پیشبینی صادرات غیر نفتی ایران تحت تاثیر تغییرات نرخ ارز با استفاده از مدل شبکهی پرسپترون چند لایه MLP

اهمیت روزافزون استقلال از درآمدهای نفتی به دلیل نوسانات قیمت نفت و تقاضا ی جهانی آن که درآمدهای دولت واقتصاد کشور را به شدت تحت تاثیر قرار میدهد، باعث شده است تا نقش صادرات غیر نفتی فراترازابزاری برای کسب درآمدهای ارزی مطرح شود. به همین دلی ل نظر بسیاری از صاحب نظران و پژوهشگران اقتصادبه سمت تحلی ل وضع یت موجود صادرات غیر نفتی معطوف شده است .دورنمایی صادرات غیر نفتی امکان بررسی وبرنامهریزی دقیقتر را برای اقتصادایران فراهم مینماید. دراین مطالعهبه منظور پیشبینی صادرات غیر نفتی ایران طی دوره (1389 – 1338 ،(ازروشهای شبکه عصبی مصنوعی (شبکههای پرسپترون چند لایه MLP (و توضیحی جمعی میانگین متحرک (ARIMA( استفاده شد. دادههای موردنیاز 1389 ازبانک مرکزی ایران اخذ گردید. بهمنظور مقایسه دقت پیشبینیروشها از معیارهای میانگین قدر مطلق انحراف، ریشه میانگین مربع خطا و ضریب تعیین استفاده شد.نتایج نشان داد که شبکههای پرسپترون چند لایه MLP دارای خطای پایینتری جهت پ یشبین ی صادرات غیر نفتی است وبه طور معنیداری از مدل ARIMA دقیقتراست. به منظور بررسی تغییرات نرخ دلار در بازار داخلی و تاثیر آن بر صادرات، به پیشبینی صادرات غیر نفتی برای سال های 1390 و 1391 تحت سناریوی افزایش 50 %نرخ دلار توسط مدل برتر(MLP (پرداخته شد که نتایج دلالت بر تاثیر قابل توجه نرخ دلار بر ارزش صادرات و درآمد ملی دارد. بهکارگیری روشهای شبکه عصبی مصنوعی ، می تواند علاوه برایجادزمینهبرای توسعه روشهای نوین پیشبینی، سیاستگذاران بخش صادرات به خصوص صادرات غیرنفتی را در تصمیمگیریهای آتی، یاری رساند. در نتیجه به نظر می رسد سیاست نرخ دلار مدیریت شده در کشور ما سیاست کارایی است، به شرط آنکه این نرخ همواره در بلندمدت ثابت نباشد.

کلیدواژه های پیشبینی صادرات غیر نفتی ایران تحت تاثیر تغییرات نرخ ارز با استفاده از مدل شبکهی پرسپترون چند لایه MLP:

پیشبینی صادرات غیر نفتی ، شبکه عصبی مصنوعی ، سری زمانی ARIMA ، ایران