چکیده:
این مقاله به بررسی مقایسه ای توان شبکه های عصبی مصنوعی و سری های زمانی خودبازگشت در پیش بینی ایستای نرخ تورم ایران می پردازد. در یک بررسی، با استفاده از 37 سال داده های تاریخی نرخ تورم ایران، مدل شبکه عصبی مصنوعی در پیش بینی آینده نزدیک در مقایسه با سری های زمانی خودبازگشت، بهطور متوسط از عملکرد بهتری برخوردار است. در این بررسی، مزایای روش توقف زودهنگام در مرحله یادگیری شبکه عصبی برای پیش بینی سری های زمانی نشان داده شده است.
This article is a comparative study of estimation power of artificial neural networks and autoregressive time series models in inflation forecasting. Using 37 years Iran’s inflation data، neural networks performs better on average for short horizons than autoregressive models. This study shows usefulness of early stopping technique in learning stage of neural networks for estimating time series.
خلاصه ماشینی:
"در این مطالعه، یک مدل شبکة عصبی پیشخور با فرایند یادگیری پسانتشار خطا برای پیشبینی ایستای نرخ تورم مورد استفاده قرار گرفته است.
در این مقاله مزایای استفاده از مدل شبکة عصبی برای پیشبینی ایستای نرخ تورم بر اساس ارزیابی و مقایسة عملکرد مدل مذکور با مدلهای سریهای زمانی خود بازگشت 6 یک متغیره 7 مورد بررسی قرار گرفته است.
از آنجا که کمینة موضعی و نواحی اطراف آن در شبکههای عصبی یک مسألة جدی تلقی میشود، مطابق روش متداول، شبکة مذکور را با تعداد قابل توجهی از مقادیر تصادفی انتخابی برای پارامترها آموزش میدهیم و از میان پارامترهای حاصل، آن مقداری را که بر اساس شاخص انتخاب (در اینجا از حداقل میانگین مربعات خطا استفاده شده است) بهترین است، برمیگزینیم.
برای این منظور، با استفاده از 100 مجموعة تصادفی مختلف از پارامترها، شبکه را بر روی دادههای آموزش و اعتبارسنجی آزموده و مجموعهای که کمترین میانگین مربعات خطا را داشته باشد، بهعنوان مقادیر اولیة 2 پارامترهای شبکة عصبی انتخاب میکنیم.
جدول (2)، نشان میدهد که یکی از دلائل مهم نتایج مثبتی که در این تحقیق بهدست آمدهاند، استفاده از روش توقف زودهنگام در الگوریتم یادگیری شبکة عصبی است.
3- Gonzalez, Steven, (2000) "Neural Networks for Macroeconomic Forecasting: A Complementary Approach to Linear Regression Models," Finance Canada Working Paper.
S. Weigend, (1998), "A Bootstrap Evaluation of the Effect of Data Splitting on Financial Time Series," IEEE Transactions on Neural Networks, Vol 9 (1), 213–220.
Watson, (1998) "A Comparison of Linear and Nonlinear Univariate Models for Forecasting Macroeconomic Time Series," June."