نرخ اسناد خزانه، بحران اقتصادی بزرگ و برآوردهای شبکه های عصبی از فروش های واقعی کسب و کار

قیمت: 42,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

نرخ اسناد خزانه، بحران اقتصادی بزرگ و برآوردهای شبکه های عصبی از فروش های واقعی کسب و کار

عنوان لاتین

The Treasury Bill Rate, the Great Recession, and Neural Networks Estimates ofReal Business Sales

این مقاله پیش بینی های خارج از نمونه فروش های واقعی کلی کسب و کار را تحلیل می کند. ما به صورت ماهانه داده های ژانویه 1970 تا ژوئن 2012 را مطالعه می کنیم. متغیر پیش بینی کننده یعنی نرخ بهره اسناد خزانه سه ماهه هم در رگرسیون ( به عنوان یک محک ) و مدل های شبکه های عصبی مورد استفاده قرار گرفت. مدل های شبکه عصبی در یادگیری های سرپرستی با انتشار بازگشتی خطاها از طریق الگوریتم زمانی آموخته شد. صحت پیش بینی با ضریب همبستگی و آزمون های مربع میانگین ریشه تایید گردید. از تابع فعال سازی برای مدل های گامای متمرکز شبکه های بازگشتی دارای تاخیر زمانی در لایه های خروجی و پنهان استفاده شد. دوره پیش بینی از ژانویه سال 2006 تا ژوئن سال 2012 می باشد و بنابراین بحران گذشته را در بر می گیرد. متغیر فروش واقعی کسب و کار یکی از شاخص های مورد استفاده به عنوان شاخص متلاقی چرخه کسب و کار ایالات متحده می باشد و مشمول متغیرهای مطالعه شده بوسیله فدرال رزرو در جهت تنظیم سیاست پولی است. بنابراین، این یک شاخص مهم است که جانشین GDP واقعی می شود و به صورت فصلی و با تاخیر زمانی بسیار طولانی گزارش می گردد. تحلیل ما نشان می دهد که طول بحران های اخیر افزایش پیدا کرده است به گونه ای که استفاده از یک تغییر 36 ماهه برای برآورد متوسط چرخه در تخمین و پیش بینی نسبت به استفاده از یک تغییر 26 ماهه، مناسب تر و دقیق تر است.

This paper analyzes out-of-sample forecasts of real total business sales. We study monthly data from January 1970 to June 2012. The predictor variable, 3-month Treasury bill interest rate, was used with both the regression (used as a benchmark) and neural network models. The neural network models’, trained in supervised learning with the Levenberg-Marquardt backpropagation through time algorithm, prediction accuracy was confirmed with correlation coefficient and root mean square tests. The activation function used for the focused gamma models of the time-lag recurrent networks in both the hidden and output layers was tanh. The forecast period ranged from January 2006 to June 2012 thus encompassing the past recession. The real business sales variable is one of the indicators used as a coincident index of the U.S. business cycle, and is included among the variables studied by the Federal Reserve to formulate monetary policy. It is thus an important indicator surrogating for real GDP, which is reported quarterly and with a longer time delay. Our analysis shows that recent recessions have increased in duration, so that using a 36-month change to approximate an average cycle in estimating and forecasting is more relevant and accurate than past usage of a 24-month change