پیشبینی سطح نرخ تورم با استفاده از یادگیری ماشین

امروزه یکی از حوزه هایی که نیازمند پیشبینی است، پیشبینی تورم است. به این منطور پیشبینی تورم می تواند تا حد زیادی به برنامهریزی و تعیین سیاستهای کلی اقتصادی در آینده کمک کند. در این پژوهش هفت متغیر اقتصادی میزان پس انداز، نرخ ارز، حجم نقدینگی، درآمد مالیاتی، میزان صادرات، میزان واردات و میزان درآمد نفتی به عنوان پایگاه داده پژوهش از سال ۱۳۷۰ تا ۱۴۰۰ از بانک مرکزی جمهوری اسلامی ایران استفاده شده است.میزان تورم هرسال در یکی از دسته های سهگانه نرخ تورم کم ، نرخ تورم متوسط و نرخ تورم بالا دستهبندی شدند. میزان تورم از ۰تا ۱۵ در دسته نرخ تورم کم ، میزان تورم ۱۵ تا ۳۰ در دسته تورم متوسط و میزان تورم بالای ۳۰ در دسته تورم بالا لحاظ شدند. در این پژوهش برای دستهبندی ، دو دستهبند ماشین بردار پشتیبان، K-نزدیک ترین همسایه بر روی مجموعه دادههای خام اعمال شده است. دقت دسته بندی و پیش بینی در کلاسبند K-نزدیک ترین همسایه ۷۳% و در کلاسبند ماشین بردار پشتیبان ۶۶% بدست آمد.