ارزيابي نرخ كوتاه مدت تورم در ايران با استفاده از شبكه عصبي

مسئله تورم یكی از مهمترین مشكلاتی است كه امروزه بسیاری از كشورهای توسعه یافته و در حال توسعه با آن مواجه می باشند. تورم منجر به كاهش توان رقابتپذیری اقتصاد ملی یك كشور شده و از اینرو پیشبینی نرخ آن از جمله مهمترین برنامه های سیاستمداران در مقوله سیاستگذاری ها و تصمیمگیری های كلان مربوط به اقتصاد یك كشور محسوب می شود. در این مقاله به مساله پیش بینی نرخ كوتاه مدت تورم در ایران با استفاده از شبكه هوشمند مصنوعی )شبكه عصبی( به عنوان یك روش محاسباتی نوین در یادگیری ماشینی و اعمال دانش بدست آمده در تعیین خروجی مسائل پیچیده پرداخته می شود. به همین منظور، دادههای فصلی سالهای 1331 تا 1331 به دو صورت دادههای كل اقتصاد و دادههای بخش صنعت به عنوان یك بخش مهم و مؤثر در اقتصاد كشور جمع آوری و مورد استفاده قرار گرفته است. هچنین پنج پارامتر تاثیرگذار بر میزان نرخ كوتاه مدت تورم شامل تولید ناخالص داخلی كل اقتصاد، نرخ بیكاری در كل اقتصاد، تولید بخش صنعت، سهم درآمدی نیروی كار و هزینه نهایی به عنوان متغیر های ورودی به مدل در نظر گرفته شده است. نتایج بدست آمده از مدل نشان می دهند كه شبكه عصبی قابلیت پیش بینی نرخ تورم با میزان خطای قابل قبولی را دارا می باشد. واژه های كلیدی : ، شبكه عصبی،