بهینه‎یابی و شبیه‎سازی (مونت کارلو) تاثیر تکانه‎های بهره‎وری بر تولید ناخالص داخلی ایران با رهیافت الگوریتم‎های پیشرفته

در این مقاله، به بررسی پاسخگویی نحوۀ اثرگذاری تکانه‎های بهره‎وری بر تولید ناخالص ملی با رهیافت الگوریتم‎های پیشرفته و شبیه‎سازی مونت‎کارلو در اقتصاد ایران پرداخته شده است. پس از بررسی مطالعات نظری و تجربی صورت‎گرفته، متغیرهای تورم، بیکاری، تولید بالقوه و تکانه‎های بهره‎وری به‎عنوان متغیر‎های توضیح‎دهندۀ تولید ناخالص داخلی انتخاب شدند و با استفاده از سه الگوریتم کرم شب‎تاب، فاخته و پرندگان، ضریب هر یک از متغیرهای مستقل برآورد شد. پس از برآورد ضرایب و با توجه به عدم قطعیت آنها به‎وسیلۀ الگوریتم‎های پیشرفته، به‎کمک روش مونت‎کارلو معادلات مد نظر شبیه‎سازی شدند. مقایسه نتایج به‎دست آمده از شبیه‎سازی و نتایج حاصل از تخمین، نشان‎دهندۀ دقت بالای نتایج تخمین‎هاست. با توجه به نتایج به‎دست‎آمده، تکانه‎های بهره‎وری اثر بسیار ناچیز و قابل صرف نظر بر تولید ناخالص داخلی دارند و تولید بالقوه اثرگذارترین متغیر معرفی است.

Optimization and Simulation (Monte Carlo) of the Impact of Productivity Shocks on GDP of Iran using the Advanced Algorithms Approach

In this paper, the impact of productivity shocks on GDP using advanced algorithm approach and the Monte Carlo simulation in the Iranian economy has been surveyed. After reviewing the theoretical and experimental studies, the variables of inflation, unemployment, potential production and productivity shocks are selected as the variables explaining the variable of gross domestic product. Using three algorithms of fireflies, cuckoo, and particle swarms optimization, the coefficients of each of the independent variables were estimated. After estimating the coefficients and given the uncertainty of the estimated coefficients by the advanced algorithms, Monte Carlo method was used to simulate the equations. Comparing the findings obtained from the simulation and findings of the estimation indicate the high accuracy of the findings obtained from estimates. Given the obtained findings, productivity shocks had very little impact on GDP and the potential production was introduced as the most influential variable.