کاربرد الگوریتم ژنتیک در ترکیب پیش بینی های تورم

پیش‎بینی تورم به عنوان یکی از الزامات سیاست‎گذاری پولی در کشورهایی تبدیل شده است که مقامات پولی آن‎ها سیاست هدف‎گذاری تورم را تعقیب می کنند. چرا که به واسطة استقلال بانک مرکزی از سویی و واگذاری سیاست‎گذاری پولی به این نهاد و از سویی دیگر به واسطة این‎که به‎طور عمده سیاست‎گذاری پولی با وقفه بر روی تورم تأثیرگذار است، لذا مقام پولی می‎بایستی تصویر مناسبی نسبت به تورم آینده داشته باشد، تا با سیاست‎گذاری از قبل بتواند در مسیر هدف‎گذاری انجام رفته حرکت کند. در این بین، به‎واسطة محدودیت‎هایی که مدل‎های منفرد پیش‎بینی تورم به همراه دارند، از مدل‎های مختلفی در پیش‎بینی تورم استفاده می‎شود، که هر یک از جهاتی نسبت به دیگر مدل‎ها دارای نقاط قوت و ضعفی هستند. یکی از راه های استفاده از تمامی اطلاعات موجود در پیش بینی تورم، ترکیب مدل‎های مختلف پیش بینی است، که در گزارش حاضر از رویکرد ابتکاری الگوریتم ژنتیک، به منظور ترکیب نتایج پیش بینی تورم شش مدل برای چهار فصل سال 1386 استفاده شده است. طبقه‎بندی jel : c13، c53، e37