چکیده:
تورم به عنوان یکی از پدیدههای اقتصادی موجب پیامدهای منفی اجتماعی و فرهنگی متعددی همچون فقر، توزیع نامتناسب درآمد و گسترش مفاسد مالی میشود که هرکدام به نوبه خود هزینههای قابل توجهی را بر اقتصاد تحمیل میکند. به همین دلیل، در کلیه کشورها ثبات قیمتها به عنوان هدف اصلی برنامهها و سیاستگذاریهای اقتصادی در نظر گرفته میشود. لذا بررسی و پیشبینی این متغیر کلان اقتصادی از اهمیت ویژهای برخوردار است. در این راستا مدلهای پیشبینی گوناگونی در رقابت با یکدیگر توسعه یافتهاند، یکی از این روشها الگوریتمهای تکاملی میباشد که به عنوان روشی نوین برای مدلسازی و پیشبینی پدیدههای مختلف ابداع گردیدهاند. در مطالعه حاضر با استفاده از الگوریتم کرم شبتاب و الگوریتم فاخته و به کارگیری متغیرهای تأثیرگذار بر تورم از جمله حجم نقدینگی، نرخ ارز، نرخ بهره حقیقی، تورم انتظاری و تولیدات صنعتی طی دوره 1394-1354 به مدلسازی تورم به صورت خطی و غیرخطی پرداخته میشود. نتایج نشان می-دهد که مدل غیرخطی برای مدلسازی تورم مناسبتر است و الگوریتم کرم شبتاب نسبت به الگوریتم فاخته نتیجه بهتری را ارائه میدهد و با توجه به دقت مدل غیرخطی مدلسازی شده توسط الگوریتم کرم شبتاب میتوان به منظور پیشبینی تورم در آینده از آن استفاده نمود.
Inflation، as one of the economic phenomena، causes many negative social and cultural consequences such as poverty، disproportionate distribution of income and the spread of financial distress، which in turn imposes significant costs on the economy. For this reason، price stability is considered as the main goal of economic planning and policy in all countries. Therefore، it is important to study and predict this macroeconomic variable. In this regard، various predictive models have been developed in competition with each other. One of these methods is evolutionary algorithms، which is a new method for modeling and predicting various phenomena. In the present study، using the Firefly and Cuckoo algorithm، and employing variables that affect inflation، including liquidity، exchange rate، real interest rate، expected inflation and industrial output during the period of 1975-2015، we attempt to model inflation linearly and non-linearly. The results show that the nonlinear model is more suitable for inflation modeling، and the Firefly algorithm is better than Cuckoo algorithm. According to the precision of the non-linear model developed by Firefly algorithm، it can be used to forecast inflation in the future.
خلاصه ماشینی:
نتایج نشان میدهد که مدل غیرخطی برای مدلسازی تورم مناسبتر است و الگوریتم کرم شبتاب نسبت به الگوریتم فاخته نتیجه بهتری را ارائه میدهد و با توجه به دقت مدل غیرخطی مدلسازی شده توسط الگوریتم کرم شبتاب میتوان به منظور پیشبینی تورم در آینده از آن استفاده نمود.
بنابراین هدف این پژوهش جستجو مدل و سیستمی است که بتواند تغییرات شاخص قیمت مصرفکننده ایران را طی دوره (1394-1354) با استفاده از حداقل تعداد متغیرهای ورودی به صورت دقیق مدلسازی کند که در این راستا نتایج مدل توسط خطای جذر میانگین مربعات (RMSE) اندازهگیری میشود.
بنابراین در ادامه مقادیر پیشبینی شده شاخص بهای کالا و خدمات مصرفی در ایران بر اساس الگوی سری زمانی ARIMA تعیین شد و نتایج پیشبینی این الگو نشان داد که با توجه به روند رو به رشد در شاخص بهای کالا و خدمات مصرفی در ایران برای سال 1390، در پیشگرفتن سیاستهای کنترل حجم پول و نقدینگی از طریق اعمال سیاستهای پولی و مالی مناسب توسط سیاستگذران میتواند نقش مهمی در کنترل نرخ تورم داشته باشد.
این مدل که توسط برخی از بانکهای مرکزی کشورها استفاده میشود به صورت زیراست: به تصویر صفحه مراجعه شود که در آن π t معرف تورم در سال t، t متغیر درونزا تولید (لگاریتم تولید نسبت به تولید بالقوه)، i t نرخ رپو به عنوان ابزار سیاستی پولی، t متغیر خارجی، ( t ، t ، t ) شوکهای مستقل تصادفی توزیع شده موجود در معادله میباشد.
به تصویر صفحه مراجعه شود نمودار (1): مدل غیرخطی شبیهسازی شده توسط الگوریتم کرم شبتاب و الگوریتم فاخته منبع محاسبات تحقیق نتایج نشان میدهد که تورم در اقتصاد ایران پایدار است.
British Journal of Economics, Management & Trade, 3(1), 60-72.