مطالب مرتبط با کلیدواژه

پیش بینی


۴۱.

پیش بینی ورشکستگی شرکت های تولیدی با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: شرکت های تولیدی استان کرمان)(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد مقداری بهار ۱۳۸۸ شماره ۱ (پیاپی ۲۰)

کلیدواژه‌ها: ایران پیش بینی شبکه عصبی مصنوعی شرکت های تولیدی ورشکستگی

حوزه‌های تخصصی:
  1. حوزه‌های تخصصی اقتصاد اقتصاد مالی حاکمیت و مالیه شرکتی ورشکستگی،انحلال
  2. حوزه‌های تخصصی اقتصاد روش های ریاضی و کمی روش های آماری و اقتصادسنجی:موضوعات خاص شبکه های عصبی و موضوعات مربوطه
تعداد بازدید : ۲۵۸۷ تعداد دانلود : ۱۵۱۴
یکی از مهم ترین موضوع های مطرح شده در مدیریت مالی، تشخیص فرصت های مطلوب سرمایه گذاری توسط سرمایه گذاران از فرصت های نامطلوب است. یکی از راه هایی که می توان با استفاده از آن به بهره گیری مناسب از فرصت های سرمایه گذاری و همچنین جلوگیری از به هدر رفتن منابع کمک کرد، پیش بینی ورشکستگی شرکت ها است. برای این منظور مدل های مختلفی وجود دارد. در این پژوهش جهت پیش بینی ورشکستگی شرکت های تولیدی استان کرمان، از مدل شبکه های عصبی استفاده شده است.
۴۲.

پیش بینی قیمت سهام در بازار بورس اوراق بهادار با استفاده از شبکه عصبی فازی و الگوریتم های ژنتیک و مقایسه آن با شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد مقداری پاییز ۱۳۸۸ شماره ۳ (پیاپی ۲۲)

کلیدواژه‌ها: پیش بینی شبکه های عصبی فازی قیمت سهام الگوریتم های ژنتیک

حوزه‌های تخصصی:
  1. حوزه‌های تخصصی اقتصاد اقتصاد مالی بازارهای مالی پیش بینی های مالی
  2. حوزه‌های تخصصی اقتصاد روش های ریاضی و کمی روش های آماری و اقتصادسنجی:موضوعات خاص شبکه های عصبی و موضوعات مربوطه
تعداد بازدید : ۵۸۱۲ تعداد دانلود : ۲۶۵۰
سرمایه گذاری در سهام عرضه شده در بورس اوراق بهادار یکی از گزینه های پرسود در بازار سرمایه است. بازار سهام دارای سیستمی غیر خطی و آشوب گونه است که تحت تاثیر شرایط سیاسی، اقتصادی و روانشناسی می باشد و می توان از سیستم های هوشمند غیرخطی همچون شبکه های عصبی مصنوعی، شبکه های عصبی فازی و الگوریتم های ژنتیک برای پیش بینی قیمت سهام استفاده نمود. در این مقاله به طراحی و ارایه یک مدل پیش بینی قیمت سهام با استفاده از شبکه عصبی فازی و الگوریتم های ژنتیکی و کاهش خطای پیش بینی قیمت سهام با استفاده از آن نسبت به استفاده از تکنیک شبکه عصبی مصنوعی به صورت منفرد پرداخته شده است. در ادامه پس از طراحی و پیاده سازی مدل شبکه های عصبی فازی و الگوریتم های ژنتیک، با استفاده از چهار معیار سنجش خطا، نتایج دو مدل مقایسه شده است. نتایج نشان می دهد که مدل ترکیبی شبکه های عصبی فازی و الگوریتم های ژنتیک پیش بینی های بسیار مناسب تری داشته و نسبت به شبکه عصبی منفرد از سرعت بالاتر و توانایی تقریب قوی تری برای پیش بینی قیمت سهام برخوردار بوده است.
۴۳.

پیش بینی مصرف حامل های انرژی در بخش کشاورزی ایران با الگوهای ARCH و ARIMA(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات اقتصاد انرژی سال هفتم زمستان ۱۳۸۹ شماره ۲۷

کلیدواژه‌ها: مصرف فرآورده های نفتی پیش بینی حامل های انرژی برق ARIMA ARCH

حوزه‌های تخصصی:
تعداد بازدید : ۲۳۸۵ تعداد دانلود : ۱۱۰۷
انرژی به عنوان یک نهادهی مهم و کلیدی در تولید بخش های مختلف اقتصاد و از جمله بخش کشاورزی به شمار میرود. در سال های اخیر به دنبال بالا رفتن بار مالی یارانه های حامل های انرژی، هدفمندی این یارانه ها مورد توجه قرار گرفته است. با توجه به اثرگذاری سیاست هدفمندی بر روی مصرف انرژی، مطالعهی حاضر به پیش بینی مصرف حامل های انرژی (فرآورده های نفتی و برق) در بخش کشاورزی، با استفاده از الگوهای ARIMA و ARCH پرداخته است. دورهی مورد مطالعه شامل سال های 1384 - 1347 میباشد که داده های 3 سال آخر برای سنجش توان پیش بینی الگوها استفاده شد. نتایج نشان دهندهی حاکی از افزایش اندک مصرف حامل های انرژی در بخش کشاورزی بود. خطای پیش بینی حاصل از فرایند ARIMA، به جزء مصرف فرآورده های نفتی در سایر سری ها کم تر از الگوی ARCH به دست آمد.
۴۴.

مقایسهی عملکرد شبکه های عصبی و مدلARIMA در مدل سازی و پیش بینی کوتاه مدت قیمت سبد نفت خام اوپک (با تاکید بر انتظارات تطبیقی)(مقاله علمی وزارت علوم)

نویسنده:
منبع: مطالعات اقتصاد انرژی سال هشتم بهار ۱۳۹۰ شماره ۲۸

کلیدواژه‌ها: پیش بینی شبکه های عصبی انتظارات تطبیقی ARIMA قیمت سبد نفت خام اوپک

حوزه‌های تخصصی:
  1. حوزه‌های تخصصی اقتصاد اقتصاد بخشی،اقتصاد صنعتی،کشاورزی،انرژی،منابع طبیعی،محیط زیست اقتصاد انرژی نفت،گاز طبیعی،زغال سنگ،مشتقات نفتی اوپک،ساختار،سهمیه بندی،قیمت گذاری
  2. حوزه‌های تخصصی اقتصاد روش های ریاضی و کمی روش های آماری و اقتصادسنجی:موضوعات خاص شبکه های عصبی و موضوعات مربوطه
تعداد بازدید : ۲۲۲۹ تعداد دانلود : ۱۴۸۳
امروزه نفت به عنوان یکی از منابع مورد استفادهی بشر، از اهمیت ویژه ای برخوردار است. قیمت نفت به دلیل اهمیت آن در بازارهای بین المللی، رابطهی اساسی با اقتصاد کشورها و موقعیت استراتژیک آن در بین کالاهای اقتصادی، به عنوان یکی از عوامل مؤثر در اقتصاد بین الملل، نقش تعیین کننده ای دارد. شناخت ساختار قیمت این کالا و مدل سازی آن همواره مورد توجه پژوهش های اقتصادی بوده و تلاش هایی نیز برای بررسی علت نوسان و پیش بینی آن انجام گرفته است. در این راستا، شبکه های عصبی مصنوعی از قابلیت بالایی در مدل سازی فرایندهای تصادفی و پیچیده و پیش بینی مسیرهای غیرخطی پویا برخوردار هستند. در این مقاله، با استفاده از شبکه ی عصبی مصنوعی مبتنی بر انتظارات قیمتی برای داده های روزانه، به مدل سازی و پیش بینی روزانهی قیمت سبد نفت خام اوپک پرداخته شده و نتایج آن با مقادیر پیش بینی شده توسط مدل ARIMA براساس معیارهای اندازه گیری دقت پیش بینی، مورد مقایسه قرار گرفته است. نتایج تحقیق نشان می دهد که شبکهی عصبی مورد استفاده، نسبت به مدل ARIMA از قدرت پیش بینی بهتری برخوردار است و قیمت نفت خام تابعی از قیمت های 5 روز گذشتهی خود می باشد.
۴۵.

An Analysis of Fractal Properties in the Iranian Exchange Rate Behavior(مقاله علمی وزارت علوم)

نویسنده:
منبع: International Economics Studies, Volume ۳۵, Issue ۲, Summer and Autumn ۲۰۱۰

کلیدواژه‌ها: ایران نرخ ارز پیش بینی خاصیت فرکتالی

حوزه‌های تخصصی:
تعداد بازدید : ۱۵۲۹ تعداد دانلود : ۶۸۵
رفتارهای نرخ ارز در بازارهای مختلف یکی از فرایندهای به ظاهر غیر قابل پیش بینی است که تاکنون روش های متعددی در جهت شناخت روند و پیش بینی آن ها ارائه شده است. یکی از روش های ارائه شده، استفاده از فرکتال ها در شناخت رفتار نرخ ارز است. در این تحقیق سعی شده است وجود پیش فرض های لازم یا به عبارتی وجود خواص فرکتالی در بازار نرخ ارز ایران مورد بررسی قرار گیرد، تا امکان استفاده از این تکنیک در پیش بینی و تحلیل روند نرخ ارز میسر شود. در این خصوص سه پارامتر اصلی فرکتال ها معرفی شده و نحوه محاسبه آن ها مورد بحث قرار گرفته است. سپس این پارامترها برای ریال ایران در برابر دلار آمریکا در بازار غیر رسمی ارز بررسی شده به طوری که وجود خواص فرکتالی مذکور در رفتار نرخ ارز ایران مورد تأیید قرار گرفته است.
۴۶.

پیش بینی قیمت طلا با بکارگیری مدل ترکیبی مدل های خودرگرسیون میانگین متحرک انباشته کلاسیک با منطق فازی(مقاله علمی وزارت علوم)

نویسنده:
منبع: مجله پژوهشی دانشگاه اصفهان ۱۳۸۷ شماره ۳۱

کلیدواژه‌ها: پیش بینی رگرسیون فازی مدل های ترکیبی مدل های میانگین متحرک خود رگرسیون انباشته مدل میانگین متحرک خود رگرسیون انباشته فازی قیمت طلا

حوزه‌های تخصصی:
تعداد بازدید : ۲۴۸۰ تعداد دانلود : ۱۱۷۸
فلزات قیمتی همچون طلا، نقره و پلاتین از جمله مهمترین متغیرهای مؤثر در سیستم های مالی بوده و پیش بینی قیمت آنها برای تصمیم گیران از اهمیت بسیار برخوردار است . تغییرات سریع در سیستم های مورد مطالعه در دنیای واقعی و بویژه بازارهای مالی سبب ایجاد مشکلاتی برای پیش بینی کنندگان از جهت تامین داده های لازم گردیده است . چرا که مدل های کمی پیش بینی همچون میانگین نیز به (ANNs) دارای محدودیت تعداد داده های گذشته بوده و شبکه های عصبی مصنوعی (ARIMA) متحرک خود رگرسیون انباشته منظور حصول نتایج دقیق احتیاج به داده های زیادی دارند . مدلهای پیش بینی فازی، مدلهایی مناسب در شرایط پیش بینی با داد ه های کم بوده، اما عملکرد آنها در حالت کلی رضایت بخش نمی باشد. استفاده از مدل های ترکیبی یا ترکیب مدل های مختلف یک راه معمول به منظور مرتفع نمودن محدودیت های مدلهای تکی و بهبود دقت پیش بینی ها می باشد؛ لذا در این مقاله به منظور برطرف نمودن محدودیت داده در مدلهای میانگین متحرک خود رگرسیون انباشته کلاسیک و حصول مدل دقیق تر در پیش بینی سری های زمانی، مدل به منظور پیش بینی پیشنهاد شده است. نتایج حاصله بیانگر (FARIMA) ترکیبی میانگ ین متحرک خود رگرسیون انباشته با منطق فازی کارآمدی روش پیشنهادی در پیش بینی بازه تغییرات قیمت طلا می باشد
۴۷.

پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی

نویسنده:
منبع: علوم مدیریت تابستان ۱۳۸۸ شماره ۹

کلیدواژه‌ها: پیش بینی شبکه های عصبی سری های زمانی شاخص سهام

حوزه‌های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت دانش و IT سیستمهای خبره
  2. حوزه‌های تخصصی مدیریت مدیریت مالی – حسابداری تئوریهای حسابداری تحقیقات بازار سرمایه
تعداد بازدید : ۴۵۵۰ تعداد دانلود : ۱۹۸۸
اندازه و روند شاخص های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می باشد. جهت پیش بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول ترین آنها روشهای رگرسیون و مدل های ARIMA هستند اما این مدل ها در عمل جهت پیش بینی بعضی از سریها ناموفق بوده اند. در تحقیق حاضر برای پیش بینی شاخص کل بورس از مدل شبکه های عصبی پیش خور با قانون یادگیری پس انتشار خطا5 در سه ساختار شبکه با الگوهای متفاوت ورودی استفاده گردید و نتایج مدل با نتایج مدل های رگرسیون چند متغیره و مدل های ARIMA مورد مقایسه قرار گرفت.نتایج تحقیق نشان داد که روش شبکه های عصبی خطای RMSE به میزان قابل توجهی کمتر از RMSE روشهای دیگر است و در بازار بورس اوراق بهادارتهران پیش بینی کوتاه مدت با فاصله زمانی کمتر، مناسب تر از پیش بینی بلند مدت با فاصله زمانی طولانی تر است.
۴۸.

پیش بینی تقاضای انرژی بخش حمل و نقل با استفاده از شبکه های عصبی: مطالعة موردی در ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: مدرس علوم انسانی-پژوهش های مدیریت در ایران دوره چهاردهم تابستان ۱۳۸۹ شماره ۶۶

کلیدواژه‌ها: پیش بینی شبکه های عصبی الگوریتم پس انتشار تقاضای انرژی بخش حمل و نقل

حوزه‌های تخصصی:
تعداد بازدید : ۲۳۴۳ تعداد دانلود : ۱۳۷۵
در این مقاله با استفاده از شبکه های عصبی مصنوعی و با در نظر گرفتن شاخص های اقتصادی و اجتماعی، تقاضای انرژی بخش حمل و نقل کشور در سال های 1386 تا 1400 پیش بینی شده است. از شبکه های عصبی رو به جلو با ناظر برای پیش بینی و از الگوریتم پس انتشار برای آموزش شبکه ها استفاده شده است. برای بررسی تأثیر شاخص های اقتصادی و اجتماعی بر تقاضای انرژی بخش حمل و نقل، داده های مربوط به تولید ناخالص داخلی، جمعیت و تعداد خودرو طی سال های 1347 تا 1385 به کار گرفته شده است. نتایج حاصل از پیش بینی با این روش در مقایسه با روش رگرسیون چندمتغیره، نشان دهندة خطای به مراتب کمتری است،؛ به طوری که درصد میانگین قدرمطلق خطا 6% کاهش یافت. / 15 % به 05 / از 52
۴۹.

بررسی تکامل آینده نگاری علم و تکنولوژی در گذر زمان(مقاله علمی وزارت علوم)

نویسنده:
منبع: راهبرد یاس تابستان ۱۳۸۹ شماره ۲۲

کلیدواژه‌ها: پیش بینی آینده نگاری سیاستگذاری دلفی آینده نگاری علم و تکنولوژی همفکری پیمایش موضوعات سناریوها پانل کارشناسان

حوزه‌های تخصصی:
تعداد بازدید : ۲۸۴۸ تعداد دانلود : ۱۸۵۷
امروزه آینده نگاری به یکی از ابزارهای مهم سیاستگذاران برای کمک به ترسیم چشم اندازها و اتخاذ تصمیمات میان مدت تا بلندمدت تبدیل شده است. نگاشت آینده های مطلوب و امکان پذیر با همفکری و اجماع بخش های خصوصی، دانشگاهی و نهادهای حکومتی و تلاش برای تحقق چنین آینده ای را می توان آینده نگاری نامید. استفاده از نتایج و دانش حاصل از آینده نگاری برای تصمیم گیری و سیاست گذاری از مزایای انجام این فعالیت می باشد، سیاستگذاری هایی که این گونه وضع می شوند، احتمال موفقیت فراوان دارند؛ زیرا از حمایت های فراوانی در جامعه برخوردار هستند. برای انجام آینده نگاری موفقیت آمیز آگاهی از روند شکل گیری و پیشرفت دانش آینده نگاری و شناخت دقیق روش های آینده نگاری الزامی می باشد. دانش آینده نگاری ابتدا در ژاپن و بر اساس تلفیق سه دانش سیاستگذاری، برنامه ریزی و مطالعات آینده اندیشی بوجود آمد. در یک فعالیت آینده نگاری از روش های مختلفی استفاده می شود که از آن جمله می توان به دلفی، ذهن انگیزی، پانل کارشناسان، سناریوها و ... اشاره کرد. ما در این مقاله در پی توضیح فرایند شکل گیری دانش آینده نگاری و مهمترین روش های آن می باشیم.
۵۱.

تأثیر سیستم پیش­بینی تقاضای متلاطم بر اثر شلاقی در زنجیره تأمین: یک رویکرد مقایسه­ای(مقاله علمی وزارت علوم)

نویسنده:
منبع: چشم انداز مدیریت صنعتی پاییز ۱۳۹۰ شماره ۳

کلیدواژه‌ها: شبکه های عصبی مصنوعی پیش بینی مدیریت زنجیره تأمین تقاضای متلاطم

حوزه‌های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات پژوهش عملیاتی
  2. حوزه‌های تخصصی مدیریت مدیریت صنعتی مدیریت زنجیره تامین
تعداد بازدید : ۲۴۱۷ تعداد دانلود : ۱۳۵۲
یک مبحث مهم در مدیریت زنجیره تأمین، پدیده اثر شلاقی است. این مهم بیانگر افزایش تغییرپذیری تقاضا طی حرکت در طول زنجیره می باشد. در این مقاله تأثیر چندین روش کلاسیک و هوشمند در فرایند پیش­بینی تقاضای متلاطم، در وقوع پدیده اثر شلاقی بررسی می­شود. نتیجه این تحقیق حاکی از آن است که شبکه­های عصبی در مقایسه با روش­های معمول کلاسیک همچون روش هموارسازی نمایی با توجه به رفتار غیرخطی، نوسانی و حتی آشوبی تقاضای متلاطم، توان بیشتری در مدل سازی و پیش­بینی این رفتار دارند. در انتهای مقاله به کمک یک مثال عددی، کاربرد بهره­گیری از شبکه­های عصبی در پیش­بینی تقاضای متلاطم، در کاهش موفقیت آمیز پدیده اثر شلاقی به تصویر در آمده است.
۵۲.

ارائه یک مدل برنامه ریزی خطی چندهدفه برای تخصیص بهینه منابع انرژی ایران(مقاله علمی وزارت علوم)

نویسنده:
منبع: چشم انداز مدیریت صنعتی پاییز ۱۳۹۰ شماره ۳

کلیدواژه‌ها: پیش بینی برنامه ریزی خطی گازهای گلخانه ای هدفمند کردن یارانه ها تخصیص منابع انرژی برنامه ریزی چند هدفه

حوزه‌های تخصصی:
تعداد بازدید : ۵۴۲۵ تعداد دانلود : ۲۵۶۴
این تحقیق با استفاده از یک مدل برنامه ریزی خطی چندهدفه، تخصیص بهینه منابع انرژی کشور به بخش های مختلف ـ خانگی، تجاری، حمل و نقل، صنایع، کشاورزی، صادرات، تزریق به مخازن نفتی و نیروگاهها به عنوان تولیدکننده انرژی ثانویه ـ را مورد بررسی قرار داده است و در این راستا اهداف سیاسی، اقتصادی و زیست محیطی نیز مورد توجه قرار گرفته اند. از داده های سال های 1346 تا 1387 برای پیش بینی تقاضای انرژی در بخش های مختلف مصرف و بررسی اعتبار مدل استفاده شده است. همچنین با توجه به اجرا شدن طرح هدفمندکردن یارانه ها، تخصیص منابع نفت و گاز به بخش های مختلف مصرف طی سال های 1390 تا 1400 بررسی شده است. نتایج این تحقیق، راهکارهای مناسبی را در اختیار برنامه ریزان و تصمیم گیران قرار می دهد تا برنامه ریزی مناسب در خصوص تخصیص بهینه منابع انرژی کشور داشته باشند
۵۳.

پیش بینی تأخیر قطار های مسافری با استفاده از شبکه های عصبی(مقاله علمی وزارت علوم)

نویسنده:
منبع: پژوهشنامه حمل و نقل سال هفتم پاییز ۱۳۸۹ شماره ۳

کلیدواژه‌ها: پیش بینی شبکه عصبی تأخیر قطار مسافری شرکت قطارهای مسافری رجا

حوزه‌های تخصصی:
تعداد بازدید : ۱۰۳۹ تعداد دانلود : ۷۵۸
هدف این مقاله ارائه مدلی مبتنی بر شبکه های عصبی پیشخور با دقت بالا برای پیش بینی تأخیر قطار های مسافری در راه آهن جمهوری اسلامی ایران است. در این مقاله از سه روش مختلف برای ورودی شبکه های عصبی، شامل ورود به صورت اعداد حقیقی نرمال شده، تبدیل ورودیها به صورت دودویی و همچنین تبدیل ورودیها به رشته های دودویی استفاده شده است. برای یافتن ساختاری مناسب برای شبکه عصبی در مدل پیشنهادی از سه استراتژی مختلف استفاده شده است که به ترتیب استراتژی سریع، استراتژی پویا و استراتژی چندگانه نام دارند. داده های مورد استفاده در این پژوهش شامل تأخیر قطارهای مسافری راه آهن جمهوری اسلامی ایران از سال های 1383 تا 1387 است. برای آماده سازی داده ها، جهت حذف داده های متناقض و دارای نویز که همواره همراه با مجموعه داده های دنیای واقعی است، پیش پردازش کاملی صورت گرفته است، برای پیشگیری از بیش برازش مدل با مشخصات داده های آموزشی، براساس روش اعتبارسنجی تقاطعی، داده ها به سه قسمت داده-های آموزشی، داده های اعتبارسنجی و داده های آزمایشی تقسیم شدند. برای ارزیابی مدل پیشنهادی، نتایج حاصل از روشهای مختلف ورود داده و استراتژی های یافتن ساختار مناسب شبکه، با یکدیگر و همچنین با بعضی روشهای رایج پیش بینی از قبیل درختهای تصمیم و رگرسیون لجستیک چند جمله ای مقایسه شده اند. برای مقایسه مدلهای مختلف شبکه های عصبی مورد استفاده در این مقاله زمان آموزش مدل، دقت پیش بینی بر روی داده های آزمایشی و اندازه شبکه در نظر گرفته شده است. برای انجام مقایسه ای دقیق میان تمامی مدلها، نمودار زمان - دقت ترسیم شده است. نتایج به دست آمده نشان می دهند مدل پیشنهادی از دقت بیشتری برخوردار است.
۵۴.

پیش بینی صادرات محصولات کشاورزی ایران: کاربرد مدلهای رگرسیونی و شبکه عصبی مصنوعی(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد کشاورزی و توسعه زمستان ۱۳۸۹ شماره ۷۲

کلیدواژه‌ها: شبکه های عصبی مصنوعی پیش بینی صادرات بخش کشاورزی مدل VAR

حوزه‌های تخصصی:
تعداد بازدید : ۲۲۲۹ تعداد دانلود : ۹۰۸
پیش بینی متغیرهای کلان اقتصادی برای برنامه ریزان و سیاستگذاران و واحدهای اقتصادی از اهمیت ویژه ای برخوردار است و از همین رو مدلهای گوناگونی برای پیش بینی ابداع شده است. یکی از روشهای پرکاربرد پیش بینی، به خصوص در دهه های اخیر، روش شبکه های عصبی مصنوعی است. در این مطالعه نیز مدل صادرات محصولات کشاورزی ایران برای دوره 1387-92 با استفاده از روشهای اقتصادسنجی و شبکه عصبی مصنوعی پیش بینی شده است. به این منظور از داده های دوره 1344-80 برای پیش بینی و آموزش شبکه و از داده های دوره 1381-86 برای آزمون صحت پیش بینی های به دست آمده استفاده شد. نتایج مطالعه نشان داد که شبکه عصبی پیشرو دارای خطای کمتر و عملکرد بهتری در مقایسه با روش اقتصادسنجی VAR برای پیش بینی مقدار صادرات محصولات کشاورزی ایران است. مقدار صادرات محصولات کشاورزی در سالهای 1389 و 1392 با توجه به پیش بینی صورت گرفته با استفاده از روش شبکه عصبی، با کاهش همراه خواهد بود و لذا لازم است دولت با استفاده از سیاستهای مشوق صادرات به مقابله با این امر بپردازد.
۵۵.

پیش بینی قیمت دانه های روغنی در ایران (مظالعه موردی ذرت و سویا)

نویسنده:
منبع: پژوهش ها و سیاست های اقتصادی سال هجدهم بهار ۱۳۸۸ شماره ۴۹

کلیدواژه‌ها: ایران قیمت پیش بینی ذرت سویا

حوزه‌های تخصصی:
تعداد بازدید : ۱۷۹۶ تعداد دانلود : ۱۱۱۵
در این مطالعه قیمت ماهانه ذرت و سویا با عنوان مهمترین دانه های روغنی با استفاده از روشهای تعدیل نمایی و خود توضیح میانگین متحرک 1 (ARMA) پیش بینی شده است.داده های مورد استفاده شامل داده های ماهانه دوره فروردین 0731 تا تیر 7831 می باشد که از شرکت پشتیبانی امور دام گردآوری شده است.از داده های دوره فروردین 1731 تا اسفند 5831 برای برآورد و آموزش مدلها و از داده های دوره فروردین 6831 تا تیرماه 7831 به منظور بررسی قدرت پیش بینی مدلهای مختلف استفاده گردیده است.در این مطالعه معیارهای ارزیابی مختلفی شامل میانگین قدرمطلق خطا2 (MAE) میانگین مجذور خطا3 (MSE) و درصد میانگین مطلق خطا4 (MAPE) مورد استفاده قرار گرفته است.نتایج مطالعه نشان دهنده آن است که می توان با استفاده از مدل تعدیل نمایی قیمت ماهانه محصولات منتخب را بهتر از سایر مدلهای دیگر برآورد و پیش بینی نمود.
۵۶.

تحلیل سناریو در بیمه

مترجم:
منبع: گزارش موردی سال ۱۳۸۸ شماره ۴۹

کلیدواژه‌ها: پیش بینی سناریو بیمه تحلیل سناریوی پسامدرن

حوزه‌های تخصصی:
تعداد بازدید : ۱۵۷۱ تعداد دانلود : ۱۳۴۲
پیش بینیهای قطعی، شاید در افق زمانی کوتاه و معینی درست باشند، ولی دیر یا زود با ظهور رویدادهای پیش بینینشده و غافلگیرکننده، ناتوانی رهبران و مدیران برای درک تغییرات نوظهور آشکار خواهد شد. این ناتوانی موجب عدمکارایی استراتژیهای طراحیشده براساس پیش بینیهای قطعی میشود. باید اذعان کرد که آینده ثابت و پایدار نیست و پیش بینیهای قطعی که فقط براساس مطالعه گذشته و تاریخ تهیه میشوند، جواب گوی نیازهای رهبران و مدیران ارشد دولت ها، سازمان ها و شرکت ها هنگام برنامه ریزی استراتژیک نیستند. روش «برنامه ریزی بر پایه سناریو» برای پاسخ گویی به چنین نیازهایی پا به میدان میگذارد. سناریوها به صورت نموداری و به صورت پویا و متحرک جریان تحول و پیدایش دنیای آینده را نمایش میدهند. سناریوها موجب تمرکز توجه ما بر روی نقاط انشعاب مسیر آینده و پیشامدهای بالقوه در این مسیر میشوند. به کمک تصمیم گیری بر پایه آینده های بدیل و آزمون استراتژیهای پیشنهادی در شرایط مختلفی که سناریوها معرفی میکنند، برای مواجهه با عدم قطعیت های آینده آمادگی بیشتری کسب میکنیم. اگر هنگام تدوین سناریوها تفکر جدی صورت بگیرد، آنگاه اصلاً مهم نیست که در آینده چه اتفاقی خواهد افتاد؛ زیرا دولت، شرکت یا سازمان در مقابل «هر اتفاقی» آماده است و میتواند بر مسیر اتفاقات آینده تأثیرگذار باشد. مقاله حاضر، ترجمه ای از شماره یک مجله سیگما در سال 2009 میباشد.
۵۷.

ارزیابی مدل های اقتصادسنجی با روش های مبتنی بر ریاضیات

نویسنده:
منبع: مجله اقتصادی دوره جدید سال دوازدهم تیر و مرداد۱۳۹۱ شماره ۴ و ۵

کلیدواژه‌ها: پیش بینی منطق فازی شبکه عصبی مدل های سری زمانی

حوزه‌های تخصصی:
تعداد بازدید : ۱۵۵۱ تعداد دانلود : ۷۲۵
پیشرفت علم و تکنولوژی باعث پیچیدگی در جهانی شده که امروزه در آن زندگی می کنیم و برای فائق آمدن بر این پیچیدگی ها و اتخاذ تصمیمات صحیح از سوی سیاستگذاران نیاز به پیش بینی متغیرهای اثرگذار روزافزون شده است. از این رو، از دهه 1970 به بعد روش های پیش بینی در علوم مختلف به ویژه اقتصاد جایگاه مناسبی یافته است. پژوهشگران و سیاستگذاران با پیدایش این روش ها در اقتصاد و سایر علوم برخی مواقع با ترکیب این روش ها به نتایج مطلوب تر و مناسب تری دست یافته اند. بدین منظور، هدف اصلی در مقاله حاضر بررسی روش های مختلف پیش بینی در اقتصاد و سایر علوم به ویژه ریاضیات و بیان این موضوع است که تمام این روش ها (فازی و شبکه عصبی) به اقتصادسنجی وابسته و به نوعی نتایج حاصل از اقتصادسنجی را بهبود می بخشند و از سوی دیگر آزمون هایی غیر از آزمون های ایستایی مرسوم در اقتصاد سنجی می بایست برای کشش سنجی مورد توجه قرار گیرد.
۵۸.

الگوسازی و پیش بینی میزان بارندگی و تعیین آب قابل استحصال بخش کشاورزی در دشت کبودرآهنگ همدان(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد کشاورزی سال ۱۳۸۹ شماره ۱ ( پیاپی ۱۳)

کلیدواژه‌ها: پیش بینی همدان بارش الگوهای سری زمانی الگوهای فصلی الگوهای غیرفصلی کبودرآهنگ

حوزه‌های تخصصی:
تعداد بازدید : ۱۲۵۳ تعداد دانلود : ۶۰۴
این مطالعه با استفاده از تکنیک سری های زمانی به پیش بینی میزان بارندگی در دشت کبودر آهنگ واقع در شمال استان همدان پرداخته است. نتایج آزمون های الگوی فصلی نشان داد که داده های بارش در منطقه مطالعه شده ماهیت غیردوره ای دارد. افزون بر این، نتایج آزمون HEGY بیانگر نبود ریشه در دوره های سه ماهه و ماهیانه در داده های مورد نظر بود. بر همین اساس الگوی آرما از نوع ARMA (4.4)می تواند رفتار بارش را در منطقه به خوبی پیش بینی کرده و به تصویر بکشاند. با تعیین میزان بارندگی و استفاده از بیلان آب زیرزمینی دشت کبودرآهنگ، آب قابل استحصال بخش کشاورزی برای سال های 1387 تا 1389 برابر 257.77، 267.56 و 254.87 میلیون متر مکعب برآورد شد
۵۹.

کاربرد الگوی ANFIS در مقایسه با الگو اقتصادسنجی ARIMA در پیش بینی قیمت خرده فروشی محصولات کشاورزی(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد کشاورزی سال  ۱۳۸۹ شماره ۲ (پیاپی ۱۴)

کلیدواژه‌ها: پیش بینی قیمت محصولات کشاورزی الگو استنتاجی - تطبیقی فازی - عصبی الگوی خودبرازش میانگین متحرک انباشته

حوزه‌های تخصصی:
تعداد بازدید : ۱۵۲۱ تعداد دانلود : ۹۴۷
در این مطالعه الگو جدید استنتاجی - تطبیقی فازی - عصبی (ANFIS) معرفی و کارایی آن در پیش بینی سه افق زمانی 1، 2 و 4 هفته آتی قیمت خرده فروشی برنج، گوشت مرغ و تخم مرغ با الگوی ARIMA به عنوان رایج ترین روش خطی پیش بینی اقتصاد سنجی- مقایسه شد. برای این منظور از داده های هفته ای گردآوری شده از شرکت پشتیبانی امور دام و فروشگاه رفاه کل کشور (مربوط به دوره 1/4/1387- 1/1/1381) و معیارهای ارزیابی کارایی الگوها از جمله R^2،MAD  و RMSE استفاده شد. نتایج معیارهای ارزیابی کارایی الگوها نشان داد که داده های پیش بینی شده  بخش آزمون ساختارهای طراحی شده  الگوی ANFIS در مقایسه با داده های پیش بینی شده بخش خارج از نمونه الگوی  ARIMA از مطابقت بیش تری با داده های واقعی برخوردار بوده و در نتیجه الگوی غیرخطیANFIS  در پیش بینی قیمت خرده فروشی محصولات کشاورزی و افق های زمانی مورد بررسی، کاراتر است
۶۰.

پیش بینی نرخ رشد بخش کشاورزی ایران (مقایسه ی روش های تک متغیره و چند متغیره)(مقاله علمی وزارت علوم)

نویسنده:
منبع: اقتصاد کشاورزی سال ۱۳۹۰ شماره ۱ (پیاپی ۱۷)

کلیدواژه‌ها: بخش کشاورزی پیش بینی نرخ رشد

حوزه‌های تخصصی:
تعداد بازدید : ۱۰۷۶ تعداد دانلود : ۶۲۹
سیاست گزاران و برنامه ریزان اقتصادی در تلاش اند تا متغیرهای موثر بر رشد بخش کشاورزی را مدل سازی کنند و از این مدل ها در فرآیند پیش بینی استفاده نمایند. امروزه پیش بینی به عنوان یک ابزار مهم برنامه ریزی برای سیاست گزاران اقتصادی به شمار میرود و روش های متنوعی برای پیش بینی متغیرهای اقتصادی مورد استفاده قرار می گیرد. این پژوهش نرخ رشد بخش کشاورزی ایران را پیش بینی و دقت روش های تک متغیره و چند متغیره را در پیش بینی این متغیر مقایسه میکند. روش های مورد استفاده در این تحقیق عبارت است از هموارسازی نمایی منفرد با روند، هموارسازی نمایی دوگانه با روند، الگوریتم هالت-وینترز تجمعی، الگوریتم هالت-وینترز ضربی، الگوی خودتوضیح جمعی میانگین متحرک، الگوی خودتوضیح برداری و شبکه های عصبی مصنوعی تک متغیره و چند متغیره. بر اساس یافته های پژوهش، شبکه های عصبی مصنوعی، هموارسازی نمایی منفرد و دوگانه با روند در مقایسه با دیگر تکنیک های تک متغیره ی به کار گرفته شده در این تحقیق بهترین پیش بینی را ارایه داد. سرانجام در روش های چند متغیره نیز دقت و کارآیی پیش بینی شبکه های عصبی مصنوعی در مقایسه با الگوی رقیب خودتوضیح برداری بهتر بود.