چکیده:
با توجه به پیامدهای ناگوار تورم در بخشهای مختلف اقتصاد، آگاهی از احتمال وقوع تورم شدید در آینده نزدیک،فرصتی بسیار مناسب جهت اجتناب از تبعات منفی تورم ایجاد میکند. برای آگاهی از وقوع تورم شدید درآینده نزدیک، در قدم اول باید عوامل مؤثر بر تورم را بهدرستی شناسایی کرد. در این مقاله از میان دادههای ماهانه 21 متغیر احتمالی اثرگذار برتورم، در بازه زمانی فروردین 1375 تا دیماه 1390ش، با ترکیب الگوریتم ژنتیک و شبکههای عصبی، متغیرهای اساسی مؤثر بر تورم ایران تعیینشدهاند. این متغیرها عبارتاند از: حجم نقدینگی، مخارج دولت، شاخص دستمزد نیروی کار، نرخ سود بانکی، تولید ناخالص داخلی، تورم با وقفه زمانی و شاخص قیمت جهانی نفت خام. پس از شناسایی متغیرهای اساسی، یک سیستم هشداردهنده تورم شدید طراحی شده است. این سیستم با بهرهگیری از مبانی شبکههای عصبی، احتمال وقوع تورم شدید در بازه شش ماه آتی را پیش بینی میکند. برای طراحی این سیستم از یک شبکه عصبی پیشخور با دولایه پنهان استفادهشده است. نتایج مدل، نشاندهنده عملکرد امیدوارکننده سیستم هشداردهنده است و سیستم قادر به صدور سیگنال های هشداردهنده زود هنگام وقوع تورم شدید در آینده نزدیک است.
نویسندگان:
محمد حسین پورکاظمی: دانشیار دانشکده اقتصاد دانشگاه شهید بهشتی دانشگاه شهید بهشتی
امین بیرانوند ، محبوبه دلفان
فصلنامه پژوهشها و سیاستهای اقتصادی - سال بیست و سوم، شماره 76، زمستان 1394.