پيشبيني ميسان صادرات خرماي ايران با استفاده ازروشهاي اقتصادسنجي و هوش مصنوعي

Forecasting Iranian Date Export Using Econometric Methods and Artificial Neural Networks

در اين مطالعه با استفاده از روش­هاي اقتصادسنجي ARMA ، GARCH و روش­هاي هوش محاسباتي، شبكه­ي عصبي مصنوعي و الگوريتم ژنتيك اقدام به پيش­بيني ميزان صادرات خرماي ايران براي دوره­ي 1395-1389 شد. به­منظور انجام بررسي­ها از داده­هاي مربوط به دوره­ي زماني 1388-1346 استفاده گرديد. از داده­هاي دوره­ي 1384-1346 به­منظور مدل­سازي و از داده­هاي 4 سال آخر براي بررسي قدرت پيش­بيني استفاده شد. نتايج مطالعه نشان داد كه شبكه­ي عصبي در مقايسه با ساير روش­ها از خطاي پيش­بيني كمتري برخوردار است. بعد از شبكه­ي عصبي الگوريتم ژنتيك داراي كمترين خطا بوده و معيار­هاي عملكرد نشان­دهنده­ي توانايي الگوريتم ژنتيك در پيش­بيني ميزان صادرات خرما مي­باشند. با توجه به برتري شبكه­ي عصبي در پيش­بيني ميزان صادرات خرماي ايران، پيش­بيني­هاي صورت­گرفته توسط اين مدل، روند افزايشي-كاهشي در ميزان صادرات خرماي ايران را نشان مي­دهد. طبقه­بندي JEL: Q17 F17, C45, C53, , C61

This study attempts to forecast the export of Iranʹs date for the period of 2010-2016, using the econometric methods, ARMA, GARCH, and the methods of computational intelligence, artificial neural networks and genetic algorithms.The data from 1967-2009 were used. The data from 1967- 2005 were used for modeling and the four last years, were used to examine forecast ability. Results indicated that the neural network has the lowest Forecast error comparing other methods followed by Genetic Algorithm .According to the superiority of neural networks in forecasting the Iranʹs date export, forecasts made by this, shows the decreasing-increasing trend in the exports of Iranʹs date.