پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 31 |
| تعداد شماره‌ها | 334 |
| تعداد مقالات | 3,274 |
| تعداد مشاهده مقاله | 4,073,582 |
| تعداد دریافت فایل اصل مقاله | 4,879,382 |
بهبود دقت پیش‌بینی نرخ رشد اقتصادی با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی | ||
| سیاست ها و تحقیقات اقتصادی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 19 آذر 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/jepr.2024.142083.1171 | ||
| نویسندگان | ||
| بهاره کرمی1؛ سعید کیان پور* 2 | ||
| 1دکتری اقتصاد بخش عمومی و حسابرس مالیاتی | ||
| 2استادیار، گروه اقتصاد، دانشگاه پیام نور، تهران، ایران | ||
| چکیده | ||
| پیش‌بینی رفتار متغیرهای کلان و مالی اقتصاد برای سیاست‌گذاران از اهمیت بالایی برخوردار است. این امر برای اقتصادهای در حال توسعه از جمله ایران یک کار چالش برانگیز است زیرا مجموعه‌ای از عواملی که در تئوری‌های اصلی اقتصاد در نظر گرفته نشده‌اند، اغلب نقش مهمی در شکل دادن به محیط و چشم‌انداز کلی اقتصاد آنان دارد. روابط اقتصادی در این نوع محیط‌ها بی‌ثبات‌تر و همراه با روند غیرخطی است. ترکیب تبدیل موجک و شبکه عصبی مصنوعی یک تحلیل مدل‌سازی ریاضی نوظهور در سال‌های اخیر است که به منظور نویز‌زدایی در سری‌های زمانی و افزایش دقت پیش‌بینی پیشنهاد شده است. در این پژوهش تلاش شد با استفاده از ترکیب تبدیل موجک و شبکه عصبی مصنوعی، مدلی به منظور پیش‌بینی رشد اقتصادی ایران ارائه گردد تا دقت پیش‌بینی روش ترکیبی با شبکه عصبی مصنوعی مقایسه شود. نتاﯾﺞ مطالعه ﺑﻬﺒﻮد ﻣﻌﻨﺎدار در پیش‌بینی شبکه عصبی ﺑﺎ اﺳﺘﻔﺎده از دادهﻫﺎی نویز‌زدایی شده را نشان داد. نتایج همچنین برتری مدل ترکیبی را نسبت به مدل‌های XGBoost و ARIMA تأیید کرد. دقت پیش‌بینی این مدل‌ها بر اساس معیارهایی مانند ریشه میانگین مربع خطا و آزمون دیبولد_ماریانو ارزیابی و مقایسه شده است. | ||
| کلیدواژه‌ها | ||
| تجزیه موجک؛ شبکه عصبی؛ پیش‌بینی رشد اقتصادی | ||
|
آمار تعداد مشاهده مقاله: 62 |
||