مقایسه عملکرد الگوی ARIMA و MS-AR در پیش‌بینی ادوار تجاری ایران
الموضوعات :
مهدی فاضل
1
(
کارشناس ارشد توسعه اقتصادی و برنامه ریزی
)
اکبر توکلی
2
(
دانشیار اقتصاد دانشگاه صنعتی اصفهان
)
مصطفی رجبی
3
(
استادیار دانشگاه آزاد اسلامی واحد خمینی شهر
)
الکلمات المفتاحية: پیش‌بینی, ادوار تجاری, الگوی MS-AR, الگوی ARIMA,
ملخص المقالة :
تجربه نشان می‌دهد ادوار تجاری اجتناب ناپذیرند. به دلیل وابستگی تأثیرگذاری سیاست‌های اقتصادی به ادوار تجاری، اقتصاددانان همواره در صدد شناخت نحوه شکل‌گیری ، تأثیرگذاری و پیش‌بینی آن بوده‌اند. مقاله‌ی حاضر با نگاه کوتاهی به مفاهیم حوزه‌ی ادوار تجاری، الگوی خودهمبسته غیرخطی مبتنی بر زنجیره‌های مارکوف (MS-AR) را جهت تحلیل و پیش‌بینی ادوار تجاری ایران معرفی کرده و توانمندی آن را در مقایسه با الگوی خطی ARIMA می‌سنجد. بدین منظور از داده‌های سری زمانی فصلی تولید ناخالص داخلی (GDP) در دوره 1367:1 - 1389:4 برگرفته از سایت بانک مرکزی استفاده شده است. در هر کلاس، الگوهای مناسب برازش و پیش‌بینی‌هایی مبتنی بر روش پیش‌بینی غلتان ایجاد شده است. بر اساس معیارهای RMSE ، MAPE و TIC، نتایج نشان می‌دهد الگوی MS-AR نسبت به الگوی ARIMA عملکرد بهتری در پیش‌بینی ادوار تجاری ایران دارد.
منابع
- ختایی، محمود، دانش جعفری، داوود (1380). نماگر دوران‌های اقتصادی، فصل نامه پژوهش‌نامه بازرگانی، 5 (18): 28-1.
- چینلار، ارهان (1380). آشنایی با فرآیندهای تصادفی. موسسه انتشارات علمی دانشگاه صنعتی شریف، تهران.
- صیادزاده، علی، جمال دیکاله، آلن (1387). بررسی ویژگی‌های ادوار تجاری در ایران در دوره 1385-1338. فصل نامه پژوهش ها و سیاست های اقتصادی، 16 (46): 82-63.
- محمدی، تیمور، صفرزاده، اسماعیل، موسوی، میرحسین (1388). شناسایی نقاط چرخشی دوران‌های اقتصادی ایران در یک زمان واقعی. فصل نامه پژوهش‌های اقتصادی، 9 (3): 89-65.
- هادیان، ابراهیم، هاشم پور، محمدرضا (1382). شناسایی چرخه‌های تجاری در اقتصاد ایران. فصل نامه پژوهش‌های اقتصادی ایران، 2(15): 120-93.
- هوشمند، محمد، فلاحی، محمدعلی، توکلی قوچانی، سپیده (1387)، تحلیل ادوار تجاری ایران با استفاده از فیلتر هادریک- پرسکات. مجله دانش و توسعه، 15 (22): 55-29.
- Abel, A. B., & Bernanke, B. S., & Smith, Gregory, W. (2003). Macroeconomics (Addison-Wesley series in economics). Addison-Wesley publishing, Canada.
- Beveridge, S., & Charles.R N. (1981). A new approach to decomposition of economic time series into permanent and transitory components with particular attention to measurement of the business cycle. Journal of Monetary Economics, (7): 151-174.
- Buss, G. (2010). Forecasts with single-equation Markov Switching Model, an application to the gross domestic product of Latvia. Journal of Applied Economic Sciences, (5):48-58.
- Campbell, J. Y., & Mankiw, N G. (1987). Permanent and transitory components in macroeconomic fluctuations. American Economic Review Papers and Proceedings, (77): 111-117.
- Caraiani, P. (2010). Modeling business cycles in the Romanian Economy using the Markov Switching approach. Romanian Journal of Economic Forecasting, (1):130-136.
- Céspedes, B. J. V., & Chauvet, M., & Lima, Elcyon C. R.(2006). Forecasting Brazilian output and its turning points in the presence of breaks: A comparison of linear and nonlinear models, Estud. Econ. 36)1(: 5-46.
- Clements, M. P., & Krolzig, H. M. (1997). A comparison of the forecast performance of Markov-Switching and threshold autoregressive models of US GNP. The Econometrics Journal, 1(1): 47–75.
- Hamilton, J. D. (1989). A new approach to the economic analysis of non-stationary time series and the business cycle. Econometrica 57(2):357–384.
- Hamilton, J. D. (1994). Time series analysis, Princeton university press, Princeton, NJ.
- Kontolemis, Z. G. (1999). Analysis of the U.S. business cycle with a Vector-Markov-Switching Model. Journal of Forecastin, 20(1):47-61.
- Nelson, Ch. R., & Charles I .P. (1982). Trends and random walks in macroeconomic time series: Some evidence and implications. Journal of Monetary Economics, 10(2): 139–162.
- Olofsson, P. (2005). Probability, statistics, and stochastic processes. John Wiley & Sons Inc. Hoboken, New Jersey
- Sulliran, A., & Sheffrin, S. M. (2006). Economics: Principles Inaction, Pearson Prentice Hall, California.
- Tijms, H.C. (2003). A first course in stochastic models, John Wiley & Sons Ltd. England.
