مروری بر روش های سری زمانی (ARIMA) و روش شبکه های عصبی در پیش بینی های اقتصادی

امروزه پیش بینی متغیرهای اقتصادی از اهمیت ویژه ای برای مدیران استراتژیک در بخشهای خصوصی و دولتی جهت تنظیم امور و مناسبات --- برخوردار است. بطوریکه نیاز به ابزار و شیوه های پیش بینی متغیرها با کمترین مقدار خطا محسوس است. بطوری که دستیابی به پیش بینی های با میانگین مطلق درصد خطای حدود 10 درصد تقریباً آسان است ولی هزینه های خطا بسیار زیاد خواهد بود و تحقیقی که بتواند در کاهش چنددرصدی خطا با ما کمک کند بسیار سودمند و مورد استفاده خواهد بود و در بحث های کلان خطای 1 درصد می تواند به تفاوت میلیونی یا میلیاردی پولی منجر شو، بنابراین انتخاب روشی که بتواند جواب با حداقل خطای ممکن را پیش بینی کند الزامی است . یکی از هدفهای اساسی تجزیه و تحلیل های اقتصادی پیش بینی دقیق متغیرها و در نتیجه کمک رسانی به مدیران استراتژیک در جهت اخذ تصمیمات صحیح و متناسب با مقادیر پیش بینی شده دقیق تر و دارای خطای کمتری باشند قابل اعتمادتر و اخذ تصمیمات مناسب و بکارگیری ابزار متناسب با آن به شکل کارآمدتری صورت می گیرد در این زمینه روشهای مختلفی بررسی پیش بینی متغیرها وجود دارد. در این مقاله دو روش شبکه های عصبی (ANN) و (ARIMA) اتورگرسیو میانگین انباشته متحرک باکس - جنکینز مورد بررسی قرار می گیرند.