پیش بینی رشد اقتصادی ایران به کمک الگوی داده های ترکیبی با تواتر متفاوت

Authors

محمد نوفرستی

دانشیار دانشکده اقتصاد دانشگاه شهید بهشتی محبوبه بیات

کارشناس ارشد اقتصادی دانشگاه شهید بهشتی

abstract

چکیده رشد اقتصادی که در این مقاله توسط رشد تولید ناخالص داخلی به قیمت عوامل اندازه گیری شده، عمده­ترین متغیری است که می­توان بر اساس آن عملکرد کلی اقتصاد را مورد قضاوت قرار داد. پیش­بینی این رشد به مسئولین اقتصادی کمک می­کند تا تصویری از شرایط آینده اقتصاد را در اختیار داشته و در صورت لزوم سیاست­های اقتصادی خاصی را اتخاذ نمایند. در این مقاله با استفاده از روشی که اخیرا توسط گیزلز، سانتاکلارا و والکانو در سال2004 ابداع شده­است به پیش­بینی رشد اقتصادی به صورت فصلی پرداخته شده است. این روش که «الگوی داده­های ترکیبی با­تواتر متفاوت (میداس) » نام گرفته است امکان می­دهد تا متغیرهای با تواتر زمانی مختلف، مثلا فصلی، ماهانه و هفتگی بتوانند در کنار هم در یک معادله رگرسیونی قرار گیرند. حسن وجود متغیرهای توضیح دهنده با تواتر زیاد برای توضیح متغیر وابسته کم­تواتر در این است که به محض انتشار داده­های جدیدی برای متغیرهای پرتواتر می­توان در مقدار پیش­بینی متغیر کم­تواتر تجدید نظر کرد. مقایسه پیش­بینی­های ارائه شده توسط الگوی برآورد­شده در این مقاله برای رشد تولید ناخالص ­داخلی با داده­های­واقعی فصل­هایی که در برآورد اولیه الگو مورد استفاده قرار نگرفته­اند حاکی از قدرت پیش­بینی بسیار دقیق الگو است. این الگو نرخ رشد اقتصادی فصل پاییز سال 1393 را در برآورد اولیه 8/1 % و سپس با اطلاع از کاهش قیمت نفت در ماه­های اخیر نهایتا پس از تجدید نظر معادل 5/1% پیش بینی می­کند. این نرخ برای فصل زمستان سال 1393 به میزان 2/2 - % پیش بینی شده است. بدین ترتیب پیش­بینی می­شود اقتصاد ایران در سال 1393 از رشدی معادل 9/1% برخوردار باشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی نرخ تورم ماهانه: کاربرد الگوی تصحیح خطای داده های ترکیبی با تواتر متفاوت

در مقاله حاضر به منظور پیش بینی نرخ تورم ماهانه با استفاده از داده های سری زمانی نمونه گیری شده باتواترهای متفاوت، از الگوی تصحیح خطای میداس استفاده شده است. برای بررسی دقت پیش بینی الگو، نرخ تورم ماه های مهر و آبان سال 1395 در الگو مورد استفاده قرار نگرفته و مقادیر تورم این دو ماه پیش بینی شده است. سپس به وسیله داده های هفتگی منتشر شده از متغیرهای توضیح دهنده، مقادیر این پیش بینی ها مورد تجدید...

full text

بررسی عملکرد رگرسیون داده های ترکیبی با تواتر متفاوت در پیش بینی تورم فصلی ایران

این مطالعه به بررسی قدرت پیش بینی مدل های خودرگرسیون با داده های با تواتر متفاوت در پیش بینی نرخ تورم فصلی برای اقتصاد ایران می پردازد. به این منظور، دقت پیش بینی مدل های خودرگرسیونی که از وقفه های ماهانه نرخ تورم استفاده می کنند در برابر مدل پایه ای که از اطلاعات فصلی تغذیه می کند، مقایسه شده است. نتایج نشان می دهد که استفاده از مشاهدات ماهانه نرخ تورم در پیش بینی تورم فصلی غالبا منجر به بهبود...

full text

پیش‌بینی نرخ رشد قیمت سکه طلا در ایران با استفاده از الگوی رگرسیون داده‌ها با تواتر متفاوت (میداس)

سرمایه‌گذاری در بازارهای طلا به دلایل مختلفی از جمله کسب سود، حفظ ارزش دارایی، جواهرات، پزشکی صورت می‌گیرد. به همین منظور پیش بینی قیمت طلا مورد توجه قرار گرفته است. در گذشته از روش‌های مختلفی برای پیش بینی قیمت طلا استفاده شده است. در این پژوهش ما برای این منظور از الگوی داده‌های ترکیبی با تواتر متفاوت  که این امکان را فراهم می‌کند که متغیرهای سری زمانی بصورت سالانه، فصلی، ماهانه و حتی روزانه ...

full text

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

full text

الگوئی برای نمایش چشم‌اندازی از تراز تجاری کشور به روش رگرسیونی داده‌های ترکیبی با تواتر متفاوت

هدف این مقاله طراحی و ارائه الگوئی است که بتواند با توجه به اطلاعاتی که به صورت فصلی انتشار می‌یابند در پیش‌بینی اولیه سالانه واردات وصادرات تجدید نظر کرده و پیش‌بینی های نزدیک تر به واقعیت را ارائه کند. برای این منظور از الگوی داده‌های ترکیبی با تواتر متفاوت ([i]MIDAS) که امکان می‌دهد متغیرهای سری زمانی با تواترهای متفاوت سالانه، فصلی و حتی روزانه در کنار هم در یک رگرسیون قرار گیرند، استفاده ش...

full text

استفاده از رهیافت های شبکه عصبی و مدل های خودرگرسیونی در پیش بینی رشد اقتصادی ایران

یکی از مسائل مهم در اقتصاد پیش بینی رشد اقتصادی می باشد که با توجه به اینکه، پیش بینی صحیح رشد اقتصادی، آثار مهمی در سیاست گذاری و برنامه ریزی های اقتصادی دولت دارد و می تواند علاوه بر ایجاد زمینه‌ی توسعه روش های جدید پیش بینی، سیاست گذاران را در تصمیم گیری آتی یاری رساند، لذا هدف این مقاله پیش بینی رشد اقتصادی ایران با استفاده از سه مدل شبکه عصبی، میانگین متحرک خودرگرسیون تجمعی، خودرگرسیون وار...

full text

My Resources

Save resource for easier access later


Journal title:
اقتصاد و الگو سازی ( اقتصاد سابق)

جلد ۴، شماره ۱۴ و ۱۵، صفحات ۰-۰

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023