مقایسه الگوهای پیش بینی تورم در ایران: شواهد جدید از الگوی ترکیبی ARDL-D-LSTM (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
پیش بینی تورم یکی از مهم ترین مسائل برای اقتصاد کشورها است. دولت ها و بانک های مرکزی برای اتخاذ تصمیمات و سیاست گذاری های اقتصادی خود، شاخص های تورم را رصد می کنند. هدف از انجام این پژوهش مقایسه الگوهای ARDL، NARX، LSTM و ARDL-D-LSTM با یکدیگر و همچنین معرفی الگوی مناسب برای پیش بینی نرخ تورم ماهانه ایران در افق زمانی کوتاه مدت و بلندمدت است. در این پژوهش با توجه به استفاده از الگوی ترکیبی، هر دو بعد خطی و غیرخطی پوشش داده می شود و بعد از برآورد نرخ تورم ماهانه ایران در بازه 1384/1/30 تا 1397/5/30 با استفاده از آزمایش این الگوها در بازه 1397/6/31 تا 1399/6/31 می توان نتیجه گرفت که الگوی NARX برای افق زمانی کوتاه مدت و الگوی ترکیبی ARDL-D-LSTM برای افق زمانی بلند مدت عملکرد خوبی را براساس معیار RMSE از خود نشان دادند.Comparing Inflation Forecasting Models in Iran: New Evidences from ARDL-D-LSTM Model
Inflation forecasting is one of the most important issues for the economies of countries, As the existing literature suggests, hybrid models will bring better prediction accuracy due to attention to both linear and non-linear dimensions. Furthermore, the use of ARDL model can include lags of other variables in tandem with having linear features. It should also be noted that LSTM models have a forgetting gate due to their non-linear estimation characteristics, and they can incorporate data with very distant lags in the model. Therefore, the combination of these two models can significantly improve the prediction accuracy. Accordingly, attempts have been made in the current study to compare ARDL, NARX, LSTM and ARDL-D-LSTM models with one another and to introduce a suitable model for predicting Iran's monthly inflation rate in the short-term and long-term time horizon. After estimating the monthly inflation rate of Iran in the period of 4/21/2005 to 8/22/2018 and testing the model on the data for the period of 9/22/2018 to 12/21/ 2020 it was found that the NARX model and the ARDL-D-LSTM hybrid model performed well respectively for short-term time horizon and the long-term horizon according to the RMSE criteria.
تبلیغات
