پیش بینی رشد اقتصادی ایران به کمک الگوی داده های ترکیبی با تواتر متفاوت

سال انتشار: 1392
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 234

فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ECOJ-4-0_001

تاریخ نمایه سازی: 11 آبان 1400

چکیده مقاله:

رشد اقتصادی که در این مقاله توسط رشد تولید ناخالص داخلی به قیمت عوامل اندازه گیری شده، عمده­ترین متغیری است که می­توان بر اساس آن عملکرد کلی اقتصاد را مورد قضاوت قرار داد. پیش­بینی این رشد به مسئولین اقتصادی کمک می­کند تا تصویری از شرایط آینده اقتصاد را در اختیار داشته و در صورت لزوم سیاست­های اقتصادی خاصی را اتخاذ نمایند. در این مقاله با استفاده از روشی که اخیرا توسط گیزلز، سانتاکلارا و والکانو در سال۲۰۰۴ ابداع شده­است به پیش­بینی رشد اقتصادی به صورت فصلی پرداخته شده است. این روش که «الگوی داده­های ترکیبی با­تواتر متفاوت (میداس) » نام گرفته است امکان می­دهد تا متغیرهای با تواتر زمانی مختلف، مثلا فصلی، ماهانه و هفتگی بتوانند در کنار هم در یک معادله رگرسیونی قرار گیرند. حسن وجود متغیرهای توضیح دهنده با تواتر زیاد برای توضیح متغیر وابسته کم­تواتر در این است که به محض انتشار داده­های جدیدی برای متغیرهای پرتواتر می­توان در مقدار پیش­بینی متغیر کم­تواتر تجدید نظر کرد. مقایسه پیش­بینی­های ارائه شده توسط الگوی برآورد­شده در این مقاله برای رشد تولید ناخالص ­داخلی با داده­های­واقعی فصل­هایی که در برآورد اولیه الگو مورد استفاده قرار نگرفته­اند حاکی از قدرت پیش­بینی بسیار دقیق الگو است. این الگو نرخ رشد اقتصادی فصل پاییز سال ۱۳۹۳ را در برآورد اولیه ۸/۱ % و سپس با اطلاع از کاهش قیمت نفت در ماه­های اخیر نهایتا پس از تجدید نظر معادل ۵/۱% پیش بینی می­کند. این نرخ برای فصل زمستان سال ۱۳۹۳ به میزان ۲/۲- % پیش بینی شده است. بدین ترتیب پیش­بینی می­شود اقتصاد ایران در سال ۱۳۹۳ از رشدی معادل ۹/۱% برخوردار باشد.

کلیدواژه ها:

پیش بینی نرخ رشد ، الگوی داده های ترکیبی با تواتر متفاوت ، میداس

نویسندگان

محمد نوفرستی

دانشیار دانشکده ی علوم اقتصادی و علوم سیاسی دانشگاه شهید بهشتی

محبوبه بیات

کارشناس ارشد علوم اقتصادی دانشگاه شهید بهشتی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Alper, C.E., S. Fendoglu, and B. Saltoglu, (۲۰۰۸), Forecasting Stock ...
  • Andreou, Elena, Eric Ghysels, and Andros Kourtellos, (۲۰۱۰), Regression models ...
  • Armesto, M.T., K.M. Engemann, and M.T. Owyang, ۲۰۱۰, Forecasting with ...
  • Bai, J., E. Ghysels, and J. Wright (۲۰۰۹), State space ...
  • Clements, M., and A. Galvao, (۲۰۰۸), Macroeconomic Forecasting with Mixed ...
  • Clements, M., and A. Galvao (۲۰۰۹) Forecasting US Output Growth ...
  • Engle, R. F., E. Ghysels, and B. Sohn, (۲۰۰۸), On ...
  • Forsberg, L., and E. Ghysels, (۲۰۰۶), Why do absolute returns ...
  • Ghysels, E., P. Santa-Clara, and R. Valkanov; (۲۰۰۴) The MIDAS ...
  • Ghysels, E., A. Sinko, and R. Valkanov; (۲۰۰۶) MIDAS regressions: ...
  • Klein, L.R. and E. Sojo; (۱۹۸۹), Combinations of High and ...
  • Leon, A., J.M. Nave, and G. Rubio, ۲۰۰۷, The relationship ...
  • Marcellino, M., and C. Schumacher, (۲۰۱۰) Factor MIDAS for Nowcasting ...
  • Tay, A. (۲۰۰۶) Financial Variables as Predictors of Real Output ...
  • Tsui, A. K. , C. Y. Xu, and Z. Y. ...
  • نمایش کامل مراجع