Abstract:
هدف این مقاله طراحی و ارائه الگوئی است که بتواند با توجه به اطلاعاتی که به صورت فصلی انتشار مییابند در پیشبینی اولیه سالانه واردات وصادرات تجدید نظر کرده و پیشبینی های نزدیک تر به واقعیت را ارائه کند. برای این منظور از الگوی دادههای ترکیبی با تواتر متفاوت ([i]MIDAS) که امکان میدهد متغیرهای سری زمانی با تواترهای متفاوت سالانه، فصلی و حتی روزانه در کنار هم در یک رگرسیون قرار گیرند، استفاده شده است. در الگوهای برآورد شده، به کمک نرم افزار R، از آمارسالانه واقعی واردات کالایی ، صادرات کالایی، صادرات کل و متغیرهای فصلی تولید ناخالص داخلی واقعی، نرخ ارز واقعی و نوسانات نرخ ارز واقعی در محدوده سالهای 1367 تا1393 استفاده شده است. اطلاعات مربوط به سال 1393 در برآورد اولیه رابطه، استفاده نشده تا بتوان براساس آن قدرت پیشبینی الگو را خارج از محدوده برآورد محک زد. درنهایت الگوی تنظیمی مقدار واقعی تراز تجاری را برای سال 1393 که معادل 16404میلیون دلار است ،تنها با حدود 5/0 درصد خطا معادل16310 میلیون دلار پیشبینی میکند. این امر مبین قدرت پیشبینی دقیق الگو در رابطه با تراز تجاری کشور است.
Machine summary:
برای تصریح الگو صادرات غیرنفتی، از داده های صادرات غیر نفتی کالا به قیمت ثابت با تواتر سالانه و متغیرهای فصلی لگاریتم تولید ناخالص داخلی به فصلنامـه اقتصاد مالی شماره ٣٩ / تابستان ١٣٩٦ قیمت ثابت ، لگاریتم نرخ ارز حقیقی و لگاریتم نوسانات نرخ ارز حقیقی استفاده شده است .
پس از اولین برآورد الگوهای صادرات غیرنفتی و واردات کالایی، اطلاعات مربوط به فصل اول ، سپس فصل دوم تا چهارم به الگوها اضافه شده و هربار بر اساس رابطه ی زیر در مقدار پیش بینی صادرات و واردات اولیه تجدید نظر صورت میگیرد: (رجوع شود به تصویر صفحه) در این روابط ، متغیرها عبارت اند از: xnot :صادرات غیرنفتی کالا به قیمت ثابت بر حسب میلیون دلار(سالانه ) mfot :واردات کالا به قیمت ثابت برحسب میلیون دلار(سالانه ) txt : لگاریتم صادرات کل (مجموع صادرات کالا وخدمات ) به قیمت ثابت بر حسب میلیون دلار(سالانه ) فصلنامـه اقتصاد مالی شماره ٣٩ / تابستان ١٣٩٦ (tgdpt)q:لگاریتم تولید ناخالص داخلی به قیمت ثابت بر حسب میلیارد ریال (فصلی) (tet)q: لگاریتم نرخ ارز واقعی (فصلی) (tget)q: لگاریتم نوسانات نرخ ارز واقعی (فصلی) در رابطه با برآورد ضرایب مربوط به متغیرهای فصلی الگو، علاوه بر برآورد ضرایب β١ ، β٢ و β٣می باید توابع وزن دهی (w)j ɵ را مشخص کرده و پارامترهای آن را برآورد نمود.
Mixed frequency Data Sampling 2 Goldstein and Khan 3 Sarwar and Anderson 4 Mixed frequency Data Sampling 5 Klein and Sojo 6 Ghysels ,Santa-Clara & Valkanov 7 Ghysels, Sinko & Valkanov 8 Tau 9 Ghysels 10 Almon Lag Polynomial Specification 11 Normalized Exponential Almon Lag Polynomial 12 Normalized Beta Probability Density Function 13 lag 14 Lead 15 Alper , Fendoglu & Saltoglu 16 Engle, Ghysel & B.