ارزیابی نرخ کوتاه مدت تورم در ایران با استفاده از شبکه عصبی

مسئله تورم یکی از مهمترین مشکلاتی است که امروزه بسیاری از کشورهای توسعه یافته و در حال توسعه با آن مواجه می باشند. تورم منجر به کاهش توان رقابت پذیری اقتصاد ملی یک کشور شده و از اینرو پیش بینی نرخ آن از جمله مهمترین برنامه های سیاستمداران در مقوله سیاستگذاری ها و تصمیم گیری های کلان مربوط به اقتصاد یک کشور محسوب می شود. در این مقاله به مساله پیش بینی نرخ کوتاه مدت تورم در ایران با استفاده از شبکه هوشمند مصنوعی )شبکه عصبی( به عنوان یک روش محاسباتی نوین در یادگیری ماشینی و اعمال دانش بدست آمده در تعیین خروجی مسائل پیچیده پرداخته می شود. به همین منظور، داده های فصلی سالهای 1369 تا 1389 به دو صورت داده های کل اقتصاد و داده های بخش صنعت به عنوان یک بخش مهم و مؤثر در اقتصاد کشور جمع آوری و مورد استفاده قرار گرفته است. هچنین پنج پارامتر تاثیرگذار بر میزان نرخ کوتاه مدت تورم شامل تولید ناخالص داخلی کل اقتصاد، نرخ بیکاری در کل اقتصاد، تولید بخش صنعت، سهم درآمدی نیروی کار و هزینه نهایی به عنوان متغیر های ورودی به مدل در نظر گرفته شده است. نتایج بدست آمده از مدل نشان می دهند که شبکه عصبی قابلیت پیش بینی نرخ تورم با میزان خطای قابل قبولی را دارا می باشد.

Keywords:

نرخ کوتاه مدت تورم , شبکه عصبی , مدل سازی