پيش بيني وقوع سيكل‎هاي تجاري در اقتصاد ايران با استفاده از فيلترهاي ميان گذر

Forecasting the Occurrence of Business Cycles Using Band-Pass Filter in Iran’s Economy

یكی از مهمترین مباحث اقتصادی، عوامل و زمان وقوع سیكل‎های تجاری می‌باشد لذا ضرورت دارد كه این عوامل شناسایی شده و مورد بررسی قرار گیرند. هدف این مقاله بررسی و پیش‌بینی سیكل‎های تجاری در اقتصاد ایران در دوره زمانی 1392-1370 با استفاده از داده‌های فصلی می‎باشد. برای این منظور ابتدا متغیرهای تحقیق فصلی زدایی شده سپس با استفاده از فیلترهای میان گذر به استخراج سیكل‎های تجاری رخ داده در ایران پرداخته شده و به منظور پیش‌بینی وقوع سیكل‎های تجاری، از روش‎های رگرسیون لوجیت و پروبیت استفاده گردیده است. متغیرهای مورد استفاده در این تحقیق شامل درآمدهای نفتی، مخارج دولت، نرخ تورم، تعداد پروانه‎های ساختمانی صادر شده و میزان واردات كالاهای واسطه‎ای و سرمایه‎ای می‌باشد. نتایج مدل برازش شده نشان دهنده این است كه چنانچه درآمدهای نفتی، نرخ تورم و میزان واردات كالاهای سرمایه‎ای و واسطه‎ای افزایش یابد، احتمال وقوع رونق افزایش می‎یابد. افزایش تعداد جوازهای ساخت و ساز صادر شده احتمال وقوع رونق در اقتصاد را كاهش می‎دهد. پیش‌بینی درون نمونه‎ای نشان می‎دهد كه مدل‎ها در 95 درصد موارد مشاهدات را به درستی طبقه‌بندی نموده‎اند. در نتیجه قدرت پیش‌بینی درون نمونه‎ای همه مدل‎ها یكسان است. سپس با استفاده از این مدل به پیش‎بینی برون نمونه‎ای برای فاصله زمانی 1394-1392 پرداخته شده است. نتایج نشان دهنده توانایی بالای مدل در پیش‎بینی خارج از نمونه می‎باشد.

The aim of this paper is to study and forecast the business cycles in Iran’s economy in the period 1370-1392. For this purpose, quarterly data are used, and the business cycles that have occurred are extracted by using the Band-Pass filter. Then, in order to predict the business cycles, logit and probit regression methods are used. According to the nominal and real indices that affect the business cycles, the variables used in this research include oil revenues, government spending, inflation, issued building permits, and the imports of intermediate and capital goods. The results indicate that if oil revenues and inflation increase, the probability of economic boom increases too. However, an increase in the number of issued building permits reduces the probability of a boom in the economy. Finally, imports of capital and intermediate goods increase the probability of a boom. A sample prediction showed that the model could classify the observations correctly in 95% of the cases. It is also concluded that, the sample predicting ability of all the models is the same. The model was also applied to the out-of-sample prediction for the period 1394-1392. The results indicate the ability of the model to deal with this kind of prediction.