بررسی مقایسهای توان پیشبینی شبکههای عصبی مصنوعی با روش توقف زود هنگام و فرایند سری زمانی خودبازگشت در براورد نرخ تورم
نویسندگان
1 استادیار گروه مدیریت صنعتی، دانشگاه علامه طباطبائی، دانشکدة مدیریت و حسابداری
2 کارشناسی ارشد مدیریت فنّآوری اطلاعات، دانشگاه علاّمه طباطبائی، دانشکدة مدیریت و حسابداری
3 کارشناسی ارشد مدیریت فنّآوری اطلاعات، دانشگاه علامه طباطبائی، دانشکدة مدیریت و حسابداری
doi
چکیده
این مقاله به بررسی مقایسهای توان شبکههای عصبی مصنوعی و سریهای زمانی خودبازگشت در پیشبینی ایستای نرخ تورّم ایران میپردازد. در یک بررسی، با استفاده از 37 سال دادههای تاریخی نرخ تورّم ایران، مدل شبکة عصبی مصنوعی در پیشبینی آیندة نزدیک در مقایسه با سریهای زمانی خودبازگشت، بهطور متوسط از عملکرد بهتری برخوردار است. در این بررسی، مزایای روش توقّف زودهنگام در مرحلة یادگیری شبکة عصبی برای پیشبینی سریهای زمانی نشان داده شده است. طبقهبندی JEL: C51, C52, C53, E37
