خدمات مدیریت ثروت خصوصی، جزو خدمات نوین مالی است که برای مشتریانی با ثروت خالص بسیار زیاد طراحی شده است. این مشتریان بر اساس تراز خالص ثروت خود، بازار ویژه ای را برای بانک ها، موسسات مالی و اعتباری، صندوق های سرمایه گذاری و شرکت های خصوصی فعال در حوزه های سرمایه-گذاری فراهم می آورند. این موسسات با ارایه ی خدماتی شخصی و کاملا ویژه و متناسب با نیاز هر کدام از این مشتریان، سعی در افزایش سهم از مشتری خود دارند. از جمله خدماتی که این موسسات در قالب مدیریت ثروت خصوصی به مشتریان خود ارایه می دهند می توان به مشاوره های مالی و حقوقی، برنامه ریزی برای سرمایه گذاری در دارایی ها مختلف چه از جنس مشاوره و چه از جنس مدیریت سبد، برنامه ریزی های مالی شخصی برای دوران بازنشستگی یا پرداخت مخارج دانشگاه رفتن فرزندان، برنامه ریزی مالی برای تقسیم ارث افراد و از این دست اشاره کرد. از آن جا که هر یک از این افراد قرار است مشتریانی دایمی برای موسسات مالی ارایه کننده ی خدمات مدیریت ثروت به شمار آیند، لذا درک دقیق نیاز آن ها در هر یک از مقاطع زندگی یکی از اصلی ترین و کلیدی ترین چالش ها به شمار می رود. از آن جا که هر یک از این مشتریان در زمان های خاص، با ریسک ها و اهداف ویژه ای روبه رو لازم است تا با مطالعه ی دقیق این موضوعات، تخصیص دارایی بهینه ای به هر یک از آن ها در هر مقطعی از زندگی اختصاص داده شود. در مدیریت ثروت، مشاور سرمایه گذاری موظف است تا با تدوین بیانیه ی خط مشی سرمایه گذاری، اهداف کوتاه مدت، میان مدت و بلندمدت مشتری را شناسایی نماید. از سوی دیگر، با اجرای آزمون های ریسک-سنجی مختلف باید میزان ریسک پذیری مشتریان محاسبه شود و سپس بر اساس این دو عامل، تخصیص بهینه ی دارایی های صورت پذیرد.ایده ی اصلی تحقیق ما بر اساس تغییر ماهیت تابع ریسک پذیری مشتریان در هر یک از برهه های مختلف زندگی شکل خواهد گرفت و با در نظر گرفتن این موضوع، مدلی بهینه برای ارائه خدمات مدیریت ثروت مورد مطالعه و بررسی قرار خواهد گرفت. برای این منظور، بررسی جامعی بر روش های تعیین میزان ریسک پذیری مشتریان صورت خواهد پذیرفت و با توجه به هر یک از این روش ها، نقاط قوت و ضعف آن ها با عنایت به ویژگی های خاص مشتریان ایرانی استخراج خواهد شد و بر اساس مطالعات سعی در رفع نقاط ضعف خواهد شد.

نمودارهای کنترل تعدیل ریسک شده که بر پایه ی در نظر گرفتن ریسکهای پیش از عمل بیماران طراحی شده اند، به منظور پایش نرخ مرگ و میر بیماران پس از عملهای جراحی استفاده می شوند و به مدیران مراکز درمانی در شناسایی زمان تغییر در عملکرد فراهم کنندگان خدمات درمانی مانند پزشکان و پرستاران، کمک می کنند. شناسایی نقطه تغییر از اهمیت بالایی برخوردار است زیرا سبب می شود براحتی بتوان علت واقعی تغییر را کشف کرد. در این پایان نامه از نمودار تعدیل ریسک شده لگاریتم آزمون نسبت درستنمایی، در فاز i کنترل، در ارتباط با فرآیند برنولی زنده ماندن یا مرگ بیماران پس از عملهای جراحی استفاده می شود. به منظور شناسایی زمان و مقدار تغییر، از روش برآورد بیز که بر پایه ی استفاده از توزیع پیشین برای پارامترهای نقطه تغییر می باشد استفاده می شود. برای بدست آوردن توزیع پسین پارامترها و مقدار برآوردگرهای بیز، از رویکرد شبیه سازی نمونه گیری زنجیره مارکوف مونت کارلو استفاده می شود. در مرحله ارزیابی عملکرد روش بیز با روش بیشترین درستنمایی مورد مقایسه قرار گرفته است. نتایج نشان می دهند که در مقایسه با روش بیشترین درستنمایی، روش بیز بخوبی قادر به شناسایی زمان و مقدار تغییر می باشد بخصوص هنگامیکه مقدار تغییر کوچک باشد برتری عملکرد براوردگر بیز محسوس است.

تعدادی از مطالعات اخیر به بررسی ویژگیهای تلاطم در بازارهای نوظهور پرداختهاند. در ادامه این ادبیات، این پژوهش با استفاده از مدلهای پیشرفته سریزمانی به بررسی اثر ریسک نرخ ارز و ریسک شاخص بازار بر بازده سهام بانکهای تجاری ایران پرداخته شده است (از آنجا که نرخ بهره بانکی در ایران دستوری میباشد و توسط بانک مرکزی تعیین میشود، این پارامتر در مطالعه انجام گرفته تاثیری بر بازده سهام بانکهای تجاری ندارد.). از دادههای روزانه خرداد 1391 تا اردیبهشت 1392 که از بورس اوراق بهادار ایران دریافت شده است، و همچنین از نرخ دلار به عنوان ارز خارجی استفاده شده است. از مدل گارچ برای مدلکردن اثر تلاطم خوشهای موجود در فرایند و توزیع غیرنرمال استفاده شده است. نتایج نشان میدهد که ریسک نرخ ارز اثر منفی و معناداری روی بازده لگاریتمی سهام سه بانک از هشت بانک انتخابی دارد. همچنین ریسک شاخص بازار تاثیر بیشتری نسبت به ریسک نرخ ارز بر بازده لگاریتمی سهام بانکهای تجاری دارد. بنابراین، ریسک شاخص بازار تاثیر مثبت و معناداری در تعیین بازده لگاریتمی بازده سهام بانکهای تجاری دارد. تمام پارامترهای مدل سریزما بوسیله روش حداکثر درست نمایی تخمین زده شده است.

تحقیقات به صورت گسترده در زمینه مراقبت سلامت نشان می دهد یکی از راه های اصلی ارائه خدمات بی وقفه و اثربخش به بیماران، برنامه ریزی و زمانبندی اتاق عمل می باشد. وجود محدودیت های بسیار زیاد و زمان مناسب برای حل این مسأله سبب شده بهینه سازی برنامه ریزی وزمانبندی اتاق عمل همواره مورد توجه محققین باشد. برنامه ریزی هفتگی اتاق عمل همواره پیشنیاز مسأله زمانبندی روزانه است. تحقیقات پیشین غالباً به شکل مجزا یا به بررسی مسأله برنامه ریزی هفتگی پرداخته و یا با در نظر گرفتن برنامه هفتگی مشخص بر موضوع توالی روزانه انجام عمل تمرکز داشته اند. در این پایان نامه یک مدل برنامه ریزی و زمانبندی یکپارچه دو مرحله ای (جراحی و بازیابی) اتاق عمل برای بیماران انتخابی با زمان های احتمالی در هر دو مرحله ارائه شده است. خروجی مدل ارائه شده برنامه ریزی و زمانبندی هفتگی بیماران برای ارائه خدمات بی وقفه و اثربخش به بیماران برای انجام اعمال جراحی است. هدف از ارائه این مدل کاهش تغییرات روزانه و در نهایت ایجاد بهره وری و کاهش اضافه کاری در بخش جراحی می باشد. برنامه ریزی و زمانبندی به صورت یک مدل ریاضی با توابع هدف کاهش دامنه عملیات و افزایش تعداد بیماران جراحی شده ارائه شده است. همچنین با در نظر گرفتن یک تابع هدف دیگر مدت زمان انتظار برای بیمار اضطراری کاهش داده شده است. مدل ارائه شده با استفاده از الگوریتم ژنتیک چند هدفه با مرتب سازی نا چیره برای اتاق عمل حل شده و با حل دقیق مقایسه شده و توانایی الگوریتم پیشنهادی در ابعاد بزرگ نشان داده شده است.

شناسایی تغییر در پارامترهای فرایند از مسائل حائز اهمیت در کنترل فرایند آماری به شمار می رود؛ چرا که ارائه اطلاعات دقیق¬ در خصوص زمان و الگوی تغییر در پارامترهای فرایند، اقدامات اصلاحی موثرتر را بدنبال خواهد داشت. تغییر در پارامترهای فرایند می¬تواند به صورت مونوتونیک، پله¬ای چندگانه و روند خطی بروز نماید. به طور کلی، مطالعاتی که در زمینه برآورد نقطه تغییر انجام شده است عمدتاً موضوع تغییرات انفرادی پارامترها را مورد بررسی قرار داده¬اند در حالی که یک هشدار در نمودار کنترل ممکن است متاثر از چندین تغییر باشد که عدم کشف آنها می تواند باعث تاخیر یا حتی جهت گیری اشتباه در روند انجام اقدامات اصلاحی باشد. از سوی دیگر، بویژه طی سال¬های اخیر تحقیقات متعدد به بررسی مواردی می¬پردازند که عملکرد فرایند از طریق تحلیل رابطه تابعی بین یک متغیر وابسته و یک یا چند متغیر مستقل به شکل مناسبتری قابل توصیف است. چنین تابعی تحت عنوان پروفایل شناخته می¬شود. مروری بر تحقیقات انجام شده در زمینه شناسایی نقطه تغییر در پایش پروفایل¬ها نشان می¬دهد تا این زمان موضوع تغییرات چندگانه در این زمینه مورد بررسی قرار نگرفته است. در این پژوهش دو روش¬ جهت کشف تعداد و برآورد زمان تغییرات چندگانه در زمینه پایش پروفایل خطی ساده ارائه می شود. روش اول از ایده خوشه بندی پروفایل ها در طول زمان نشأت گرفته و روش دوم بر اساس بکارگیری مکرر آزمون نسبت درستنمایی توسعه یافته است. عملکرد روشهای مذکور با استفاده از شبیه سازی در وضعیت تغییر چندگانه و برای حالتهای گوناگون شیفت در پارامترهای رابطه پروفایل خطی ساده مورد مقایسه قرار گرفته و میزان موفقیت هر روش در کشف تعداد تغییرات به همراه میزان دقت آن در برآورد مکان تغییرات مورد ارزیابی واقع شده است.

در برخی از کاربردهای کنترل کیفیت آماری، عملکرد فرآیند یا کیفیت محصول به وسیله ی رابطه ی بین یک متغیر پاسخ و یک یا چند متغیر مستقل توصیف می‏شود. در ادبیات کنترل کیفیت آماری این رابطه را پروفایل می نامند. در موارد مشخصی عملکرد فرآیند یا کیفیت محصول به وسیله ی یک پروفایل غیرخطی پیچیده توصیف می‏شود که این پروفایل از مدل پارامتری خاصی پیروی نمی کند. در این شرایط به منظور مدل کردن پروفایل ، رویکردهای ناپارامتری که از انعطاف پذیری بیشتری در مدل سازی رفتار پروفایل برخوردارند به کار گرفته می شوند. معمولا به منظور پایش این گونه از پروفایل ها نمودارهای کنترل چندمتغیره برای مشاهدات تکی یا نمودارهای کنترل ناپارامتری مورد استفاده قرار می گیرند. اما با توجه به این که زمان کشف تغییر توسط نمودارهای کنترل لزوما منطبق با زمان واقعی تغییر نیست استفاده از رویکردهای شناسایی نقطه ی تغییر که زمان واقعی تغییر را معلوم می کنند، می تواند در کشف سریع تر و ساده تر انحرافات بادلیل موثر واقع شود. در این پایان نامه به منظور مدل سازی پروفایل غیرخطی پیچیده از روش هموارسازی اسپلاین استفاده شده سپس دو روش برای پایش پروفایل‏های مورد نظر در فاز ii کنترل فرآیند آماری ارایه و عملکرد روش ها به کمک مثال عددی و شبیه سازی کامپیوتری مورد بررسی و مقایسه قرار گرفته است. در روش اول پس از دریافت هشدار خارج از کنترل از نمودار هاتلینگ t2 چندمتغیره با استفاده از برآوردکننده ی حداکثر درست نمایی به تخمین نقطه ی تغییر پرداخته شده و در روش دوم پس از توسعه ی مدل نقطه ی تغییر بر اساس تابع درست نمایی، نموداری مبتنی بر آماره ی درست نمایی استاندارد شده ارایه شده است. نتایج حاکی از توانایی روش دوم در کشف سریع تغییر در میانگین فرآیند است درحالی که در خصوص برآورد زمان تغییر، دو روش پیشنهادی عملکرد یکسانی از خود نشان داده اند.

یکی از تصمیمات مهم در موسسات مالی ارزیابی اعطای تسهیلات و کاهش ریسک اعتباری است. ارزیابی صحیح ریسک اعتباری مشتریان به روش سنتی و استفاده از کارشناسان خبره با محدودیت هایی از قبیل هزینه بالا و زمان بر بودن فرایند اعتبارسنجی مواجه است. حال با توجه به حجم عظیم داده های اعتباری مشتریان، داده کاوی می تواند جهت دسته بندی و شناسایی مشتریان خوش حساب و بدحساب مورد استفاده قرار گیرد. اما در بیشتر موارد، داده های اعتباری از مشکل عدم توازن رنج می برند که موجب شده است اکثر الگوریتم های دسته بندی نتیجه قابل قبولی را تولید نکنند. بدین منظور در این پایان نامه، یک مدل آنسامبل ترکیبی ارائه شده است که بررسی های انجام شده نشان از برتری این مدل بر مدل های موجود دارد. برای اعتبارسنجی مدل از مجموعه داده بیمه ای کاراوان و داده های اعتباری آلمان استفاده شده و نهایتا مدل بر روی داده های بیمه بدنه شرکت بیمه ملت پیاده سازی شد. نتایج بدست آمده بر اساس معیار سطح زیر آر او سی برای مجموعه داده های کاراوان، آلمان و بیمه ملت به ترتیب عبارتند از 0.670 – 0.770 – 0.707 که در مقایسه با سایر مدل های معتبر پیاده سازی شده بهتر هستند. بر اساس نتایج بدست آمده از تحلیل داده های بیمه ملت، مشتری جدیدی که شامل تخفیف بالای 17.8% می شود، با احتمال خیلی زیاد خساتی را به شرکت بیمه تحمیل نخواهد کرد. همچنین بر اساس صفات استخراج شده برای تحلیل، درصد تخفیف، نوع وسیله، استان، مورداستفاده و سال ساخت به ترتیب از اهمیت بیشتری برخوردارند.

در برخی مسائل کنترل آماری فرآیند، عملکرد یک فرآیند یا کیفیت یک محصول بوسیله رابطه ای بین یک متغیر پاسخ و یک یا چند متغیر مستقل توصیف می شود که این رابطه می تواند خطی و یا غیر خطی باشد، محققان این رابطه را پروفایل نامیده اند. در موارد مشخصی کیفیت فرآیند یا محصول را می توان بوسیله چند پروفایل همزمان توصیف نمود که در آنها، متغیرهای پاسخ وابسته اند. در این پایان نامه به بررسی پروفایل های خطی ساده چندمتغیره پرداخته می شود که در آن چندین مشخصه کیفی مرتبط را می توان در قالب مجموعه ای از توابع خطی بر حسب یک متغیر مستقل مدل بندی نمود. برای برآورد کردن پارامترهای پروفایل، معمولاً از برآوردگرهای کلاسیک استفاده می شود. در صورت نقض شدن فرضیاتی نظیر نرمال بودن خروجی فرآیند برآوردگرهای کلاسیک پارامترهای مدل را با خطا برآورد می نمایند که در نتیجه نمودارهای کنترل به دست آمده بر اساس آنها فاقد دقت لازم در کنترل فرآیند خواهند بود. لذا نیاز است از برآوردگرهایی برای برآورد کردن پارامترهای فرآیند استفاده شود که حتی در صورت حضور آلودگی به خوبی عمل نمایند. بر همین اساس در این پایان نامه به منظور برآورد پارامترهای مدل از برآوردکننده¬های استوار به جای برآوردکننده های کلاسیک استفاده شده است. به همین منظور ما از سه برآوردگر استوار m، s و mm در دو حالت تک مرحله ای و دو مرحله¬ای به منظور پایش پروفایل های خطی ساده چندمتغیره استفاده نموده ایم. بررسی و ارزیابی پروفایل ها در فازهای 1 و 2 کنترل آماری فرآیند صورت پذیرفته است. نتایج حاصل از شبیه سازی نشان داد که برآوردکننده-های استوار پیشنهادی نسبت به برآوردگرکلاسیک حداقل مربعات از عملکرد یکسانی در نبود داده¬های دورافتاده و از عملکرد بسیار بهتری در حضور داده های دورافتاده برخوردار می باشند.

فرآیندهای پربازده، نوعی از فرآیندها هستند که نسبت اقلام معیوب در آنها بسیار کوچک و در حد صفر است. در مطالعات پیشین، توزیع‏‏های پواسون عمومی شده (gpd) و پواسون صفر متورم (zip) برای مدلسازی تعداد عیوب موجود در محصولات، در فرآیندهای پربازده پیشنهاد شده‏اند. به علاوه، استفاده همزمان از دو نمودار کنترل مجزا، تحت عنوان نمودار کنترل تعداد تجمعی اقلام منطبق (ccc) و نمودار کنترل c، برای پایش پارامتر این توزیع‏ها توصیه شده است. نمودارهای کنترل، یکی از مهمترین ابزارهای کنترل کیفیت آماری در کشف انحرافات بادلیل هستند. یکی از ایرادات اصلی این نمودارها، عدم توانایی آنها در کشف حالت خارج از کنترل در زمان واقعی است. برای حذف منابع اصلی ایجاد خطا، تعیین زمان واقعی آغاز انحراف در فرآیند، که به آن نقطه تغییر گفته می‏شود، اهمیت به سزایی دارد و موجب صرفه‏جویی در زمان و هزینه خواهد شد. در این پایان‏نامه، با در نظر گرفتن همبستگی احتمالی بین تعداد عیوب موجود در محصولات و نسبت اقلام معیوب فرآیند، فرآیندهای پربازده با دو مشخصه کیفی وصفی معرفی شدند. تعمیم دیگری از توزیع پواسون تحت عنوان توزیع پواسون k متورم (kip) برای پایش تعداد عیوب موجود در محصولات در فرآیندهای پربازده ارائه گردید. توزیع توأم فرآیندهای پربازده با دو مشخصه کیفی وصفی تعیین شد و ساختار همبستگی بین دو مشخصه این فرآیندها مورد بحث قرار گرفت. نوع دیگری از نمودارها، به نام نمودارهای کنترل احتمال رتبه‏دار، معرفی شده، برآوردکننده‏های نقطه تغییر فرآیند به دنبال دریافت سیگنال از این نمودارها تعیین گردیده و عملکرد آنها با نمودارهای پیشین مورد مقایسه قرار گرفتند. به علاوه، نوعی روش بازرسی دو مرحله‏ای بر مبنای توزیع kip ارائه و روش دسته‏بندی قطعات در روش بازرسی بحث شده است.

در کنترل آماری فرآیند عموماً عملکرد فرآیندها تحت شرایط توزیع های یک یا چند متغیره مدل سازی می شوند. در برخی موارد مطلوب تر است تا عملکرد فرآیند بر حسب رابطه ی آن با متغیرهای مستقل توصیف گردد. این رابطه پروفایل نامیده می شود. با توجه به میزان اطلاعات مرتبط با فرآیند، روش های مختلفی شامل پارامتری، نا پارامتری و نیمه پارامتری برای پایش پروفایل ها مورد استفاده قرار می گیرند. پایش پروفایل ها در دو فاز انجام می شود. در این تحقیق پایش نا پارامتری پروفایل ها با استفاده از تبدیل موجک صورت گرفته است. در فاز اول از روشی استوار برای برآورد نمودن پروفایل مرجع در حضور داده های آلوده استفاده می-شود. روش پیشنهادی مبتنی بر خوشه بندی داده ها، کشف خوشه ی داده های غیرآلوده و بکارگیری برآوردکننده های s است. به منظور ارزیابی عملکرد، روش پیشنهادی با تعدادی از برآوردکننده های کلاسیک و استوار با استفاده از شبیه سازی مقایسه شده است. شبیه-سازی در حالات مختلف آلودگی در داده ها طراحی و نتایج حاکی از دقت بالای روش پیشنهادی در فاز اول است. در فاز دوم دو روش برای پایش متوالی پروفایل ها ارائه شد. روش نخست، استوار و مبتنی بر فرض نرمال بودن توزیع داده ها است. روش دوم نیز استوار بوده و محدودیتی برای نوع توزیع ندارد. عملکرد روش های پیشنهادی برای کشف انواع شیفت با استفاده از شبیه سازی مورد ارزیابی قرار گرفت. نتایج نشان دهنده ی سرعت و دقت بالای روش های پیشنهادی برای کشف نقطه ی تغییر در فرآیند است. مسئله ی کشف علل خارج از کنترل شدن فرآیندهای پیچیده نیز مورد بررسی قرار گرفت. پایش این فرآیند ها به دلیل تعداد زیاد ورودی های فرآیند و وجود همبستگی بین آنها دشوار است. لذا از تحلیل مولفه های مستقل برای تبدیل ورودی ها به پروفایل های مستقل استفاده شد. روش پیشنهادی برای پایش این فرآیندها و کشف علل خارج از کنترل شدن فرآیند با استفاده از شبیه سازی ارزیابی گردید. نتایج حاکی از سرعت و دقت بالای روش پیشنهادی در کشف علل خارج از کنترل شدن فرآیند است. روش های پیشنهادی برای پایش پروفایل های پیچیده نه تنها به حضور آلودگی حساس نمی باشند، بلکه در کشف علل خارج از کنترل شدن فرآیند نیز موثر می باشند. تعمیم روش های پیشنهادی به پروفایل های چندگانه، مدل های خود همبسته و پروفایل های چند پاسخی زمینه هایی برای مطالعه ی بیشتر می باشند.