سعید مشیری

سریهای زمانی بسیار پیچیده مانند قیمتهای بازارهای سهام معمولا تصادفی و در نتیجه، تغییرات آنها غیرقابل پیش بینی فرض می شود. در حالی که ممکن است این سریها محصول یک فرایند غیرخطی پویای معین (آشوبی) و در نتیجه قابل پیش بینی باشند. در این تحقیق، شاخصهای بازدهی روزانه و هفتگی قیمت سهام بازار بورس تهران (TEPIX) در دوره زمانی ابتدای سال 1377 تا پایان 1382 مورد آزمون قرار گرفته است تا مشخص شود که آیا این شاخصها از فرایند تصادفی پیروی می کنند یا متاثر از یک فرایند معین (آشوبی) هستند. به این منظور، از آزمونهای BDS، شبکه عصبی و بزرگترین نمای لیاپانوف استفاده شده است. آزمونهای BDS و شبکه عصبی وجود فرایند غیرخطی در پسماندهای مدلهای ARMA برازش شده بر این شاخصها را نشان دادند؛ ولی این آزمونها وجود فرایند غیرخطی در پسماندهای مدل GARCH را تایید نکردند. نتایج آزمون بزرگترین نماهای لیاپانوف که آزمون مستقیمی برای فرایندهای غیرخطی معین است دلالت بر وجود آشوب در شاخصهای بازدهی قیمت کل سهام بازار بورس تهران دارد. این نتیجه دلالت بر ناکارایی بازار سهام و در نتیجه، قابلیت پیش بینی کوتاه مدت آن دارد که می تواند یک رهنمود سیاستی مبنی بر شناخت عوامل ناکارایی بازار مانند شفاف نبودن جریان اطلاعات و اقدام در جهت رفع آنها داشته باشد. همچنین، برای مدل سازی و به ویژه پیش بینی شاخص قیمتهای سهام، استفاده از مدلهای غیرخطی به جای مدلهای معمول خطی مناسب تر است.

بیشتر مطالعات در زمینه تاثیر فن آوری اطلاعات و ارتباطات (ICT) بر رشد اقتصادی در کشورهای توسعه یافته حاکی از اثر مثبت و معنی دار این فن آوری بر بهره وری و رشد اقتصادی در دهه 1990 است. برخی مطالعات چنین رابطه مثبتی را در کشورهای در حال توسعه نیز تایید می کنند، اما هنوز زمینه بررسی به خصوص در کشورهای در حال توسعه با توجه به ویژگی های نامتوازن و ضعیف زیرساختی شان وجود دارد. مقاله حاضر با استفاده از داده های سرمایه گذاری ارتباطات و روش فضا – حالت (State Space)، به برآورد تاثیر این فن آوری بر رشد اقتصادی ایران طی دوره 1348-1380میپردازد. نتایج براورد حاکی از تاثیر مثبت ومعنی داراین متغیر بر رشد اقتصادی بوده و تاثیر آن پس از یک دوره کاهش در اواخر دهه 1360 و اوایل دهه 1370، با افزایش شاخص های سرمایه گذاری ارتباطات در اواخر دهه 1370 بهبود یافته است. ایجاد فضای مناسب و استفاده بهتر از اطلاعات و ارتباطات، همراه با افزایش سرمایه گذاری داخلی و مستقیم خارجی به دلیل افزایش احتمال تطابق فن آوری های جدید می تواند همچنان در رشد اقتصادی موثر باشد.

این مقاله به امکان سنجی وجود آشوب در ساختار سیستم مولد قیمت نفت خام شاخصWTI طی دوره 4 آوریل 1983 تا 13 ژانویه 2003 می پردازد. به این منظور از تخمین نمای لیاپانوف و بعد همبستگی به عنوان آزمون های مستقیم آشوب و آزمون های BDS و شبکه عصبی جهت بررسی غیر خطی بودن ساختار سیستم استفاده شده است. نتایج تخمین نمای لیاپانوف و بعد همبستگی، وجود آشوب در سری زمانی را تایید کرده و تخمین آماره BDS و شبکه عصبی، بر غیرخطی بودن سیستم مولد قیمت روزانه نفت اشاره داشتند. در بخش پایانی یک مدل شبکه عصبی مصنوعی برای پیش بینی قیمت های آتی نفت خام طراحی و با نتایج پیش بینی مدل خطی ARMA و غیر خطی GARCH مقایسه شد. نتایج حاصل نشان داد مدل شبکه عصبی مورد استفاده نسبت به دو مدل ARMA و GARCH از قدرت پیش بینی بهتری برخوردار است.

نظریه آشوب در دهه های اخیر جز پژوهش های علمی رشته های گوناگون مانند فیزیک و ریاضی قرار گرفته است، اما در واقع، مفهوم ساده آن ریشه در برداشت های اولیه انسان در مورد جهان دارد. از نقطه نظر نظریه آشوب، سیستم های پیچیده صرفا ظاهری پرآشوب دارند و در نتیجه، نامنظم و تصادفی به نظر می رسند، در حالی که ممکن است تابع یک جریان معین با یک فرمول ریاضی مشخص باشند. در اقتصاد، بازارهای پولی و مالی یکی از موارد بسیار مناسب برای به کارگیری نظریه آشوب هستند، زیرا، نظریه های موجود در اقتصاد مالی و پولی حاکی از آن هستند که متغیرهای پولی، مانند نرخ ارز و قیمت سهام، تصادفی و در نتیجه، تغییرات آنها غیر قابل پیش بینی هستند. مطابق نظریه آشوب، اگر فرایند تعیین کننده متغیرهای پولی از یک فرایند غیرخطی معین پیروی کند، می توان تغییرات آنها را پیش بینی کرد. کاربردهای نظریه آشوب در اقتصاد به مباحث اقتصاد کلان نیز راه یافته است. در این زمینه نظریه آشوب می تواند به عنوان یکی از توجیهات دوران تجاری و همچنین، عدم تعادل بلند مدت بدون نیاز به دخالت شوک های برون زا در مدل های اقتصاد کلان مورد استفاده قرار گیرد. در این مقاله، با توجه به نو بودن ادبیات آشوب و بی نظمی در جهان و ایران، سعی شده است مروری سریع بر مفاهیم اولیه و ریاضی آن داشته، کاربردهای متنوع نظریه به ویژه در اقتصاد معرفی شوند. همچنین، روش های گوناگون آزمون آشوب که در واقع بیشترین جنبه کاربردی نظریه است معرفی و ارزیابی شده اند.

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرهای ورودی) یک مدل شبکه عصبی طراحی و تخمین زده می شود. پس از آن، با استفاده از معیارهای مرسوم ارزیابی مدل های رقیب، کارایی دو مدل فوق در زمینه پیش بینی نرخ رشد اقتصادی در ایران در دوره 1374-1380 مقایسه می شوند. نتایج نشان می دهد که مدل شبکه عصبی برای پیش بینی نرخ رشد اقتصادی در ایران از کارایی بالاتری برخوردار است

علم اقتصاد کلان طی دهه های اخیر دچار تحولات عمیق و گسترده ای شده است. این تحولات، زمینه های پژوهشی نو و جالبی برای پژوهشگران این رشته فراهم آورده، هم چنین، موجب افزایش فهم و درک اقتصاد دانان از مسایل و مشکلات و راه حل های اقتصاد کلان شده است. از طرف دیگر، وجود چنین وضعیت در حال تحولی، برای نظام آموزشی که باید مرتبا با تحولات جدید پیش برود، خوشایند نبوده است.اقتصاد دانان کلان برای اینکه از تحولات انجام شده عقب نمانند، باید مرتبا در جریان دیدگاه ها و مسایل جدید قرار گرفته، دانش خود رابا سرعت زیاد به روز کنند. طی قرون اخیر کشور ما، به عنوان یک مصرف کننده دانش بشری در حوزه های بسیارزیادی از جمله اقتصاد کلان، به طور طبیعی با یک وقفه نسبت به وضعیت موجود دانش بشری مواجه بوده است. این وقفه، به دنبال تحولات سیاسی و اقتصادی دو دهه اخیر که موجب کاهش ارتباط مجامع علمی ما و جهان شد، وبا توجه به پیشرفت سریع مباحث علمی در اقتصاد کلان به مراتب بیشتر شده است. در این مقاله، ابتدا، مرور مختصری بر سیر تحولات اقتصاد کلان از بدو تولد تاکنون داشته ایم و آثار این تحولات را در نظام آموزش وپژوهش این رشته بررسی خواهیم کرد. سپس، وضعیت آموزش و پژوهش اقتصاد کلان دردانشگاه های ایران طی دودهه اخیر را در مقایسه با سایر کشورهای جهان تجزیه و تحلیل خواهیم کرد. مقاله، با جمع بندی موضوعات به پایان خواهد رسید.

امروزه ، پیش بینی متغیر های کلان اقتصادی از اهمیت ویژه ای برای سیاستگذاران و سایر واحد های اقتصادی برخوردار است. در نتیجه ، دردهه های اخیر ، مدل های پیش بینی گوناگونی توسعه یافته و به رقابت با یکدیگر پرداخته اند. اخیراً به موازات مدل های متداول قبلی مانند مدل های ساختاری و سری زمانی ، مدل های دیگری تحت عنوان شبکه های عصبی مصنوعی در زمینه پیش بینی متغیر های مالی و پولی بکار گرفته شده اند. این مدل ها که در حقیقت اقتباس از فرایند یادگیری مغر انسان هستند ، با استفاده از سرعت محاسباتی کامپیوتر ، روابط بین متغیرها را هرچند پیچیده باشد ، یاد گرفته و از آن برای پیش بینی مقادیر آتی استفاده می نمایند. از ویژگی های مهم این مدل ها می توان به آزادی آنها از فروض آماری مربوط به متغیرها ، استفاده از روشهای محاسباتی موازی و غیر خطی بودن آنها اشاره نمود. در این مقاله ، علاوه بر معرفی مدل های شبکه های عصبی و نحوه کاربرد آنها در اقتصاد ، یک مدل شبکه عصبی برای پیش بینی تورم در ایران با استفاده از اطلاعات سالهای (1377- 1338) طراحی و اجرا شده است. نتایج بدست آمده حاکی از آن است که مدل های شبکه های عصبی در غالب موارد عملکرد بهتری در زمینه پیش بینی تورم دوره آتی در ایران نسبت به رقبای خود دارند.

نرم افزارLimdep یک برنامه رایانه ای برای تخمین و تحلیل مدل های رگرسیونی و نیز مدل های دارای متغیرهای وابسته کیفی و یا محدود شده است. تاکنون برنامه ای که نسبت به این برنامه تنوع بیشتری از لحاظ چهارچوب های مدلبندی، ابزارها و مشخصات تحلیل داده های مقطعی، سری زمانی وPanel را در تحلیل مدل های یاد شده حاصل نماید، ارایه نشده است. نویسنده این برنامه ویلیام اچ. گرین از اقتصاددانان برجسته دانشگاه نیویورک امریکا است. نسخه تحت ویندوز این برنامه متناسب با ویندوز95، 98وNT بوده و به لحاظ سیستم عملیاتی و تصویری خاص برنامه در محیط ویندوز جالب توجه می باشد. این برنامه با ویندوز سازگار نیست. افزون براین، این برنامه 16 مگا بایت حافظه احتیاج داشته و تقریبا 5 تا 6 مگا بایت از دیسک سخت رایانه را اشتغال می کند.

از آنجا که در ادبیات نظری و تجربی، تغییر ساختاری به دلیل امکان ایجاد بهره برداری کامل تر و بهتر از منابع، درکنار عوامل سنتی تعیین کننده رشد ــ مانند نیروی کار، سرمایه و فناوری ــ به عنوان یکی از عوامل بالقوه رشد شناخته می شود، شناخت ویژگی های تغییر ساختاری یک اقتصاد می تواند تصویر نسبتاً روشنی از امکانات رشد اقتصاد به دست دهد، به ویژه هنگامی که این شناخت درمقایسه با شاخصه های تغییر ساختاری در اقتصادهای نمونه، به عنوان یک معیار تطبیقی، صورت پذیرد. در این مقاله، روند بلندمدت تغییر ساختاری در اقتصاد ایران، که براساس فیلتر هودریک ـ پرسکات به دست آمده، درمقایسه با متغیرهای متناظر در کشورهای تازه صنعتی شده ارزیابی شده است. برای این کار، وضعیت متغیرهای ساختاری در دوره های قبل از جهش اول نفتی (سال های قبل از 1352)، دوره نفتی (1352 تا 1356)، دوره انقلاب و جنگ (1357 تا 1367)، دوره بازسازی (1368 تا 1377) و دوره اجرای برنامه سوم توسعه (سال های 1378 تا 1383) تجزیه وتحلیل شده است. نتایج بیانگر آن است که در دوران پیش از جهش قیمت نفت، همه متغیرهای ساختاری موردبحث در اقتصاد ایران روندهایی مشابه کشورهای تازه صنعتی شده داشته اند ولی در دوره های نفتی و انقلاب و جنگ، باتوجه به شوک های متعدد اقتصادی و سیاسی، دچار تغییرات نامناسبی شدند. در دوره های بازسازی و برنامه سوم، هرچند برخی از شاخص ها بهبودی نسبی یافتند، درمقایسه با سطح و روند خود در دهه 1340 و نیمه نخست دهه 1350 و نیز درمقایسه با سطح و روند متغیرهای متناظر در اقتصادهای تازه صنعتی شده، همچنان در وضعیت نسبتاً نامناسبی قرار دارند.