بهبود دقت پیش بینی نرخ رشد اقتصادی با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی

پیش بینی رفتار متغیرهای کلان و مالی اقتصاد برای سیاست گذاران از اهمیت بالایی برخوردار است. این امر برای اقتصادهای در حال توسعه از جمله ایران یک کار چالش برانگیز است زیرا مجموعه ای از عواملی که در تئوری های اصلی اقتصاد در نظر گرفته نشده اند، اغلب نقش مهمی در شکل دادن به محیط و چشم انداز کلی اقتصاد آنان دارد. روابط اقتصادی در این نوع محیط ها بی ثبات تر و همراه با روند غیرخطی است. ترکیب تبدیل موجک و شبکه عصبی مصنوعی یک تحلیل مدل سازی ریاضی نوظهور در سال های اخیر است که به منظور نویز زدایی در سری های زمانی و افزایش دقت پیش بینی پیشنهاد شده است. در این پژوهش تلاش شد با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی، مدلی به منظور پیش بینی رشد اقتصادی ایران ارائه گردد تا دقت پیش بینی روش ترکیبی با شبکه عصبی مصنوعی مقایسه شود. نتایج مطالعه بهبود معنادار در پیش بینی شبکه عصبی با استفاده از دادههای نویز زدایی شده را نشان داد. نتایج همچنین برتری مدل ترکیبی را نسبت به مدل های XGBoost و ARIMA تایید کرد. دقت پیش بینی این مدل ها بر اساس معیارهایی مانند ریشه میانگین مربع خطا و آزمون دیبولد_ماریانو ارزیابی و مقایسه شده است.

کلیدواژه ها:

تجزیه موجک ، شبکه عصبی ، پیش بینی رشد اقتصادی