پیش بینی نرخ ارز با به کارگیری الگوی ترکیبی خودرگرسیون میانگین متحرک انباشته و شبکه عصبی مصنوعی در اقتصاد ایران

نرخ ارز نیز یکی از متغیرهای کلیدی و مهم اقتصادی در سیاستگذاری قلمداد می شود، تا جایی که می-توان این متغیر را نماینده موقعیت اقتصادی کشور در دو صحنه داخلی و خارجی قرار داد. از آنجا که قسمت اعظم درآمدهای ارزی کشور از طریق فروش نفت خام تامین میشود و منبع اصلی درآمد دولت نیز همین فروش نفت خام است، به همین علت تغییرات نرخ ارز میتواند تاثیرات بسیاری بر ساختار اقتصادی کشور و بازارهای داخلی داشته باشد. پیش بینی روند آتی نرخ ارز به عنوان یکی از پراهمیت ترین و تأثیرگذارترین متغیرهای اقتصاد کلان، همواره مورد توجه بسیاری از پژوهش گران بوده است. دقت پیش بینی از مهمترین عوامل موثر در انتخاب روش پیش بینی است.در مقاله حاضر، به منظور بهره گیری از مزایای منحصربه فرد هر یک از روشهای الگوسازی خطی و غیرخطی، روش ترکیبی الگوهای خودرگرسیون میانگین متحرک انباشته و شبکه عصبی مصنوعی به منظور پیش بینی نرخ ارز پیشنهاد شده است. مقایسه نتایج نشان میدهد که الگوی ترکیبی نسبت به الگوی خودرگرسیون میانگین متحرک انباشته (ARIMA) و شبکه پرسپترون چند لایه (MLP) نتایج دقیق تری در پیش بینی نرخ ارز (دلار در مقابل ریال) ارایه نموده است.

Keywords:

نرخ ارز , میانگین متحرک خود رگرسیون انباشته , شبکه عصبی مصنوعی , اقتصاد ایران.