دانشگاه تربیت مدرس پژوهش ها و چشم اندازهای اقتصادی 3115-9168 13 1 2013 04 21 Forecasting Inflation based on Stochastic Differential Equations and Alternative Models (A Comparative Study) مقایسه پیش بینی تورم بر پایه معادلات دیفرانسیل تصادفی با مدل های رقیب 25 46 13120 FA احمد ملا بهرامی کارشناس ارشد اقتصاد دانشگاه ارومیه. حسن خداویسی استادیار گروه اقتصاد دانشگاه ارومیه: حسن خداویسی استادیار گروه اقتصاد دانشگاه ارومیه: رضا حسینی دکترای اقتصاد و عضو کمیته تحقیقاتی بانک کشاورزی Journal Article In this paper, it is tried to propose a robust model for predicting inflation in Iran among alternative models. For doing this, monthly data from April 1990 to the end of September 2009 is used. Firstly, it is tried to determine whether the CPI data is chaotic or stochastic. It is shown that it is chaotic rather than stochastic. Therefore, it is predictable. Then, a stochastic differential equation model is estimated (specifically a geometric Brownian motion) for CPI in Iran. In order to compare the prediction power of the model other alternative models of prediction like ARMA, non-linear GARCH, EGARCH, TGARCH are also used to extrapolate inflation during a six month prediction period. Based on RMSE, MAE, U-Tail, it is revealed that stochastic differential equation model is much more robust than the alternative models mentioned above. در این مقاله به منظور پیش بینی تورم در اقتصاد ایران، ابتدا ماهیت سری زمانی CPI برای داده های ماهانه ایران در بازه زمانی 1 m1369 تا 6 m1388، از لحاظ خطی ویا غیر خطی بودن و همچنین آشوبی یا تصادفی بودن مشخص گردیده است. نتایج آزمون ها نشان می دهد که سری زمانی تورم ساختاری غیرخطی دارد و همچنین سری زمانی CPI دارای رفتاری آشوبناک است. سپس بر پایه معادله دیفرانسیل تصادفی، حرکت برآونی هندسی مدلی پویا برای برازش رفتار سری زمانی CPI تخمین زده شده است و از آن مدل به منظور پیش بینی تورم استفاده شده است. به منظور بررسی عملکرد مدل پیشنهادی در پیش بینی تورم، مقایسه ای بین این مدل، مدل شبکه های عصبی و مدلهای اقتصاد سنجی سری زمانی خطی ARMA و غیر خطی GARCH، EGARCH و TGARCH با افقی 6 ماهه صورت گرفته است. بر اساس معیارهای RMSE، MAE و U-Tail مدل معادلات دیفرانسیل تصادفی، خطای کمتری در پیش بینی تورم نسبت به مدل های رقیب دارد.

https://ecor.modares.ac.ir/article_13120_0c6fc0ac5afb01a75fe1910da98db915.pdf