مساعدت الگوهاي اقتصادسنجي فصلي در پيشبيني CPI شهر تهران

The Contribution of Econometric Seasonal Models to Forecasting CPI in the City of Tehran

مساعدت الگوهاي اقتصادسنجي فصلي در پيشبيني ? سيد صفدر حسيني و علي اسكندري پور ?? 1391/1/ 1389 تاريخ پذيرش: 23 /12/ تاريخ دريافت: 10 چكيده با استفاده از دادههاي سري زماني CPI اين تحقيق براي پيشبيني شاخص صورت گرفته است. الگوي به كار رفته در پيشبيني الگوي ميانگين متحرك و بسط الگوي ميانگين متحرك (SARIMA) هم انباشته خودتوضيحي فصلي است. دادههاي سري زماني در فاصله (ARIMA) هم انباشته خودتوضيحي سال هاي 1381 تا 1388 مربوط به شاخص بهاي كالاها و خدمات مصرفي در شهر تهران از بانك مركزي جمهوري اسلامي ايران اخذ شده است. اين دادهها ابتدا از جنب ههاي مختلف براي سازگاري با مدل مانند ريشه واحد فصلي مورد آزمون قرار گرفت. پس از برازش ، مدل از نظر آماري براي تمام ضرايب رگرسيون خودتوضيحي معمولي و ميانگين متحرك معمولي در سطح 1 درصد معنادار شد و پس از تعيين الگوي برتر با استفاده از آن، پيشبيني مقادير كوتاهمدت ماهيانه شاخص بهاي كالاها و خدمات مصرفي در شهر تهران و مقايسه آن با مقادير واقعي 1 درصد بوده كه / نشان داد، خطاي متوسط 68 (MAPE) صورت گرفت. شاخص بيانكننده قدرت پيشبيني بالاي الگوي برازش شده است و نشان ميدهد كه نتايج اين الگو ميتواند نقش مهمي را در بهينهسازي برنامههاي كنترل تورم و كارايي سياستهاي پولي و مالي داشته باشد. .C22, C32, C53 :JEL طبقهبندي شاخص قيمت، تهران. ،SARIMA كليدواژهها: الگوهاي فصلي، ريشه واحد ماهيانه، الگوي Hosseini_safdar@yahoo.com . استاد گروه اقتصاد كشاورزي پرديس كشاورزي دانشگاه تهران ? Ali862007@gmail.com . دانشجوي دكتراي اقتصاد كشاورزي پرديس كشاورزي دانشگاه تهران

The Contribution of Econometric Seasonal Models to Forecasting CPI in the City of Tehran Seyyed Safdar Hossini Ali Eskandari Pour Received: 1 Mar 2011 Accepted: 23 Apr 2012 Since many years ago, Iran has faced a macroeconomic problem of inflation. The problem of high inflation rate caused the economic growth of this country to slow down. As we all know, inflation is one of the major economic challenges that most of the countries in the world are facing, especially those in Asia including Iran. Therefore, forecasting the variable of inflation rate in Iranian economy becomes very important for the government to design effective economic strategies or monetary policies to combat any unexpected high inflation in this country. This paper studies a model of seasonal autoregressive integrated moving average to forecast inflation rates in the city of Tehran. Using monthly inflation data from March 2002 to February 2010 in Tehran, we find that ARIMA models can explain the behavior of actual data of inflation rate in Tehran in an acceptable way. Based on the selected model, we forecast the value of monthly inflation rate for six (6) months ahead in the city of Tehran that are out of the sample period (i.e. from March 2010 to August 2010). The observed inflation rate from March 2010 to August 2010 which was published by Tehran Statistical Service Department fall within the 95% confidence interval obtained from the designed model. The forecasted results show a decreasing pattern and a turning point inflation rate in Tehran August 2010. JEL Classification: C22, C32, C53. Keywords: Seasonal Models, Monthly Unit Root, SARIMA Model, Price Index, Tehran.