• پیش بینی سطح نرخ تورم با استفاده از یادگیری ماشین

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1401/06/30
    • تاریخ انتشار در تی پی بین: 1401/06/30
    • تعداد بازدید: 333
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس ژورنال: 02133202487

    پیش‌بینی سطح نرخ تورم با استفاده از یادگیری ماشین

    امروزه یکی از حوزه‌هایی که نیازمند پیش‌بینی است، پیش‌بینی تورم است. به این منطور پیش‌بینی تورم می‌تواند تا حد زیادی به برنامه‌ریزی و تعیین سیاست‌های کلی اقتصادی در آینده کمک کند. در این پژوهش هفت متغیر اقتصادی میزان پس انداز، نرخ ارز، حجم نقدینگی، درآمد مالیاتی، میزان صادرات، میزان واردات و میزان درآمد نفتی به عنوان پایگاه داده پژوهش از سال  1370 تا 1400 از بانک مرکزی جمهوری اسلامی ایران استفاده شده است.

    میزان تورم هرسال در یکی از دسته های سه‌گانه نرخ تورم کم ، نرخ تورم متوسط و نرخ تورم بالا دسته‌بندی شدند. میزان تورم از 0 تا 15 در دسته نرخ تورم کم ، میزان تورم 15 تا 30 در دسته تورم متوسط و میزان تورم  بالای 30 در دسته تورم بالا لحاظ شدند. در این پژوهش برای دسته‌بندی ، دو دسته‌بند ماشین بردار پشتیبان، k-نزدیک‌ترین همسایه بر روی مجموعه داده‌های خام اعمال شده است. دقت دسته بندی و پیش بینی در کلاسبند  k-نزدیک‌ترین همسایه 73% و در کلاسبند ماشین بردار پشتیبان 66% بدست آمد.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام میکنید