شبکه عصبیGMDH

در این مقاله، از شبکه عصبی GMDH، برای پیش بینی قیمت گازوئیل مبتنی بر قواعد تحلیل تکنیکی، شامل میانگین های متحرک کوتاه مدت و بلندمدت، به عنوان ورودی شبکه، طی دوره های مختلف بازار، استفاده شده است. در این بررسی، هزینه های مبادله و عوامل برون زا لحاظ نشده است. در روش تحلیل تکنیکی، پیش بینی ها با تکیه بر رفتار گذشته قیمت در همان بازار (در این جا گازوئیل خلیج فارس) است. نتایج نشان می دهد که بهترین عملکرد پیش بینی در وضعیت باثبات بازار حاصل شده است. هم چنین پیش بینی های شبکه عصبی نسبت به روش سری زمانی، از خطایکم تر و دقت بالاتری برخوردار است.

در این مقاله از شبکه عصبی GMDH، به‎عنوان ابزاری با قابلیت بالا در مسیریابی و تشخیص روند‎های غیرخطی پیچیده، به‎ویژه با تعداد مشاهدات محدود، برای الگوسازی و پیش‎بینی رشد تولید ناخالص داخلی به قیمت ثابت در ایران استفاده شده است. ابتدا الگویی بنیادی شامل 7 متغیر همراه با وقفه اول رشد تولید ناخالص داخلی طراحی و سپس با استفاده از فرآیند قیاسی و نیز کنارگذاشتن هر متغیر از الگوی بنیادی، در مجموع 18 مدل اجرا شد. نتایج نشان داد الگو‎های حاصل از کنار گذاشتن رشد صادرات کل، رشد صادرات نفت و رشد حجم تجارت از الگوی بنیادی، به ترتیب بیش‎ترین سهم را در کاهش خطای پیش‎بینی دارا هستند. هم‎چنین اثر مضاعف رشد هزینه‎های دولت بر متغیر هدف، مؤید نتایج مطالعات اخیر در کشورهای در حال توسعه نفتی است. برتری شبکه عصبی GMDH در دقت پیش‎بینی رشد اقتصادی نسبت به روش ARIMA، بر اساس معیارهای خطا نیز مورد تائید قرار گرفت.

در آن سوی دیدگاه های بدبینانه به اثر رشد جمعیت بر رشد اقتصادی، نگرش های جدید معطوف به دیدگاه های نهادی و در نقطه مقابل اندیشه های حاکم بر الگوهای رشد نئوکلاسیکی، نتایج متفاوت و بعضاً مثبتی را ارائه کرده اند. در این مقاله با بهره گیری از تلفیق شبکه عصبی GMDH و الگوریتم ژنتیک، رشد تولید ناخالص داخلی بر اساس دو متغیر رشد جمعیت و باروری، الگوسازی و پیش بینی شده است. نتایج نشان داد که اولاً متغیر رشد جمعیت دارای تأثیر مضاعف بر رشد اقتصادی است. ثانیاً رشد اقتصادی علت کوتاه مدت (علیت غیر خطی) رشد جمعیت می باشد. همچنین پیش بینی هایی مبتنی بر سه سناریوی حد پائین، متوسط و بالای پیش بینی رشد جمعیت توسط سازمان ملل و سناریوی افزایش آهسته باروری کل، شامل 4 متغیر، وقفه های اول و دوم رشد جمعیت و باروری، برای رشد اقتصادی صورت گرفته است. نتایج نشان داد که بهترین عملکرد پیش بینی مربوط به الگوی سناریوی حد پائین جمعیت و سناریوی افزایش آهسته باروری کل می باشد.