مریم رضایی جعفری

تقاضای پول یکی از متغیرهای اساسی اقتصاد است که در تعیین الویت ها و انتخاب سیاست های پولی مورد استفاده سیاستگذاران قرار می گیرد؛ زیرا اثرات سیاست های پولی از کانال رفتار تقاضای پول توسط بخش خصوصی به بخش واقعی اقتصاد منتقل می شود. بنابراین استفاده از تکنیک های پیشرو در زمینه پیش بینی این متغیر اساسی می تواند برای سیاستگذاران پولی راهگشا باشد. در این پژوهش رفتار تقاضای پول با تعریف محدود با استفاده از الگوریتمهای فاخته و کرم شب تاب شبیه سازی شده است. برای هر یک از این الگوریتم های تکاملی سه فرم تبعی خطی و درجه دو و نمایی در نظر گرفته شده است. سپس با بررسی دقت پیش بینی های داخل نمونه با استفاده از معیارهای مقایسه عملکرد مدل های رقیب، دقیق ترین مدل برای پیش بینی میزان تقاضای پول تا افق 1404 تحت سه سناریو خوشبینانه، بینابین و بدبینانه مورد استفاده قرار گرفته است. نتایج این پژوهش حاکی از دقت بیشتر الگوریتم فاخته در مقایسه با الگوریتم کرم شب تاب، انتخاب مدل نمایی به عنوان دقیق ترین مدل بررسی شده، رابطه مستقیم تقاضای پول با تولید ناخالص داخلی و نرخ ارز و رابطه غیرمستقیم با نرخ تورم است. همچنین رشد متوسط سالانه 11/23 ، 6/29 و 0/68 درصدی تقاضای پول به ترتیب در اثر وقوع سناریو خوش بینانه، بینابین و بدبینانه و کاهش تقاضای واقعی پول از سال 1401 در صورت بروز سناریو بدبینانه از نتایج دیگر این پژوهش هستند. یافته های حاصل از سناریوسازی نشان می دهد که کارایی و نتیجه تصمیمات مقامات پولی در همراهی با تقاضای پول به اتخاذ سیاست های مناسب در عرصه نرخ تورم و نرخ ارز وابسته است.

تورم به عنوان یکی از پدیده های اقتصادی موجب پیامدهای منفی اجتماعی و فرهنگی متعددی همچون فقر، توزیع نامتناسب درآمد و گسترش مفاسد مالی می شود که هرکدام به نوبه خود هزینه های قابل توجهی را بر اقتصاد تحمیل می کند. به همین دلیل، در کلیه کشورها ثبات قیمت ها به عنوان هدف اصلی برنامه ها و سیاستگذاری های اقتصادی در نظر گرفته می شود. لذا بررسی و پیش بینی این متغیر کلان اقتصادی از اهمیت ویژه ای برخوردار است. در این راستا مدل های پیش بینی گوناگونی در رقابت با یکدیگر توسعه یافته اند، یکی از این روش ها الگوریتم های تکاملی می باشد که به عنوان روشی نوین برای مدل سازی و پیش بینی پدیده های مختلف ابداع گردیده اند. در مطالعه حاضر با استفاده از الگوریتم کرم شب تاب و الگوریتم فاخته و به کارگیری متغیرهای تأثیر گذار بر تورم از جمله حجم نقدینگی، نرخ ارز، نرخ بهره حقیقی، تورم انتظاری و تولیدات صنعتی طی دوره 1394-1354 به مدل سازی تورم به صورت خطی و غیرخطی پرداخته می شود. نتایج نشان می-دهد که مدل غیر خطی برای مدل سازی تورم مناسب تر است و الگوریتم کرم شب تاب نسبت به الگوریتم فاخته نتیجه بهتری را ارائه می دهد و با توجه به دقت مدل غیرخطی مدل سازی شده توسط الگوریتم کرم شب تاب می توان به منظور پیش بینی تورم در آینده از آن استفاده نمود.