طاهر عبدالزاده - دکتری، گروه اقتصاد مالی، دانشکده اقتصاد، دانشگاه مفید
مهدی عبداللهی - دانشجوی دکتری، دانشکده مهندسی و علوم کامپیوتر دانشگاه ویکتوریای ولینگتون، ولینگتون، نیوزیلند
صفر واحدی - کارشناس شبکه، مرکز فناوری اطلاعات و خدمات رایانه ای، دانشگاه تبریز

شناسایی و تبیین ارتباط تورم و بیکاری در اقتصاد هر کشور، به لحاظ تصمیم گیریهای اقتصادی از جایگاه خاصی برخوردار میباشد. شناسایی این ارتباط به سیاستگذاران اقتصادی در بهبود متغیرهای واقعی اقتصاد کمک شایانی مینماید. یکی از روشهای جدید که برای پیش بینی رفتار متغیرها در علوم مختلف مورد استفاد قرار می گیرد شبکه های عصبی مصنوعی و روشهای برگرفته از این روش می باشد. نویسندگان در این مقاله سعی بر این دارند که به تخمین رابطه تورم و بیکاری با استفاده از مدلهای سری زمانی و الگوریتم رقابت استعماری و بر مبنای منحنی فیلیپس به پیش بینی نرخ تورم ایران پرداخته و قدرت پیش بینی این دو روش با همدیگر مورد مقایسه قرار دهند. برای این منظور از داده های سالانه مربوط به دوره 1338-1389 استفاده شده است. ابتدا به تخمین مدل بر پایه داده های 1338-1385 پرداخته و برمبنای نتایج استخراجی به پیش بینی تورم سالهای بعد پرداخته شده است. نتایج حاصل از تحقیق بیانگر کاهش جزیی در میزان خطای پیش بینی و بهبود جزیی پیش بینی بر پایه الگوریتم رقابت استعماری نسبت به مدل VAR میباشد.

رقابت استعماری، شبکه های عصبی مصنوعی، منحنی فیلیپس، تورم، پیش بینی زمان واقعی