Journal of Economic Modeling Research

fa نااطمینانی سیاست اقتصادی و تورم در ایران با رویکرد یادگیری ماشین موجک و علیت کوانتایل موجک Economic Policy Uncertainty and Inflation in Iran with Wavelet Machine Learning Approach and Wavelet Quantile Causality سایر سایر كاربردي Applicable هدف: این مطالعه به بررسی اثرات نااطمینانی سیاست اقتصادی، نرخ ارز و قیمت نفت بر تورم در ایران طی دوره زمانی 2008 تا 2023 می‌پردازد. هدف اصلی، شناسایی ماهیت کوتاه‌مدت، میان‌مدت و بلندمدت این اثرات و تحلیل پویایی‌های تورم با استفاده از روش‌های نوین موجک و یادگیری ماشین است. روش: برای تحلیل روابط غیرخطی و وابسته به مقیاس میان متغیرها، از رگرسیون حداقل مربعات منظم‌شده با هسته موجک (WKRLS) و علیت کوانتایل ناپارامتریک موجک (WNQC) استفاده شده است. داده‌ها شامل شاخص تورم، نااطمینانی سیاست اقتصادی (EPU)، نرخ ارز غیررسمی و قیمت نفت به صورت ماهانه است. همچنین آزمون دیکی-فولر تعمیم‌یافته کوانتایل موجک (Wavelet-QADF) جهت بررسی مانایی سری‌های زمانی به کار گرفته شده است. یافته‌ها: نتایج نشان می‌دهد متغیرهای کلیدی اقتصاد ایران در بیشتر کوانتایل‌ها و مقیاس‌های زمانی مانا هستند. بر اساس برآوردهای WKRLS، اثر نااطمینانی سیاست اقتصادی بر تورم در کوتاه‌مدت ضعیف، در میان‌مدت کاهنده اما همچنان معنادار، و در بلندمدت به‌صورت غیرخطی و شتاب‌دار افزایشی است. نرخ ارز بیشترین تأثیر را بر تورم دارد، به‌ویژه در کوتاه‌مدت به دلیل وابستگی شدید اقتصاد ایران به واردات. قیمت نفت نیز در بلندمدت اثر قابل‌توجهی بر تورم و نوسانات آن دارد. یافته‌های WNQC نشان می‌دهد که نااطمینانی سیاست اقتصادی و نرخ ارز در کوانتایل‌های پایین و میانی تورم اثر قوی‌تری دارند، در حالی که قیمت نفت عمدتاً در بلندمدت موجب تقویت نوسانات تورم می‌شود. نتیجه‌گیری: یافته‌ها بر اهمیت ثبات سیاست‌های اقتصادی، کاهش وابستگی به درآمدهای نفتی و کنترل نوسانات نرخ ارز برای مدیریت تورم در ایران تأکید دارند. همچنین، ترکیب روش‌های موجک و یادگیری ماشین امکان ارائه تحلیلی جامع‌تر از پویایی‌های تورم را در شرایط مختلف فراهم می‌کند.   Objective: This study examines the effects of economic policy uncertainty, exchange rate, and oil price on inflation in Iran during the period 2008 to 2023. The main objective is to identify the short-term, medium-term, and long-term nature of these effects and analyze inflation dynamics using modern wavelet and machine learning methods. Materials and Methods: Regularized least squares regression with wavelet kernel (WKRLS) and nonparametric wavelet quantile causality (WNQC) are used to analyze nonlinear and scale-dependent relationships between variables. The data include inflation index, economic policy uncertainty (EPU), unofficial exchange rate, and oil price on a monthly basis. The generalized wavelet quantile Dickey-Fuller test (Wavelet-QADF) is also used to examine the stationarity of time series. Results: The results show that key variables of the Iranian economy are stationary in most quantiles and time scales. According to WKRLS estimates, the effect of economic policy uncertainty on inflation is weak in the short run, decreasing but still significant in the medium run, and increasing non-linearly and acceleratingly in the long run. The exchange rate has the greatest impact on inflation, especially in the short run due to the Iranian economy’s heavy dependence on imports. Oil prices also have a significant impact on inflation and its volatility in the long run. WNQC findings show that economic policy uncertainty and exchange rate uncertainty have a stronger effect in the low and middle quantiles of inflation, while oil prices mainly amplify inflation fluctuations in the long run. Conclusion: The findings emphasize the importance of stable economic policies, reducing dependence on oil revenues, and controlling exchange rate fluctuations for managing inflation in Iran. Also, combining wavelet and machine learning methods allows for a more comprehensive analysis of inflation dynamics in different conditions.   تورم ، نااطمینانی سیاست اقتصادی ، علیت کوانتایل موجک ، یادگیری ماشین. Inflation, economic policy uncertainty, wavelet quantile causality, machine learning. 0 0 http://jemr.khu.ac.ir/browse.php?a_code=A-10-2489-3&slc_lang=fa&sid=1 ali moridian علی مریدیان alimoridian@ymail.com 100319475328460014066 100319475328460014066 Yes Hassan Heidari حسن حیدری h.heidari@urmia.ac.ir 100319475328460014067 100319475328460014067 No Seyed Mehdi Hosseini سیدمهدی حسینی s.hosseini@exeter.ac.uk 100319475328460014068 100319475328460014068 No Heshmatollah Asgari حشمت اله عسگری h.asgari@ilam.ac.ir 100319475328460014069 100319475328460014069 No