بررسی عملکرد رگرسیون داده های ترکیبی با تواتر متفاوت در پیش بینی تورم فصلی ایران
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 158
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ECOJ-7-25_002
تاریخ نمایه سازی: 11 آبان 1400
چکیده مقاله:
این مطالعه به بررسی قدرت پیش بینی مدل های خودرگرسیون با داده های با تواتر متفاوت در پیش بینی نرخ تورم فصلی برای اقتصاد ایران می پردازد. به این منظور، دقت پیش بینی مدل های خودرگرسیونی که از وقفه های ماهانه نرخ تورم استفاده می کنند در برابر مدل پایه ای که از اطلاعات فصلی تغذیه می کند، مقایسه شده است. نتایج نشان می دهد که استفاده از مشاهدات ماهانه نرخ تورم در پیش بینی تورم فصلی غالبا منجر به بهبود دقت نتایج در پیش بینی تورم شده است. این بهبود بطور ویژه خود را در پیش بینی یک گام به جلو نشان می دهد. در میان الگو های مورد بررسی، رگرسیون های میداس عمدتا در افق های پیش بینی یک گام، سه گام و چهار گام به جلو نسبت به مدل پایه از دقت بالاتری برخوردار بوده اند. مدل وزن دهی گام به گام که دارای تعداد پارامترهای زیادی است، نسبت به مدل رگرسیون میداس که دارای ویژگی های غیرخطی و تعداد پارامتر محدودتری است، پیش بینی های نسبتا دقیق تری ارائه کرده است.
کلیدواژه ها:
نویسندگان
سید مهدی برکچیان
گروه اقتصاد دانشکده مدیریت و اقتصاد دانشگاه صنعتی شریف
محمد حسین رضائی
کارشناس ارشد علوم اقتصادی دانشکده مدیریت و اقتصاد دانشگاه صنعتی شریف
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :