پیش بینی نرخ ارز با به¬ کارگیری الگوی ترکیبی خودرگرسیون میانگین متحرک انباشته و شبکه عصبی مصنوعی در اقتصاد ایران

مهدی خاشعی¹ سیده فاطمه موسوی فرد²

1) عضوهیات علمی دانشکده مهندسی صنایع، دانشگاه صنعتی اصفهان
2) کارشناس ارشد علوم اقتصادی

کد IOI مقاله : XDAA-FBBDK
محل انتشار : دومین کنفرانس علمی پژوهشی مدیریت، اقتصاد و حسابداری موناکو(cmeaconf.com)
چکیده :
    نرخ ارز نیز یکی از متغیرهای کلیدی و مهم اقتصادی در سیاست¬گذاری قلمداد مي‌شود، تا جایی که می-توان این متغیر را نمایندة موقعیت اقتصادی کشور در دو صحنة داخلی و خارجی قرار داد. از آنجا که قسمت اعظم درآمدهای ارزی کشور از طریق فروش نفت خام تامین می¬شود و منبع اصلی درآمد دولت نیز همین فروش نفت خام است، به همین علت تغییرات نرخ ارز می¬تواند تاثیرات بسیاری بر ساختار اقتصادی کشور و بازارهای داخلی داشته باشد. پیش بینی روند آتی نرخ ارز به عنوان یکی از پراهمیت-ترین و تأثیرگذارترین متغیرهای اقتصاد کلان، همواره مورد توجه بسیاری از پژوهش گران بوده است. دقت پیش¬بینی از مهم¬ترین عوامل موثر در انتخاب روش پیش¬بینی است. در مقاله حاضر، به منظور بهره¬گیری از مزایای منحصر¬به¬فرد هر یک از روش¬های الگوسازی خطی و غیرخطی، روش ترکیبی الگوهای خودرگرسیون میانگین متحرک انباشته و شبکه عصبی مصنوعی به منظور پیش¬بینی نرخ ارز پیشنهاد شده است. مقایسه نتایج نشان می¬دهد که الگوی ترکیبی نسبت به الگوی خودرگرسیون میانگین متحرک انباشته (ARIMA) و شبکه پرسپترون چند لایه (MLP) نتایج دقیق¬تری در پیش¬بینی نرخ ارز (دلار در مقابل ریال) ارایه نموده است.

کلمات کلیدی : نرخ ارز میانگین متحرک خود رگرسیون انباشته شبکه عصبی مصنوعی اقتصاد ایران