درخت حوزه‌های تخصصی

تحلیل بیزین

مرتب سازی نتایج بر اساس: جدیدترینپربازدید‌ترین
فیلتر های جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۲ مورد از کل ۲ مورد.
۱.

عملکرد مدل های مختلف خود رگرسیون برداری بیزی جهت پیش بینی متغیرهای کلان اقتصادی ایران: کاربرد روش نمونه گیری گیبس

کلید واژه ها: پیش بینیایرانBVARالگوریتم گیبستوزیع پیشین نرمال ویشاردتوزیع پیشین مینستا

حوزه های تخصصی:
تعداد بازدید : ۱۹۳ تعداد دانلود : ۱۸۶
داشتن تورمی پایین و رشد اقتصادی پایدار، هدف نخست سیاستگذاران اقتصادی است که برای رسیدن به این هدف طلایی، پیش بینی قابل اطمینان از متغیرهای کلان اقتصادی نقش مهمی ایفا می کند. در این مطالعه سعی شده است تا عملکرد مدل های خودرگرسیون برداری بیزی با اطلاعات (Priors) متفاوت برای پیش بینی متغیرهای کلان در اقتصاد ایران ارزیابی شود. ویژگی منحصر به فرد این مقاله استفاده از الگوریتم گیبس برای تخمین مدل BVAR و مقایسه آن با دو مدل BVAR شبه بیزی است که در آنها از اطلاعات نرمال ویشارد ( (Normal Wishardومینستا Minnesota )) استفاده شده است، جهت ارزیابی دقت پیش بینی متغیرهای کلان اقتصادی است. در این مطالعه مقایسه دو مدل BVAR شبه بیزی فوق و BVAR با الگوریتم گیبس با توزیع پیشین یکسان مینستا نشان می دهد که مقدار MSFE در پیش بینی متغیر های اقتصادی برای 4 دوره در مدل BVAR با الگوریتم گیبس کمتر بوده و این مدل در کل عملکرد بهتری در پیش بینی متغیرهای کلان اقتصادی فوق نسبت به مدل های شبه بیزی دارد.
۲.

مقایسه کارایی مدل های کلاسیک و پویای بیزین در کاربردی از مدل های خطی پویای سری زمانی بیزین

کلید واژه ها: مدل سازیسری زمانیمداخلهرگرسیوندلاریشگوییروش بیزیمدل خطی پویا

حوزه های تخصصی:
تعداد بازدید : ۱۹۶۲ تعداد دانلود : ۱۹۵۱
پویایی و تغییرات پدیده ها نسبت به زمان، سرشت ذاتی پدیده های اقتصادی است. در اقتصادسنجی پدیده های اقتصادی، نادیده گرفتن ویژگی پویایی آنها منجر به ساده سازی بیش از حد پدیده ها می شود و مدل های که بر این مبنا به دست می آیند اغلب واقع گرایانه نبوده، موجب تفسیرهای نادرست از آن پدیده ها می شوند. کاربست رگرسیون 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 پویا (DLM) کاربردی از این مدل ها را در مورد سری زمانی «متوسط هفتگی قیمت دلار» از دیدگاه بیزی ارایه می کنیم. هدف، بیان روش پویا برای مدل سازی فرایندهای اقتصادی است تا از این رهیافت، سری متوسط هفتگی قیمت دلار را مدل سازی و سپس قیمت دلار را به کمک این مدل ها پیش بینی می کنیم. روش های مختلف دیگری مانند: سری های زمانی ARIMA و شبکه های عصبی برای مدل سازی مطرح هستند. نرخ ارز یک متغیر کلیدی و مهم اقتصادی در سیاستگزاری 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.

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

زبان