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. اخیرا 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 مدل ها که در حقیقت اقتباس از فرایند یادگیری مغر انسان هستند ، با استفاده از سرعت محاسباتی کامپیوتر ، روابط بین متغیرها را هرچند پیچیده باشد ، یاد گرفته و از آن برای پیش بینی مقادیر آتی استفاده می نمایند. از ویژگی های مهم این مدل ها می توان به آزادی آنها از فروض آماری مربوط به متغیرها ، استفاده از روشهای محاسباتی موازی و غیر خطی بودن آنها اشاره نمود. در این مقاله ، علاوه بر معرفی مدل های شبکه های عصبی و نحوه کاربرد آنها در اقتصاد ، یک مدل شبکه عصبی برای پیش بینی تورم در ایران با استفاده از اطلاعات سالهای (۱۳۷۷- ۱۳۳۸) طراحی و اجرا شده است. نتایج بدست آمده حاکی از آن است که مدل های شبکه های عصبی در غالب موارد عملکرد بهتری در زمینه پیش بینی تورم دوره آتی در ایران نسبت به رقبای خود دارند.