پیش بینی سطح نرخ تورم با استفاده از یادگیری ماشین

مروزه یکی از حوزه هایی که نیازمند پیشبینی است، پیش بینی تورم است. به این منطور پیش بینی تورم میتواند تا حد زیادی به برنامه ریزی و تعیین سیاستهای کلی اقتصادی در آینده کمک کند. در این پژوهش هفت متغیر اقتصادی میزان پس انداز، نرخ ارز، حجم نقدینگی، درآمد مالیاتی، میزان صادرات، میزان واردات و میزان درآمد نفتی به عنوان پایگاه داده پژوهش از سال 1340 تا 1400 از بانک مرکزی جمهوری اسلامی ایران استفاده شده است.میزان تورم هرسال در یکی از دسته های سه گانه نرخ تورم کم ، نرخ تورم متوسط و نرخ تورم بالا دسته بندی شدند. میزان تورم از 2تا 13 در دسته نرخ تورم کم ، میزان تورم 15 تا 30 در دسته تورم متوسط و میزان تورم بالای 30 در دسته تورم بالا لحاظ شدند. در این پژوهش برای دسته بندی ، دو دسته بند ماشین بردار پشتیبان، K-نزدیکترین همسایه بر روی مجموعه داده های خام اعمال شده است. دقت دسته بندی و پیش بینی در کلاس بند K-نزدیکترین همسایه 30 %و در کلاس بند ماشین بردار پشتیبان 66 %بدست آمد.