دانشگاه تبریز *این نشریه حاصل فعالیت مشترک دانشگاه تبریز و انجمن علمی اقتصاد اسلامی ایران است.* نظریه های کاربردی اقتصاد 2423-6586 4 3 2017 10 23 Modeling Factors Influencing Inflation Rate in Iran's Economy Using Firefly and Cuckoo Algorithm مدل‌سازی عوامل موثر بر نرخ تورم در اقتصاد ایران با استفاده از الگوریتم کرم شب‌تاب و الگوریتم فاخته 143 168 6741 FA حسین اکبری فرد استادیار اقتصاد دانشگاه شهید باهنر کرمان امین قاسمی نژاد کارشناس ارشد اقتصاد دانشگاه شهید باهنر کرمان مریم رضائی جعفری کارشناس ارشد اقتصاد دانشگاه شهید باهنر کرمان Journal Article 2017 03 05 Inflation, as one of the economic phenomena, causes many negative social and cultural consequences such as poverty, disproportionate distribution of income and the spread of financial distress, which in turn imposes significant costs on the economy. For this reason, price stability is considered as the main goal of economic planning and policy in all countries. Therefore, it is important to study and predict this macroeconomic variable. In this regard, various predictive models have been developed in competition with each other. One of these methods is evolutionary algorithms, which is a new method for modeling and predicting various phenomena. In the present study, using the Firefly and Cuckoo algorithm, and employing variables that affect inflation, including liquidity, exchange rate, real interest rate, expected inflation and industrial output during the period of 1975-2015, we attempt to model inflation linearly and non-linearly. The results show that the nonlinear model is more suitable for inflation modeling, and the Firefly algorithm is better than Cuckoo algorithm. According to the precision of the non-linear model developed by Firefly algorithm, it can be used to forecast inflation in the future. تورم به عنوان یکی از پدیده‌‌های اقتصادی موجب پیامدهای منفی اجتماعی و فرهنگی متعددی همچون فقر، توزیع نامتناسب درآمد و گسترش مفاسد مالی می‌‌شود که هرکدام به نوبه خود هزینه‌‌های قابل توجهی را بر اقتصاد تحمیل می‌‌کند. به همین دلیل، در کلیه کشورها ثبات قیمت‌‌ها به عنوان هدف اصلی برنامه‌‌ها و سیاستگذاری‌‌های اقتصادی در نظر گرفته می‌‌شود. لذا بررسی و پیش‌‌بینی این متغیر کلان اقتصادی از اهمیت ویژه‌‌ای برخوردار است. در این راستا مدل‌‌های پیش‌‌بینی گوناگونی در رقابت با یکدیگر توسعه یافته‌‌اند، یکی از این روش‌‌ها الگوریتم‌‌های تکاملی می‌‌باشد که به عنوان روشی نوین برای مدل‌‌سازی و پیش‌‌بینی پدیده‌‌های مختلف ابداع گردیده‌‌اند. در مطالعه حاضر با استفاده از الگوریتم کرم شب‌‌تاب و الگوریتم فاخته و به کارگیری متغیرهای تأثیر‌‌گذار بر تورم از جمله حجم نقدینگی، نرخ ارز، نرخ بهره حقیقی، تورم انتظاری و تولیدات صنعتی طی دوره 1394-1354 به مدل‌‌سازی تورم به صورت خطی و غیرخطی پرداخته می‌‌شود. نتایج نشان می-دهد که مدل غیر‌‌خطی برای مدل‌‌سازی تورم مناسب‌‌تر است و الگوریتم کرم شب‌‌تاب نسبت به الگوریتم فاخته نتیجه بهتری را ارائه می‌‌دهد و با توجه به دقت مدل غیرخطی مدل‌‌سازی شده توسط الگوریتم کرم شب‌‌تاب می‌‌توان به منظور پیش‌‌بینی تورم در آینده از آن استفاده نمود. https://ecoj.tabrizu.ac.ir/article_6741_45de67d94d73869a2410ce31fd0bb5cc.pdf