سال انتشار: ۱۳۹۱

محل انتشار: اولین همایش بین المللی اقتصاد سنجی، روشها و کاربردها

تعداد صفحات: ۱۷

نویسنده(ها):

منصور زاراء نژاد – استاد و عضو هیئت علمی دانشگاه شهید چمران اهواز
پویان کیانی – دانشجوی کارشناسی ارشد اقتصاد دانشگاه شهید چمران اهواز
صلاح ابراهیمی – دانشجوی کارشناسی ارشد اقتصاد دانشگاه شهید چمران اهواز

چکیده:

قیمت نفت خام تحت تأثیر عوامل زیادی قرار دارد به طوری که معرفی رابطه ای که اکثر این عوامل را در بر داشته باشد، امری پیچیده و در عین حال ناکارآمد است. به همین دلیل پیش بینی از طریق مدل های ساختاری کار بسیار دشواری است و استفاده از سری های زمانی روشی جایگزین است. در این روش ها رفتار گذشته نفت تجزیه و تحلیل می شود و از آن برای پیش بینی نوسانات آینده استفاده می شود. مطالعات زیادی برای پیش بینی قیمت نفت از روش هایی همچون خودرگرسیون میانگین متحرک (ARIMA) و شبکه های عصبی (ANNs) استفاده کردند. اما این مدل ها برای اینکه بتوانند پیش بینی دقیقی انجام دهند نیاز به تعداد داده های زیاد دارند که از محدودیت های این روش ها به شمار می رود. از آنجایی که مدل های پیش بینی فازی مدل هایی هستند که با تعداد داده های کم نیز پیش بینی دقیقی انجام می دهند در این تحقیق، با به کارگیری داده های روزانه، قیمت نفت اوپک (OPEC) از دو روش ARIMA و رگرسیون فازی (FR) بررسی شده است. هدف این مقاله ارزیابی و مقایسه عملکرد مدل ARIMA نسبت به مدل FR برای پیش بینی قیمت نفت اوپک است. با توجه به معیارهای خطای پیش بینی نتایج حاکی از این است که روش FR نسبت به روش ARIMA در پیش بینی قیمت نفت عملکرد بهتری دارد.