات کرد که چنین قاعده‌ای بدون نیاز به استناد یا کنترل مستقیم حجم پول (Money Supply)، تورم را مهار می‌کند. از زمان انتشار کتاب او، نرخ بهره رسماً جایگزین حجم پول به‌عنوان ابزار اصلی سیاست‌گذاری در کتاب‌های درسی اقتصاد شده است.
۵. نکته چهارم: جادوی کلمات؛ چرا وعده‌های بانک مرکزی بازار را بیشتر از اقداماتش تکان می‌دهد؟
یکی از پیامدهای عملی برجسته مدل وودفورد این است که تعهدات و وعده‌های آتی بانک مرکزی به اندازه اقدامات فعلی آن در بازار موثر است. از آنجا که خانوارها و شرکت‌ها نگاهی آینده‌نگر دارند، اظهارات بانک مرکزی درباره نرخ‌های بهره در آینده می‌تواند اقتصاد امروز را به حرکت درآورد.
وودفورد در مقاله سال ۲۰۰۵ خود برای همایش جکسون هول نشان داد بانک مرکزی شفافی که اهداف و تحلیل‌های خود را به‌طور علنی منتشر می‌کند، در تثبیت اقتصاد بسیار موفق‌تر است. بیانیه‌ها، پیش‌بینی‌ها و کنفرانس‌های مطبوعاتی امروزی که همراه با تصمیمات نرخ بهره فدرال رزرو، بانک مرکزی اروپا و سایر بانک‌ها برگزار می‌شوند، مستقیماً حاصل همین مفهوم «راهنمایی پیش‌نگرانه» (Forward Guidance) هستند.
یک نمونه ملموس: در ۹ اوت ۲۰۱۱، کمیته سیاست‌گذاری فدرال رزرو اعلام کرد انتظار دارد شرایط اقتصادی، نرخ‌های بهره را «دست‌کم تا اواسط سال ۲۰۱۳ در سطح فوق‌العاده پایین» نگه دارد. تنها در روز بعد، بازده اوراق قرضه دو ساله خزانه داری آمریکا از ۰.۲۷ درصد به ۰.۱۹ درصد کاهش یافت. فدرال رزرو در آن روز نرخ بهره را دستکاری نکرده بود، بلکه انتظارات بازار را تغییر داده بود.
۶. نکته پنجم: کارنامه عملی؛ چرا تورم اخیر ۲۱ ماه طول کشید اما تورم دهه ۷۰ بیش از ۱۱۴ ماه؟
کاربست این مدل‌های مدرن توانسته است ماندگاری بحران‌های اقتصادی را به شکل چشمگیری کاهش دهد.
در دوره تورمی دهه ۱۹۷۰ و ۱۹۸۰، تورم به مدت ۱۱۴ ماه بالای ۵ درصد باقی ماند و در مارس ۱۹۸۰ به اوج ۱۴.۶ درصد رسید. در مقابل، در جهش تورمی اخیر، تورم در ژوئن ۲۰۲۲ به اوج ۹.۰ درصد رسید و تنها ۲۱ ماه بالای ۵ درصد باقی ماند.
آکادمی سلطنتی علوم سوئد در بیانیه رسمی خود درباره این دستاورد آورده است:
«ما دیگر در یک رکود اقتصادی ویرانگر، مانند آنچه در دهه ۱۹۳۰ رخ داد، گرفتار نشده‌ایم. رکودها و دوره‌های تورم بالا از بین نرفته‌اند، اما ماندگاری آن‌ها به مراتب کمتر شده است.»
۷. نکته ششم: نقاط کور مدل؛ چه چیزهایی را هنوز نمی‌توانیم پیش‌بینی کنیم؟
کمیته نوبل به‌طور صریح به ۴ محدودیت و معما در مدل‌های موجود اشاره کرده است:
معمای راهنمایی پیش‌نگرانه (Forward Guidance Puzzle): مدل ساده کینزی نو گاهی تأثیر وعده‌های مربوط به نرخ بهره در آینده بسیار دور را به‌طور غیرواقعی و بیش از حد بزرگ برآورد می‌کند.
شکنندگی انتظارات تثبیت‌شده: در زمان وقوع شوک‌های ناگهانی بزرگ مانند جنگ‌ها یا پاندمی‌ها، انتظارات تثبیت‌شده بازار ممکن است به‌سرعت آسیب‌پذیر و نامنسجم شوند.
فرض چسبندگی قیمت‌ها: در مدل‌های فعلی، چسبندگی قیمت‌ها بیشتر به عنوان یک فرض محاسباتی و ریاضی ساده‌کننده گنجانده شده است، نه اینکه مستقیماً از تحلیلی عمیق درباره علت واقعی امتناع شرکت‌ها از تغییر قیمت استخراج شده باشد.
مدیریت پس از وقوع: این مدل‌ها برای مدیریت شوک‌ها پس از ورود به اقتصاد طراحی شده‌اند و توانایی پیشگیری ساختاری از بحران‌های مالی سیستماتیک (مانند بحران مالی سال ۲۰۰۸) را ندارند. | 71 |
| 12 |  ▪️آکادمی سلطنتی علوم سوئد جایزه نوبل اقتصاد ۲۰۲۶ را به رابرت هال و مایکل وودفورد اعطا کرد.
▪️این دو اقتصاددان به‌دلیل پژوهش‌های خود درباره نوسانات اقتصاد کلان و نقش انتظارات در سیاست‌های اقتصادی مورد تقدیر قرار گرفتند.
https://www.nobelprize.org/prizes/economic-sciences/ | 62 |
| 13 | 🔹همتی در جلسه ستاد رسانه ای فضای مجازی کشور: نرخ دلار باز هم کاهش می‌یابد | 61 |
| 14 |  🔻هفت‌برابر شدن صادرات مرغ و رشد ۱۴۲ درصدی لبنیات در استان مرکزی
محمد فتاحی، مدیر کل دامپزشکی استان مرکزی:
▪️با هفت‌برابر شدن صادرات مرغ منجمد و رشد ۱۴۲ درصدی لبنیات، محصولات کشاورزی این استان جهش بی‌سابقه ای را تجربه کردند.
▪️صادرات گوشت مرغ منجمد این استان در نیمه نخست امسال با نظارت دامپزشکی به ۳۵۵ تن رسید که در مقایسه با مدت مشابه سال گذشته رشد هفت‌برابری داشته است.
▪️سه هزار و ۵۱۸ تن محصولات لبنی در قالب ۱۵۳ محموله در نیمه نخست سال جاری به خارج از کشور صادر شده که این میزان در مقایسه با مدت مشابه سال گذشته ۱۴۲ درصد افزایش داشته است.| مهر
@tejaratnews | 70 |
| 15 | هنر می خواهد در یک ماه ارزش پول ملی را 30% کم کنی و بعدش بگی چرا شرکتا سود درست نمی کنند چرا کاسبا تعطیل می کنند چرا اقتصاد داره به چوخ میره چرا همه دلال شدند 😂 می گفت دردم از یار است و درمان نیز هم
دل فدای او شد و جان نیز هم | 62 |
| 16 |  🔴 پزشکیان:
فردا جلسه داریم درباره ضرردهی شرکت های دولتی جلسه داریم
هنر می‌خواهد که چندین میلیلاد سرمایه داشته باشی اما ضرر دهی
بعد هم آن آدم‌هایی که باعث ضرر شدند فوق العاده چندصد میلیونی حقوق بگیرند
فردا قرار است درباره واگذاری این شرکت‌ها صحبت کنیم
@betasahm360 | 62 |
| 17 | محدودیت دسترسی به «کدال» زیر ذره‌بین
🔴دسترسی عمومی به اطلاعات «کدال» در کنار پایداری و امنیت سامانه حفظ می‌شود
مدیرعامل و عضو هیات‌مدیره شرکت رایان بورس با تأکید بر تداوم دسترسی عمومی به اطلاعات کدال، اعمال محدودیت بر درخواست‌های پرتکرار و نمایش کپچا را بخشی از تدابیر این شرکت برای مقابله با فشار بر زیرساخت و پیشگیری از حملات منع خدمت اعلام کرد؛ رویکردی که به گفته محمد موحدی اقدم، با هدف حفظ پایداری سامانه و دسترسی منصفانه کاربران اتخاذ شده است.
🔹محمد موحدی اقدم در گفت‌وگو با خبرنگار پایگاه خبری بازار سرمایه(سنا)، با اشاره به طرح موضوع محدودیت دسترسی به اطلاعات سامانه کدال، درباره دلایل به‌کارگیری سازوکارهای کنترلی در این سامانه، توضیح داد: حفظ دسترسی عمومی به اطلاعات و صیانت از پایداری سامانه، ۲ هدف مکمل هستند و تدابیر فنی باید به‌گونه‌ای اجرا شوند که کیفیت خدمات برای عموم کاربران حفظ شود.
🔹مدیرعامل شرکت رایان بورس با اشاره به اینکه «کدال» بستر اصلی انتشار اطلاعات ناشران بازار سرمایه و دسترسی عمومی به این اطلاعات است، افزود: تسهیل دسترسی سرمایه‌گذاران، تحلیلگران، پژوهشگران و سایر علاقه‌مندان به اطلاعات منتشرشده، از ملاحظات اساسی در ارائه خدمات این سامانه محسوب می‌شود. با این حال، میان دسترسی عمومی به اطلاعات و ارسال نامحدود درخواست‌های خودکار باید تمایز قائل شد.
🔹به گفته موحدی اقدم، افزایش بی‌رویه درخواست‌ها، به‌ویژه درخواست‌های ماشینی با حجم و تناوب بالا، می‌تواند منابع پردازشی و ارتباطی سامانه را تحت فشار قرار دهد و در شرایط خاص، موجب کندی یا اختلال در دسترسی سایر کاربران به کدال شود.
🟢 کپچا؛ سازوکار کنترلی برای مدیریت درخواست‌ها
🔹موحدی اقدم با اشاره به اقدامات فنی رایان بورس برای مدیریت ترافیک سامانه کدال اعلام کرد: این شرکت برای حفظ پایداری خدمات، پیشگیری از سوءاستفاده‌های احتمالی و مقابله با حملات منع خدمت (DoS)، از سازوکارهای کنترلی متناسب با الگوی ترافیک استفاده می‌کند.
🔹به گفته او، نمایش موردی کد امنیتی یا کپچا پس از عبور تعداد درخواست‌ها از آستانه مشخص، یکی از این سازوکارهاست. پس از تأیید کد امنیتی نیز کاربر می‌تواند برای مدت معینی بدون نیاز به تکرار آن از سامانه استفاده کند.
🔹مدیرعامل رایان بورس تأکید کرد: هدف از اعمال این محدودیت‌ها، دشوارکردن دسترسی عموم سرمایه‌گذاران و سهام‌داران به اطلاعات نیست؛ بلکه مدیریت منابع زیرساختی و جلوگیری از آن است که درخواست‌های پرتعداد و خودکار برخی کاربران، تجربه دسترسی سایر مراجعه‌کنندگان را تحت تأثیر قرار دهد. | 86 |
| 18 | ترامپ درباره جنگ اوکراین:
«زلنسکی می‌خواهد برای جهان مشکل ایجاد کند. او می‌خواهد با حمله به پالایشگاه‌های نفت روسیه، برای کشاورزان ما مشکل ایجاد کند.» / انتخاب
ترامپ:
وقت آن رسیده که اوکراین رئیس جمهور جدیدی داشته باشد. | 84 |
| 19 | ⭕️ با رأی قطعی دیوان عدالت؛ پیش‌پرداخت خودرو هم مشمول افزایش قیمت شد
فرمول عدم شمول تورم بر پیش‌پرداخت خودرو با رأی دیوان عدالت اداری ابطال شد.
به دنبال صدور آرای قطعی هیأت عمومی دیوان عدالت اداری، بخشنامه رسمی ابطال سه مصوبه کلیدی شورای رقابت به‌ویژه مصوبه معروف ۴۷۳ پیرامون ممنوعیت افزایش قیمت روی سهم پیش‌پرداخت خودرو رسماً به تمامی خودروسازان تولیدی و مونتاژی ابلاغ شد/عصر خودرو | 92 |
| 20 | 🔻خبر سازمان امور مالیاتی برای افرادی که بیش از میزان قانونی مالیات پرداخته‌اند/ نحوه استرداد مالیات اضافه‌پرداختی حقوق‌بگیران اعلام شد
محمدمهدی موحدی، سخنگوی سازمان امور مالیاتی کشور:
▪️افرادی که به دلیل اختلافات تفسیری یا محاسبه مالیات برخی مزایای رفاهی و انگیزشی، بیش از میزان قانونی مالیات پرداخت کرده‌اند، می‌توانند با ارائه درخواست کتبی به اداره امور مالیاتی محل سکونت خود، خواستار استرداد اضافه‌پرداختی شوند.
▪️حقوق‌بگیران می‌توانند درخواست کتبی خود را به همراه اسناد و مدارک مرتبط، از جمله فیش‌های حقوقی و اطلاعات مربوط به مالیات کسرشده در ماه‌های موردنظر، به اداره امور مالیاتی ارائه کنند.
▪️این اداره پس از بررسی مدارک و محاسبه مالیات بر اساس ضوابط مربوط، میزان اضافه‌پرداختی احتمالی را تعیین خواهد کرد.| باشگاه خبرنگاران جوان
@tejaratnews | 109 |
