پیش بینی قیمت نفت خام با رویکرد بهبود کارایی شبکه عصبی با استفاده از الگوریتم ژنتیک و رقابت استعماری و مقایسه نتایج آن با مدل های رقیب
عنوان مقاله: پیش بینی قیمت نفت خام با رویکرد بهبود کارایی شبکه عصبی با استفاده از الگوریتم ژنتیک و رقابت استعماری و مقایسه نتایج آن با مدل های رقیب
شناسه ملی مقاله: EMAC05_105
منتشر شده در پنجمین کنفرانس ملی اقتصاد ، مدیریت و حسابداری در سال 1399
شناسه ملی مقاله: EMAC05_105
منتشر شده در پنجمین کنفرانس ملی اقتصاد ، مدیریت و حسابداری در سال 1399
مشخصات نویسندگان مقاله:
هادی جعفرزاده - دانشجوی کارشناسی ارشد اقتصاد دانشگاه ارومیه
کبومرث شهبازی - دانشیار اقتصاد دانشگاه ارومیه
خدیجه حسن زاده - دانشجوی دکتری اقتصاد دانشگاه ارومیه
خلاصه مقاله:
هادی جعفرزاده - دانشجوی کارشناسی ارشد اقتصاد دانشگاه ارومیه
کبومرث شهبازی - دانشیار اقتصاد دانشگاه ارومیه
خدیجه حسن زاده - دانشجوی دکتری اقتصاد دانشگاه ارومیه
هدف ازانجام این مطالعه، مدل سازی و پیش بینی قیمت نفت خام اوپک با استفاده از مدل های ترکیبی شبکه عصبی و مقایسه آن با مدل های رقیب می باشد. پیش بینی های انجام شده در این تحقیق به صورت درون نمونه ای و ایستا بوده به گونه ای که داده ها به دو مجموعه داده های تخمین و داده های پیش بینی تقسیم شده اند. افق پیش بینی به صورت یک دوره به جلو به مدت ۱۵ روز می باشد. در این مطالعه مدل های بهینه ای که برای پیش بینی قیمت نفت اوپک انتخاب شده است عبارت اند از: ARIMA ۱,۲,۳ و GARCH ۲,۱ و برای مدل شبکه عصبی و مدل های ترکیبی شبکه عصبی شامل ۱۳ نورون در لایه ورودی، نورن در لایه پنهان و یک نورون در لایه خروجی به عنوان شبکه های بهینه انتخاب شده اند. در پایان عملکرد هر پنج مدل با یکدیگر مقایسه شده است. برای مقایسه این مدل ها از معیارهای MSE، RMSE MAE، MAPE استفده شده که مدل GARCH مقادیر کمتری نسبت به مدل ARIMA داشته است و مدل ترکیبی شبکه عصبی رقابت استعماری نسبت به مدل شبکه عصبی مقادیر کمتر و مدل ترکیبی عصبی ژنتیک نسبت به چهار مدل دیگر دارای کمترین مقادیر بوده است.
کلمات کلیدی: مدل ترکیبی، الگوریتم رقابت استعماری، الگوریتم ژنتیک، شبکه عصبی پیش بینی نفت خام
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1234539/