خودرگرسیون میانگین متحرک انباشته

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.

زمینه و هدف: هدف اصلی مطالعه ی حاضر طراحی مدل و تحلیل آماری شاخص حمل و نقل کالای خشک فله صنعت دریایی می باشد. مواد و روش ها: پژوهشگر با بکارگیری استراتژی نظریه داده بنیاد اقدام به تصریح مدل و سپس تخمین الگوی تبیین شده با بهره گیری از داده های سری زمانی نموده است. یافته ها: نتایج حاصل نشان داده است که شاخص حمل و نقل کالای خشک فله صنعت دریایی تحت عنوان متغیروابسته شناسائی شده است. هفت متغیر به عنوان متغیرهای توضیحی شناسائی شدند. این متغیرها عبارتند از: تجارت جهانی، قیمت نفت اوپک، شوک ها، شاخص تورم در کشورهای عضو OECD، رشد جمعیت جهان، نرخ یورو در مقابل دلار، شاخص توان خروجی کانتینرهای جهان. هم-چنین در بخش کمی نتایج به دست آمده نشان می دهد که در سطح اطمینان 90 درصد حجم تجارت جهانی، شوک های وارده، شاخص تورم، نرخ رشد جمعیت جهان، شاخص توان خروجی کانتینرهای جهان با شاخص حمل و نقل کالای خشک فله صنعت دریایی (BDI) ارتباط منفی و معنی داری دارد. ملاحظات اخلاقی: در تمام مراحل نگارش پژوهش حاضر، ضمن رعایت اصالت متون، صداقت و امانت داری رعایت شده است. نتیجه گیری: در منابع شبکه اطلاعات حمل و نقل در سال 2018 4 مدل برای برآورد شاخص BDI، آمده است و ادعا شده است که این مدل ها بیانگر تقریب خوبی از این شاخص می باشد. در مطالعه حاضر، مدل طراحی شده با مدل های مذکور مورد مقایسه قرار گرفت و مشخص شد که مدل دوم ارائه شده توسط شبکه اطلاعات حمل و نقل و مدل طراحی شده نسبت به سایر مدل ها، مدل های بهتری است.