اصول مهندسی انواع سیستم های تعلیق و محرک

اختصاصی از حامی فایل اصول مهندسی انواع سیستم های تعلیق و محرک دانلود با لینک مستقیم و پر سرعت .

پایان نامه اصول مهندسی انواع سیستم های تعلیق و محرک

اختصاصی از حامی فایل پایان نامه اصول مهندسی انواع سیستم های تعلیق و محرک دانلود با لینک مستقیم و پر سرعت .

موضوع : 

پایان نامه اصول مهندسی انواع سیستم های تعلیق و محرک

( فایل  word  به همراه فایل پاورپوینت ppt قابل ویرایش )

بسمه تعالی

در این پروژه که ترجمه فصل یک و سه کتاب لاتین شاسی اتومبیل (اصول مهندسی) تالیف پروفسور جانسن ریمپل و هلمت استول می باشد، به بررسی انواع سیستمهای تعلیق با توجه به جلو محرک، عقب محرک و چهار چرخ محرک بودن آنها پرداخته می شود و مزایا و معایب هریک بیان می گردد. سپس هندسه مرکز و محورهای غلتش بیان می گردد.

در پایان حرکت چرخ ها و زوایای چرخ و فرمان و همچنین تاثیر نیروهای مختلف روی تغییرات زوایا و موقعیت چرخ ها بررسی می گردد.

تعداد صفحات : 312

دانلود مقاله ترجمه شده ساختارشناسی اعمال انسان: یافتن محرک های ضروی

اختصاصی از حامی فایل دانلود مقاله ترجمه شده ساختارشناسی اعمال انسان: یافتن محرک های ضروی دانلود با لینک مستقیم و پر سرعت .

مقاله ترجمه شده ساختارشناسی اعمال انسان: یافتن محرک های ضروی، الگوهای حرکت، و هماهنگی آنها
گوتمبرگ گوئرا-فیلهو

در این مقاله ما مراحل مورد نیاز برای ساخت پاراکسیکون (فهرست ساختاربندی شده ای از اعمال انسان) را از طریق یادگیری سیستم های گرامر برای اعمال انسان معرفی میکنیم. کشف زبان فعالیت انسان نیازمند یادگیری دستور اعمال انسان است که نیاز به ساختار ایت پاراکسیکون دارد. در فرآیند درک ساختارشناسی فرض می شود که یک نمایش نمادین غیر قراردادی از حرکت انسان موجود است. بنابراین برای تحلیل ساختارشناسی یک عمل خاص، نمایش نمادینی برای حرکت هر محرک همراه با چندین عملکرد تکرار شونده از این عمل به ما داده می شود. ما بعنوان یک مدل رسمی، سیستم گرامر همزمان موازی را پیشنهاد می کنیم که هر مؤلفه گرامر با یک محرک مطابقت دارد. ما الگوریتم یادگیری موازی را برای تحریک این سیستم گرامر معرفی میکنیم. معرفی ما شامل یک سری اتصالات است که در واقع مسئول اجرای هدفی برای فعالیت، حرکت انجام شده توسط هر محرک شرکت کننده، و قوانین همزمان سازی برای مدلسازی هماهنگی بین این محرک ها است. ما راهکار استنباط خود را با داده های ترکیبی و داده های واقعی حرکت انسان ارزیابی کردیم. این الگوریتم موفق می شود که سیستم گرامر صحیح را تحریک کند، حتی زمانیکه ورودی شامل نویز است. بنابراین راهکار ما از هر دو جنبه نمایشی و یادگیری موفق بود، و ممکن است بعنوان ابزاری برای تجزیه حرکت، الگوهای یادگیری و برای ایجاد اعمال عمل کند.
کلمات کلیدی: نمایش حرکت شبه انسان، چارچوب زبانشناسی، یادگیری از طریق تقلید.

1- مقدمه
حرکت انسان یک پدیده طبیعی است وقتی که انسان از تعدادی از محرک های مستقل برای حرکت دادن بدن خود استفاده میکند. این محرک ها با قسمت های مختلف بند مرتبط هستند که توسط مفصل ها به یک ساختار واحد متصل هستند: اسکلت. هر مفصل گردان مطابق با زوایای مفصل، درجه آزادی خاصی دارد. محرک هایی که بدن انسان را کنترل می کنند به این شکل معمولاً بصورت زوایای مفصلی نشان داده میشوند.
محرک ها اگرچه مستقل هستند اما در اعمال خود با هم همکاری میکنند تا بتوانند هدف مشترک خاصی را با هم انجام دهند. دست، ساعد و بازو با هم همکاری میکنند تا بتوانند به یک محل معین برسند. برای هر عمل مختلف (بعنوان مثال پیاده روی، دویدن، پرت کردن، لگد زدن، گرفتن) یک سری محرک های خاصی وجود دار که برای انجام این عمل خاص تعیین شده اند. این سری از محرک های تعیین کننده در اینجا محرک های ضروری نامگذاری می گردند.
در حال حاضر در مقالات مدلسازی حرکت انسان، یک سری محرک های ضروری مورد نیاز در یک عمل خاص معمولاً از یک سری ثابت تشکیل شده است. بعبارت دیگر، سری محرک های ضروری مورد استفاده برای انجام هر عملی، برای همه اعمال در فهرست واژگان حرکتی یکسان است. بطور کلی، سری محرک های ضروری یا کل بدن را نشان میدهند و یا یک زاویه مفصلی واحد را نشان میدهند. یک راهکار برای کل بدن همیشه کل بدن را بعنوان یک سری از محرک های ضروری برای هر عملی در نظر می گیرد. این فرضیه رفتار مستقل محرک ها را در فعالیت های مختلف نادیده می گیرد. از طرف دیگر، راهکاری که هر زاویه مفصلی را بصورت جداگانه در نظر می گیرد، به هماهنگی بین آنها برای رسیدن به یک هدف مشترک توجه نمی کند.
در این مقاله ما راهکاری را پیشنهاد میکنیم که هر عمل مختلف با سری محرک های ضروری خاص خود همراه است. این راهکار بطور واضح تغییرپذیری سری محرک ها را مطابق با یک عمل مدلسازی میکند. این مسئله با توجه به انسداد و میدان دید برای محدودیت ها در فرآیند مشاهده، قوی تر است. اگر یک فاعل عملی را انجام دهد که بعضی از محرک های ضروری آن هنوز قابل رویت هستند، پس یک سیستم نظارت قادر خواهد بود که این عمل را فقط با تصویر قسمت های غیر انسدادی بدن تشخیص دهد که نمایش عمل بر مبنای محرک های ضروری است نه بر مبنای کل بدن.
استراتژی های مختلف از واکنش های موازی و همزمان در بین محرک ها نقش مهمی را در حرکت انسان بازی میکند. بنابراین نمایش یک حرکت برای یک فعالیت خاص انسان باید شامل این موارد باشد: سری محرک های ضروری مورد نیاز در یک فعالیت، الگوهای حرکتی همراه با هر محرک مشارکت کننده، و هماهنگی آنها بر حسب قوانین همزمان سازی در بین این محرک ها. این نمایش یک واژک حرکتی همراه با یک عمل واحد است. در محتوای اعمال انسان، ساختارشناسی به معنای مطالعه و نمایش واژک های حرکتی است. یک ساختارمهم، سری واژک های موجود برای یک فهرست واژگان کامل از اعمال است. این ساختار برای یادگیری یک الفبای حرکتی برای فهرست واژگان ضروری است، تا الگوهای مشترکی در اعمال مختلف یافته شود و راه هایی برای ترکیب واژک های واحد در یک عمل پیچیده تر، کشف گردد. در اینجا ما مراحل مورد نیاز برای ساخت یک پراکیسکون را معرفی میکنیم، که ساختاری از لغت نامه اعمال انسان از طریق یادگیری سیستم های گرامری برای اعمال انسان است. بنابراین پراکیسکون یک لغت نامه حرکت است که از تعدادی از اعمال مانند پیاده روی، رسین و گرفتن تشکیل شده است. این پراکیسکون برای یادگیری دستور و نحو حرکت ضروری است، که قوانینی است که برای ترکیب واژک های حرکتی در یک جمله حرکتی وجود دارد. برای مثال، دستور یا نحو مربوط به الحاق اعمالی مانند یک انتقال توالی از پیاده رفتن به دویدن است. البته در ساخت یک پراکیسکون فرض می شود که یک سیستم حرکتی برای کشف موارد اولیه حرکت و مرتبط ساختن آنها با نمادها وجود دارد.
ما فرض میکنیم که یک نمایش نمادین غیر قراردادی از حرکت انسان برای فرآیند استنباط ساختارشناسی موجود است. بنابراین برای تحلیل ساختارشناسی یک عمل خاص، ما نمایش نمادین را برای حرکت هر محرک همراه با چندین عملکرد تکرار شونده از این عمل داریم. این نمایش نمادین از فرآیند حرکت شناسی ناشی می گردد. سیگنال های حرکتی بدست آمده از یک سیستم حرکت، مطابق با سرعت و شتاب زوایای مفصل به بخش های متوالی تقسیم بندی می شود. این بخش ها به رشته ای از نمادها منتقل می گردند که در اینجا آنها را kineteme می نامیم. در حقیقت، همزمان سازی با طبقه بندی بخش های حرکت برابر است بطوریکه هر طبقه شامل گونه هایی از یک حرکت اولیه یکسان باشد.
نمایش نمادین برای سیگنال حرکتی از یک عمل واحد یک عمل نگار نام دارد. یک عمل نگار از یک سری از n توالی از نماد برای هر محرک i در سری n محرک تشکیل شده است. نمادها در رشته های یک عمل نگار با حرکت های اولیه معرفی شده در حرکت همراه هستند زمانیکه یک عمل خاص انجام داده میشود. اگرچه ورودی مربوط به یک عمل خاص است که چندین بار انجام شده است، ما هرگونه عمل کلی را مدلسازی میکنیم که فقط محدود به یک حرکت تکرارشونده یا دوره ای نیستند. کارایی تکرار شونده یک عمل یکسان فقط برای اهداف یادگیری مورد نیاز است. وقتی که نمایش ها بیان می گردند، ممکن است از آنها برای ایجاد و تحلیل هرگونه عمل استفاده شود. بنابراین همه نتایج در این مقاله، اعمال کلی را مد نظر قرار می دهند که محدود به هیچ گونه دامنه عمل، عمل تکرار شونده یا عمل دوره ای نیستند.
با داشتن یک عمل نگار، مسئله بررسی شده در این مقاله اینست که سری I از محرک های ضروری مسئول برای هدف خاص انجام شونده با این فعالیت برای یادگیری الگوهای حرکتی برای همه محرک ها در I و همزمان سازی در بین این محرک ها را شناسایی کنیم. یک پراکیسکون توسط حل این مسئله برای همه اعمال در لغت نامه بزرگی از افعال همراه با حرکت انسانی معنادار و قابل مشاهده ساخته شده است. ما این مسئله را بصورت یک استنباط گرامری از یک سیستم گرامری مطرح میکنیم که فعالیت انسان را مدلسازی میکند. ما یک سیستم گرامر همزمان موازی را بعنوان یک مدل رسمی پیشنهاد میکنیم که هر مؤلفه گرامری با یک محرک مطابقت دارد. یک الگوریتم یادگیری موازی جدید را برای تحریک این سیستم گرامر معرفی میکنیم. الگوریتم ما دانش در مورد تعداد مؤلفه ها یا مؤلفه های زبان از سیستم گرامر ایجاد شده را تصور نمی کند. ورودی یک جریان نمادین واخد در هر محرک بدون هیچ علامت یا توضیح است. ما راهکار استنباط خود را با داده های ساختگی و داده های عمل واقعی انسان ارزیابی کردیم. ما عمل نگارهای ساختگی را با زمینه حقیقت ایجاد کردیم و روش خود را با سطوح افزایشی از نویز آزمایش کردیم. این الگوریتم با سطح نویز تا 7 درصد، 100 درصد موفقیت داشت.
این مقاله به نمایش اعمال انسان بعنوان واژک هایی می پردازد که بخشی از یک ساختار قدرتمند هستند: زبانی برای عمل انسان. وابستگی این مقاله در جدید بودن مسئله، در ابتکار راهکار ما و تأثیر بر روی زمینه هایی باقی می ماند که ترکیب و تحلیل حرکت انسان را بررسی میکند. برای مثال در رباتیک شبه انسان مدل های حرکتی مناسبی، دانش با دامنه کاملی از راه حل ها را برای مسائل دینامیک غیرخطی پیچیده مربوط به هماهنگی حرکت نشان میدهد. نمایش حرکت ها این مسئله را بخوبی ساختاربندی میکند که البته برای برنامه ریزی مسیر کنترل حرکت در ربات های شبه انسان مناسب است. زبان فعالیت انسان نمایشی است که شامل ساختارشناسی برای یک پراکیسکون کلی است. این نمایش به تعمیم دهی برنامه ریزی و کنترل فعالیت های حرکتی در هنگام استفاده از یک لغت نامه کلی از اعمال انسان کمک خواهد کرد.
ادامه این مقاله بدیت شرح است: در بخش 2 در مورد مطالعات مربوط به نمایش عمل انسان، استنباط گرامری، و سیستم های گرامری بحث میکنیم. در بخش 3 ساختارشناسی را بعنوان یک فرآیند استنباط گرامری معرفی میکنیم. در بخش 4 ساختارهای متداول تسهیم شده توسط اعمال مختلف را شناسایی میکنیم. در بخش 5 نیز نتیجه گیری ها را معرفی میکنیم.
2- مطالعات مربوطه
مطالعه بحث شده در این مقاله بر مبنای تحقیق انجام شده در سه زمینه اصلی است: نمایش عمل انسان، استنباط گرامری، و سیستم های گرامری. ما از رسمی سازی سیستم های گرامر استفاده میکنیم و یک الگوریتم یادگیری موازی را برای استقراء فعالیت انسان معرفی میکنیم. ما به این شیوه در این بخش خلاصه ای از سیستم های گرامر را با بررسی بعضی از مطالعات مربوطه معرفی میکنیم. این بررسی برای تعیین مدل سیستم گرامر جدید ما در این زمینه مهم است.
2.1 نمایش فعالیت انسان
استوارت و برادلی توالی های درون یابی را بین جفت هایی از حالت بدن با استفاده از تحقیق A در یک سری از نمودارهای انتقال ساخته شده از حرکت انسان پیدا کردیم. این نمودارها پیشرفت های یم مفصل واحد را در جسم نشان میدهند.
مدلهای مارکو هیدن (HMM) بطور گسترده برای توصیف توالی حرکات استفاده می شوند. آلون و همکارانش ترکیبی متناهی از HMM ها را با استفاده از یک فرمول به حداکثر رسانی پیش بینی برآورد کردند. در این روش، هر HMM با دسته ای بخش های حرکتی مطابقت دارد. بخش های حرکت مطابق با همان حرکت باید برای دسته یکسانی تعیین گردند. البته روش ترکیب متناهی تا اندازه ای هر بخش حرکت را برای همه دسته ها تعیین میکند. براند و هرزمان HMM را با سبک چند بعدی مورد استفاده برای تغییر پارامترهای آن گسترش دادند. آنها الگوهای حرکتی را از یک سری از توالی های حرکتی یاد گرفتند. HMM ها ضرورتاً اتوماسیون حالت متناهی احتمالی هستند. از این لحاظ، گرامر تصادفی با محتوای آزاد (SCFG) یک مدل تعیمیم یافته است که بعضی از محدودیت های ساختاری را کاهش میدهد. ایوانو و بابیک از SCFG منفردی برای تجزیه فعالیت ها و روابط متقابل بین عاملان مختلف استفاده کردند.
سیدن بلاد و همکارانش یک مدل خطی بعدی پایین را از حرکت انسان ساختند. آنها از تحلیل مؤلفه های اصلی (PCA) برای کاهش بعدیت سری زمان های زوایای مفصل استفاده کردند. داده های حرکت در یک درخت باینری با استفاده از ضرایب دارای واریانس بزرگتر در سطوح بالاتری از درخت ساختاربندی شد. جنکیزن و ماتاریک از کاهش بعدیت برای استخراج موارد اولیه با توسعه الگوریتم ایزومپ استفاده کردند. آنها تجزیه مقدار مشخصه را بر روی یک ماتریس شباهت بعنوان فاصله ژئودسیک بین هر جفت از داده ها انجام دادند.
وانگ و همکارانش تقسیم بندی را معرفی کردند که از حداقل محلی سرعت و حداکثر محلی تغییر در مسیر استفاده می کرد. یک لغتنامه کوچک از توالی نمادین از طریق راهکار اکتساب زبان استنباط شد. این لغتنامه برای جریان/رشته یک حرکت منفرد و در نتیجه برای تحریک مورد نیاز برای یادگیری متوالی ایجاد شد.
مورشن و همکارانش چارچوبی برای کشف الگوهای حکرتی از EMG و سنجش های حرکتی معرفی شده بعنوان سری زمان های چند متغیری معرفی کردند. سری زمان جنبشی الگوهای اولیه را با دسته بندی دستی با نقشه های خود-سازماندهی برآینده و بدون هیچ اطلاعات زمانی کاهش داد. همان موارد اولیه متوالی در فواصل مطابق با حالت های نمادین ظاهر شدند. آنها فرض کردند که همه محرک ها بطور برابر در حرکت شرکت دارند. با اینکه آنها همه جنبه های حرکت را بطور همزمان مد نظر قرار دادند تا فواصل انطباق را پیدا کنند، با اینحال راهکار ما بصورت اتوماتیک محرک های مربوطه در حرکت را شناسایی می کند و محرک ها را بصورت مستقل در نظر می گیرد. بعلاوه، آنها در راهکار خود رخدادهای الگوی کشف شده پراکنده بودند و آنها نمی توانستند از آنها برای بازسازی حرکت استفاده کنند.
در دانش کنونی ما، هیچ راهکاری برای مدلسازی حرکات انسان سری محرک های موجود در یک عمل را یاد نمی گیرد. معمولاً آنها سری ثابتی از محرک ها را در نظر می گیرند درحالیکه روش ما سریمحرک مناسبی را برای هر عمل ایجاد میکند.
2.2 استنباط گرامری
استنباط گرامری مربوط به تحریک نحو یک زبان از یک سری جملات نامگذاری شده می باشد. استنباط گرامری یک سری قوانین برای ایجاد و تشخیص رشته های معتبر را در یادگیری تشکیل میدهد، که به آن زبان تعلق دارند. گرامر هدف معمولاً بصورت گرامری مدلسازی می گردد که به مرتبه بندی چامسکی از گرامرهای رسمی تعلق دارد. مقالات زیادی در مورد روشهای یادگیری گرامرهای منظم، گرامرهایی با محتوای آزاد، و گونه های تصادفی وجود دارد.
گرامرهای منظم و گرامرهای دارای محتوای آزاد را نمی توان فقط از مثالهای مثبت ایجاد کرد. البته چندین تکنیک اکتشافی تقریب زنی گرامر هدف را یاد گرفتند. الگوریتم SNPR عناصر همنشینی و عناصر نمونه ای را از عناصر حداقل یاد گرفت که موارد اولیه ادراکی هستند. هر عنصر با قانونی در گرامر یادگرفته شده مطابقت دارد. یادگیری نیازمند الحاق متداول ترین جفت از عناصر مجاور بود.
استنباط به شکل الگوریتمی بود که یک ساختار مرتبه ای را از توالی از نمادهای مجزا استنباط می کرد. استنباط یک گرامر را نشان میداد که هر توالی تکرار شونده یک قانون را افزایش میداد و توسط یک نماد غیر پایانی جایگزین می شد. این الگوریتم گرامر را با دو خصوصیت محدود می کرد: یکتا بودن و خاص بودن نمودار و مطلوبیت قانون.
2.3 سیستم های گرامری
گونه هایی از مدلهای کلاسیک در تئوری زبان رسمی برای تعیین غیر جبرگرایی در دستگاه های محاسباتی با ایده هایی مانند توزیع، موازی سازی، همزمانی و ارتباط مورد استفاده قرار گرفت. یک سیستم گرامر از چندین گرامر تشکیل شده است که با هم کار میکنند تا یک حالت نمادین مشترک را ایجاد کنند که توسط یک سری متناهی از رشته ها نشان داده می شود. مؤلفه های سیستم، حالت را از طریق بازنویسی و ارتباط تغییر می دهد.
ما از سیستم های گرامری بعنوان یک مدل رسمی برای یادگیری ساختار مورفولوژی اعمال انسان استفاده می کنیم. مهمترین مدلهای سیستم های گرامر با هم همکاری می کردند و گرامرهای موازی با هم بودند. سیستم های گرامر توزیعی هماهنگ (CDGS) مؤلفه هایی داشت که بصورت متوالی کار می کردند .فقط یک مؤلفه در هر زمان فعال بود. بنابراین در بازنویسی یک شکل توالی معمول مطابق با یک پروتکل همکاری معین، هر بار یک مؤلفه فعال بود. کولونی ها شکل ساده شده ای از CDGS بودند که مؤلفه های آن گرامرهای منظمی بودند که زبان های متناهی را ایجاد می کردند. ساشیک و اشیبنار یک اتوماسیون جبری خاموش شدن عصبی را با دستیابی متوالی به یک سری از توالی های مثبت و منفی در بعضی از زبان ها آموزش دادند. مدل NPDA نیازمند اطلاعات اولیه در مورد اندازه پیش بینی شده گرامر استنباط شده بود، چون توپولوژی NPDA در حین آموزش تغییر پیدا نمی کرد. آنها یک کولونی را از NPDA آموزش دیده با الگوریتم اکتشافی پس از دسته بندی مرتبه ای در فضای حالت های عصبی استخراج کردند.
یک سیستم گرامر ارتباط موازی (PCGS) از چندین مؤلفه گرامر تشکیل شده بود که بصورت همزمان به شیوه همزمان کار میکردند. گرامرهای مؤلفه ای شکل های متوالی خود را بصورت موازی بازنویسی می کردند. آنها توسط تبادل شکل های متوالی جاری خود در بین همدیگر ارتباط ایجاد می کردند. در یک حالت بازگشتی، مؤلفه ها پس از فرستادن راه حل های جزئی خود به بقیه، به اصلی بدیهی خود ریست می شدند و محاسبات جدیدی را آغاز می کردند. زبان ایجاد شده توسط سیستم زبان ایجاد شده توسط یک مؤلفه متمایز شده از سیستم با هدف کمک به دیگران بود.
این فرضیه که ارتباط یک مرحله منفرد دارد و مؤلفه ها محاسبات را ادامه دادند بدون اینکه منتظر پایان ارتباط باشند، و فرضیه منطقی نیست. فرناو در مورد گونه ای از PCGS با انتقال پایانی و مؤلفه های خطی راست بحث کرد. در این مدل، چون ارتباط تنها محدود به انتقال رشته های ورودی بود. بنابراین از لحاظ تعریفی مؤلفه های جستجو شده فقط رشته های پایانی را بعنوان شکل های متوالی داشت. یک الگوریتم استنباط برای این مدل پیشنهاد شد که از اطلاعات ساختاری اضافی در مورد ارتباط استفاده می کرد و زبان های مؤلفه ای بصورت جداگانه با توجه مخصوص به مؤلفه اصلی یاد گرفته شدند.
3- مورفو-کینتولوژی
ساختارشناسی در مورد ساختار کلمات و اجزای تشکیل دهنده است و اینکه این قسمت ها چطور با هم ترکیب می گردند. در محتوای زبان فعالیت انسان، ساختارشناسی نیازمند ساختار هر عمل و سازمان یک پراکیسکون بر حسب بخش های فرعی معمول است. ساختارشناسی ما از تعیین ساختارشناسی هر عمل در یک پراکیسکون، و سپس سافتن سازمان پراکیسکون تشکیل شده است.
ما عمل انسانی واژک را بعنوان یک سری از محرک های ضروری مستلزم در عمل، الگوهای حرکتی مطابق بر حسب جنبش شناسی، و همزمان سازی در بین این محرک ها تعریف می کنیم. واژک ها قسمت های ضروری از اعمال انسان هستند. چون الگوهای حرکتی مشتق گرفته توالی های جنبش شناسی هستند، استنابط واژک ها مورفو-کینتولوژی نام دارد. هدف این بخش از ساختارشناسی انتخاب زیرمجموعه ای از اعمال است که کل عمل را فقط در محرک های ضروری وارد می سازد.
محرک های ضروری محرک هایی هستند که واقعاً مسئول اجرای نتیجه مورد نظر در عمل هستند. آنها با قدرت محدود می گردند و در نتیجه، فقط این محرک های معنادار دارای الگوهای حرکتی سازگاری در عملکردهای مختلف یک عمل یکسان هستند. برای یادگیری ساختارشناسی یک عمل انسانی، یک عمل نگار همراه با چندین عملکرد تکرار شونده از این عمل بعنوان ورودی بیان می گردد.
با داشتن عمل نگاری مانند A بعنوان ورودی، ما می خواهیم که بصورت اتوماتیک واژک یک عمل مطابق را یاد بگیریم. اصولاً واژک از یک سری I تشکیل شده است که نشاندهنده محرک های ضروری برای عمل بود؛ برای هر ، رشته فرعی مطابق با الگوی حرکتی که محرک i در حین عمل انجام میدهد؛ و یک سری از چندتایی های مطابق با قوانین همگام شده بین kineteme ها در رشته های مختلف. چون ورودی ما یک سری از رشته های همزمان است، ما این مسئله را بعنوان یک استنباط گرامری از سیستم گرامر معرفی میکنیم که فعالیت انسان را مدلسازی می کند بطوریکه هر گرامر مؤلفه ای از سیستم گرامر با یک محرک مطابقت داشته باشد.
3.1 سیستم گرامر همزمان موازی
در حرکت انسان، ما فقط به کار همزمان گرامرهای مؤلفه ای توجه داریم. ویژگی ارتباط غیرضروری است چون در هماهنگی حرکت بصورت ضمنی است. ما یک سیستم گرامر جدید را پیشنهاد میکنیم که رشته های ایجاد شده توسط مؤلفه ها از طریق مراحل ارتباط با هم تسهیم نمی گردند. مدل رسمی پینشهاد شده در اینجا بر مبنای یک PCGS با قانون همزمان سازی و بدون نمادهای جستجو است. همزمان سازی در بین قوانین در مؤلفه های مختلف در یک چندتایی بصورت همزمان انجام می شود. ما تعاریف مربوط به مدل PCGS اتخاذی خود را در زیر تعیین میکنیم. ما فرض میکنیم که خواننده با اساس تئوری زبان رسمی آشنا است. برای اطلاعات بیشتر در مورد تئوری زبان رسمی، به کتاب Hopcroft and Ullman مراجعه کنید.
پیکربندی n-چندتایی از مستقیماً بدست می آید ، که ، اگر ما اشتقاق مستقیمی از در هر گرامر داشته باشیم که پایانی نباشد یا وقتی که . هر مؤلفه از یکی از قوانین بازنویسی خود بجز انتقال n-چندتایی از M استفاده میکند، یعنی اینکه توسط قانون اگر و . زبان ایجاد شده توسط بصورت زیر خواهد بود

یک PCGS با مؤلفه است، که N یک سری از غیرپایانی ها و T الفبای پایانی است؛ گرامرهای چامسکی با سری متناهی از قوانین تولید در و نماد آغاز هستند؛ و M زیرمجموعه ای از است، که یک نماد اضافی است.

شکل 1 یک واژک عمل انسان

مثال ساده ای PCGS با چهار مؤلفه بصورت زیر می باشد

یک مثال اشتقاق در به این صورت است


درخت های پراکنده مطابق نشاندهنده ساختار این سری از رشته ها در شکل 2 نشان داده شده است.

شکل 2 درخت های پراکنده برای یک سیستم گرامر همزمان موازی

یک PCGS از یک سری CFG های مرتبط با قوانین همزمان سازی تشکیل شده است. این گرامر یک سیستم با سری A از رشته های همزمان متفاوت را مدلسازی میکند: عمل نگار. هر رشته در عمل نگار با زبانی مطابقت دارد که برای گرامر مؤلفه ای استنباط خواهد شد که محرک را مدلسازی می کند. هر نماد در یک رشته با یک جفت همراه است، که تعداد نمادهای بخش در رشته ، زمان آغاز ، و طول زمان بخش مطابق با است. توجه داشته باشید که
3.2 یادگیری موازی
اجرای یک عمل انسانی مستلزم انجام بعضی از هدف ها است و بنابراین نیازمند پایداری در یک رشته منفرد و هماهنگی بین رشته ها مختلف می باشد. یادگیری گرامر متوالی و یادگیری گرامر موازی در اینجا با هم ترکیب می گردند تا ساختارشناسی یک عمل انسانی را استنباط کنند.
ما یادگیری مواری را برای استنباط همزمان یک سیستم گرامری بعنوان ساختاری از همه رشته های در عمل نگار A پیشنهاد کردیم. الگوریتم یادگیری موازی ما در شکل 3 نشان داده شده است. فرکانس نمودار در رشته مطابق با هر زاویه مفصل بصورت مستقل محاسبه می گردد. تابع ماتریس را پیدا میکند، که هر عنصر تعداد رخدادهای نمودار در رشته است. یک قانون جدید برای نمودار مطابق با عنصر با حداکثر فرکانس جاری در ماتریس df ایجاد شده است. غیرپایانی مطابق با قانون جدید در سری قوانین وارد می گردد. راهکار هر رخداد از نمودار در رشته را با غیرپایانی جایگزین می سازد. یک غیرپایانی جدید با فاصله مطابق با اتحاد فواصل زمانی هر دو نماد و در نمودار همراه است. در یادگیری موازی، نمادهای متعلق به یک نمودار با یک غیرپایانی جدید جایگزین می گردد، فقط در صورتی که قانون جدید با قوانین دیگر در مؤلفه های CFG مختلف از سیستم گرامر همزمان سازی گردد.

شکل 3 الگوریتم یادگیری موازی

هر غیرپایانی جدید برای قوانین همزمان جدید با غیرپایانی های موجود در CFG های رشته های دیگر بررسی می گردد، همانطور که در شکل 4 نشان داده شده است. همزمان سازی بین غیرپایانی ها در CFG های مختلف نیازمند هر رخداد از این غیرپایانی ها است تا فواصل زمانی متقاطعی در رشته های مختلف ایجاد شده توسط دیدگاه CFG آنها داشته باشد. همزمان سازی مربوط به دو غیرپایانی در CFG های مختلف ایجاد می گردد اگر یک نقشه برداری یک به یک از رخدادها در رشته های همراه با آنها وجود داشته باشد. بعلاوه، هر دو رخداد نشان داده شده مطابق با دوره های زمانی متقاطع نشان داده می شود. تابع این جستجو را برای همزمان سازی انجام میدهد و رابطه R را ایجاد میکند، که هر جفت در این رابطه نشاندهنده دو قانون همزمان در گرامرهای مؤلفه ای مختلف است. چندتایی های همزمان در زیرمجموعه M از سیستم گرامر از R بازیابی می گردند.

شکل 4 دو CFG مرتبط شده با قوانین همزمان سازی PCGS

شکل 5 محدودیت های موجود برای قوانین همزمان سازی را نشان میدهد. ما دو غیرپایانی را در CFG های مختلف بعنوان مستطیل هایی با دو رنگ مختلف نشان دادیم. این غیرپایانی ها در ردیف های مختلف نشان داده می شوند به طوری که هر مستطیل با یک رخداد از غیرپایانی ها مطابقت داشته باشد. موقعیت افقی و طول هر رخداد فاصله زمانی ترتیبی را نشان میدهد.
ما استثنائی از الگوریتم موازی خود را در زیر نشان میدهیم. برای دو تکرار، ما سری رشته های ، سری قوانین تولید و رابطه R با قوانین همزمان سازی را نشان میدهیم. رشته ها در سری ورودی A از مثال قبلی از PCGS با یک رشته ساختگی اضافی گرفته می شود: . رشته های اولیه در سری ورودی به شرح زیر هستند:

شکل 5 محدودیت های قوانین همزمان سازی

خط های تیره فقط برای نمایش بصری دوره زمانی همراه با هر نماد در A استفاده شده اند. غیرپایانی ها فقط با تعداد شاخص های خود نشان داده می شوند. در این مثال، نمودار کلی در بصورت 44 است و در نتیجه قانون جدید در معرفی می گردد.


در عمل، همزمان سازی برای شناسایی برای غیرپایانی های سطح پایین مشکل است. این غیرپایانی ها فرکانس بالایی دارند و دارای رخدادهای اتمی ساختگی هستند. البته غیرپایانی های سطح بالا قوی تر هستند و همزمان سازی برای آنها شناسایی می گردد. برای غلبه بر این مشکل، الگوریتم باید با بررسی مجدد برای همزمان سازی اتخاذ گردد. وقتی که همزمان سازی برای غلبه بر این مشکل، الگوریتم باید با بررسی مجدد برای همزمان سازی اتخاذ گردد. وقتی که همزمان سازی برای یک جفت از غیرپایانی های A و B انجام شد، نسل های آنها در درخت های گرامر ترتیبی و بررسی مجدد برای قوانین همزمان سازی می باشد. این بار ما فقط نمونه های غیرپایانی های نسل آنها را در نظر می گیریم که با A و B همزمان هستند.
علاوه بر تعیین روابط بین CFG ها، قوانین همزمان سازی در شناسایی حداکثر سطح تعمیم یک عمل استفاده می گردند. همچنین، سری رشته های مرتبط شده با قوانین همزمان سازی با مؤلفه های گرامر واقعی مطابقت دارد. ایده مبنا اینست که غیرپایانی ها بدون همزمان سازی های همراه را حذف کنیم و گرامرهای منتج مؤلفه های واقعی PCGS یاد گرفته شده هستند. گرامر همراه با رشته در بالا با سه قانون غیر همزمان به پایان می رسد، که بدرستی آنرا بعنوان رشته ساختگی شناسایی می کند که به سیستم گرامر استنباط شده تعلق ندارد.

فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد

تعداد صفحات این مقاله   24 صفحه

پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید

دانلود مقاله ترجمه شده دارائی نقدی شرکت ها، محرک های احتیاطی، و عدم اطمینان سیستماتیک

اختصاصی از حامی فایل دانلود مقاله ترجمه شده دارائی نقدی شرکت ها، محرک های احتیاطی، و عدم اطمینان سیستماتیک دانلود با لینک مستقیم و پر سرعت .

روران گائو، یانیو گرینشتین

چکیده
مقالات قبلی نشان داده اند که شرکت های ایالات متحده پول نقد زیادی را بدلایل احتیاطی نگه می دارند: شرکت ها بخاطر احتمال مواجه شدن با عدم اطمینان زیاد در مورد نیاز به پول نقد در آینده، پول نقد بیشتری را در شرکت نگه میدارند. ما عدم اطمینان سطح شرکتی را به مؤلفه های سیستماتیک و فردی تجزیه میکنیم، و پی میبریم که مؤلفه سیستماتیک (و نه مؤلفه فردی) توضیحی برای تصمیمات شرکت برای نگه داشتن پول نقد می باشد. ما همچنین عدم اطمینان سیستماتیک را تجزیه میکنیم و پی می بریم که عدم اطمینان مربوط به سیاست اقتصاد خرد، نرخ بهره، و اضافه ارزش ریسک بازار از عوامل تعیین کننده مهم دارائی نقدی هستند. نتایج از تأثیر سطح اقتصاد خرد بر روی هزینه نالیه خارجی و نیاز به آن بدست می آیند.
1- مقدمه
دهه اخیر شاهد افزایش غیر مترقبه ای از دارائی نقدی در شرکت های عمومی ایالات متحده بوده است (که در مطالعات باتز، کاهل و استولز ثبت شده است، 2009). یکی توضیح مهم برای این پدیده، افزایش عدم اطمینان در سطح شرکت است که توسط متغیر گردش وجوه اندازه گیری می شود. شرکت هایی که سالها با مشکلات مالی و همچنین عدم اطمینان در افزایش گردش وجود مواجه بوده اند، دارائی نقدی در شرکت خود را افزایش داده اند تا هزینه های مالیه خود را کاهش دهند.
با اینکه این مسئله مورد قبول همگان است که عدم اطمینان یک عامل کمک کننده اصلی به تصمیمات دارائی نقدی شرکت ها است، با اینحال در مورد اینکه چه نوعی از عدم اطمینان سبب تحریک دارائی های نقدی می گردد، اطلاعات کمی وجود دارد. از طرف دیگر، مطالعاتی مانند باتز، کاهل و استولز (2009)؛ پینکویتز، استولز و ویلیامسون (2012)؛ دوچین (2010)؛ و بائی و وانگ (2010) به عدم اطمینان در سطح شرکت، مانند شدت تحقیق و توسعه، طول عمر شرکت، و روابط مشتری بعنوان عوامل محرک سطخ دارائی نقدیاشاره میکنند. البته مطالعاتی مانند آچاریا، المدیا و کامپلو (2013)؛ و فولی، هارزل، تیتمن، و تویت (2007) به عدم اطمینان در سطح شرکت مانند تغییرات در سیستم مالیاتی و مشکلات در سیستم بانکداری بعنوان عوامل محرک مهم تصمیمات دارائی نقدی اشاره میکنند.
در این مطالعه هدف ما توسعه درک خود از رابطه پول نقد-عدم اطمینان یافت شده در داده ها است. هدف ما اینست که تفاوت بین عدم اطمینان یکپارچه و مختص به شرکت و اهمیت آنها در تأثیر گذاری بر روی دارائی نقدی شرکت ها را مشخص کنیم. ما برای انجام اینکار از چندین سنجش عدم اطمینان در سطح شرکت استفاده میکنیم و آنها را به مؤلفه های سیستماتیک و فردی تجزیه میکنیم.
ما از سنجش آینده نگر عدم اطمینان در سطح شرکت استفاده میکنیم: بی ثباتی ضمنی موارد معامله شده در شرکت. بی ثباتی ضمنی بصورت گسترده بعنوان سنجشی از عدم اطمینان برای بازده شرکت و شرایط اقتصادی در آینده استفاده می گردد. مشخص شده است که این سنجش عدم اطمینان بهتری را با توجه به نتایج آینده در مقایسه با سنجش هایی دارد که بر مبنای داده های تاریخی هستند. بعلاوه، بی ثباتی ضمنی سهام فردی تغییرات متقاطعی را در سری زمان ها برای ما فراهم می سازد. با این سنجش، ما از تحلیل مؤلفه اصولی برای تشخیص تفاوت بین متغیر معمول جنبش همزمان در بین شرکت ها و جنبش مختص به شرکت ها استفاده میکنیم.
ما بصورت سازگار با مطالعات قبلی افزایش زیادی را در عدم اطمینان در این سالها ، و بصورت عمومی تری، افزایش دارائی نقد شرکت ها بخاطر عدم اطمینان می یابیم. هم مؤلفه سیستماتیک و هم مؤلفه فردی عدم اطمینان به شیوه خاصی با گذشت زمان تغییر پیدا کرده اند، و هر دوی آنها سطوح یکسانی از نوسان را در این سالها تجربه کرده اند. ما در هنگام مقایسه روابط بین دارائی های نقدی، و متغیر فردی و سیستماتیک، رابطه قوی بین دارائی نقدی و متغیر سیستماتیک پیدا کردیم. برعکس، مؤلفه فردی تغییر کمی از دارائی های نقدی را نشان میدهد. نتایج ما با مطالعه آچاریا، المدیا و کامپلو (2013) سازگاری دارد که به عدم اطمینان یکپارچه مربوط به هزینه های مالی خارجی بعنوان عامل مهمی از دارائی نقدی شرکت های ایلات متحده در سالهای اخیر اشاره میکنند.
ما مقالات را مطالعه میکنیم و با استفاده از سنجش های متغیر متداول تری تحلیل خود را تکرار میکنیم: متغیر تاریخی بازده سهام، که با استفاده از مدل سه عاملی فاما-فرنچ تجزیه می گردد و متغیر تاریخی افزایش فروش با استفاده از تحلیل مؤلفه اصلی تجزیه می گردد. یافته های ما با همه این سنجش ها مطابقت دارند.
نتایج ما تا حدودی پیچیده است، چون توضیح محرک احتیاطی این مفهوم را می رساند که هر دو نوع عدم اطمینان بر روی دارائی های نقدی تأثیرگذار هستند. به نظر می رسد که شرکت ها کمتر در مورد مشکلات فردی منفی نگران هستند و بیشتر به مشکلات سیستماتیک منفی توجه دارند. شرکت ها هزینه های ایجاد شده بخاطر نداشتن پول نقد را کمتر بعلت مشکلات فردی منفی می دانند و بیشتر آنرا بخاطر مسکلات جمعی منفی می دانند. یک توضیح برای این یافته اینست که مشکلات جمعی منفی در شرایط اقتصادی بد رخ میدهد، یعنی زمانیکه شرکت ها با نیاز به پول نقد مواجه می گردند و مالیه خارجی بعلت مشکلات در سیستم مالی برای شرکت ها پرهزینه تر خواهد بود. عدم اطمینان فردی با مشکلات مالیه خارجی مرتبط نیست، و چون هزینه های مالیه خارجی بطور میانگین کم است، تأثیر کمتری بر روی تصمیمات دارائی نقدی شرکت ها دارد.
با اینکه تجزیه ما یک روش استاندارد در قیمت گذاری دارائی ها است، با اینحال با سیاست های شرکت مرتبط است. چون انتخاب داشتن دارائی نقدی در شرکت می تواند بر روی سیاست ها و متغیر شرکت تأثیر بگذارد، این امکان وجود دارد که سیاست های دارائی نقدی شرکت ها سبب تغییرات در متغیر شود بجای اینکه سبب تغییرات در متغیر تأثیرگذار بر روی دارائی های نقدی گردد. متأسفانه ما نمی توانیم بطور کامل این مسئله را حل کنیم چون عدم اطمینان ذاتاً قابل حل نیست. با این وجود، ما از تحلیل های خود برگشت بردار پانل (VAR) استفاده میکنیم که بصورت آشکار رابطه ذاتی بین پول نقد و متغیر را نشان میدهد. نتایج ما از لحاظ این خصوصیات قوی هستند.
و در نهایت ما جنبه های مختلف عدم اطمینان جمعی، از جمله عدم اطمینان مربوط به نرخ سود های آینده، اضافه ارزش های ریسک بازار، و سیاست های اقتصاد خرد را تشخیص میدهیم. ما مستقیماً عدم اطمینان مربوط به شرایط اقتصاد خرد را با استفاده از بررسی Livingston فیلادلفیا اندازه گیری میکنیم، که پیش بینی هایی را برای شاخص های اقتصاد خرد در آینده (مانند رشد GDP، نرخ سود، و تورم) ارائه میدهد. ما با پیروی از مطالعه بیکر، بلوم، و دیویس (2011) شاخص عدم اطمینان سیاست اقتصادی را بیان میکنیم که ترکیبی از مراجع رسانه ای به عدم اطمینان، پیش بینی های اقتصادی و سیستم های مالیاتی است. این سنجش ها بصورت آینده نگر هستند و این احتمال وجود ندارد که تحت تأثیر تصمیمات فردی شرکت قرار بگیرند. ما بصورت سازگار با نتایج مبنا، پی می بریم که این سنجش های عدم اطمینان یکپارچه عوامل مهمی برای تصمیمات دارائی نقدی شرکت ها است.
نتایج ما نشان میدهند که شرکت ها تصمیم می گیرند که با افزایش دارائی نقدی خود نسبت به عدم اطمینان سیستماتیک واکنش نشان دهند. یک سوال مهم اینست که چرا شرکت ها تصمیم می گیرند که برای مقابله با عدم اطمینان سیستماتیک دارائی نقدی داشته باشند. ما فرض میکنیم که شرکت ها دارائی نقدی را برای مصونیت ترجیح میدهند زمانیکه دارائی نقدی کم هزینه تر از مصونیت است. البته اگر مصونیت کم هزینه تر از دارائی نقدی باشد، شرکت ها بجای نگه داشتن پول نقد، خرید و فروش تأمینی انجام میدهند. در حقیقت ما پی برده ایم که این شرکت ها پول نقد کمتری در واکنش به عدم اطمینان سیستماتیک دارند. این نتیجه با تفسیر ما مطابقت دارد که دارائی نقدی برای کاهش عدم اطمینان در سطح جمعی، یک راه کارآمد از لحاظ هزینه است.
و سرانجام ما مطالعات گذشته را مرور میکنیم و پی می بریم که شرکت های چند ملیتی در سالهای اخیر به این تمایل پیدا کرده اند که دارائی نقدی خود را افزایش دهند. ما بررسی میکنیم که آیا عدم اطمینان سیستماتیک یا عدم اطمینان فردی دلیلی برای دارائی های نقدی در بین شرکت ها است، و پی بردیم که در واقع دارائی نقدی در شرکت های چند ملیتی نسبت به عدم اطمینان سیستماتیک (در مقایسه با عدم اطمینان غیر سیستماتیک) حساس تر است. این مدارک نشان میدهد که افزایش دارائی نقدی در دهه اخیر بخاطر قرار گرفتن در معرض عدم اطمینان سیستماتیک در بین شرکت های چند ملیتی بارزتر است.
یافته های ما با مطالعات قبلی در مورد تأثیر عدم اطمینان سطح بالا بر روی تصمیم گیری ها در سطح شرکت مطابقت دارد. بیکر، بلوم و دیویس (2011) نشان داده اند که عدم اطمینان سیاستی بیشتر، برای سرمایه گذاری مضر بوده است و بنابراین مانع از بازده اقتصادی شده است. بلوم، باند و وان رینان (2007) نشان داده اند که شرکت نسبت به تقاضای سهام با سطح بالاتری از عدم اطمینان جمعی، کمتر حساس هستند. جولیو و یوک (2012) مدارک بین المللی ارائه میدهند که سرمایه گذاری شرکت ها در موقع رویارویی با عدم اطمینان سیاستی کاهش می یابد. ما با تشخیص منابع عدم اطمینان مربوط به تصمیمات دارائی نقدی به این مقالات کمک میکنیم. بصورت گسترده تر، ما در مورد رابطه بین شرایط اقتصاد خرد و هزینه افزایش سرمایه به مقالات کمک میکنیم. این مطالعات نشان میدهند که رکود اقتصادی ممکن است تأثیر زیان بخشی روی توانایی شرکت ها برای افزایش پول نقد داشته باشد. یافته های ما با این مطالعات مطابقت دارد، و نشان میدهد مه مسائل مربوط به رکود اقتصادی در توضیح تصمیمات مربوط به دارائی نقدی مهم هستند.
مقاله ما همچنین دلایل افزایش دارائی نقدی شرکت ها در ایالات متحده را به این مبحث اضافه میکند. توضیحات بیشتر مربوط به دارائی های نقدی شرکت ها بر روی عوامل تعیین کننده مختص به شرکت تأکید دارد. مطالعات دیگری نیز وجود دارند که بر نوسانات اقتصادی مانند عدم اطمینان به سیستم مالی، سیاست مالیاتی، و جهانی سازی تجارت متمرکز شده اند. مقالات تجربی موجود تمایز بین اهمیت نسبی مؤلفه های سیستماتیک و فردی عدم اطمینان را نشان نمی دهند. تئوری متعارف دارائی نقدی نیز تمایز بین آنها را نشان نمیدهد. ما با نشان دادن این مسئله که عدم اطمینان در سطح جمعی تأثیر بیشتری بر روی دارائی نقدی شرمت ها دارد، به این مبحث کمک میکنیم.
بخش های این مقاله بدین شرح است: در بخش 2 منابع اطلاعاتی و نمونه ها را توصیف میکنیم؛ در بخش 3 نتایج تجربی را نشان میدهیم؛ بخش 4 مربوط به مطالعه منابع مختلف عدم اطمینان در سطح جمعی است؛ و در بخش 5 هم نتیجه گیری را بیان میکنیم.
2- داده ها و متغیرها
2.1 ساختمان داده ها
ما داده های مربوط به اصول شرکت را از پایگاه داده Compustat بدست می آوریم. شرکت ها برای اینکه در نمونه ما قرار داشته باشند باید اطلاعاتی برای محاسبه دارائی نقدی خود، متغیر گردش وجوه، و متغیرهای کنترل داشته باشند. ما همه شرکت های مالی و شرکت های کاربردی را از نمونه خود حذف کردیم چون این شرکت ها تحت مدیریت هیئت های نهاد های ذیصلاح قانونی هستند، که بر روی تصمیمات دارائی نقدی آنها تأثیر می گذارد. ما همچنین تحلیل خود را به 25 درصد از بزرگترین شرکت ها در Compustat محدود می سازیم. این محدودیت نگرانی در مورد این را کاهش میدهد که نتایج ما از شرکت های کوچکی بدست آید که تأثیر کمی بر روی دارائی نقدی در اقتصاد دارند. از حدود 5000 شرکت شامل در پایگاه داده Compustat بصورت سالیانه، حدود 1300 شرکت بعنوان شرکت های بزرگ طبقه بندی می شوند.
متغیر وابسته اصلی ما دارائی نقدی شرکت ها است. مانند بیتز، کاهل و استولز (2009) ما از نسبت پول نقد و امنیت های کوتاه مدت در دارائی های کلی برای اندازه گیری دارائی نقدی استفاده میکنیم. متغیرهای توضیحی اصلی ما عدم اطمینان کلی شرکت ها و عدم اطمینان تجزیه شده است.
ما عدم اطمینان را به سه شیوه اندازه گیری میکنیم. اول اینکه ما از بی ثباتی ضمنی از موارد سهام معامله شده شرکت ها استفاده میکنیم. بی ثباتی ضمنی شامل پیش بینی های مربوط به تغییر در بازده های سهام در آینده است. ما سنجش بی ثباتی ضمنیBlack-Sholes را از OptionMetrics بازیابی میکنیم. این داده ها از سال 1996 به بعد موجود است. ما بر روی گزینه های at-the-money تمرکز میکنیم، که بعنوان گزینه هایی تعریف می گردد که قیمت های آن از قیمت های اساسی سهام بیشتر از 5 درصد منحرف نمی گردد. این مسئله بر روی کاهش خصوصیات اشتباه تمرکز می کند که در “volatility smile” وجود دارد. ما با مدت زمان بیشتری (12 تا 24 ماع) به گزینه ها نگاه میکنیم، چون به عدم اطمینان بلند مدت علاقمند هستیم. ما از متغیر های ضمنی را در سال مالی برای این گزینه ها از یک شرکت معین میانگین گیری می کنیم. بطور میانگین، حدود 300 شرکت بزرگ هر ساله داده هایی در مورد بی ثباتی ضمنی را خواهند داشت.
برای درک اینکه آیا تصمیمات دارائی نقدی شرکت ها توسط عدم اطمینان سیستماتیک یا فردی تحریک می گردد، ما باید ابتدا جنبش همزمان معمول را در بی ثباتی ضمنی شناسایی کنیم. برای انجام اینکار، ما ابتدا از مؤلفه اول از تحلیل مؤلفه اصولی متغیر های ضمنی استفاده میکنیم. ما اول همه شرکت های دارای متغیر های ضمنی را سند دارائی های 3-by-3 در هر سال تعیین میکنیم، که بصورت مستقل توسط نسبت بازار به ثبت آنها و اندازه آنها تقسیم بندی می گردند. چنین تقسیم بندی ممکن است تغییر زیادی در دارائی های نقدی ایجاد کند چون نسبت بازار به ثبت و اندازه از عوامل تعیین کننده مهم دارائی های نقدی شرکت ها هستند. در این تقسیم بندی 9 سری زمانی بی ثباتی ضمنی، با میانگین بی ثباتی ضمنی شرکت ها در هر سند دارائی ایجاد می گردد. ما سپس اولین مؤلفه اصلی را استخراج میکنیم و ظرفیت سند دارائی هر شرکت را در مؤلفه اول به آن اختصاص میدهیم. و در نهایت، ما یک بی ثباتی ضمنی سیستماتیک (SysImpVol) را بعنوان کمک آن به مؤلفه اول و بی ثباتی ضمنی فردی (IdioImpVol) را بعنوان مؤلفه باقیمانده تعریف می کنیم. تعاریف رسمی بشکل زیر می باشد:

که ظرفیت شرکت i در بی ثباتی ضمنی مؤلفه اصلی اول است.
سنجش ما از عدم اطمینان، متغیر بازده سهام (RetVol) است. ما متغیر بازده سهام را بعنوان انحراف استاندارد بازده سهام هفتکی در طی یک سال معین محاسبه میکنیم، و متغیر بازده سهام را با استفاده از مدل سه عاملی فاما-فرنچ تجزیه میکنیم. رگرسیون ما بصورت زیر است:

که بازده عامل اندازه، بازده عامل ارزش، و بازده بازار است. ما متغیر مؤلفه پیش بینی شده را بصورت متغیر سیستماتیک (SysRetVol) و متغیر مؤلفه باقیمانده را بصورت متغیر فردی (IdioRetVol) تعریف میکنیم.
و در نهایت ما از سنجش سوم خود یعنی متغیر افزایش فروش شرکتها استفاده میکنیم. ما با استفاده از مطالعه هرسکویک، کلی و لوستیگ (2013) متغیر افزایش فروش شرکت ها را با استفاده از متغیر افزایش فروش سه ماهه در هر سال محاسبه میکنیم. متغیر افزایش فروش شرکت ها همچنین متشکل از هر دو مؤلفه جمعی و مختص به شرکت می باشد. ما از روش مطالعه هرسکویک، کلی و لوستیگ (2013) پیروی میکنیم و با استفاده از تحلیل مؤلفه اصلی متغیر اساسی را بصورت زیر به مؤلفه های سیستماتیک و فردی تجزیه میکنیم:

که افزایش فروش شرکت i برای ربع t (در سال )، مؤلفه های اصلی در حین دوره پنج ساله ای است که در سال به پایان می رسد؛ ظرفیت شرکت i برای مؤلفه f است. ما حداکثر از پنج عامل برای تجزیه استفاده میکنیم. ما مؤلفه سیستماتیک متغیر گردش وجوه (SysCFVol) را بعنوان متغیر سالیانه برای مؤلفه پیش بینی شده و مؤلفه فردی (IdioCFVol) را بعنوان متغیر سالیانه برای مؤلفه باقیمانده تعریف میکنیم.
ما متغیرهای سطح شرکتی را کنترل میکنیم که بر روی دسترس پذیری پول نقد در شرکت ها تأثیر می گذارد. ما از مطالعه بیتز، کاهل و استولز (2009) پیروی میکنیم و خصوصیات شرکت مانند تغییر نسبت غیر معین، بازار به ثبت (MB)، اندازه، گردش وجوه، سرمایه شبکه ای خالص (NWC)، هزینه های سرمایه ای (Investment)، تحقیق و توسعه، پرداخت کننده ساختگی تقسیم بندی شده (Dividend)، و کسب سود کنترل میکنیم. ما دارائی های کلی شرکت ها را به مقدار آن در سال 2005 کاهش می دهیم و گزینه های پول نقد، متغیر صنعتی، تحقیق و توسعه، کسب سود و سرمایه گذاری را تا یک درصد بالا یا پایین می بریم؛ جریان پول نقد و NWC را یک درصد کاهش میدهیم؛ و M/B را یک درصد افزایش می دهیم. ما تغیر نسبت غیر ممکن را نیز بین 0 تا 1 محدود میکنیم.
2.2 توصیف داده ها
جدول 1 خلاصه آمار متغیرهای کلیدی ما (از جمله سنجش های عدم اطمینان، دارائی نقدی، و خصوصیات شرکت) را توصیف میکند. جدول 1 نشان میدهد که تغییر عدم اطمینان سیستماتیک و فردی دارای اندازه های یکسانی هستند. انحراف استاندارد بی ثباتی ضمنی سیستماتیک حدود 12 درصد است، و انحراف استاندارد بی ثباتی ضمنی فردی حدود 6 درصد است. متغیر بازده بر مبنای بازده سهام هفتگی محاسبه می گردد. انحراف استاندارد متغیر بازده تجزیه شده برای مؤلفه سیستماتیک حدود 2 درصد و برای مؤلفه فردی حدود 2.5 درصد است. این برآورد ها بترتیب برابر با 11 درصد متغیر سیستماتیک سالیانه و 15 درصد متغیر فردی سالیانه است. شرکت های نمونه ما نیز دارای میانگین 10 درصد متغیر اساسی کلی، 5 درصد متغیر اساسی سیستماتیک، و 9 درصد متغیر اساسی فردی هستند.
شکل 1 مقدار کلی دارائی نقدی شرکت ها در نمونه ما را نشان میدهد. دارائی نقدی کلی همه شرکت های Compustat در دوره بین سالهای 1987-2010 حدود 1.24 تریلیون دلار است. مقدار کلی دارائی نقدی در سال 2000 به حدود 2.02 تریلیون دلار می رسد. شرکت های بزرگ در دوره بین سالهای 1987-2010 حدود 1.11 تریلیون دلار و در سال 2000 حدود 1.81 تریلیون دلار دارائی نقدی داشتند. پس از بحران مالی سال 2008، دارائی نقدی شرکت های بزرگ تا 2.32 تریلیون دلار افزایش پیدا کرد. بنابراین شرکت های بزرگ در نمونه ما حدود 90 درصد پول نقد را در شرکت های Compustat داشتند. شرکت های بزرگ با سنجش های بی ثباتی ضمنی موجود بطور میانگین 0.61 تریلیون دلار پول نقد داشتند، که 40 تا 60 درصد کل دارائی نقدی شرکت های بزرگ در نمونه ما است.
شکل 2 الگوی سری زمان های دارائی های نقدی مقیاس بندی شده توسط دارائی های کلی برای نمونه شرکت های ما را نشان میدهد. شرکت های بزرگ ایالات متحده بطور میانگین دارای نسبت پول نقد به دارائی بین 8 تا 10 درصد را در اواخر دهه 1980 و نسبت میانگین 8 تا 9 درصد را در دهه 1990 داشتند، و در سال 2000 به 9 تا 12 درصد رسید. این الگو تحت تأثیرچند شرکت با دارائی نقدی خیلی زیاد قرار نگرفته است چون میانگین دارائی نقدی الگوی مشابهی را نشان میدهد. در اواخر دهه 1980 میانگین دارائی نقدی به دارائی ها بین 4 تا 6 درصد بود، و متوسط دارائی ها بین 4 تا 5 درصد بود. در سال 2000 میانگین نسبت پول نقد به دارائی بین 6 تا 9 درصد بود.
شکل 3 سطح میانگین بی ثباتی ضمنی شرکت با گذشت زمان را نشان میدهد. مانند الگوی دارائی نقدی، بی ثباتی ضمنی نیز در سال های 2001 و 2009 به اوج خود می رسد. این الگوها افزایش های شدیدی را در عدم اطمینان در دوره بحران، درست پس از بحران مالی نشان میدهند.
3- دارائی نقدی، عدم اطمینان سیستماتیک و عدم اطمینان فردی
در این بخش ما تأثیر عدم اطمینان سیستماتیک و عدم اطمینان فردی بر روی دارائی نقدی را در نمونه خود بررسی میکنیم. ما از چندین روش استفاده میکنیم. اول اینکه با استفاده از روش رگرسیون پانل، ما دارائی های نقدی را در هر دو مؤلفه عدم اطمینان بازگشت میدهیم. تفسیر این مدل آسان و همراستا با مقالات موجود است. البته این روش مسئول رابطه درونی و دینامیک بین عدم اطمینان و دارائی نقدی نیست. برای بررسی این مسئله ما از مدل VAR پانل نیز استفاده میکنیم و رابطه بازخورد بین عدم اطمینان و دارائی نقدی را مد نظر قرار می دهیم.
3.1 تحلیل داده های پانل
برای بررسی اهمیت نسبی جنبه های مختلف عدم اطمینان دارائی های نقدی شرکت های ایالات متحده، ما زا مدل رگرسیون پانل زیر استفاده میکنیم:

که و . ما با پیروی از توضیح محرک های احتیاطی، پیش بینی میکنیم که ضریب های متغیر سیستماتیک و متغیر فردی مثبت باشند.
نتایج رگرسیون پانل در جداول 2 تا 4 نشان داده شده است. برای اختصار، ما نتایج عدم اطمینان کلی را بصورت TotalVol نشان میدهیم. ما همچنین نتایج متغیر های تجزیه شده را بصورت SysVol و IdioVol نشان میدهیم. ما نتایج را در بین سنجش های مختلف عدم اطمینان نشان میدهیم: بی ثباتی ضمنی، متغیر بازده سود سهام بدست آمده ، و متغیر افزایش فروش بدست آمده.
جدول 2 نتایج رگرسیون دارائی نقدی شرکت ها را در عدم اطمینان سطح شرکتی نشان میدهد که توسط بی ثباتی ضمنی شرکت ها و مؤلفه های سیستماتیک و فردی آن اندازه گیری شده است. ستون 1 نتیجه دارائی های نقدی را برای بی ثباتی ضمنی کلی نشان میدهد. این ضریب مثبت و مهم است که نشاندهنده اینست که عدم اطمینان ملی سطح شرکتی کمک مثبتی به تصمیمات دارائی نقدی شرکت ها میکند. ضریب بدست آمده نشان میدهد که یکانحراف استاندارد افزایش در متغیر سیستماتیک به 2 درصد افزایش در دارائی های نقدی کمک میکند. ستون 2 نتایج رگرسیون را برای مؤلفه های سیستماتیک و فردی عدم اطمینان نشان میدهد. متغیر سیستماتیک ظرفیت مثبت و مهمی در حدود دو برابر ضریب بی ثباتی ضمنی دارد؛ مؤلفه فردی تأثیر خیلی کمتری دارد، و علامت آن در مسیر پیش بینی شده نیست. این نتیجه نشان میدهد که مؤلفه سیستماتیک عدم اطمینان در تعیین دارائی های نقدی شرکت مهمتر است. این برآورد نشان میدهد که یک انحراف استاندارد افزایش در متغیر سیستماتیک به 3 درصد افزایش در دارائی های نقدی کمک میکند، که در مقایسه با دارائی نقدی میانگین (حدود 10 دردص) افزایش نسبتاً زیادی است. ستون 4 نتایج رگرسیون را برای متغیر تجزیه شده، SysRetVol و IdioRetVol نشان میدهد. متغیر سیستماتیک بدست آمده، بصورت سازگار با نتایج بی ثباتی ضمنی تجزیه شده ظرفیت مثبت و مهمی دارد که دارای اندازه حدود دو برابر متغیر کلی است. یک انحراف استاندارد افزایش در مؤلفه سیستماتیک از متغیر بدست آمده با 1 درصد افزایش در دارائی های نقدی همراه است. مؤلفه فردی دارای ظرفیت کمی است، و فقط کمی با صفر فاصله دارد. ستون 6 نتایج رگرسیون را برای متغیر اساسی تجزیه شده SysCFVol و IdioCFVol نشان میدهد. ضریب مؤلفه سیستماتیک به اندازه چهار برابر ضریب مؤلفه فردی بزرگ است. یک انحراف استاندارد افزایش در مؤلفه سیستماتیک با حدود 0.6 درصد افزایش در دارائی های نقدی همراه است که تقریباً به اندازه دو برابر مؤلفه فردی بزرگ است (0.3 درصد).
بطور کلی ما پی بردیم که مؤلفه سیستماتیک عدم اطمینان دلیل تصمیمات مربوط به دارائی های سهان است. این نتیجه عجیب است چون محرک های احتیاطی دارای این مفهوم است که هر دو نوع اطمینان باید بر روی دارائی های نقدی تأثیر بگذارند. با دانستن اینکه هر دو نوع عدم اطمینان با عدم اطمینان گردش وجود در آینده همراه است، شرکت ها در هنگام نداشتن پول نقد کافی (صرفنظر از منشأ آن) متحمل ضررهای مالیه خارجی می شوند. نتایج ما نشان میدهند که شرکت ها بیشتر در مورد سرمایه های غیرکافی در حین بروز مشکلات سیستماتیک مخالف نگران هستند اما در مورد سرمایه های غیرکافی در حین مشکلات فردی مخالف نگران نیستند. یک توضیح برای این مسئله می تواند این باشد که مشکلات سیستماتیک مخالف نه تنها منجر به سرمایه های غیرکافی می گردند بلکه منجر به هزینه بیشتری نیز بعلت توزیع در سیستم مالی می گردند. برعکس، بطور میانگین، هزینه مالیه خارجی نسبتاً پایین است و شرکت ها میتوانند سرمایه خود را تقریباً به آسانی افزایش دهند، زمانیکه با مشکلات فردی روبرو می شوند. اهمیت عدم اطمینان سیستماتیک تصمیمات دارائی نقدی شرکت ها این سوال را پیش می آورد: چرا شرکت ها در هنگام نوسانات جمعی، خرید و فروش تأمینی نمیکنند. توضیح احتمالی برای این مسئله اینست که شرکت ها با هزینه هایی از خرید و فروش تأمینی مواجه می شوند. وقتی که هزینه های خرید و فروش تامینی از مزایای آنها بیشتر شود، شرکت ها خرید و فروش تامینی را کاهش میدهند و از پول نقد بعنوان جایگزینی برای آن استفاده میکنند. بنابراین ما پیش بینی میکنیم که شرکت هایی با مزایای بیشتر از خرید و فروش تامینی احتمال کمتری دارد که از پول نقد برای خرید و فروش تامینی در مقابل عدم اطمینان سیستماتیک استفاده کنند. برای تست این فرضیه، ما تغییرات میان-بخشی را در شرکت هایی بررسی میکنیم که خرید فروش تامینی را بصورت مستقل از محرک های دارائی نقدی شرکت ها درخواست میکنند و ما همچنین بررسی می کنیم که روابط پول نقد-عدم اطمینان چطور بر اساس تقاضاهای خرید و فروش تامینی شرکت ها تغییر میکند.
ما از تحدب مالیات برای تقاضای خرید و فروش شرکت ها استفاده میکنیم که در اینکار از مطالعه کامپلو، لیت، ما و زو (2011) و گراهام و اسمیت (1999) پیروی کرده ایم. تحدب مالیات صرفه جویی های مالیاتی رخ داده با 5 درصد کاهش را در متغیر درآمد مشمول مالیات اندازه گیری میکند. تحدب مالیاتی بالاتر شرکت ها برای خرید و فروش تامینی بیشتر، کاهش نمایش آنها در عدم اطمینان سیستماتیک را ترغیب میکند. ما برای هر سال شرکت تحدب مالیاتی را بصورت زیر محاسبه میکنیم:

که متغیر 10 سال گذشته درآمد قبل از مالیات، اصلاح خودکار رده اول تاریخی درآمد قبل از مالیات، متغیر ساختگی وجود اعتیار مالیاتی سرمایه گذاری، متغیر ساختگی برای درآمد عملیاتی منفی، و و نشاندهنده درآمد مثبت و منفی پی از مالیات هستند، که متغیرهای ساختگی برای درآمد پیش از مالیات در (0.5 million] و (-0.5 million] هستند.
ما از مدل های رگرسیون پانل برای برآورد تأثیر تمایل خرد و فروش تامینی در رابطه پول نقد-عدم اطمینان استفاده میکنیم. مدل ما دارائی های نقدی شرکت هارا در روابط متقابل تحدب مالیات و سنجش های عدم اطمینان تجزیه شده بصورت یر برگشت میدهیم:

اکثر دستگاه های خرید و فروش تامینی در حین نوسانات اقتصاد خرد معامله می شود (مانند اشتقاق های نرخ بهره و اشتقاق های نرخ تبادل خارجی). شرکت ها تمایل کمتر به خرید و فروش تامینی بیشتر در معرض عدم اطمینان سیستماتیک خواهند بود. البته خرید و فروش تأمینی رویارویی شرکت ها را با عدم اطمینان فردی کاهش نمی دهد. ما پیش بینی میکنیم که شرکت های با تمایل کم برای خرید و فروش تامینی پول نقد بیشتری را در حین عدم اطمینان سیستماتیک داشته باشند، اما ما هیچ تغییری را در حساسیت دارائی نقدی برای عدم اطمینان فردی پیش بینی نمی کنیم. بطور کلی ما پیش بینی میکنیم که ضریب با روابط متقابل بین تحدب مالیاتی و متغیر سیستماتیک منفی باشد، و ضریب غیر منفی و یا احتمالاً دور از صفر باشد.
جدول 3 نتایج رگرسیون های بالا را نشان میدهد. ستون 1 نشان میدهد که روابط متقابل تمایل خرید و فروش تامینی تحدب مالیاتی و بی ثباتی ضمنی منفی و مهم است، که نشان میدهد که شرکت های با تمایل بالا برای خرید و فروش تامینی پول نقد کمتری را در واکنش به عدم اطمینان کلی سطح شرکت نگه می دارند. ستون 2 عدم اطمینان را تجزیه میکند و ضریب منفی و مهمی را فقط برای روابط تحدب مالیاتی و مؤلفه سیستماتیک بی ثباتی ضمنی نشان میدهد. ستون 2 تحلیل ستون 1 را با استفاده از متغیر بازده سهام بدست آمده کلی بعنوان نماینده ای برای عدم اطمینان تکرار می کند. نتایج ستون های 3 و 4 با ستون های 1 و 2 مطابقت دارند. ستون های 5 و 6 تحلیل را با استفاده از متغیر افزایش فروش تکرار میکنند. این نتایج باز هم با یافته های قبلی مطابقت دارند. بطور کلی، این نتایج با توجه به مزایای نسبی هر استراتژی، با محرک خرید و فروش تامینی دارائی نقدی و جایگزینی بین پول نقد و خرید و فروش تامینی مطابقت دارند.
راه دیگری برای اثبات نتایج اینست که تفاوت های مشکلات فردی و سیستماتیک بین شرکت های چندملیتی و داخلی را بررسی کنیم. مطالعات اخیر نشان داده اند که شرکت های چند ملیتی خصوصاً در معرض دارائی نقدی بیشتر نسبت به شرکت های دیگر قرار دارند. ما بررسی میکنیم که آیا عدم اطمینان سیستماتیک یا عدم اطمینان فردی تفاوت های بین این شرکت ها را توضیح میدهد. ما شرکت های چند ملیتی را مانند شرکت هایی تعریف میکنیم که دارای بخش های جغرافیایی خارجی هستند که مسئول بیش از 10 درصد فروش های کل در حداقل یک سال از سه سال گذشته می باشد. شرکت هایی که دارای این معیار ها نیستند بصورت شرکت های کاملاً داخلی طبقه بندی می شوند. ما رگرسیون ها را از جدول 1 تکرار میکنیم و نتایج را برای شرکت های کاملاً داخلی و شرکت های چند ملیتی مقایسه میکنیم.
جدول 4 نتایج رگرسیون های جداگانه در شرکت های چند ملیتی و شرکت های داخلی را نشان میدهد. پانل A رابطه دارایئ نقدی شرکت ها و عدم اطمینان تجزیه شده را نشان میدهد. برای هر دو نوع شکرت، ضریب های عدم اطمینان سیستماتیک مثبت و مهم هستند، اما ضریب های عدم اطمینان فردی منفی و اغلب بی اهمیت هستند. ضریب ها یبی ثباتی ضمنی سیستماتیک در شرکت های چند ملیتی در مقایسه با شرکت های داخلی دارای حجم بیشتری است، اگرچه تغییرات متغیر سیستماتیک خیلی شبیه به شرکت های چند ملیتی و شرکت های داخلی است. این نتیجه نشان میدهد که شرکت های چند ملیتی از پول نقد بیشتری برای خرید و فروش تامینی در مقابل عدم اطمینان تامینی استفاده میکنند. این یافته ها زمانی بدست می آید که ما رگرسیون تأثیر ثابتی را اجرا کنیم.

فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد

تعداد صفحات این مقاله   19 صفحه

پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید