سال انتشار: ۱۳۹۱

محل انتشار: اولین همایش بین المللی اقتصاد سنجی، روشها و کاربردها

تعداد صفحات: ۱۶

نویسنده(ها):

میترا ژاله رجبی – دانشیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران
رضا مقدسی – دانشیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

چکیده:

الگوی خود توضیح جمعی میانگین متحرک (ARIMA) یکی از پرکاربرد ترین الگوهای پیش بینی سری زمانی طی سه دهه اخیر می باشد. مطالعات اخیر در زمینه پیش بینی با شبکه عصبی مصنوعی مؤید برتری این روش بر الگوهای خطی سنتی است. این در حالی است که هیچیک از کفایت لازم در پیش بینی سری های زمانی برخوردار نمی باشند. زیرا الگوی ARIMA توانایی شناخت روابط غیر خطی را نداشته و ANN به تنهایی قادر به شناسایی و بررسی هم زمان هر دو الگوی خطی و غیر خطی نمی باشد. از اینرو با ترکیب الگوهای ARIMA و ANN و طراحی الگوی تلفیقی روابط موجود در داده ها با دقت بیشتری الگوسازی می گردد. در مطالعه حاضر، الگوی تلفیقی ARIMA و ANN طراحی و دقت پیش بینی آن با الگوهای رقیب مقایسه گردیده است. دقت پیش بینی الگوها با استفاده از معیارهی معمول نظیر RMSE, MSE و MAE و همچنین معنی داری اختلاف میان معیارهای فوق با استفاده از آماره گرنجر و نیوبولد بررسی و آزمون شد. نتایج پیش بینی ها قیمت ذرت حاکی از آن است که الگوی تلفیقی به طور معنی داری دقت پیش بینی بدست آمده از الگوهای انفرادی را افزایش می دهد.