چکیده:
پیشبینی نرخ ارز یکی از مسائل مهم هر کشور است. روشهای مرسوم پیشبینی و تجزیه و تحلیل آماری سری زمانی بر اساس دو فرض ایستایی و خطی بودن هستند، اما در مواردی که ویژگی خطیبودن صدق نکند، در عملکرد این مدلها تردید ایجاد میشود. در این راستا، شبکههای عصبی مصنوعی از قابلیت بالایی در مدلسازی فرآیندهای تصادفی و پیچیده و پیشبینی مسیرهای غیرخطی پویا برخوردارند. در این مقاله، با استفاده از یک شبکه عصبی با رویکرد بنیادی، روند تغییرات نرخ ارز را بر اساس متغیرهای اقتصادی مؤثر بر آن مانند شاخص قیمت مصرفکننده در ایران و آمریکا، ارزش صادرات و واردات، قیمت نفت و قیمت طلا را مدلسازی کرده و با تحلیل حساسیت میزان تأثیرگذاری هریک از متغیرها را ارزیابی کردهایم. با استفاده از نتایج مدل میتوان اظهار داشت که مدل، بیشترین حساسیت را نسبت به شاخص قیمت مصرفکننده از خود نشان میدهد. همچنین قیمت طلا، صادرات، قیمت نفت و واردات به ترتیب عوامل دیگر مؤثر بر روند نرخ ارز در ایران هستند.
خلاصه ماشینی:
"در این مقاله ، با استفاده از یـک شـبکه عصـبی بـا رویکـرد بنیـادی ، رونـد تغییرات نرخ ارز را بر اسـاس متغیرهـای اقتصـادی مـؤثر بـر آن ماننـد شاخص قیمت مصرف کننده در ایران و آمریکا، ارزش صادرات و واردات ، قیمت نفت و قیمت طلا را مدل سازی کرده و با تحلیل حساسیت میزان تأثیرگذاری هر یک از متغیرها را ارزیابی کرده ایم .
بـدین روی ، امروزه تقویت بنیان های تولید، رشد صادرات غیرنفتی و افزایش سهم کشـور در تجـارت جهانی و بازارهای بین المللی ، به منظور کاهش وابسـتگی شـدید اقتصـاد بـه درآمـدهای نفتی ، یکی از اهداف مهم اقتصادی تلقی می شود و به همین دلیل ، همـواره مـورد توجـه اقتصاددانان و حتی سیاست مداران بوده که نقش نرخ ارز در حصول به این هـدف بسـیار اهمیت دارد.
٦. نتیجه گیری براساس یافته های پژوهش با توجه به این مطلب که شاخص قیمت های ایران در انتهـای دوره مورد بررسی بیش از ٦٥٠ درصد ابتـدای آن بـوده ، در حـالی کـه ایـن شـاخص در آمریکا در انتهای دوره تنها نزدیک به ٣٠ درصد افزایش یافته است ، طبیعی است که اگر شبکه تنها بر اساس شاخص قیمت ها در دو کشور آموزش داده می شد، انتظار مـی رفـت که نرخ ارز نیز در حدود ٦ برابر ابتدای دوره شود؛ اما با توجه بـه اینکـه در انتهـای دوره نرخ ارز حدود ٣ برابر شده ، روشن است که متغیرهای دیگری نیز در این مسأله مؤثرند."