هومن نصیری

هدف اصلی این مقاله بررسی رابطه میان تنوع بخشی کالاهای صادراتی در زیربخش های برتر صنعتی و تاثیر آن بر بی ثباتی درآمد ارزی بخش صنعت ایران است. بر همین اساس، داده های فصلی 1-1381 تا 2-1397 در سه زیربخش برتر صنعتی کشور گردآوری و از روش خودرگرسیون با وقفه های توزیعی برای برآورد استفاده شد. یافته ها بیانگر اثرات مثبت نرخ تورم و درآمد جهانی بر بی ثباتی درآمد ارزی در کوتاه مدت و بلندمدت بوده و اثر شاخص تمرکز زیربخش فلزات اساسی بر بی ثباتی درآمد ارزی صنعتی مثبت و در زیربخش های محصولات کانی غیرفلزی و منسوجات کارگاه های صنعتی منفی و معنادار بوده است. بنابراین، حرکت به سمت تنوع بخشی در زیربخش فلزات و تمرکز در زیربخش های کانی غیرفلزی و منسوجات موجب کاهش بی ثباتی درآمد ارزی صنعتی می شود. بر اساس نتایج پیشنهاد می گردد دولت با اعطای تسهیلات، تعیین تعرفه های گمرکی صادراتی و وارداتی در زیربخش های صنعت، ضمن جهت دهی به تولید از نظر متنوع سازی و یا تمرکززدایی، موجبات کاهش بی ثباتی درآمد ارزی صنعتی را فراهم آورد.

این پژوهش با هدف تعیین تنظیمات بهینه مدل شبکه عصبی خودرگرسیون غیرخطی با ورودی های برون زا (نارکس) برای پیش بینی روز آتی شاخص کل بورس اوراق بهادار تهران انجام شده است. سایر اهداف شامل مقایسه عملکرد مدل نارکس با مدل های شبکه عصبی خودرگرسیون غیرخطی (نار) و ورودی - خروجی غیرخطی (نایو)، توسعه بازه زمانی پیش بینی با استفاده از شبکه عصبی نار، اعتبارسنجی مدل نارکس ازطریق تحلیل حساسیت و مقایسه عملکرد آن با مدل میانگین متحرک خودرگرسیون انباشته (آریما) است. طبق داده های شاخص کل از سال ۱۳۸۸ تا ۱۴۰۲، مدل نارکس برای پیش بینی روز آتی و مدل نار برای توسعه بازه زمانی پیش بینی به کار گرفته شد. عملکرد مدل نارکس با مدل های نار، نایو و آریما براساس درصد خطای مطلق مقایسه شد. برای تعیین تنظیمات بهینه مدل نارکس و مقایسه عملکرد مدل نار با آریما نیز میانگین مجذور خطا ملاک قرار گرفت. یافته ها نشان می دهد که مدل نارکس پیشنهادی، در ترکیب با داده های قیمت باز، بسته، سقف و کف، حجم معاملات و میانگین های متحرک ساده و نمایی بهترین عملکرد پیش بینی را داشته است. در مقایسه با سایر الگوریتم های آموزشی، الگوریتم لونبرگ - مارکوارت بالاترین دقت را ایجاد کرده است. نتایج اعتبارسنجی نیز برتری مدل نارکس را به الگوریتم های شبکه عصبی نار و نایو و مدل سنتی آریما تأیید می کند. این پژوهش نخستین بررسی از عملکرد شبکه عصبی نارکس در پیش بینی شاخص کل بورس تهران است و یافته های آن، علاوه بر توسعه دانش نظری در زمینه کاربرد شبکه عصبی پویا می تواند به عنوان ابزاری اثربخش در اختیار تحلیلگران بازار سرمایه قرار گیرد.