این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهش ها و سیاست های اقتصادی، جلد ۲۳، شماره ۷۶، صفحات ۱۴۵-۱۶۶
عنوان فارسی تعیین عوامل تأثیرگذار بر تورم و طراحی سیستم هشداردهنده تورم شدید برای اقتصاد ایران
چکیده فارسی مقاله 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 پیش­بینی می­کند. برای طراحی این سیستم از یک شبکه عصبی پیش­خور با دولایه پنهان استفاده‌شده است. نتایجمدل، نشان‌دهنده عملکرد امیدوارکنندهسیستمهشداردهنده استو سیستمقادربهصدورسیگنال­هایهشداردهندهزودهنگام وقوع تورم شدید در آینده نزدیک است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Designing a Warning System for Hyperinflation for Iran’s Economy Mohammad Hossein PourKazemi
چکیده انگلیسی مقاله Due to the adverse consequences of inflation in different sectors of the economy, the awareness of the possibility of hyperinflation in the near future makes a great opportunity to avoid the occurrence of hyperinflation. Therefore, this research seeks to design a warning system for hyperinflation. This system using the variables affecting inflation and exploiting the basics of the neural networks appraises the possibility of the occurrence of hyperinflation in the next six months. In this research, from the monthly data of 21 possible variables having effect on inflation from March in 1996 to December in 2011 with the combination of genetics’ algorithm and neural networks the essential variables affected Iran’ inflation are determined. These variables are: Liquidity, government expenditure, labor wage index, interest rates, gross domestic product, Inflation with a lag, and global price index for crude oil. After identifying the fundamental variables using the data related to these variables, the designing of a warning system for inflation is sought. To design such a system, a feed forward neural network with two hidden layers is used. The experimental results of the model indicate the promising performance of the warning system, and the system is able to emit an early warning signal for the occurrence of hyperinflation in near future.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد حسین پورکاظمی | mohammad hossein
دانشگاه شهید بهشتی
سازمان اصلی تایید شده: دانشگاه شهید بهشتی (Shahid beheshti university)

امین بیرانوند |


محبوبه دلفان |


نشانی اینترنتی http://qjerp.ir/browse.php?a_code=A-10-894-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1345/article-1345-237032.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات