چکیده:
تعد التنبؤات بالنمو الاقتصادي واحدة من المسائل المهمة في الاقتصاد، نظرًا لأن التنبؤ الصحيح بالنمو الاقتصادي له آثار مهمة على السياسات والتخطيطات الاقتصادية الحكومية، ويمكنه بالإضافة إلى تهيئة المجال لتطوير طرق تنبؤ جديدة، مساعدة صناع القرار في اتخاذ القرارات المستقبلية. لذا، تهدف هذه المقالة إلى التنبؤ بالنمو الاقتصادي لإيران باستخدام ثلاثة نماذج: الشبكة العصبية، والمتوسط المتحرك ذاتي الانحدار التجميعي، ونموذج الانحدار الذاتي لتباين الخطأ الشرطي المعمم (GARCH). تشمل بيانات هذا البحث الناتج المحلي الإجمالي السنوي من عام ١٣٣٨ إلى ١٣٩٠. تمت مقارنة نتائج الطرق الثلاث المذكورة باستخدام جذر متوسط مربعات الخطأ الدنيا ومتوسط القيمة المطلقة لنسبة الخطأ. تظهر النتائج أن دقة التنبؤ للشبكة العصبية باستخدام الطريقة الاستشرافية هي الأفضل، ومن خلال هذه الطريقة تبين أن الناتج المحلي الإجمالي الحقيقي سيكون في ازدياد في المستقبل، ولكن معدل نمو النمو الاقتصادي لن يسلك مسارًا مناسبًا خلال السنوات القادمة. لذلك، يمكن أن يحظى التخطيط في هذا الصدد بأهمية خاصة.
خلاصه ماشینی:
استخدام مقاربات الشبكة العصبية والنماذج ذات الانحدار الذاتي في التنبؤ بالنمو الاقتصادي لإيران Hajar Esnaei 1* 2 Ali Sardar Shahraki 3 تاريخ الاستلام: 1392/2/11 تاريخ القبول: 1392/3/11 المستخلص تعد التنبؤات بالنمو الاقتصادي واحدة من المسائل المهمة في الاقتصاد، وبالنظر إلى أن التنبؤ الصحيح بالنمو الاقتصادي له آثار مهمة في السياسات والتخطيطات الاقتصادية للدولة، ويمكنه بالإضافة إلى إيجاد أرضية لتطوير أساليب تنبؤ جديدة، أن يساعد صناع القرار في اتخاذ القرارات، فإن هدف هذا المقال هو التنبؤ بالنمو الاقتصادي لإيران باستخدام ثلاثة نماذج: الشبكة العصبية، والمتوسط المتحرك للانحدار الذاتي التجميعي، والانحدار الذاتي لتباين الخطأ غير المتجانس المشروط المعمم.
تظهر النتائج أن دقة تنبؤ الشبكة العصبية أفضل من الطريقة المتقدمة، ومن خلال هذه الطريقة تبين أن الناتج المحلي الإجمالي الحقيقي سيكون في ازدياد في المستقبل، ولكن معدل نمو النمو الاقتصادي لن يسلك مساراً مناسباً خلال السنوات القادمة.
بناءً على ذلك، يمكن استخدام الناتج المحلي الإجمالي لمقارنة مكانة دولة ما من الناحية الاقتصادية بين الدول الأخرى، وحتى هذا المتغير هو أحد المعايير التي تظهر النمو الاقتصادي لدولة ما.
أما في طريقة الشبكات العصبية، فقد تم استخدام الشبكة العصبية الأمامية (Feedforward Neural Network) بمعماريات مختلفة، وفي النهاية تمت مقارنة دقة التنبؤ لهذه الطرق الثلاث باستخدام معيار جذر متوسط مربع الخطأ ومتوسط القيمة المطلقة للنسبة المئوية للخطأ.
(يرجى الرجوع إلى صورة الصفحة) الرسم البياني (1): بالبنية المختارة 1-1-3-3-11 يوضح الرسم البياني (2) التنبؤ بالناتج المحلي الإجمالي الداخلي باستخدام ثلاثة نماذج: الشبكة العصبية، والمتوسط المتحرك للانحدار الذاتي التجميعي، وانحدار التباين الشرطي غير المتجانس المعمم، حيث يتم اختيار أفضل نموذج للتنبؤ بهذا المتغير باستخدام معايير التقييم الموضحة في الجدول (5).
(
, 
, 
)
