پیش بینی به هنگام تولید ناخالص داخلی ایران با استفاده از تحلیل احساس اخبار اقتصادی
Publish Year: 1403
Type: Journal paper
Language: Persian
View: 88
This Paper With 30 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_ATE-11-3_005
Index date: 31 December 2024
پیش بینی به هنگام تولید ناخالص داخلی ایران با استفاده از تحلیل احساس اخبار اقتصادی abstract
این پژوهش، روشی برای کمی سازی اطلاعات بدون ساختار اخبار اقتصادی برای به کارگیری در ارزیابی به هنگام شرایط اقتصادی را پیشنهاد می دهد. به همین منظور، اخبار اقتصادی به صورت روزانه از ابتدای سال ۱۳۸۴ تا انتهای آذرماه سال ۱۴۰۲، از پایگاه اینترنتی خبرگزاری فارس استخراج شده است. متون خبری، پس از پیش پردازش اولیه، با استفاده از مدل تخصیص پنهان دیریکله (LDA) در دسته های مختلفی طبقه بندی شدند به نحوی که هر دسته، یک موضوع خبری را نشان می دهد. سپس با استفاده از رویکرد تحلیل احساس مبتنی بر واژه نامه، امتیاز یا نمره حسی هر خبر مشخص شده است. از تجمیع فصلی امتیازات حسی اخبار ذیل هر موضوع، سری های زمانی حسی ایجاد و توانایی این سری های زمانی در پیش بینی تولید ناخالص داخلی فصلی ایران با استفاده از روش های ریج، لسو، الستیک نت و تقویت گرادیان ارزیابی شدهاند. نتایج نشان دادهاند که به کارگیری داده های حسی میتواند خطای پیش بینی را بین ۱۲ تا ۱۸ درصد نسبت به الگوی سری زمانی تک متغیره کاهش دهد. علاوه بر این، با استفاده از رویکرد پیشنهادی این پژوهش می توان بلافاصله بعد از اتمام هر فصل مرجع و با استفاده از اخبار اقتصادی منتشر شده در همان فصل، برآوردی به هنگام از تولید ناخالص داخلی فصلی ارائه کرد
پیش بینی به هنگام تولید ناخالص داخلی ایران با استفاده از تحلیل احساس اخبار اقتصادی Keywords:
پیش بینی به هنگام تولید ناخالص داخلی ایران با استفاده از تحلیل احساس اخبار اقتصادی authors
مرتضی بیرانوند
دانشجوی دکتری، گروه اقتصاد، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی، مشهد، ایران
سید سعید ملک الساداتی
استادیار، گروه اقتصاد، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی، مشهد، ایران
سید محمد جواد رزمی
استاد، گروه اقتصاد، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی، مشهد، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
