کاربرد الگوریتم ژنتیک در ترکیب پیش‌بینی‌های تورم

نویسنده

چکیده

پیش‎بینی تورم به عنوان یکی از الزامات سیاست‎گذاری پولی در کشورهایی تبدیل شده است که مقامات پولی آن‎ها سیاست هدف‎گذاری تورم را تعقیب می‌کنند. چرا که به واسطة استقلال بانک مرکزی از سویی و واگذاری سیاست‎گذاری پولی به این نهاد و از سویی دیگر به واسطة این‎که به‎طور عمده سیاست‎گذاری پولی با وقفه بر روی تورم تأثیرگذار است، لذا مقام پولی می‎بایستی تصویر مناسبی نسبت به تورم آینده داشته باشد، تا با سیاست‎گذاری از قبل بتواند در مسیر هدف‎گذاری انجام رفته حرکت کند.
در این بین، به‎واسطة محدودیت‎هایی که مدل‎های منفرد پیش‎بینی تورم به همراه دارند، از مدل‎های مختلفی در پیش‎بینی تورم استفاده می‎شود، که هر یک از جهاتی نسبت به دیگر مدل‎ها دارای نقاط قوت و ضعفی هستند. یکی از راه‌های استفاده از تمامی‌اطلاعات موجود در پیش‌بینی تورم، ترکیب مدل‎های مختلف پیش‌بینی است، که در گزارش حاضر از رویکرد ابتکاری الگوریتم ژنتیک، به منظور ترکیب نتایج پیش‌بینی تورم شش مدل برای چهار فصل سال 1386 استفاده شده است.
طبقه‎بندی JEL : C13، C53، E37

کلیدواژه‌ها


عنوان مقاله [English]

Application of Genetic Algorithm in Inflation Forecasts Combination

نویسنده [English]

  • Mohammad Akhbari
چکیده [English]

Inflation forecasting has been one of the requirements for the implementation of monetary policy in countries which their monetary authorities are pursuing inflation targeting regime. However, owing to central bank independence in one hand and as well as the lagged effects of monetary policies on inflation in the other, the monetary authorities should have the sound perspective about the future inflation, regarding the control of economy in the line of predetermined objectives.
In this way, due to the limitations of single model, different forecasting models have frequently been used in different empirical studies to produce better forecast comparing to individual forecasting model. Moreover, it is found that simple combinations that ignore correlations between forecast errors often dominate more refined combination schemes. In this article we apply the genetic algorithm heuristic approach to find the optimal combination weights for inflation forecasts.
JEL Classification: C13، C53، E37

کلیدواژه‌ها [English]

  • combining inflation forecasts
  • Genetic algorithm
  • optimization