پيش‌بيني نرخ تورم در اقتصاد ايران با استفاده از شبكه‌هاي عصبي مصنوعي پويا (ديدگاه سري زماني)

پيش‌بيني نرخ تورم در اقتصاد ايران با استفاده از شبكه‌هاي عصبي مصنوعي پويا (ديدگاه سري زماني)

پيش‌بيني روند تورم براي تنظيم سياست اقتصادي از اهميت به سزايي برخوردار است. اين نياز موجب توجه جدي به كاربرد مدل‌هاي مختلف براي پيش‌بيني نرخ تورم شده است؛ و بدين منظور مدل‌هاي پيش‌بيني گوناگوني در رقابت با يكديگر توسعه يافته‌اند. در اين مقاله شبكه‌هاي عصبي مصنوعي پويا براي پيش‌بيني نرخ تورم به صورت شبكه‌هاي چند لايه و با استفاده از داده‌هاي متغيرهاي مورد نياز طي دوره ي 86-1338 و بر اساس ديدگاه تورم سري زماني به كمك الگوريتم‌هاي مختلفي از روش آموزش پس‌انتشار خطا طراحي شده‌اند. ارزيابي شبكه‌هاي طراحي شده براي تعيين بهترين شبكه، بر مبناي مقدار خطاي پيش‌بيني انجام گرديده است. يافته‌هاي تحقيق نشان داد كه بهترين شبكه‌ها، شبكه‌هايي هستند كه با الگوريتم يادگيري لونبرگ‌- ماركوارت آموزش داده شوند؛ توابع فعال ساز لايه‌ مياني آنها غير خطي و توابع فعال ساز لايه ي خروجي آنها خطي باشد و تعداد نرون‌هاي هر لايه آنها به صورت بهينه انتخاب شود. با توجه به اين شبكه، نرخ تورم در دوره ي 91-1387 از 99/21 تا 59/10 درصد پيش‌بيني مي‌شود.

Prediction of inflation is of great importance for policy making. This need has led to extensive application of various models to forecast inflation rate. The competition between alternative applied forecasting models has led to further development in this area. The present study has applied artificial neural networks for prediction of inflation rate. The applied neural network is a multi-layer based on time series inflation approach during 1959-2007 using different algorithms of back propagation. To evaluate the artificial neural network performance, the prediction error criteria has been used. The findings of the research showed that the most appropriate networks are those based on Levenberg-Marquard training algorithm in which neurons in the hidden layers use nonlinear activation functions, and in the output layer use linear activation functions, and the number of neurons in each layer is chosen optimally. According to this preferred network, the inflation rates are predicted to be 10.59-21.99 during 2008-20012.