پیش بینی تورم ایران با استفاده از مدل های ساختاری، سری های زمانی و شبکه های عصبی

امروزه ، پیش بینی متغیرهای کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحدهای اقتصادی برخوردار است . در نتیجه ، در دهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند . اخیرا به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری های زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیرهای مالی و پولی به کار گرفته شده اند . این مدل ها که در حقیقت اقتباس از فرایند یادگیری مغز انسان هستند ، با استفاده از سرعت محاسباتی کامپیوتر ، روابط بین متغیرها را هر چند پیچیده باشند ، یادگرفته و از آن برای پیش بینی مقادیر آتی استفاده می نمایند از ویژگی های مهم این مدل ها می توان به آزادی آنها از فروض آماری مربوط به متغیرها ، استفاده از روش های محاسباتی موازی و غیر خطی بودن آنها اشاره نمود . در این مقاله ، علاوه بر معرفی مدل های شبکه های عصبی و نحوه کاربرد آنها در اقتصاد ، یک مدل شبکه عصبی برای پیش بینی تورم در ایران با استفاده از اطلاعات سال های 1377 - 1338 طراحی و اجرا شده است . نتایج بدست آمده حاکی از آن است که مدل های شبکه های عصبی در غالب موارد عملکرد بهتری در زمینه پیش بینی تورم دوره آتی ایران نسبت به رقبای خود دارند .