پديد آورندگان :
اكبري فرد، حسين دانشگاه شهيد باهنر كرمان , قاسمي نژاد، امين دانشگاه شهيد باهنر كرمان , رضائي جعفري، مريم دانشگاه شهيد باهنر كرمان
كليدواژه :
مدل سازي , نرخ تورم , الگوريتم كرم شب تاب , الگوريتم فاخته
چكيده فارسي :
تورم به عنوان يكي از پديده هاي اقتصادي موجب پيامدهاي منفي اجتماعي و فرهنگي متعددي همچون فقر، توزيع نامتناسب درآمد و گسترش مفاسد مالي مي شود كه هركدام به نوبه خود هزينه هاي قابل توجهي را بر اقتصاد تحميل مي كند. به همين دليل، در كليه كشورها ثبات قيمت ها به عنوان هدف اصلي برنامه ها و سياستگذاري هاي اقتصادي در نظر گرفته مي شود. لذا بررسي و پيش بيني اين متغير كلان اقتصادي از اهميت ويژه اي برخوردار است. در اين راستا مدل هاي پيش بيني گوناگوني در رقابت با يكديگر توسعه يافته اند، يكي از اين روش ها الگوريتم هاي تكاملي مي باشد كه به عنوان روشي نوين براي مدل سازي و پيش بيني پديده هاي مختلف ابداع گرديده اند. در مطالعه حاضر با استفاده از الگوريتم كرم شب تاب و الگوريتم فاخته و به كارگيري متغيرهاي تاثير گذار بر تورم از جمله حجم نقدينگي، نرخ ارز، نرخ بهره حقيقي، تورم انتظاري و توليدات صنعتي طي دوره 1394-1354 به مدل سازي تورم به صورت خطي و غيرخطي پرداخته مي شود. نتايج نشان مي-دهد كه مدل غير خطي براي مدل سازي تورم مناسب تر است و الگوريتم كرم شب تاب نسبت به الگوريتم فاخته نتيجه بهتري را ارائه مي دهد و با توجه به دقت مدل غيرخطي مدل سازي شده توسط الگوريتم كرم شب تاب مي توان به منظور پيش بيني تورم در آينده از آن استفاده نمود.
چكيده لاتين :
Inflation, as one of the economic phenomena, causes many negative social and cultural consequences such as poverty, disproportionate distribution of income and the spread of financial distress, which in turn imposes significant costs on the economy. For this reason, price stability is considered as the main goal of economic planning and policy in all countries. Therefore, it is important to study and predict this macroeconomic variable. In this regard, various predictive models have been developed in competition with each other. One of these methods is evolutionary algorithms, which is a new method for modeling and predicting various phenomena. In the present study, using the Firefly and Cuckoo algorithm, and employing variables that affect inflation, including liquidity, exchange rate, real interest rate, expected inflation and industrial output during the period of 1975-2015, we attempt to model inflation linearly and non-linearly. The results show that the nonlinear model is more suitable for inflation modeling, and the Firefly algorithm is better than Cuckoo algorithm. According to the precision of the non-linear model developed by Firefly algorithm, it can be used to forecast inflation in the future.
