وبلاگ

پیش ­بینی یکی از ابزارهای مدیریت مؤفق و عنصر کلیدی در مدیریت و برنامه ­ریزی­های اقتصادی محسوب می­ شود. نرخ ارز به عنوان یک متغیر کلان اقتصادی بسیار پراهمیت و تأثیرگذار بر بخش­های مختلف داخلی و خارجی اقتصادی یک کشور، هم­چون وضعیت تراز ­پرداخت­ها و قدرت رقابت بین­المللی، نقش تعیین ­کننده ­ای در سیاست­گذاری­های اقتصادی ایفا می­ کند. تغییرات نرخ ارز، بخش­های مختلف اقتصاد یک کشور را تحت تأثیر قرار می­دهد. بنابراین، الگوسازی و پیش ­بینی روند آتی این متغیر برای ارائه سیاست­ها و رهنمود­های اقتصادی امری ضروری به نظر می­رسد اما این امر با توجه به ساختار اقتصادی ایران اهمیت دوچندانی پیدا می­ کند. از آن­جا که قسمت اعظم درآمد­

های ارزی کشور از طریق فروش نفت خام تأمین می­ شود و منبع اصلی درآمد دولت نیز همین فروش نفت خام است، به همین علت تغییرات نرخ ارز می ­تواند تأثیرات بسیاری بر ساختار اقتصادی کشور و بازار­های داخلی داشته باشد. با توجه به موارد گفته شده جای تعجب نیست که حجم عظیمی از ادبیات اقتصادی به الگو­سازی و پیش ­بینی نرخ­های ارز پرداخته است.

بررسی ادبیات موضوع مربوط به پیش ­بینی در بازارهای مالی نشان­دهنده این مطلب است که بررسی رفتار نرخ ارز با بهره گرفتن از یک الگو به سختی قابل پیش ­بینی بوده و پیش ­بینی نرخ ارز مشکلات ذاتی به همراه دارد (پرمینگر و فرانک[1]، 2007).

به­ کارگیری روش­های ترکیبی یا ترکیب روش­های مختلف یک راه متداول به منظور رفع محدودیت­های روش­های تکی و بهبود دقت پیش­بینی­ها است. ایده­ اساسی در ترکیب روش­ها بر این اساس استوار است که هیچ یک از روش­های موجود، یک روش جامع برای پیش ­بینی نبوده و قابلیت به­ کارگیری در هر شرایط و هر نوع داده را ندارد. بنابراین، با ترکیب روش­های مختلف می­توان نقاط ضعف یک روش را با بهره گرفتن از نقاط قوت روش دیگر بهبود بخشید (چن[2]، 1996).

بنابراین، در این پژوهش با به­ کارگیری مفاهیم پایه­ای و مزیت­های منحصر به فرد هر یک از الگو­های خودرگرسیون میانگین متحرک انباشته، شبکه عصبی مصنوعی و رگرسیون فازی، یک روش ترکیبی به منظور دستیابی به نتایج دقیق­تر برای پیش ­بینی نرخ ارز (دلار ایالات متحده در مقابل ریال ایران) ارائه می­ شود.