پیش بینی تورم با استفاده از رهیافت سری های زمانی

Authors

اسعد اله رضایی

a. allahraee مرکز آمار ایران نادر حکیمی پور

n. hakimipour پژوهشکده ی آمار محمدصادق علیپور

m. alipour پژوهشکده ی آمار منصوره یزدان خواه

m. yazdankhah مرکز آمار ایران

abstract

امروزه، پیش­بینی متغیرهای کلان اقتصادی از جمله نرخ تورم، از اهمیت ویژه­ای برای سیاستگذاری و برنامه ریزی های اقتصادی برخوردار شده است. در این راستا در دهه های اخیر، مدل­های پیش­بینی گوناگونی برای نرخ تورم مطرح شده اند. در این مقاله، با استفاده از سری زمانی نرخ تورم اعلام شده از سوی مرکز آمار ایران (از اسفند ۱۳۸۲ تا آذر ۱۳۹۳)،  مدل (۲،۲،۳)arima انتخاب شد. بعد از تصریح مدل، ابتدا پیش بینی درون نمونه­ای برای نرخ تورم انجام و پس از ارزیابی نتایج با استفاده از معیار ریشه ی دوم میانگین توان دوم خطا، نرخ تورم سالانه (۱۲ ماه منتهی به ماه مورد نظر) برای ماه های دی، بهمن و اسفند ۱۳۹۳ پیش­بینی شد. نتایج به دست آمده، نشان دهنده ی ادامه ی روند کاهشی نرخ تورم که از آبان ماه ۱۳۹۲ شروع شده است، می­باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی تورم ایران با استفاده از مدل های ساختاری ، سری های زمانی و شبکه های عصبی

امروزه ، پیش بینی متغیر های کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحد های اقتصادی برخوردار است. در نتیجه ، دردهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. اخیراً به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی بکار گرفته شده اند. این م...

full text

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

full text

پیش‌بینی تورم با استفاده از رهیافت سری‌های زمانی

امروزه، پیش­بینی متغیرهای کلان اقتصادی از جمله نرخ تورم، از اهمیت ویژه­ای برای سیاستگذاری و برنامه‌ریزی‌های اقتصادی برخوردار شده است. در این راستا در دهه‌های اخیر، مدل­های پیش­بینی گوناگونی برای نرخ تورم مطرح شده‌اند. در این مقاله، با استفاده از سری زمانی نرخ تورم اعلام‌شده از سوی مرکز آمار ایران (از اسفند ۱۳۸۲ تا آذر ۱۳۹۳)،  مدل (۲،۲،۳)ARIMA انتخاب شد. بعد از تصریح مدل، ابتدا پیش‌بینی درون نمو...

full text

پیش بینی تورم ایران با استفاده از مدل های ساختاری ، سری های زمانی و شبکه های عصبی

امروزه ، پیش بینی متغیر های کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحد های اقتصادی برخوردار است. در نتیجه ، دردهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. اخیراً به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی بکار گرفته شده اند. این مدل...

full text

پیش بینی بار کوتاه مدت با استفاده از تجزیه سری زمانی بار وشبکه عصبی

چکیده پیش بینی بارکوتاه ‌مدت یک فرآیند پایه در بهره برداری سیستم‌های قدرت محسوب می‌شود. بسیاری از توابع بهره‌برداری نظیر آرایش تولید، پخش بار اقتصادی، ارزیابی ایمنی و هماهنگی آبی حرارتی به پیش‌ینی بار کوتاه‌مدت وابسته می‌باشند. در طی سه دهه اخیر روش های مختلفی برای پیش‌بینی بار کوتاه ‌مدت ارائه شده و نرم‌افزارهای صنعتی متعددی نیز بر پایه این روش ها تهیه شده‌اند. از جمله این روش ها می‌توان به ان...

full text

پیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی

شبیه­سازی جریان رودخانه به‌منظور آگاهی از دبی رودخانه در دوره‌های زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سال­های آینده، در این مطالعه دبی جریان در سه ایستگاه حاجی‌قوشان، قره‌شور و تمر در حوضۀ آبخیز گرگانرود برای سال­های آبی 90-1381 شبیه­سازی شد. به‌منظور شبیه­سازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (AR) و داده‌کاوی در قالب ماشین بردار پشتیبان...

full text

My Resources

Save resource for easier access later


Journal title:
بررسی های آمار رسمی ایران

جلد ۲۵، شماره ۱، صفحات ۳۱-۴۵

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023