پیشبینی روند آتی نرخ ارز به عنوان یکی از پر اهمیتترین و تاثیرگذارترین متغیرهای اقتصاد کلان، همواره مورد توجه بسیاری از پژوهشگران بوده است.
در این مقاله به منظور مدلسازی و پیشبینی روند سری زمانی نرخ ارز در بازار رسمی ارز ایران مدلهای معادلات دیفرانسیل تصادفی حرکت برآونی ژیومتری و انتشار- پرش مرتن به کارگرفته شده است.
نتایج پژوهش حاکی از آن است که مدلهای پیشنهادی در این مقاله، دارای عملکرد بهتری نسبت به مدل ARIMA در پیشبینی داخل و خارج از نمونهی نرخ ارز براساس معیار RMSE میباشند.
با ملتهب شدن شرایط اقتصادی کشور بدلیل تحریم‌های بین‌المللی، تبدیل دارایی‌ها به دارایی‌هایی با قدرت نقدشوندگی بالا به منظور جلوگیری از کاهش ارزش پول منجر به افزایش تقاضای بخش خصوصی برای ارز در بازار داخلی گردید.
این افزایش تقاضا در نهایت افزایشی فراتر از حد انتظار برای ارز را بوجود آورد که نتیجه سیاست‌ها و اقدامات بین‌الملل، دولت و بخش خصوصی بوده است.
در پی رویدادهای اخیر، کارشناسان وسیاستگزاران مایلند، آثار عدم تعادل در بازار ارز را بر متغیرهای اصلی اقتصادی بدانند.
در این مطالعه به بررسی اثرات افزایش نرخ ارز بر رشد اقتصادی بخش‌های عمده اقتصاد ایران در قالب یک الگوی اقتصادسنجی کلان ساختاری کوچک مقیاس که به روش نوین همجمعی برآورد شده است، می‌پردازیم.
نتایج نشان می‌دهد، شوک ارزی مثبت، تولید واقعی در چهار بخش اصلی اقتصاد را مختل می‌کند و منجر به کاهش در میزان تولید در این چهار بخش اصلی می‌شود.
همچنین، نرخ رشد تولید در همه‌ی بخش‌های عمده‌ی اقتصاد، دچار تنزل می‌‌گردد و پس از رسیدن به حداقل خود دوباره روند صعودی به خود می‌گیرند.
یکی از روشهای جایگزین، شبکههای عصبی مصنوعی است که در برخی از موارد توانایی بالقوه خوبی برای پیش بینی سریهای زمانی از خود نشان داده اند.
در این مقاله، پس از مرور پژوهشهای انجام شده در مورد توانایی پیش بینی مدلهای خود توضیح جمعی میانگین متحرک( ARIMA) و شبکههای عصبی مصنوعی( ANN) به مقایسه این دو روش برای پیش بینی نرخ روزانه ارز در دوره مارس 2006 تا فوریه 2009 پرداخته شده است.
نتایج تحقیق نشان داده است که روش شبکههای عصبی تخمینهای بهتری نسبت به روش ARIMA ارایه می‌کند.
در این پژوهش، از ابزارهای محاسباتی نرم افزار MATLAB و دادههای اقتصادی ایران استفاده شده است.
منبع : مقاله پیش بینی نرخ ارز
