بررسی توان پیش‌بینی الگوهای اقتصادسنجی و شبکه عصبی‌ تورم در ایران

Authors

سید صفدر حسینی استاد اقتصاد کشاورزی دانشگاه تهران

منا آقابیگی دانشجوی کارشناسی ارشد اقتصاد کشاورزی دانشگاه تهران

Abstract:

تورم به عنوان یکی از بنیادی‌ترین چالش‌های اقتصادی، در طول حیات اقتصادی هر کشور شناخته می‌شود، به همین دلیل پیش‌بینی روند تورم برای تنظیم سیاست‌های اقتصادی اهمیت به‌سزایی دارد. این نیاز موجب توجه جدی به کاربرد مدل‌های مختلف برای پیش‌بینی نرخ تورم شده است؛ و بدین منظور مدل‌های پیش‌بینی گوناگونی در رقابت با یکدیگر توسعه یافته‌اند. از این رو این پژوهش با هدف پیش‌بینی ماهیانه نرخ تورم در ایران برای سال 1390 با استفاده از داده‌های سری زمانی ماهیانه شاخص بهای کالا و خدمات مصرفی ایران در سال‌های 1383 تا 1389 انجام شده و اطلاعات مربوط به شاخص بهای کالا و خدمات مصرفی نیز برای سال‌های مورد نظر از بانک مرکزی جمهوری اسلامی ایران گرفته شده است. برای این منظور از دو الگوی میانگین متحرک هم‌انباشته خود توضیح (ARIMA) و شبکه عصبی (ANN) استفاده شده و همچنین در این پژوهش به مقایسه الگوهای اقتصادسنجی و شبکه عصبی و توان پیش‌بینی هر یک از الگوها با در نظر گرفتن میانگین درصد خطای مطلق آنها پرداخته شده است. نتایج پیش‌بینی با استفاده از این دو الگو نشان داد، که اگرچه هر دو الگوی میانگین متحرک خود توضیح و شبکه‌ی عصبی، با توجه به میانگین درصد خطای مطلق پیش‌بینی درون نمونه‌ای، به ترتیب 86/0 و 94/0 درصد دارای توان پیش‌بینی بالایی بوده‌اند، اما الگوی ARIMA به نسبت الگوی ANN از دارای توان پیش‌بینی بالاتری بوده است. بنابراین در این پژوهش مقادیر پیش‌بینی شده شاخص بهای کالا و خدمات مصرفی در ایران بر اساس الگوی سری زمانی ARIMA تعیین شده است و نتایج پیش‌بینی این الگو نشان می‌دهد، با توجه به روند رو به رشد در شاخص بهای کالا و خدمات مصرفی در ایران برای سال 1390، در پیش گرفتن سیاست‌های کنترل حجم پول و نقدینگی از طریق اعمال سیاست‌های پولی و مالی مناسب توسط سیاستگذران می‌تواند نقش مهمی در کنترل نرخ تورم داشته باشد.

Upgrade to premium to download articles

Already have an account?login

similar resources

بررسی توان پیش بینی الگوهای اقتصادسنجی و شبکه عصبی تورم در ایران

تورم به عنوان یکی از بنیادی ترین چالش های اقتصادی، در طول حیات اقتصادی هر کشور شناخته می شود، به همین دلیل پیش بینی روند تورم برای تنظیم سیاست های اقتصادی اهمیت به سزایی دارد. این نیاز موجب توجه جدی به کاربرد مدل های مختلف برای پیش بینی نرخ تورم شده است؛ و بدین منظور مدل های پیش بینی گوناگونی در رقابت با یکدیگر توسعه یافته اند. از این رو این پژوهش با هدف پیش بینی ماهیانه نرخ تورم در ایران برای ...

full text

بررسی تجربی و مدلسازی شبکه عصبی برای پیشبینی ضریب شکست الکلهای خالص و مخلوط دوتایی

در این پژوهش ضریب شکست نمونه های خالص الکلهای نوع اول و مخلوط‌های دوتایی آنها به دو روش تجربی و مدلسازی مورد بررسی قرار گرفت. در روش تجربی از دستگاه رفرکتومتر برای اندازه گیری ضریب شکست استفاده شد و در روش مدلسازی، با به کارگیری شبکه عصبی مصنوعی پرسپترون چندلایه مدلسازی شد. به همین منظور ورودی های شبکه مربوط به مواد خالص، دما، جرم مولکولی و گروه های عاملی CH3، CH2 و OH و برای مخلوط ها کسر مولی،...

full text

مقایسه توان تبیین مدل‌های پارامتریک (اقتصادسنجی) و شبکه عصبی در سنجش میزان ارزش درمعرض خطر پرتفوی شرکت های سرمایه گذاری جهت تعیین پرتفوی بهینه در بازار سرمایه ایران

در دنیای پیچیده ای که ریسک جز لاینفک سرمایه گذاری ها گشته و برای سرمایه گذاری در هر جا ابتدا" می بایست ریسک آن را محاسبه نمود و در اختیار سرمایه گذار قرار داد تا وی به این نتیجه برسد که در مکان مورد نظر سرمایه گذاری نماید یا خیر! محاسبه ریسک معنی و مفهوم پیدا می کند. بنابراین برای پاسخ گویی به سرمایه گذار روش های متفاوتی با توجه به نوع داده های تخمین زننده پارآمترهای مدل های تبیین کننده ریسک طر...

full text

پیش بینی سطح عمومی قیمت ها و تورم در ایران با استفاده از شبکه عصبی

(صحت مطالب مقاله بر عهده نویسنده است و بیانگر دیدگاه مجمع تشخیص مصلحت نظام نیست) هدف این مقاله پیش بینی روند تورم و شاخص قیمت ها در اقتصاد ایران است. داده‌های این مقاله شامل تورم سالانه و داده‌های ماهانه شاخص قیمت مصرف‌کننده در ایران از سال 1340 تا 1392 می باشد. در این تحقیق برای پیش بینی تورم از شبکه عصبی مصنوعی استفاده شده است. برای پیش‌بینی تورم ماهانه از یک شبکه پس‌انتشار خطا(BP) با 15 نر...

full text

پویایی های تورم استان های ایران: با رویکرد اقتصادسنجی فضایی

استان های ایران در چند دهه گذشته فشارهای تورمی بالایی را تجربه کردهاند. این مقاله پویایی های تورم با لحاظ اثرات فضایی بین استانهای ایران با استفاده از منحنی فیلیپس نیوکینزین هیبریدی طی دوره 1392-1380 را مدل‌سازی میکند. نتایج تحقیق نشان میدهد، منحنی فیلیپس نیوکینزی برای بررسی پویاییهای تورم استان‌های ایران مناسب است. همچنین استا‌ن‌های مربوط در تعدیل قیمتهایشان به ترکیبی از قواعد ...

full text

کاربرد شبکه های عصبی و الگوریتم های ژنتیک در پیشبینی و بهینه سازی فرآیند نمک زدایی

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

اقتصاد کشاورزی

volume 8 issue 2

pages 1- 23

publication date 2014-09-01

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

شاخص بهای کالاها و خدمات مصرفی ایران الگوی سری زمانی میانگین متحرک خود توضیح انباشته (ARIMA) شبکه عصبی مصنوعی (ANN)

Hosted on Doprax cloud platform doprax.com