پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,230 |
| تعداد مقالات | 67,757 |
| تعداد مشاهده مقاله | 115,112,135 |
| تعداد دریافت فایل اصل مقاله | 89,874,218 |
کاربرد الگوریتم ژنتیک در ترکیب پیش‌بینی‌های تورم | ||
| فصلنامه تحقیقات اقتصادی | ||
| مقاله 1، دوره 43، شماره 4، اسفند 1387 اصل مقاله (421.51 K) | ||
| نویسنده | ||
| محمد اخباری | ||
| چکیده | ||
| پیش‌بینی تورم به عنوان یکی از الزامات سیاستگذاری پولی در کشورهایی تبدیل شده است که مقامات پولی آنها سیاست هدفگذاری تورم را تعقیب می‌کنند. چرا که به واسطة استقلال بانک مرکزی از سویی و واگذاری سیاستگذاری پولی به این نهاد و از سویی دیگر به واسطة اینکه بهطور عمده سیاستگذاری پولی با وقفه بر روی تورم تأثیرگذار است، لذا مقام پولی میبایستی تصویر مناسبی نسبت به تورم آینده داشته باشد، تا با سیاستگذاری از قبل بتواند در مسیر هدفگذاری انجام رفته حرکت کند. در این بین، بهواسطة محدودیتهایی که مدلهای منفرد پیش‌بینی تورم به همراه دارند، از مدلهای مختلفی در پیش‌بینی تورم استفاده میشود، که هر یک از جهاتی نسبت به دیگر مدلها دارای نقاط قوت و ضعفی هستند. یکی از راه‌های استفاده از تمامی‌اطلاعات موجود در پیش‌بینی تورم، ترکیب مدلهای مختلف پیش‌بینی است، که در گزارش حاضر از رویکرد ابتکاری الگوریتم ژنتیک، به منظور ترکیب نتایج پیش‌بینی تورم شش مدل برای چهار فصل سال 1386 استفاده شده است. طبقهبندی JEL : C13، C53، E37 | ||
| کلیدواژه‌ها | ||
| الگوریتم ژنتیک؛ بهینه‌یابی؛ ترکیب پیشبینیها | ||
| عنوان مقاله [English] | ||
| Application of Genetic Algorithm in Inflation Forecasts Combination | ||
| نویسندگان [English] | ||
| Mohammad Akhbari | ||
| چکیده [English] | ||
| Inflation forecasting has been one of the requirements for the implementation of monetary policy in countries which their monetary authorities are pursuing inflation targeting regime. However, owing to central bank independence in one hand and as well as the lagged effects of monetary policies on inflation in the other, the monetary authorities should have the sound perspective about the future inflation, regarding the control of economy in the line of predetermined objectives. In this way, due to the limitations of single model, different forecasting models have frequently been used in different empirical studies to produce better forecast comparing to individual forecasting model. Moreover, it is found that simple combinations that ignore correlations between forecast errors often dominate more refined combination schemes. In this article we apply the genetic algorithm heuristic approach to find the optimal combination weights for inflation forecasts. JEL Classification: C13، C53، E37 | ||
| کلیدواژه‌ها [English] | ||
| combining inflation forecasts, Genetic algorithm, optimization | ||
|
آمار تعداد مشاهده مقاله: 2,847 تعداد دریافت فایل اصل مقاله: 2,169 |
||