بررسي عوامل موثر بر صادرات بازارچه‌هاي مرزي ايران، رهيافت شبكه عصبي مصنوعي

Investigating the Export Function of Border Markets in Iran, Using the ANN Approach

چكيده امروزه تجارت به عنوان موتور رشد و توسعه در كشورهاي در حال توسعه معرفي شده است و كشورها براي رسيدن به اين هدف، لازم است به دنبال حضور جدي تر در تجارت جهاني باشند. از جمله روش‌هاي حضور در تجارت جهاني، گسترش مبادلات منطقه‌اي كشورها ست. مبادلات تجاري مرزي‌يكي از شاخص‌هاي اصلي در برقراري ارتباط بين كشورهاي همسايه و امرار معاش مردم مرزنشين است. ايجاد بازارچه‌هاي مرزي باعث گسترش مبادلات تجاري دو كشور شده ، از بروز درگيري جلوگيري مي‌‌كند و تشنجات سياسي با كشورهاي همسايه را كاهش مي‌‌دهد. در اين مقاله به بررسي صادرات بازارچه‌هاي مرزي در ايران طي دوره 2010-1996 با استفاده از فن شبكه عصبي مصنوعي پرداخته شده است. در اين مطالعه، اثر متغيرهاي صادرات غير نفتي ايران، نرخ تورم، درآمد جهاني، نرخ ارز رسمي، حجم سرمايه گذاري خارجي بر صادرات بازارچه‌هاي مرزي بررسي مي‌‌شود. نتايج تحقيق نشان مي‌دهد شبكه عصبي با خطايي كمتر از 0.004 روشي مناسب براي پيش بيني صادرات بازارچه‌هاي مرزي است و همچنين با بررسي اهميت متغير‌هاي موثر، نرخ تورم كمترين تاثير گذاري و صادرات غير نفتي بيشترين اهميت و تاثر گذاري را در تخمين صادرات بازارچه‌هاي مرزي داشته است. كليد واژه‌ها : صادرات بازارچه‌هاي مرزي، شبكه عصبي، صادرات غير نفتي، درآمد جهاني، حجم سرمايه گذاري خارجي. كد JELL: C45-E62-F17-P44

Nowadays, Trade has been introduced as an engine of growth and development in developing countries so States are required to participate in international trade more seriously. One Way for expanding participation in international trade is regional transactions. Border trade is one of the main indicators in communicating between neighboring countries and the livelihood of the frontier. Establishment of border markets makes the two countries expanding trade and avoid conflict and reduce political tensions with neighboring countries .So evaluating the economic performance of these malls is a good way for evaluating their situation. In this paper the export of border malls is evaluated with artificial neural networks we examine data from 1986 to 2010 in Iran using artificial neural method.. In this study there are 5 independent variables that is defined as the entrance layer for neural networks. The results show that ANN method has a small error less than 0.004 and it shows that ANN is a good method for forecasting the ANN method. In this method the more important variable is non petroleum exports. Key words: border mall exports, neural network, non petroleum exports, global income, investment