Document Type : Research Paper

Authors

Abstract

In a structural time series regression model, binary variables have been used to quantify qualitative or categorical quantitative events such as politic and economic structural breaks, regions, age groups and etc. The use of the binary dummy variables is not reasonable because the effect of an event decreases (increases) gradually over time not at once. The simple and basic idea in this paper is to involve a new transition function in a structural time series regression equation model in order to transform the binary dummy variables into a fuzzy set. The main purpose of this paper is to present a new method for endogenous modeling structural breaks in money demand function using fuzzy set. Hence, we model structural breaks in a money demand function via fuzzy set theory, transition functions and binary dummy variables and compare these. After introducing a new transition function, we model money volume shock in 1992 in money demand function. The results indicate that our transition function has better characteristics and accurate results than the binary dummy variable, exponential and logistic transition functions.

Keywords

Article Title [Persian]

یک تصریح جدید از شکستهای ساختاری ناخطی برای تقاضای پول در ایران

Authors [Persian]

  • اسمعیل ابونوری
  • بهنام شهریار

Abstract [Persian]

در مدل‌های رگرسیون سری زمانی ساختاری از متغیرهای دودوای برای کمی نمودن پیشامدهای کیفی یا کمی طبقه‌ای مانند شکست‌های سیاسی و اقتصادی، مناطق، گروه‌های سنی و غیره استفاده می‌شده است.  کاربرد متغیرهای مجازی دودوای منطقی تلقی نمی‌شود زیرا اثر یک پیشامد به تدریج نه یکباره در طول زمان کاهش (افزایش) می‌یابد. ایده ساده و اساسی در این مقاله قراردادن یک تابع گذار نو در مدل رگرسیونی سری زمانی ساختاری برای تبدیل متغیر مجازی دودوای به مجموعه فازی است. هدف اصلی در این مقاله ارایه روشی مناسب برای مدلسازی درونزایی شکست‌های ساختاری در تابع تقاضای پول با راهبرد مجموعه فازی است. در این مقاله شکست‌های ساختاری در تقاضای پول از طریق نظریه مجموعه فازی، توابع گذار و متغیرهای مجازی دودوای مدلسازی و مقایسه می‌گردد. پس از معرفی یک تابع گذار نو، تکانه حجم پول در تابع تقاضای پول 1992 مدلسازی شده است. نتایج حاصل نشان می‌دهد که تابع گذار نو دارای ویژگی‌های بهتر و دقت بیشتر از متغیر مجازی دودوای، توابع گذار لوجیسیک و نمایی است.

Keywords [Persian]

  • متغیر مجازی
  • مجموعه فازی
  • شکست ساختاری
  • تابع عضویت AS
  • تقاضای پول
  • ایران
Abounouri, E. & Shahriyar, B. (2013). Modelling of Lucas Critique using Fuzzy Set Approach. Journal of Economic Research, Tehran University, 49(2), 229-265.
Abounouri, E. & Shahriyar, B. (2014). Nonlinear Modelling of Structural Breaks concerning Money Demand Function in Iran using Fuzzy Approach. the Economic Research, Tarbiat Modares University, 13(4), 55-78.
Baliamoune, M. (2000). Economics of Summitry: an Empirical Assessment of the Economic Effect of Summits. 27, 295-314.
Black, M. (1973). an Exercise in Logical Analysis. 4 (4), 427-455.
Bolotin, A. (2004). Replacing Indicator Variables by Fuzzy Membership Functions in Statistical Regression Models: Examples of Epidemiological Studies. Biological and Medical Data Analysis , 3337, 251 - 258.
Giovanis, E. (2009). Bootstrapping Fuzzy-GARCH Regressions on the Day of the Week Effect in Stock Returns: Applications in MATLAB. Working Paper.
Granger, C. J., & Teräsvirta, T. (1994). The Combination of Forecasts Using Changing Weights. International Journal of Forecasting , 10, 47-57.
Granger, C., & Teräsvirta, T. (1993). Modeling Nonlinear Economic Relationships. London: Oxford University Press.
Perron, P. (1989). The great crash, the oil price shock, and the unit root hypothesis. 57, 1361-1401.
Selmins, A. (1987). Least Squares Model Fitting To Fuzzy Vector Data. Fuzzy Sets and Systems , 8, 903-908.
Sivanandam, S., Sumathi, S., & Deepa, S. (2007). Introduction to Fuzzy Logic using MATLAB. New York: Springer.
Tanaka, H., Uejima, S., & Asai, K. (1982). Linear Regression Analysis With Fuzzy Model. IEEE Transactions on SMC , 12, 903-907.
Teräsvirta, T. (1994). Specification, Estimation and Evaluation of Smooth Transition Autoregressive Models. Journal of the American Statistical Association , 89, 208-218.
Teräsvirta, T. (1994). Testing Linearity and Modelling Nonlinear Time Series. Kybernetika , 30 (3), 319-330.
Zadeh, L. (1968). Fuzzy Algorithms. Information and Control , 12, 94–102.
Zadeh, L. (1996). Fuzzy Logic = Computing with Words. IEEE Transactions on Fuzzy Systems , 4 (2), 103-111.
Zadeh, L. (1988). Fuzzy Logic. IEEE Computer Magazine , 21 (4), 177-186.
Zadeh, L. (1965). Fuzzy Sets. Information and Control , 8 (3), 338–353.
Zadeh, L. (1978). Fuzzy Sets as a Basis for a Theory of Possibility. Fuzzy Sets and Systems , 1, 3-28.