پیش بینی نرخ ارز یکی از مسائل مهم هر کشور است. روش های مرسوم پیش بینی و تجزیه و تحلیل آماری سری زمانی بر اساس دو فرض ایستایی و خطی بودن هستند، اما در مواردی که ویژگی خطی بودن صدق نکند، در عملکرد این مدل ها تردید ایجاد می شود. در این راستا، شبکه های عصبی مصنوعی از قابلیت بالایی در مدل سازی فرآیندهای تصادفی و پیچیده و پیش بینی مسیرهای غیرخطی پویا برخوردارند. در این مقاله، با استفاده از یک شبکه عصبی با رویکرد بنیادی، روند تغییرات نرخ ارز را بر اساس متغیرهای اقتصادی مؤثر بر آن مانند شاخص قیمت مصرف کننده در ایران و آمریکا، ارزش صادرات و واردات، قیمت نفت و قیمت طلا را مدل سازی کرده و با تحلیل حساسیت میزان تأثیرگذاری هریک از متغیرها را ارزیابی کرده ایم. با استفاده از نتایج مدل می توان اظهار داشت که مدل، بیشترین حساسیت را نسبت به شاخص قیمت مصرف کننده از خود نشان می دهد. همچنین قیمت طلا، صادرات، قیمت نفت و واردات به ترتیب عوامل دیگر مؤثر بر روند نرخ ارز در ایران هستند.
با توجه به مشکلات آماری در حوزه خدمات کشوری و سهم بیش از 50 درصدی این بخش از تولید ناخالص داخلی کشور، ارائه تصویری از این بخش جهت برنامه ریزی و سیاستگذاری ضرورتی اجتناب ناپذیر است. بررسی وضعیت تجارت خدمات می تواند بخشی از نقاط قوت و ضعف این بخش را نمایان کند. از این رو تحلیل تراز پرداخت های خدمات طی دوره زمانی (1390-1386) و مقایسه آن با وضعیت تجارت خدمات در دنیا نشان داد حساب خدمات کشور طی این مدت همواره با کسری قابل ملاحظه ای روبرو بوده است. از سوی دیگر تحریم ها از طریق فشار بر حمل و نقل بین المللی و توقف طرح های مشارکتی با پیمانکاران خارجی، تجارت خدمات را تحت تأثیر قرار داده است. مقایسه تجارت خدمات کشور با تجارت خدمات در جهان نیز بیانگر اختلاف آشکار در ترکیب آن می باشد که این امر بر مواردی چون ضعف خدمات ارتباطی، استفاده معکوس از ظرفیت های جهانگردی، سهم بالای دولت در تجارت خدمات، اقتصاد منابع پایه در حوزه خدمات و ... دلالت دارد.