مدل سازی نرخ تورم با استفاده از مدلهای غیر خطی سری زمانی:مطالعه موردی ایران

پیش بینی نرخ تورم در فرآیند سیاستگذاری اقتصادی از حساسیت زیادی برخوردار است و بر این اساس، بالا بردن دقت پیش بینی های کمی و تلفیق آن با معیارهای قضاوتی از ضروریات سیاستگذاری اقتصادی می باشد. این پژوهش در صدد مدلسازی و پیش بینی نرخ تورم با استفاده از مدل های غیر خطی سری زمانی می باشد. از این رو در این پژوهش ابتدا مدل های خطی ar و tgarch و egarch بهینه تخمین زده شدند. در ادامه با آزمون های bds و wnn فرض غیر خطی بودن نرخ تورم مورد آزمون قرار گرفته است. سپس مدل هایی بر پایه مدل های تغییر رژیم و انتقال ملایم، با تابع انتقال لجستیک (lstar) برای نرخ تورم برآورد شد. به منظور بررسی عملکرد مدل های تحقیق، مقایسه ای بین قدرت این مدل ها در پیش بینی خارج از نمونه ای برای افق زمانی 6 ماهه بر پایه معیارهای u-tail و rmse صورت گرفته است. نتایج حاکی از این است که اولا نرخ تورم رفتاری غیر خطی دارد و ثانیا بر اساس هر دو معیار u-tail وrmse مدل پیشنهادی lstar از عمکرد بهتری در پیش بینی خارج نمونه ای نسبت به مدل های رقیب دارد.