چکیده:
در این مقاله به منظور پیش بینی تورم در اقتصاد ایران، ابتدا ماهیت سری زمانی CPI برای داده های ماهانه ایران در بازه زمانی 1 m1369 تا 6 m1388، از لحاظ خطی ویا غیر خطی بودن و همچنین آشوبی یا تصادفی بودن مشخص گردیده است. نتایج آزمون ها نشان می دهد که سری زمانی تورم ساختاری غیرخطی دارد و همچنین سری زمانی CPI دارای رفتاری آشوبناک است. سپس بر پایه معادله دیفرانسیل تصادفی، حرکت برآونی هندسی مدلی پویا برای برازش رفتار سری زمانی CPI تخمین زده شده است و از آن مدل به منظور پیش بینی تورم استفاده شده است. به منظور بررسی عملکرد مدل پیشنهادی در پیش بینی تورم، مقایسه ای بین این مدل، مدل شبکه های عصبی و مدلهای اقتصاد سنجی سری زمانی خطی ARMA و غیر خطی GARCH، EGARCH و TGARCH با افقی 6 ماهه صورت گرفته است. بر اساس معیارهای RMSE، MAE و U-Tail مدل معادلات دیفرانسیل تصادفی، خطای کمتری در پیش بینی تورم نسبت به مدل های رقیب دارد.
In this paper، it is tried to propose a robust model for predicting inflation in Iran among alternative models. For doing this، monthly data from April 1990 to the end of September 2009 is used. Firstly، it is tried to determine whether the CPI data is chaotic or stochastic. It is shown that it is chaotic rather than stochastic. Therefore، it is predictable. Then، a stochastic differential equation model is estimated (specifically a geometric Brownian motion) for CPI in Iran. In order to compare the prediction power of the model other alternative models of prediction like ARMA، non-linear GARCH، EGARCH، TGARCH are also used to extrapolate inflation during a six month prediction period. Based on RMSE، MAE، U-Tail، it is revealed that stochastic differential equation model is much more robust than the alternative models mentioned above.
خلاصه ماشینی:
"(به تصویر صفحه مراجعه شود) مقایسه پیشبینی تورم بر پایه معادلات دیفرانسیل تصادفی با مدلهای رقیب احمد ملابهرامی1 حسن خداویسی2 رضا حسینی3 تاریخ دریافت:1389/12/24 تاریخ پذیرش:1390/12/7 چکیده در این مقاله به منظور پیشبینی تورم در اقتصاد ایران،ابتدا ماهیت سری زمانی IPC برای دادههای ماهانه ایران در بازه زمانی 1 m9631 تا 6 m8831، از لحاظ خطی و یا غیرخطی بودن و همچنین آشوبی یا تصادفی بودن مشخص گردیده است.
مدل قیمت سهام بلک-شولز-مرتن به صورت زیر است: در صورتی که )t(S بیانگر قیمت سهام در لحظه t باشد،آنگاه قیمت سهام در معادله دیفرانسیل تصادفی خطی حرکت برآونی هندسی زیر صدق میکند )1991,kcorB & siraillaM(: (1)(به تصویر صفحه مراجعه شود) در این رابطه، )t(w فرایند حرکت برآونی استاندارد1یا فرایند وینر2است که بیانگر رفتار نوسانی سری زمانی )t(S میباشد.
از جمله مطالعات انجام گرفته در خارج از کشور به منظور پیشبینی تورم،میتوان به چند مورد زیر اشاره کرد: مشیری و کامرون )0002,noremaK & irihsoM( تورم کانادا را براساس مدلهای مختلف سری زمانی AMIRA،RAV و RAVB و همچنین براساس مدلهای ساختاری و مدلهای شبکه عصبی مصنوعی بر پایه الگوریتم پیشخور چند لایه پیشبینی کردهاند.
بر این اساس،از بین 5 هزار تکرار شبیهسازی معادله(19)،آن تکراری که دارای کمترین مجموع مربعات خطاها )ESM( در برازش داخل نمونه سری زمانی IPC بوده بهعنوان تکرار بهینه و نتیجه شبیهسازی معادله(19)در نظر گرفتهشده و لازم به ذکر است که این فرایند در محیط نرمافزار BALTAM شبیهسازی شده و نتایج مقایسه خطای پیشبینی تورم براساس هر 6 مدل،در بخش بعدی آمده است."