میلاد نظری - دانشجوی کارشناسی ارشد هوش مصنوعی و رباتیکز- دانشگاه جامع امام حسین ع، انتهای اتوبان بابایی دانشگاه جامع امام حسین (ع)
محمدرضا حسنی آهنگر - دانشیار- دانشگاه جامع امام حسین ع، انتهای اتوبان بابایی دانشگاه جامع امام حسین (ع)
علی ظریفی - دانشجوی کارشناسی ارشد هوش مصنوعی و رباتیکز- دانشگاه جامع امام حسین ع، انتهای اتوبان بابایی دانشگاه جامع امام حسین (ع)

پیش بینی شاخص های اقتصادی در هر کشوری از اهم فعالیت های اقتصاددانان آن کشور محسوب میشود. این پیش بینی در حال حاضر به دو روش انجام می پذیرد. روش اول پیش بینی بر اساس سایر متغیرهای اقتصادی است. رفتار سایر متغیرهای اقتصادی در مجموع برآیندی را حاصل می کند که می توانند بر یک شاخص اقتصادی تاثیر مثبت و یا منفی بگذارند. روش دوم، روش فنی نام دارد که به دلیل عدم دقت و ناتوانی روش اول برای پیش بینی کوتاه مدت مورد توجه قرار گرفته است. رگرسیون خطی، شبکه عصبی و سایر روشهای معمول در حوزه یادگیری ماشین از جمله این روشهاست. موضوع مورد نظر در این مقاله بیشتر در حوزه روش دوم یا همان روش فنی قرار دارد. در کارهای انجام شده در روش فنی مبنای عملکرد، همواره رفتار گذشته یا همان نوسان همان شاخص اقتصادی بوده است. اما نکته مهم آنجاست که در کشورهایی که نوسانات شاخص های اقتصادی بیشتر تحت تاثیر عوامل غیر اقتصادی است، روشهای فعلی پیش بینی قابل قبولی را ارایه نمی کنند. در این مقاله ابتدا روشهای موجود مورد بررسی قرار گرفته و سپس چالش های روش های انجام شده مورد بررسی قرار خواهد گرفت. در نهایت اشکال عمده روشهای فعلی و علل ناتوانی آنها در ارایه پیش بینی مورد انتظار، بیان خواهد شد.

پیش بینی، دقت، یادگیری ماشین، شاخص اقتصادی