مقایسه قدرت پیش‏بینی روش‏های شبکه‏های عصبی مصنوعی و ARIMA در پیش‏بینی صادرات پوست و چرم ایران

نویسندگان

1 استادیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران

2 دانشیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران

3 کارشناس ارشددانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، تهران، ایران

doi
چکیده

پیش بینی متغیرهای اقتصادی به عنوان یک ابزار مفید برنامه ریزی از اهمیت ویژه ای در مباحث علمی برخوردار است. روش های متنوعی وجود دارد که برای پیش بینی در مطالعات اقتصادی مورد استفاده قرار می­گیرد. هدف مطالعه حاضر شناسایی روش کارا برای پیش‏بینی صادرات پوست و چرم ایران است. برای این منظور الگوی خودتوضیح جمعی میانگین متحرک[1]، روش شبکه‏های عصبی مصنوعی[2] و ترکیب الگوی خودتوضیح جمعی میانگین متحرک با شبکه‏های عصبی مصنوعی با استفاده از داده‏های سری زمانی دوره 89-1350 مورد مقایسه قرار گرفتند. یافته‏های این پژوهش نشان داد که روش ترکیبی(شامل شبکه‏های عصبی مصنوعی و الگوی خودتوضیح جمعی میانگین متحرک) که سری زمانی صادرات را به دو جزء خطی و غیرخطی تجزیه می‏کند، نسبت به روش شبکه‏های عصبی مصنوعی و الگوی خودتوضیح جمعی میانگین متحرک دقت و کارایی پیش‏بینی بهتری دارد. علاوه بر این، روش ترکیبی دقیق‏ترین روش شناخته شده در این پژوهش، صادرات پوست و چرم ایران در سال‏های آتی را بیشتر از دو روش دیگر ارائه کرد. اما همانند دو روش دیگر، روند صادرات پوست و چرم در سال‏های آتی را کاهشی پیش‏بینی می‏کند.   طبقه­بندی JEL : F17, C45, C22