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