مدلسازی و پیش بینی نرخ بهره با استفاده از شبکه های عصبی و تحلیل های رگرسیونی

نرخ بهره یکی از مهمترین متغیرهای اقتصادی که می تواند تحریکی برای افزایش سرمایه گذاری و افزایش تقاضا داشته باشد. که به عنوان یک ابزار سیاست پولی و همچنین به عنوان قیمت در بازار مالی یکی از متغیرهای مهم اقتصادی محسوب می شود. لذا در این پژوهش سعی شده است به مدل سازی و پیش بینی نرخ بهره با استفاده از شبکه های عصبی و تحلیل رگرسیون (ARIMA) طی سالهای 1394-1353 در کشور ایران بوسیله داده های فصلی پرداخته شود. نتایج حاکی از آنست که روش های شبکه عصبی و تحلیل رگرسیون (ARIMA) پیش بینی مناسبی از نرخ بهره ایران داشته است. لذا در مقایسه بین دو روش مذکور، برتری مدلسازی روش شبکه عصبی (ANN) در پیش بینی نرخ بهره نسبت به روش تحلیل رگرسیون (ARIMA) نتیجه گردید. از این رو مهمترین توصیه سیاست گذاری این مطالعه آن است که با پیش بینی های دقیق متغیر نرخ بهره تصمیم گیری های مناسب در مورد سرمایه گذاری یا عدم سرمایه گذاری در فعالیت های اقتصادی برای سرمایه گذاران مهیا گردد.

کلیدواژه ها:

نرخ بهره ، شبکه های عصبی ، تحلیل رگرسیون