La prévision de l'inflation par la méthode des réseaux de neurones : cas de la Tunisie

Résumé En Fr

The neural approach drew the interest of many researchers for time series analysis and forecasting in diverse domains. In this paper, we study the ability of artificial neural networks (ANN) such as "multilayer perceptrons" to predict the Tunisian inflation rate. We try to find a better technical of inflation forecasting by comparing the results obtained using ANN to those provided by linear autoregressive models (AR) and the "naive" forecasting model. The comparison is based on the root-mean-square error (RMSE) criterion and the improvement rate of the latter (measured against the random walk). The results found showed the superiority of the RNA to trace the series evolution and to offer a better performance in terms of predictive power for inflation rate in Tunisia.

L'approche neuronale a occupé l'intérêt d'un grand nombre de chercheurs pour l'analyse et la prévision des séries temporelles dans divers domaines. Dans ce papier, nous étudions la capacité des réseaux de neurones artificiels (RNA) de type " perceptrons multicouches " pour prévoir le taux d'inflation en Tunisie. Nous essayons de trouver une meilleure technique de prévision de l'inflation en comparant les résultats obtenus par les RNA par rapport à ceux fournis par les modèles autorégressifs linéaires (AR) et par le modèle de prévision " naïve ". La comparaison est effectuée sur la base du critère de la racine carrée de l'erreur quadratique moyenne (root-mean-square error : RMSE) et sur le taux d'amélioration de ce dernier (évalué par rapport à la marche aléatoire). Les résultats trouvés ont montré la supériorité des RNA qui permettent de mieux retracer l'évolution de la série et offrent une meilleure performance en termes de pouvoir prédictif du taux d'inflation en Tunisie.