مقایسه کارایی مدل های کلاسیک وپویای بیزی در کاربردی از مدل های و پویای سری زمانی بیزی

نویسندگان

چکیده

پویایی و تغییرات پدیده ها نسبت به زمان، سرشت ذاتی پدیده ها ی اقتصادی است.در اقتصاد سنجی پدیده های اقتصادی،نادیده گرفتن ویژگی پویایی آنها منجر به ساده سازی بیش از حد پدیده ها می شود و مدل هایی که بر این مبنا به دست می آیند اغلب واقع گرایانه نبوده،موجب تفسیرهای نادرست ار آن پدیده ها می شوند.
کاربست رگسیون برای بررسی روابط بین متغیرهای اقتصادی،عملی بسیار متداول است.در چنین کاربردهایی اغلب روابط بین متغیرها، ایستا در نظر گرفته می شوند و از تحول این روابط در طی زمان که باعث تغییر در ضرایب معادلات می شوند غفلت می شود.در این مقاله ضمن معرفی مدل های خطی پوییا(DLM)کاربردی از این مدل ها را در مورد سری زمانی"متوسط هفتگی قیمت دلار" از دیدگاه بیزی ارائه می کنیم.هدف،بیان روش پویا برای مدل سازی فرآیندهای اقتصادی است تا از این رهیافت،سری متوسط هقتگی قیمت دلار را مدل سازی و سپس قیمت دلار را به کمک این مدل ها پیش بینی کنیم. روش های مختلف دیگری مانند:سری زمانی ARIMAو شبکه های عصبی برای مدل سازی مطرح هستند.
نرخ ارز یک متغیر کلیدی و مهم اقتصادی در سیاستگاری ها قلمداد می شود، تا جایی که گروهی از کارشناسان به خصوص در کشورهای در حال توسعه،از این متغیر به عنوان لنگر اسمی یاد می کنند،به همین دلیل تعیین نرخ ارز بسیار مورد توجه اقتصاددانان است.
طبقه بندی JEL:F31,C22.

کلیدواژه‌ها


عنوان مقاله [English]

-

چکیده [English]

Dynamism, variations in time, is the inherent characteristic of most economical phenomena. In econometrics, ignoring this dynamism may cause many problems due to over simplification of the problems. One such case occurs in application of static regression models to problems with dynamic nature. In so doing, one ignores the fact that the parameters of the model change in time, which may lead to misleading results.
In this paper, we intend to exhibit the importance of this negligence in the context of a practical problem, namely modelling the weekly average rate of conversion of us dollar into Iranian currency, Rial.
Thus, two approaches of static and dynamic modelling are compared with respect to their efficiency in tracking the path of the variations of the US dollar rate according to various criteria such as MAD and MSE of predictions. Using a dynamic time series model along with required interventions at outlier points
superiority of the Bayesian dynamic model is shown.
JEL Classification: C22, F31.

کلیدواژه‌ها [English]

  • Bayesian
  • Dollar
  • Dynamic Linear Model
  • Intervention
  • modeling
  • prediction
  • Regression
  • time series