کاربست الگوریتم های یادگیری ماشین در پیش بینی انتظارات تورمی با استفاده از متغیرهای اقتصادی و پولی

ارائه پیش بینی های قابل اعتماد انتظارات تورمی چالشی همیشگی برای سیاست گذاران است و برای فعالان اقتصادی و تصمیم های سرمایه گذاری آنها از اهمیت بالایی برخوردار است. پیش بینی دقیق انتظارات تورمی در یک محیط غنی از داده زمانی که بین متغیرهای پیش بینی کننده همبستگی وجود دارد یک زمینه تحقیقاتی فعال است. هدف این پژوهش پیش بینی انتظارات تورمی با درنظرگرفتن متغیرهای اقتصادی و پولی با بهره گیری از الگوریتم های یادگیری ماشین جهت کمک به تصمیم گیری سیاست گذاران اقتصادی کشور است. دلیل انتخاب روش یادگیری ماشین برای پیش بینی انتظارات تورمی، نداشتن مشکلات ساختاری مدل های تحلیلی و توانایی تشخیص دقیق روند بین معیارها در محیط اقتصادی غنی از داده است. برای دستیابی به این هدف داده های نرخ رشد اقتصادی، شاخص قیمت واردات، شاخص قیمت تولید کننده، سطح شکاف تولید، ارقام بودجه و تراز پرداخت ها، نرخ رشد دستمزد، رشد نقدینگی، نرخ ارز، درآمدهای نفتی، شاخص بازار سهام، نرخ بهره برای بازه زمانی از ابتدای سال ۱۳۸۴ تا انتهای سال ۱۳۹۸ جمع آوری گردید. یافته ها نشان داد که الگوریتم لاسوی تطبیق یافته نسبت به الگوریتم های دیگر یادگیری ماشین دارای عملکرد بهتری در پیش بینی انتظارات تورمی است. همچنین نتایج نشان داد که نرخ ارز و رشد نقدینگی به عنوان متغیرهای اقتصادی و نرخ بهره به عنوان متغیر پولی توانایی بالاتری در پیش بینی انتظارات تورمی دارند.

کلیدواژه ها:

پیش بینی انتظارات تورمی ، ماشین یادگیری ، نرخ ارز ، نقدینگی ، نرخ بهره