چکیده:
تورم به عنوان یکی از بنیادیترین چالشهای اقتصادی، در طول حیات اقتصادی هر کشور شناخته میشود، به همین دلیل پیشبینی روند تورم برای تنظیم سیاستهای اقتصادی اهمیت بهسزایی دارد. این نیاز موجب توجه جدی به کاربرد مدلهای مختلف برای پیشبینی نرخ تورم شده است؛ و بدین منظور مدلهای پیشبینی گوناگونی در رقابت با یکدیگر توسعه یافتهاند. از این رو این پژوهش با هدف پیشبینی ماهیانه نرخ تورم در ایران برای سال 1390 با استفاده از دادههای سری زمانی ماهیانه شاخص بهای کالا و خدمات مصرفی ایران در سالهای 1383 تا 1389 انجام شده و اطلاعات مربوط به شاخص بهای کالا و خدمات مصرفی نیز برای سالهای مورد نظر از بانک مرکزی جمهوری اسلامی ایران گرفته شده است. برای این منظور از دو الگوی میانگین متحرک همانباشته خود توضیح (ARIMA) و شبکه عصبی (ANN) استفاده شده و همچنین در این پژوهش به مقایسه الگوهای اقتصادسنجی و شبکه عصبی و توان پیشبینی هر یک از الگوها با در نظر گرفتن میانگین درصد خطای مطلق آنها پرداخته شده است. نتایج پیشبینی با استفاده از این دو الگو نشان داد، که اگرچه هر دو الگوی میانگین متحرک خود توضیح و شبکهی عصبی، با توجه به میانگین درصد خطای مطلق پیشبینی درون نمونهای، به ترتیب 86/ 0 و 94/ 0 درصد دارای توان پیشبینی بالایی بودهاند، اما الگوی ARIMA به نسبت الگوی ANN از دارای توان پیشبینی بالاتری بوده است. بنابراین در این پژوهش مقادیر پیشبینی شده شاخص بهای کالا و خدمات مصرفی در ایران بر اساس الگوی سری زمانی ARIMA تعیین شده است و نتایج پیشبینی این الگو نشان میدهد، با توجه به روند رو به رشد در شاخص بهای کالا و خدمات مصرفی در ایران برای سال 1390، در پیش گرفتن 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.
Inflation is one of the most fundamental economic problems in each country, so inflation’s trend forecasting for arranging economical policies is very important. This necessity has caused serious attention to the application of different models for forecasting inflation’s rate, thus different forecasting models have developed in competition with one another. Hence this study aimed to forecast the monthly inflation rate in Iran in 1390, has performed using monthly time series data from Iran’s consumer price index of goods and services in the years 1383 to 1389. Information about consumer price index of goods and services for desired years has been obtained from Central Bank of Iran. Hence this study has used two models, Auto Regressive Integrated Moving Average (ARIMA) and Artificial Neural Network (ANN), and has compared the forecasting power of neural network models and econometric models by taking a mean absolute percentage error. Forecast results using these two models showed, although both ARIMA and ANN according to percentage of absolute prediction error within the sample, respectively, 0.86 and 0.94, have a high forecasting power, but ARIMA’s model, in comparison with ANN’s model, has higher forecasting power. Therefore in this study predicted value of consumer price index of goods and services in Iran is determined based on ARIMA time series model. Forecasts show, due to the growing trend in the consumer price index of goods and services in Iran in 1390, choosing monetary policies and liquidity management through appropriate fiscal and monetary policies by policy makers, play an important rate in controlling inflation.
خلاصه ماشینی:
بنابراین در این پژوهش مقادیر پیش بینی شده شاخص بهای کالا و خدمات مصرفی در ایران بر اساس الگوی سری زمانی ARIMA تعیین شده است و نتایج پیش بینی این الگو نشان می دهد، با توجه به روند رو به رشد در شاخص بهای کالا و خدمات مصرفی در ایران برای سال ١٣٩٠، در پیش گرفتن سیاست های کنترل حجم پول و نقدینگی از طریق اعمال سیاست های پولی و مالی مناسب توسط سیاستگذران می تواند نقش مهمی در کنترل نرخ تورم داشته باشد.
بررسیهای پرشماری در زمینه استفاده از الگوهای سری زمانی ARIMA و شبکه های عصبی در پیش بینی متغیرهای مختلف اقتصادی صورت گرفته است که از آن جمله میتوان به مطالعات چرچ و کورام (١٩٩٦)، کهزادی و همکاران (١٩٩٦)، مشیری و همکاران (١٩٩٩)، مشیری و کامرون (٢٠٠٠)، تکاز (٢٠٠١)، اولسون و موس من (٢٠٠٣) ، هروی و همکاران (٢٠٠٤) آذربایجانی و همکاران (٢٠٠٧)، فهیمیفرد و همکاران (٢٠٠٩)، گیلان پور و کهزادی (١٣٧٦)، مجاوریان و امجدی (١٣٧٨)، کهزادی و ابوالحسنی (١٣٧٩)، قاسمی و همکاران (١٣٧٩)، مشیری (١٣٨٠)، قدیمی و مشیری (١٣٨١)، اصغری اسکویی (١٣٨١)، عباسیان و کرباسی (١٣٨٢)، مرزبان و همکاران (١٣٨٣)، طرازکار (١٣٨٤)، نجفی و همکاران (١٣٨٥)، خاشعی و بیجاری (١٣٨٥)، عبدالهی عزت آبادی (١٣٨٥)، اثنی عشری (١٣٨٦)، طاهرحسینی و همکاران (١٣٨٦)، زراءنژاد و همکاران (١٣٨٧)، طیبی و همکاران (١٣٨٧)، محمدی و همکاران (١٣٨٧)، فهیمیفر (١٣٨٧)، ایمان دوست و همکاران (١٣٨٨)، مهرابی و همکاران (١٣٨٨)، آذربایجانی و همکاران (١٣٨٨) اشاره نمود.