ارزیابی روشهای پیش بینی ترکیبی: با رویکردهای شبکه های عصبی - کلاسیک در حوزه اقتصاد

در این تحقیق، رویکرد پیش بینی ترکیبی در مدلهای اقتصادی مورد توجه قرار گرفته است. این رویکرد، در حدود دو دهه است که مطرح گردیده و تحقیقات انجام شده در این زمینه نشان دهنده کاهش بسیار زیاد خطاهای پیش بینی مقادیر آتی است. برای انجام این تحقیق، در ابتدا با استفاده از چندین روش مختلف، پیش بینی انجام شده است که در این مطالعه، آنها روشهای فردی نامیده شده اند. مدلهای پیش بینی فردی، شامل روشهای هموار سازی نمائی، تحلیل روند، باکس جنکینز، تحلیل های علی و مدل شبکه عصبی می باشند. نتایج این روشهای فردی( که از بین روشهای مختلف برگزیده شده اند و از نظر آماری مدل آنها معنا دار می باشد) با استفاده از رویکرد شبکه عصبی مصنوعی ( در این ترکیب، روش فردی پیش بینی عصبی وارد نشده است) و روش رگرسیون چند متغیره( با لحاظ تمام روشها و نیز با عدم وارد نمودن پیش بینی های فردی شبکه عصبی مصنوعی) با یکدیگر ترکیب و مقایسه شده است. داده های مورد استفاده، شامل تقاضای نفت کشور اوپک از سال 1960 تا 2002 به عنوان متغیر وابسته و قمیت ، درآمد، تقاضای سایر انرژیها، جمعیت و ارزش افزوده در بخش صنعت به عنوان متغیرهای مستقل می باشند. در روشهای تک متغیره، فقط متغیر مستقل( با متغیر وابسته زمان ) جهت پیش بینی مورد استفاده قرار گرفته است، ولی در روشهای علی و شبکه عصبی، تمام متغیرهای بیان شده وارد شده اند. داده های مورد استفاده برای تمام متغیرها از سال 1960 تا 1996 و داده های آزمایش از سال 1996 تا 2002 بوده اند. معیارهای اصلی mse و mape محاسبه شده برای مقادیر پیش بینی، بیانگر کاهش قابل ملاحظه خطای روشهای ترکیبی نسبت به روشهای فردی است و روش ترکیبی مناسب در این مطالعه، به ترتیب روش شبکه های عصبی و رگرسیون چند متغیره بوده است.