این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات اقتصادی، جلد ۴۳، شماره ۴، صفحات ۰-۰
عنوان فارسی کاربرد الگوریتم ژنتیک در ترکیب پیش‌بینی‌های تورم
چکیده فارسی مقاله پیش‎بینی تورم به عنوان یکی از الزامات سیاست‎گذاری پولی در کشورهایی تبدیل شده است که مقامات پولی آن‎ها سیاست هدف‎گذاری تورم را تعقیب می‌کنند. چرا که به واسطه استقلال بانک مرکزی از سویی و واگذاری سیاست‎گذاری پولی به این نهاد و از سویی دیگر به واسطه این‎که به‎طور عمده سیاست‎گذاری پولی با وقفه بر روی تورم تأثیرگذار است، لذا مقام پولی می‎بایستی تصویر مناسبی نسبت به تورم آینده داشته باشد، تا با سیاست‎گذاری از قبل بتواند در مسیر هدف‎گذاری انجام رفته حرکت کند. در این بین، به‎واسطه محدودیت‎هایی که مدل‎های منفرد پیش‎بینی تورم به همراه دارند، از مدل‎های مختلفی در پیش‎بینی تورم استفاده می‎شود، که هر یک از جهاتی نسبت به دیگر مدل‎ها دارای نقاط قوت و ضعفی هستند. یکی از راه‌های استفاده از تمامی‌اطلاعات موجود در پیش‌بینی تورم، ترکیب مدل‎های مختلف پیش‌بینی است، که در گزارش حاضر از رویکرد ابتکاری الگوریتم ژنتیک، به منظور ترکیب نتایج پیش‌بینی تورم شش مدل برای چهار فصل سال 1386 استفاده شده است. طبقه‎بندی JEL : C13، C53، E37
کلیدواژه‌های فارسی مقاله الگوریتم ژنتیک، بهینه‌یابی، ترکیب پیش‎بینی‌ها،
عنوان انگلیسی Application of Genetic Algorithm in Inflation Forecasts Combination
چکیده انگلیسی مقاله Inflation forecasting has been one of the requirements for the implementation of monetary policy in countries which their monetary authorities are pursuing inflation targeting regime. However, owing to central bank independence in one hand and as well as the lagged effects of monetary policies on inflation in the other, the monetary authorities should have the sound perspective about the future inflation, regarding the control of economy in the line of predetermined objectives. In this way, due to the limitations of single model, different forecasting models have frequently been used in different empirical studies to produce better forecast comparing to individual forecasting model. Moreover, it is found that simple combinations that ignore correlations between forecast errors often dominate more refined combination schemes. In this article we apply the genetic algorithm heuristic approach to find the optimal combination weights for inflation forecasts. JEL Classification: C13، C53، E37
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد اخباری |


نشانی اینترنتی http://jte.ut.ac.ir/article_20046_003db0e6542290f52007edcd5e65e067.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/689/article-689-273063.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات