مدلسازی پیش بینی تورم با استفاده از مدل تلفیقی شبکه های عصبی مصنوعی با PCA

این مقاله با توجه به تحقیقات انجام گرفته درباره علل تورم درایران به دنبال ارائه مدلی جهت پیش بینی تورم با استفاده از شبکه های عصبی مصنوعی و مقایسه ان با مدل خطی ARIMA است تورم به صورت سالانه در نظر گرفته و از شاخص بهای کالا و خدمات مصرفی CPI استفاده شدها ست در سالهای اخیر کاربرد شبکه های عصبی مصنوعی در حوزه اقتصاد توسعه یافته است اما درمقایسه تعداد کمی از این مطالعات به متغیرهای اقتصاد کلان توجه داشته اند این تحقیق باتوجه به علل شناخته شده تورم و وارد کردن آنها در مدل شبکه عصبی سعی در پیش بینی دقیق تر این متغیر اقتصاد کلان دارد متغیرهای مورد استفاده ما عبارتند از: نقدینگی ، نرخ ارز، نرخ سود بانکی، شاخص بهای کالاهای وارداتی و تورم دوران قبل به عنوان تورم مورد انتظار. نتایج به دست آمده حاکی از آن است که پیش بینی مدل شبکه های عصبی در مقایسه با مدل ARIMA نتایج بهتری را ارائه نموده است.

کلیدواژه ها:

پیش بینی ، تورم ، شبکه های عصبی مصنوعی ، نقدینگی ، نرخ سود ، شاخص کالاهای وارداتی ، تورم مورد انتظار ، تجزیه و تحلیل مولفه های اصلی