پیش بینی نرخ تورم در ایران با استفاده از روش ساخت نماگر های ترکیبی پیشرو

در حال حاضر تورم یکی از حادترین مشکلات اقتصادی چه برای کشورهای توسعه یافته و چه برای کشورهای در حال توسعه می باشد. جلوگیری از بروز بحرانهای ناشی از تورم های بالا نیاز به اعمال سریع و هدایت صحیح سیاستهای اقتصادی دارد و همچنین با توجه به اینکه از زمان اجرای یک سیاست اقتصادی تا زمانی که آن سیاست نتیجه دهد، مدتی طول می کشد و ممکن است در این مدت سیاست یا رخدادی جدید مانع از نتیجه بخشی مناسب سیاست مزبور گردد، لذا پیش آگاهی از تورم و پیش بینی صحیح و واقعی نقاط بازگشتی آن در اقتصاد ایران ضروری به نظر می رسد.بنابراین در این تحقیق به منظور توجه به اهمیت متغیر های اطلاعاتی دربار? تورم و ارائه پیش بینی دقیق تر از آن برای دوره های بعدی از روشی موسوم به روش نماگر ترکیبی پیشرو(cli) استفاده خواهد شد. در این تحقیق بااستفاده از داده های آماری فصلی 80 متغیر به عنوان متغیر بالقوه نماگر که از بانک مرکزی ایران, مرکز آمار ایران وifsاستخراج گردیده، اقدام به ساخت نماگر ترکیبی پیشرو برای نرخ تورم شده است به این صورت که ابتدا داده های سری زمانی فرآوری شده (برای خارج کردن جزء نامنظم از روش میانگین متحرک مرتبه 3 یک طرفه رو به بالا، برای فصل زدائی از روش 11census x ، وبرای روندزدائی از روش هودریک پرسکات استفاده شده است)،و جزء دوران همه متغیر ها استخراج و با استفاده از روش همبستگی متقاطع بین نرخ تورم و متغیر های بالقوه نماگر، متغیر های پیشرو(19متغیر)، پسرو(28 متغیر) و همراه(یک متغیر) نسبت به نرخ تورم معلوم و با استفاده از روش حداکثر همبستگی متقاطع بین یازده متغیر پیشرو(نرمالیزه و همگام سازی شده)، ضرایب نماگرهای پیشرو جهت ساخت نماگر ترکیبی پیشرو، تعیین و اقدام به ساخت cli میشود. و سپس برای بهبود مدل 11 متغیر پیشرو را با استفاده از روش مولفه های اصلی، به 4 مولفه اصلی تبدیل کرده و از مجذور ضرایب نماگرهای پیشرو در آنها جهت ساخت 4 نماگر ترکیبی پیشرو استفاده می گردد که نشان می دهد نماگر ترکیبی پیشرو ساخته شده از روش مولفه های اصلی بهتر از روش همبستگی متقاطع بوده و بیشترین ضرایب در بهترین cli، مربوط به متغیر های, 1- شاخص بهای عمده فروشی کالاهای وارداتی 2- صادرات غیرنفتی 3- هزینه های مصرفی خصوصی 4- ارزش افزوده کل می باشد. این نماگر ترکیبی پیشرو دارای همبستگی متقاطع با نرخ تورم به میزان 80% بوده و توانایی پیش بینی جهت حرکت نرخ تورم و نقاط بازگشتی آن را به مدت 4 فصل (حداقل مقدار پیشروی متغیرهای پیشرو نسبت به نرخ تورم در بین متغیرهای اصلی) دارد و حالت های صعودی نرخ تورم را بهتر از حالت های نزولی نشان می دهد، موافق دوران تورم بوده و در همان جهت حرکت می نماید.از مولفه های اصلی می توان به عنوان متغیرهای مستقل در مدل رگرسیون نیز استفاده کرد چرا که دیگر مشکل همخطی موجود در متغیر های اصلی را ندارند و کاملآ از هم مستقل می باشند.استفاده از این روش نشان داد که چهار مولفه اصلی ساخته شده دارای قدرت توضیح دهندگی 68% برای نرخ تورم می باشند.