مقايسه روش هاي مختلف پيش بيني رشد اقتصادي ايران با تاكيد بر مدل هاي گزينشي نمودن و متوسط گيري الگوي پويا

Comparison of Different Methods of Predicting Iran's Economic Growth with an Emphasis on Dynamic Model Selection and Dynamic Model Averaging

در دهه هاي اخير، به دليل اهميت مقادير آتي متغيرهاي كلان اقتصادي، طيف وسيعي از روشها و مدلهاي پيش بيني، مورد بررسي و ارزيابي قرار گرفته است. هدف اصلي اين مقاله، مقايسه روشهاي مختلف پيش بيني رشد اقتصادي ايران با استفاده از داده هاي سري زماني فصلي در دوره زماني 96-1369 است. به منظور دستيابي به اين هدف، به پيش بيني اين متغير با استفاده از مدلهاي DMA، DMS،BMA، BVAR، TVP و AR در سه افق پيش بيني (يك، چهار و هشت فصل) پرداخته شده است. مدل هاي مورد استفاده در اين مطالعه، به سه طيف، بزرگ مقياس (شامل 112 متغير در نه بلوك عاملي)، متوسط مقياس (شامل 10 متغير) و مدلهاي تك متغيره، دسته بندي شده اند. نتايج مطالعه، نشان مي دهد كه پيش بيني مدلهاي گزينشي نمودن (DMS) و متوسط گيري الگوي پويا (DMA) نسبت به ساير روش هاي پيش بيني سنتي، داراي عملكرد پيش بيني بسيار كارآيي براي رشد اقتصادي ايران هستند.

In recent decades, due to the importance of future values of macroeconomic variables, a range of predicting methods and models has been studied and evaluated. The main purpose of this paper is to compare different methods of predicting Iranchr('39')s economic growth using seasonal time series data during 1990-2017. To this end, economic growth is predicted using dynamic model averaging (DMA), dynamic model selection (DMS), BMA, BVAR, TVP and AR models in three prediction horizons (one, four and eight seasons). The models used in this study are categorized into three spectra, large-scale (including 112 variables in nine factor blocks), average-scale (including 10 variables) and univariate models. The results show that the predictions of DMS and DMA are more efficient than other traditional prediction.