جهانی سازی در دهه های اخیر مورد توجه زیادی بوده است. شرکت ها به هنگام حضور در بازارهای خارجی برای دستیابی به مزیت رقابتی پایدار تلاش می کنند. برند به عنوان یک منبع نامشهود سازمانی می تواند به صورت یک ابزار استراتژیک، شرکت ها را برای رسیدن به مزیت رقابتی پایدار در بازارهای بین المللی کمک نماید. به همین منظور در این پژوهش به بررسی نقش برندسازی در عملکرد بازاریابی بین المللی پرداخته شده است که در این راستا دو مولفه جهت گیری برند و جایگاه یابی مجدد برند و تاثیر آن بر عملکرد مورد ارزیابی قرار می گیرد. پژوهش بر روی شرکت های صادرکننده در بین صد برند برتر ایران انجام شده است. داده ها از طریق پرسشنامه جمع آوری گردید. سپس تجزیه و تحلیل آنها به روش تحلیل مسیر رگرسیون و همبستگی، با استفاده از نرم افزار spss انجام شد. در نتایج به دست آمده مشاهده گردید که متغیرهای جهت گیری برند، جایگاه یابی مجدد برند و استراتژی بازاریابی بین المللی تأثیری مثبت بر عملکرد برند در بازاریابی بین المللی این شرکت ها دارد. در بین متغیرهای مربوط به برندسازی بین المللی نیز جهت گیری برند بیشترین تأثیر را بر عملکرد برند داشته، و تاثیرغیر مستقیم جایگاه یابی مجدد برند بر عملکرد برند در بازاریابی بین المللی از تاثیر مستقیم آن بیشتر است. بنابراین، شرکت ها به هنگام برندسازی در بازارهای خارجی، بایستی توجه کافی به جهت گیری برند و جایگاه یابی مجدد برند با توجه به آمیخته بازاریابی داشته باشند و آن ها را در جهت بهبود عملکرد برند و بازاریابی خود در بازارهای بین المللی به کار گیرند.

سرمایه گذارانی که در بورس اوراق بهادار سرمایه گذاری می کنند برای آنکه بتوانند سود دریافتی خود را حداکثر نمایند نیازمند پیش بینی ارزش آتی سهام هستند. روش های مختلفی برای پیش بینی قیمت آتی سهام وجود دارند. تجزیه و تحلیل تکنیکی و تجزیه و تحلیل بنیادی دو روش رایج در پیش بینی قیمت و ارزش آتی سهام می باشد. در این پایان نامه با کمک شبکه عصبی مصنوعی و الگوریتم ژنتیک قیمت پایانی سهام شرکت تراکتور سازی ایران با هر دو رویکرد تکنیکی و بنیادی در افق زمانی روز بعد و سه روز بعد پیش بینی شده است. در پیش بینی با رویکرد تکنیکی از داده های تکنیکی و در پیش بینی با رویکرد بنیادی از داده های بنیادی به عنوان ورودی شبکه عصبی استفاده شده است. در ضمن علاوه بر دو رویکرد مذکور از دو رویکرد ترکیبی نیز برای پیش بینی استفاده شده است. در این پایان نامه از الگوریتم ژنتیک برای بهینه کردن ساختار شبکه عصبی و انتخاب ورودی های تأثیر گذار استفاده شده است. نتایج حاکی از این است که معیار خطای mse در رویکرد تکنیکی کمتر از رویکرد بنیادی و همچنین معیار خطای رویکردهای ترکیبی از دو رویکرد منفرد کمتر می باشند. در تمامی رویکردها، شبکه عصبی با دو لایه پنهان به عنوان ساختار بهینه شناسایی شده است. شاخص درصد آر ویلیامز به عنوان متغیر تأثیرگذار در هیچ یک از رویکردها شناسایی نشده است ولی باقی متغیرها بسته به نوع رویکرد و افق زمانی بر روند پیش بینی تأثیرگذار بوده اند.

چکیده ندارد.