کاربرد الگوریتم ژنتیک در ترکیب پیش‌بینی‌های تورم

پیش‎بینی تورم به عنوان یکی از الزامات سیاست‎گذاری پولی در کشورهایی تبدیل شده است که مقامات پولی آن‎ها سیاست هدف‎گذاری تورم را تعقیب می‌کنند. 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 راه‌های استفاده از تمامی‌اطلاعات موجود در پیش‌بینی تورم، ترکیب مدل‎های مختلف پیش‌بینی است، که در گزارش حاضر از رویکرد ابتکاری الگوریتم ژنتیک، به منظور ترکیب نتایج پیش‌بینی تورم شش مدل برای چهار فصل سال 1386 استفاده شده است. طبقه‎بندی JEL : C13، C53، E37