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

Authors

Abstract:

(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 نرون در لایه میانی و یک شبکه پایه شعاعی(RBF) با 10 نرون در لایه میانی استفاده شده است. همچنین برای پیش‌بینی ماهانه شاخص قیمت مصرف‌کننده از شبکه عصبی پس انتشار خطا با 5 نرون در لایه میانی اول و 15 نرون در لایه میانی دوم استفاده گردید. تابع انتقال لایه اول سیگموئید و تابع انتقال لایه دوم خطی است. همچنین از 70 درصد مشاهدات به منظور آموزش شبکه و از باقی‌مانده جهت تست شبکه استفاده شده است. ورودی‌های شبکه شاخص قیمت با یک و 12 وقفه و خروجی نیز شاخص قیمت مصرف‌کننده در دوره جاری بوده که برای پیش‌بینی شاخص قیمت مصرف‌کننده در 12 دوره بعد استفاده شده است. بر مبنای نتایج این مطالعه، انتظار بر آن است که بر مبنای رویکردBP ، انتظار بر آن است که تورم در سال 1393 به 3/27 کاهش یابد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی

In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...

full text

پیش بینی قیمت نفت خام وتعیین سطح تولید بهینه با استفاده از الگوی تکاملی شبکه های عصبی و تعادل نش

در اقتصاد جهان، نفت خام در کنار گاز طبیعی و زغال سنگ یکی از منابع استراتژیک انرژی است و پیش‌بینی روند تقاضای آن جهت اتخاذ سیاست‌های مناسب، مورد توجه سیاست‌گذاران و تصمیم‌گیرندگان است. نظر به روند پر نوسان و غیرخطی عرضه و تقاضای نفت خام و قیمت آن، روش‌هایی هوشمند و غیرخطی خصوصاً شبکه‌های عصبی مبتنی بر الگوهای تکاملی، توانسته‌اند توانایی خود را در پیش‌بینی کوتاه‌مدت قیمت نفت خام به اثبات برسانند. ...

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 م...

full text

پیش بینی قیمت گوشت مرغ و تخم مرغ با استفاده از شبکه عصبی مصنوعی در ایران

این مطالعه با هدف پیش بینی قیمت اسمی و واقعی گوشت مرغ و تخم مرغ طی دوره (1384-1346) انجام شده است. پس از بررسی ایستایی سری های مورد استفاده برای بررسی تصادفی بودن متغیرها از دو آزمون ناپارامتریک والد- ولفویتز و پارامتریک دوربین- واتسون استفاده شد. براساس نتایج این آزمون ها، تمام سری قیمت اسمی و واقعی محصولات یاد شده به عنوان سری های غیرتصادفی و قابل پیش بینی ارزیابی شدند. الگوهای مورد استفاده ب...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 1  issue شماره 4

pages  51- 67

publication date 2014-08-01

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

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023