پارس پروژه پرتال خدمات دانشگاهی
این مقاله علمی پژوهشی (ISI) به زبان انگلیسی از نشریه الزویر مربوط به سال ۲۰۲۱ دارای ۱۶ صفحه انگلیسی با فرمت PDF می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی و بخشی از ترجمه فارسی مقاله موجود می باشد.
کد محصول: H661
سال نشر: ۲۰۲۱
نام ناشر (پایگاه داده): الزویر
نام مجله: Economic Analysis and Policy
نوع مقاله: علمی پژوهشی (Research articles)
تعداد صفحه انگلیسی: ۱۶ صفحه PDF
عنوان کامل فارسی:
مقاله انگلیسی ۲۰۲۱ : تأثیر COVID-19 بر تولید ناخالص داخلی اقتصادهای بزرگ: کاربرد پیش بینی کننده شبکه عصبی مصنوعی
عنوان کامل انگلیسی:
Impact of COVID-19 on GDP of major economies: Application of the artificial neural network forecaster
برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید
وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه ی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:H661)
مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه) بر روی دکمه ذیل کلیک نمایید
چکیده فارسی:
بیماری همه گیر COVID-19 باعث تأثیرات جهانی بر سلامتی شده است و دولت ها تا حدودی رفت و آمد را محدود کرده اند. چنین محدودیت هایی منجر به ایجاد اختلال در فعالیت های اقتصادی شده است. در این مقاله ، آمار و ارقام GDP برای سه ماه آوریل – ژوئن سال ۲۰۲۰ برای هشت کشور یعنی ایالات متحده ، مکزیک ، آلمان ، ایتالیا ، اسپانیا ، فرانسه ، هند و ژاپن پیش بینی شده است. با توجه به اینکه مدل های شبکه عصبی مصنوعی دقت پیش بینی بالاتری نسبت به روش های آماری دارند ، یک مدل شبکه عصبی مصنوعی چند لایه در این مقاله ارائه شده است. این مدل مجموعه داده را به دو قسمت تقسیم می کند: قسمت اول با ۸۰٪ و دیگری با ۲۰٪ مشاهدات. پس از آن، مدل از قسمت اول برای بهینه سازی دقت پیش بینی استفاده می کند و سپس از پارامترهای بهینه شده، در قسمت دوم مجموعه داده برای ارزیابی عملکرد مدل استفاده می کند. در طی مراحل آزمایش، خطای پیش بینی توسط مدل کمتر از ۲٪ به دست می آید. مقادیر پیش بینی شده GDP برای سه ماهه آوریل – ژوئن سال جاری میلادی نشان می دهد که هر ۸ کشور کاهش چشمگیر تولید ناخالص داخلی را تجربه کرده اند. علاوه بر این ، پیش بینی می شود رشد GDP سالانه ، دو رقمی و منفی شود. چنین پیش بینی های نگران کننده ای نیاز به اقدامات نجات دهنده فوری توسط دولت ها دارند.
واژه های کلیدی: پیش بینی ، GDP ، شبکه عصبی چند لایه ، میانگین درصد خطای مطلق
۱.مقدمه
بیماری کرونا ویروس ۲۰۱۹ (COVID-19) ، که برای اولین بار در دسامبر ۲۰۱۹ در شهر ووهان ، چین ظاهر شد ، باعث ایجاد اختلال در سطح جهانی شده است ، به دلیل ارتباط افراد در سطح جهانی ، ، افراد جان خود را از دست داده و اقتصاد در حال فروپاشی می باشد (آسم اوقلو و همکارانو.، ۲۰۲۰؛ ناکامورا و ماناگی ، ۲۰۲۰). با توجه به تهدید شدید کوید-۱۹ برای زندگی و اقتصاد بشر ،مدیر کل سازمان بهداشت جهانی (WHO) COVID-19 را در ۳۰ ژانویه ۲۰۲۰ به عنوان یک وضعیت اضطراری بهداشت عمومی بین المللی اعلام کرد(WHO ، ۲۰۲۰)…
۶.جمع بندی
هدف اصلی این مقاله توسعه مدل ANN برای پیش بینی GDP در سه ماهه ی پیشِ رو برای هشت اقتصاد بزرگ است. این مدل، حالت غیرخطی داده های سری زمانی سه ماهه را ثبت کرده و پیش بینی های دقیق را ارائه می دهد. بیماری همه گیر COVID-19 در این کشورها تأثیرات منفی چشمگیری بر سلامتی افراد داشته است. میزان شیوع و مرگ و میر نگران کننده بوده است و دولت ها انواع مختلف قرنطینه را برای مهار این بیماری اعمال کرده اند….
Abstract
The ongoing COVID-19 pandemic has caused global health impacts, and governments have restricted movements to a certain extent. Such restrictions have led to disruptions in economic activities. In this paper, the GDP figures for the April–June quarter of 2020 for eight countries, namely, the United States, Mexico, Germany, Italy, Spain, France, India, and Japan, are forecasted. Considering that artificial neural network models have higher forecasting accuracy than statistical methods, a multilayer artificial neural network model is developed in this paper. This model splits the dataset into two parts: the first with 80% of the observations and the second with 20%. The model then uses the first part to optimize the forecasting accuracy and then applies the optimized parameters to the second part of the dataset to assess the model performance. A forecasting error of less than 2% is achieved by the model during the testing procedure. The forecasted GDP figures show that the April–June quarter of the current year experienced sharp declines in GDP for all countries. Moreover, the annualized GDP growth is expected to reach double-digit negative growth rates. Such alarming prospects require urgent rescue actions by governments.
Keywords: Forecasting, GDP, Multilayer neural network, Mean absolute percentage error
۱.Introduction
The novel coronavirus disease 2019 (COVID-19), which first appeared in Wuhan city, China, in December 2019, has caused global distress, claiming lives and collapsing economies, as many individuals are connected globally (Acemoglu et al., 2020; Nakamura and Managi, 2020). Given its deepening threat to human lives and economies, the Director-General of the World Health Organization (WHO) declared COVID-19 a Public Health Emergency of International Concern (WHO, 2020) on 30th January 2020. Policymakers in every country are under pressure to maintain a balance between containing the disease by implementing lockdowns and saving the jobs and livelihoods of a large number of people by keeping economic activities undeterred (Yoo and Managi, 2020). Restrictions on the movements of both people and goods have disrupted supply chains and accelerated the unemployment problem. Given this consideration, it has become important for countries to assess the broad economic implications of COVID-19. Macroeconomic indicators represent the health and stability of a country’s economy…
۶.Conclusion
The main contribution of this paper is the development of an ANN model to forecast GDP one quarter ahead for eight major economies. This model captures the nonlinearities present in the quarterly time-series data and provides accurate predictions. These countries have experienced substantial negative health impacts from the ongoing COVID-19 pandemic. The infection and fatality rates have been alarming, and governments have implemented various forms of lockdown to contain the disease. As a result, their economies have been disrupted, resulting in the shutting down of many industries and rising unemployment rates. In such a situation, a clear picture of what lays ahead in terms of economic outlook will help policymakers take necessary steps. For example, opinion has been divided in the US Congress as to how much relief is sufficient to restart the economy. The ANN model developed in our paper accurately predicted the GDP figures, as the MAPE is less than 2% in each of the country cases…