ارزيابي و مقايسه عملكرد مدل رگرسيون خودبازگشتي ميانگين متحرك انباشته فازي و شبكه عصبي فازي در پيش بيني رشد اقتصادي ايران

Comparison of performance of fuzzy autoregressive integrated moving average and fuzzy neural network to forecast economic growth in Iran

پيش بيني براساس مدل هاي چندمتغيري اقتصادسنجي با محدوديت هايي زيادي همراه است، بنابراين يك روش جايگزين استفاده از مدل هاي تك متغيري است. اما اكثر روش هاي تك متغيري براي حصول به نتيجه خوب نياز به داده هاي زيادي دارند. روش هاي رگرسيون فازي به دليل فازي در نظر گرفتن اعــداد، براي مدل سازي و پيش بيني معمولاً نياز به داده هاي كمتري دارند. از اين رو در اين مطالعه كارايي روش رگرسيون خودبازگشتي ميانگين متحرك انباشته فازي (FARIMA) كه تركيبي از روش خودبازگشتي ميانگين متحرك انباشته (ARIMA) و رگرسيون فـازي است با روش هاي ARIMA و شبــكه عصبي فازي (ANFIS) در پيش بيني رشد اقتصادي ايران مقايسه مي شود. براي تخمين مدل از داده هاي دوره ي 1338 تا 1380 استفاده شده است. سپس كارايي اين مدل ها در پيش بيني رشد اقتصادي ايران براي دروه 1381 تا 1388 با استفاده از معيارهاي RMSE، MAE، MAPE و TIC ارزيابي و مقايسه شده است. مقايسه اين معيارها حاكي از اين است كه بهترين عملكرد متعلق به روش FARIMA است. همچنين مدل ANFIS عملكرد بهتري نسبت به مدل ARIMA دارد.

Since multivariate econometric forecasting encounters with much restriction, using univariate models seems to be a proper alternative approach. But most of these methods require large amounts of data to achieve a good result. Fuzzy regression approach which uses the fuzzy numbers for modeling and prediction needs less data compare to nonfuzzy approaches. In this study, fuzzy autoregressive integrated moving average (FARIMA), which combines autoregressive integrated moving average (ARIMA) with fuzzy regression has been used. The forecasting performance of this model has been compared with prediction performance of ARIMA and adaptive neural-fuzzy inference system (ANFIS) methods to forecast economic growth in Iran during the period 1960 to 2002. The forecasting performances of these models have then been compared to forecast economic growth for the period 2003 to 2010 using the criteria of RMSE, MAE, MAPE and TIC. The results of the study showed that FARIMA model has the best performance, and ANFIS method suggests better forecasting that ARIMA.