نوع مقاله: مقاله مستخرج از پایان نامه دکتری

نویسندگان

1 دانشجوی دکتری اقتصاد دانشگاه علامه طباطبائی

2 گروه اقتصاد دانشگاه علامه طباطبایی

3 تهران _خیابان شهید بهشتی _نبش خیابان نجارست _دانشگاه علامه طباطبایی_دانشکده علوم _گروه اقتصاد اقتصاد رشد و کلان

10.22055/jqe.2020.31882.2190

چکیده

یکی از مهم‌ترین مشکلات اقتصادی در ایران طی چند دهه اخیر پدیده‌ی تورم است، به‌طوری که بهبود شرایط ناشی از وجود تورم همواره یکی از اهداف مهم برنامه‌های توسعه کشور بوده است. دستیابی به این هدف مستلزم ایجاد ساز و کاری دقیق و هدفمند از فرایند سیاستگذاری اقتصادی است که در شکل استاندارد خود، پیش‌بینی، هدفگذاری و تحلیل سیاستی را شامل می‌گردد. با توجه به اینکه تورم بر بسیاری از شاخص‌های اقتصاد کلان اثر می‎گذارد، از این رو تبیین و پیش‌بینی نرخ تورم بر مبنای مدل‌های اقتصادسنجی می‌تواند در بهبود سیاست‌گذاری‌ها کمک ‌کند. در این مطالعه به بررسی پیش‏بینی نرخ تورم شاخص قیمت مصرف‌کننده در ایران با استفاده از داده‏های فصلی طی دوره 1369 تا 1396 بر اساس مجموعه‌ای متشکل از پیش‏بینی کننده‏های زیادی با روش‏های گزینشی‏نمودن (DMS) و متوسط‏گیری الگوی پویا (DMA) پرداخته می‌شود. هدف اصلی این مطالعه، مقایسه مدل‏های DMA و DMS با BMA، BVAR، TVP و AR در سه افق پیش‏بینی (یک، چهار و هشت فصل) می‌باشد. نتایج مطالعه نشان می‌دهد که پیش‏بینی مدل‏های گزینشی‏نمودن (DMS) و متوسط‏گیری الگوی پویا (DMA) نسبت به سایر روش‏های پیش‏بینی سنتی دارای عملکرد پیش‏بینی بسیار کارایی برای نرخ تورم ایران هستند.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Comparing the Forecasting of Iranian Inflation with many predictors

نویسندگان [English]

  • Fatemeh Fahimifar 1
  • Teimur Mohammadi 2
  • Javid Bahrami 3

1 Ph.D Candidate of Economics, Allameh Tabatabai University

2 Department of Economics, Allame Tabatabai University

3 Faculty of Economics

چکیده [English]

One of the most important economic problems in Iran during the last few decades is the phenomenon of inflation, so that improving the conditions caused by inflation has always been one of the important goals of developmental plans in Iran. Achieving this goal requires the creation of a rigorous and purposeful mechanism for the economic policymaking process, which in its standard form involves forecasting, targeting and policy analysis. Given that inflation affects many macroeconomic indicators, therefore, explaining and forecasting inflation rates based on econometrics models can help improve policy makings. This study investigates the prediction of inflation rate of consumer price index in Iran using seasonal data during 1990 to 2017 based on a set of predictors with Dynamic Model Selection (DMS) and Dynamic Model Averaging (DMA) methods. The main purpose of this study was to compare DMA and DMS models with BMA, BVAR, TVP and AR in three forecast horizons (one, four and eight seasons). The results show that the prediction of DMS and DMA is more efficient than other traditional predictive methods to predict inflation rate in Iran.

کلیدواژه‌ها [English]

  • Forecasting
  • inflation
  • State-space
  • Factor model
  • Dynamic model averaging