مقايسه قدرت پيش بيني روش هاي شبكه هاي عصبي مصنوعي و ARIMA در پيش بيني صادرات پوست و چرم ايران

پيش بيني متغيرهاي اقتصادي به عنوان يك ابزار مفيد برنامه ريزي از اهميت ويژه اي در مباحث علمي برخوردار است. روش هاي متنوعي وجود دارد كه براي پيش بيني در مطالعات اقتصادي مورد استفاده قرار مي­گيرد. هدف مطالعه حاضر شناسايي روش كارا براي پيش بيني صادرات پوست و چرم ايران است. براي اين منظور الگوي خودتوضيح جمعي ميانگين متحرك[1]، روش شبكه هاي عصبي مصنوعي[2] و تركيب الگوي خودتوضيح جمعي ميانگين متحرك با شبكه هاي عصبي مصنوعي با استفاده از داده هاي سري زماني دوره 89-1350 مورد مقايسه قرار گرفتند. يافته هاي اين پژوهش نشان داد كه روش تركيبي(شامل شبكه هاي عصبي مصنوعي و الگوي خودتوضيح جمعي ميانگين متحرك) كه سري زماني صادرات را به دو جزء خطي و غيرخطي تجزيه مي كند، نسبت به روش شبكه هاي عصبي مصنوعي و الگوي خودتوضيح جمعي ميانگين متحرك دقت و كارايي پيش بيني بهتري دارد. علاوه بر اين، روش تركيبي دقيق ترين روش شناخته شده در اين پژوهش، صادرات پوست و چرم ايران در سال هاي آتي را بيشتر از دو روش ديگر ارائه كرد. اما همانند دو روش ديگر، روند صادرات پوست و چرم در سال هاي آتي را كاهشي پيش بيني مي كند.