مقايسه پيش بيني تورم بر پايه معادلات ديفرانسيل تصادفي با مدل هاي رقيب

Forecasting Inflation based on Stochastic Differential Equations and Alternative Models (A Comparative Study)

در اين مقاله به منظور پيش بيني تورم در اقتصاد ايران، ابتدا ماهيت سري زماني CPI براي داده هاي ماهانه ايران در بازه زماني 1 m1369 تا 6 m1388، از لحاظ خطي ويا غير خطي بودن و همچنين آشوبي يا تصادفي بودن مشخص گرديده است. نتايج آزمون ها نشان مي دهد كه سري زماني تورم ساختاري غيرخطي دارد و همچنين سري زماني CPI داراي رفتاري آشوبناك است. سپس بر پايه معادله ديفرانسيل تصادفي، حركت برآوني هندسي مدلي پويا براي برازش رفتار سري زماني CPI تخمين زده شده است و از آن مدل به منظور پيش بيني تورم استفاده شده است. به منظور بررسي عملكرد مدل پيشنهادي در پيش بيني تورم، مقايسه اي بين اين مدل، مدل شبكه هاي عصبي و مدلهاي اقتصاد سنجي سري زماني خطي ARMA و غير خطي GARCH، EGARCH و TGARCH با افقي 6 ماهه صورت گرفته است. بر اساس معيارهاي RMSE، MAE و U-Tail مدل معادلات ديفرانسيل تصادفي، خطاي كمتري در پيش بيني تورم نسبت به مدل هاي رقيب دارد.

In this paper, it is tried to propose a robust model for predicting inflation in Iran among alternative models. For doing this, monthly data from April 1990 to the end of September 2009 is used. Firstly, it is tried to determine whether the CPI data is chaotic or stochastic. It is shown that it is chaotic rather than stochastic. Therefore, it is predictable. Then, a stochastic differential equation model is estimated (specifically a geometric Brownian motion) for CPI in Iran. In order to compare the prediction power of the model other alternative models of prediction like ARMA, non-linear GARCH, EGARCH, TGARCH are also used to extrapolate inflation during a six month prediction period. Based on RMSE, MAE, U-Tail, it is revealed that stochastic differential equation model is much more robust than the alternative models mentioned above.