نام پژوهشگر: فاطمه آقایی

کاربرد تلفیقی مدل داده ستانده و شبکه عصبی در پیش بینی متغیرهای کلان اقتصادی
thesis وزارت علوم، تحقیقات و فناوری - دانشگاه علامه طباطبایی - دانشکده اقتصاد 1389
  فاطمه آقایی   عبدالرسول قاسمی

پیش بینی متغیرهایکی از وظایف اصلی و مهم علوم مختلف از جمله اقتصاد می باشد. به طوری که پیش بینی متغیرهای کلان اقتصادی از اهمیت و جایگاه ویژه ای در مباحث علمی اقتصاد برخوردار بوده و مدل های مختلفی برای پیش بینی مقادیر آتی متغیرها به وجود آمده اند تا سیاست گذاران اقتصادی را در اتخاذ سیاست های پولی و مالی مناسب یاری نمایند. به طور کلی پیش بینی ها می توانند در ارتباط با انجام بخشی از سیاست ها کاربردهای مفید و موثری را به نمایش گذارند و در بسیاری از موارد سیاست گذاران اقتصادی بیشتر به مبنای کمی نیاز دارند تا مبنای کیفی. در این پایان نامه به طور مشخص روی استفاده از مدل تلفیقی داده ستانده و شبکه عصبی در پیش بینی تقاضای نهایی و تولید کل کار شده و با نتایج به دست آمده از مدل داده ستانده مقایسه گردیده است. ابتدا با استفاده از میانگین نرخ رشد تقاضای نهایی طی سال های 1365 الی 1375 به برآورد تقاضای نهایی پرداخته و سپس تولید کل با استفاده از روش داده ستانده پیش بینی شده است. در گام بعدی دو شبکه عصبی پیش خور تعمیم یافته به ترتیب با یک و سه لایه پنهان و توابع فعال سازی تانژانت هیپربولیک و axon در نظر گرفته شده اند. متغیر خروجی شبکه اول، تقاضای نهایی سال 1380 و متغیر خروجی شبکه دوم، تولید کل سال 1380 می باشد. استفاده از معیارهای mse، rmse، mad، mape و u-thail در مقایسه دو مدل نشان می دهد که مدل تلفیقی داده ستانده و شبکه عصبی نسبت به مدل داده ستانده در پیش بینی تولید کل دارای برتری است.