نویسندگان
1 استادیار گروه مدیریت صنعتی، دانشگاه علامه طباطبائی، دانشکدة مدیریت و حسابداری
2 کارشناسی ارشد مدیریت فنّ‌آوری اطلاعات، دانشگاه علاّمه طباطبائی، دانشکدة مدیریت و حسابداری
3 کارشناسی ارشد مدیریت فنّ‌آوری اطلاعات، دانشگاه علامه طباطبائی، دانشکدة مدیریت و حسابداری
چکیده
کلیدواژه‌ها
عنوان مقاله [English]
This article is a comparative study of estimation power of artificial neural networks and autoregressive time series models in inflation forecasting. Using 37 years Iran’s inflation data, neural networks performs better on average for short horizons than autoregressive models. This study shows usefulness of early stopping technique in learning stage of neural networks for estimating time series.
JEL Classifications: C51, C52, C53, E37
کلیدواژه‌ها [English]
)