بررسی توان پیش‌بینی الگوهای اقتصادسنجی و شبکه عصبی‌ تورم در ایران

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.