پیش بینی صادرات غیر نفتی ایران تحت تاثیر تغییرات نرخ ارز با استفاده از مدل شبکه ی پرسپترون چند لایه

اقتصاد پولی مالی

مقاله 5، دوره 19، شماره 4، بهمن 1391   

نوع مقاله: پژوهشی

شناسه دیجیتال (DOI): 10.22067/pm.v19i4.29317

نویسندگان

ماشاا.. سالارپور^{* 1}؛ جعفر نجاری؛ سیدمحسن سیدآقاحسینی²؛ محمود صبوحی¹

¹دانشگاه زابل

²فردوسی مشهد

چکیده

اهمیت روز افزون استقلال از درآمدهای نفتی به دلیل نوسانات قیمت نفت و تقاضای جهانی آن که درآمدهای دولت و اقتصاد کشور را به شدت تحت تأثیر قرار می دهد، باعث شده است تا نقش صادرات غیر نفتی فراتر از ابزاری برای کسب درآمدهای ارزی مطرح شود. به همین دلیل نظر بسیاری از صاحب نظران و پژوهشگران اقتصاد به سمت تحلیل وضعیت موجود صادرات غیر نفتی معطوف شده است. دورنمایی صادرات غیر نفتی امکان بررسی و برنامه ریزی دقیق تر را برای اقتصاد ایران فراهم می-نماید.
در این مطالعه به منظور پیش بینی صادرات غیر نفتی ایران طی دوره (1389 – 1338)، از روش های شبکه عصبی مصنوعی (شبکه های پرسپترون چند لایه MLP) و توضیحی جمعی میانگین متحرک (ARIMA) استفاده شد. داده های مورد نیاز 1389 از بانک مرکزی ایران اخذ گردید. به منظور مقایسه دقت پیش بینی روش ها از معیارهای میانگین قدر مطلق انحراف، ریشه میانگین مربع خطا و ضریب تعیین استفاده شد.
نتایج نشان داد که شبکه های پرسپترون چند لایه MLP دارای خطای پایین تری جهت پیش بینی صادرات غیر نفتی است و به طور معنی داری از مدل ARIMA دقیق تر است. به منظور بررسی تغییرات نرخ دلار در بازار داخلی و تاثیر آن بر صادرات، به پیش بینی صادرات غیر نفتی برای سال های 1390 و 1391 تحت سناریوی افزایش 50% نرخ دلار توسط مدل برتر(MLP) پرداخته شد که نتایج دلالت بر تاثیر قابل توجه نرخ دلار بر ارزش صادرات و درآمد ملی دارد. به‌کارگیری روش های شبکه عصبی مصنوعی، می تواند علاوه بر ایجاد زمینه برای توسعه روش های نوین پیش بینی، سیاست گذاران بخش صادرات به خصوص صادرات غیر نفتی را در تصمیم گیری های آتی، یاری رساند. در نتیجه به نظر می رسد سیاست نرخ دلار مدیریت شده در کشور ما سیاست کارایی است، به شرط آنکه این نرخ همواره در بلندمدت ثابت نباشد.

کلیدواژه‌ها

پیش بینی صادرات غیر نفتی؛ شبکه عصبی مصنوعی؛ سری زمانی ARIMA؛ ایران