ارزیابی مدل هیبرید شبکه عصبی مصنوعی-پانل دیتا در پیش بینی قیمت صادرات خشکبار ایران

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 94

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JQE-12-3_005

تاریخ نمایه سازی: 27 آبان 1402

چکیده مقاله:

در بسیاری از مطالعات برای پیش بینی متغیرهای اقتصادی اغلب از روش های کمی مبتنی بر داده های سری زمانی یا مقطع زمانی استفاده می شود. مطالعات سری زمانی و مقطع زمانی ناهمگنی کشورها را کنترل نمی کنند و همواره ریسک به دست آورن نتایج و پیش بینی های اریب دار وجود دارد. داده های پانل اطلاعات و درجه آزادی بیشتری را فراهم می آورد که این امر موجب حصول نتایج و پیش بینی های دقیق تری می شود. با توجه به سهم قابل توجه خشکبار از صادرات غیرنفتی کشور، در این مطالعه از روش ترکیبی شبکه عصبی مصنوعی-پانل دیتا برای پیش بینی قیمت صادرات پسته، کشمش و خرما استفاده گردید و پس از آن عملکرد پیش بینی بر اساس معیارهای دقت با الگوی رگرسیونی (مدل جزء خطای دو طرفه) مورد مقایسه قرار گرفت. با استفاده از داده های مربوط به ده بازار مقصد برای هریک از خشکبار مورد بررسی طی دوره ی ۹۱-۱۳۷۱، نتایج پژوهش نشان داد که رویکرد جدید و ترکیبی شبکه عصبی مصنوعی-پانل دیتا در پیش بینی قیمت صادرات پسته، کشمش و خرمای ایران در مقایسه با روش رگرسیونی دارای عملکرد بهتری است. لذا به صادرکنندگان، سیاست گذاران و محققین توصیه می گردد که از این روش در پیش بینی متغیرهای اقتصادی استفاده نمایند.

نویسندگان

محمد رضا زارع مهرجردی

دانشیار گروه اقتصاد کشاورزی، دانشگاه شهید باهنر کرمان

حسین مهرابی بشر آبادی

استاد گروه اقتصاد کشاورزی، دانشگاه شهید باهنر کرمان

حسین نظام آبادی پور

استاد گروه مهندسی برق، دانشگاه شهید باهنر کرمان

امیرحسین توحیدی

دانشگاه فردوسی مشهد

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 :
  • زارع مهرجردی، محمدرضا و امیرحسین توحیدی. (۱۳۹۲). رابطه انتقالی نرخ ...
  • نجفی، بهاالدین و محمدحسن طرازکار. (۱۳۸۵). پیش­بینی میزان صادرات پسته ...
  • Adhikari, R. & R.K. Agrawal. (۲۰۱۴). A Combination of Artificial ...
  • Areekul, P., T. Senjyu, H. Toyama & A. Yona. (۲۰۱۰). ...
  • Baltagi, B.H. (۲۰۰۵). Econometric Analysis of Panel Data. ۳rd Edition, ...
  • Bildirici, M. & Ö.Ö. Ersin. (۲۰۰۹). Improving Forecasts of GARCH ...
  • Cantarella, G.E. & S.DE. Luca. (۲۰۰۵). Multilayer Feedforward Networks for ...
  • Co, H.C. & R. Boosarawongse. (۲۰۰۷). Forecasting Thailand’s Rice Export: ...
  • Diaz-Robles, L. A., J. C. Ortega, Fu, J.S. Reed, G.D. ...
  • Faruk, D.Ö. (۲۰۱۰). A Hybrid Neural Network and ARIMA Model ...
  • Goldberg, P.K. & M.M. Knetter. (۱۹۹۷). Goods Prices and Exchange ...
  • Gujarati, D.N. (۲۰۰۳). Basic econometrics. ۴th edition, New York: McGraw-Hill ...
  • Hoque, M.M. & A. Razzaque. (۲۰۰۴). Exchange Rate Pass-Through in ...
  • Jain, A. & A.M. Kumar. (۲۰۰۷). Hybrid Neural Network Models ...
  • Kaastra, I. & M. Boyd. (۱۹۹۶). Designing a Neural Network ...
  • Khashei, M. & M. Bijari. (۲۰۱۱). A novel Hybridization of ...
  • Khashei, M., S. R. Hejazi & M. Bijari. (۲۰۰۸). A ...
  • Kim, K. H., J.K. Park, K.J. Hwang & S. H. ...
  • Lee, E.W., C. P. Lim, R.K. Yuen & S.M. Lo. ...
  • Leng, G., T. M. McGinnity & G. Prasad. (۲۰۰۵). An ...
  • Liu, Z. K. & J.Y. Xiao. (۱۹۹۱). Classification of remotely-Sensed ...
  • Ruiz-Aguilar, J.J., I.J. Turias & M.J. Jiménez-Come. (۲۰۱۴). Hybrid Approaches ...
  • Tseng, C.H., S.T. Cheng, Y. H. Wang & J.T. Peng. ...
  • Tseng, F.M., Yu, H.C. & G.H. Tzeng. (۲۰۰۲). Combining Neural ...
  • Wooldridge, J.M. (۲۰۰۶). Introductory Econometrics: A Modern Approach. ۳rd Edition, ...
  • Zhang, G.P. (۲۰۰۳). Time Series Forecasting Using A Hybrid ARIMA ...
  • نمایش کامل مراجع