پیش بینی قیمت نفت خام برنت با ترکیب تکنیک های مبتنی بر تئوری خاکستری و اقتصادسنجی
Publish place: Iranian Energy Economics Research، Vol: 9، Issue: 36
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 280
This Paper With 23 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IEER-9-36_006
تاریخ نمایه سازی: 21 فروردین 1401
Abstract:
ویژگی های نفت خام و عوامل موثر بر قیمت این حامل انرژی باعث شده تا پیش بینی قیمت آن همواره مورد توجه محققان، فعالان بازار نفت، دولت ها و سیاست گذاران قرار گیرد. از آنجایی که قیمت نفت خام تحت تاثیر عوامل زیادی است بنابراین باید در این راه مطالعات مداوم صورت گرفته تا برآوردهای انجام شده با گذشت زمان، نتایج دقیق تر و از قابلیت اعتماد بالاتری برخوردار شود. در این مقاله برای پیش بینی قیمت نفت خام از ترکیب مدل خاکستری مرتبه اول و آریما استفاده شده و مدل ترکیبی خاکستری - آریما پیشنهاد شده است. برای بررسی این تکنیک از داده های قیمت نفت خام برنت در بازه های زمانی فصلی، ماهیانه و هفتگی استفاده شده است. در پیش بینی فصلی داده های سه ماه اول سال ۲۰۱۵ تا سه ماهه دوم سال ۲۰۲۱، در پیش بینی ماهیانه داده های مارس ۲۰۲۰ تا دسامبر ۲۰۲۰ و در پیش بینی هفتگی داده های هفته دوازدهم ۲۰۲۰ تا هفته شانزدهم ۲۰۲۱ مورد استفاده قرار گرفته است. نتایج نشان داد میانگین قدر مطلق درصد خطا و جذر میانگین مربع خطا در مدل ترکیبی، همواره کمتر از مدل های منفرد یا تک تئوری خاکستری و آریما است. همچنین، مدل ترکیبی توانایی بالاتری جهت توضیح و پوشش نوسانات قیمت در بازه های مختلف زمانی را داشته و قابل اطمینان تر از مدل های منفرد است. لذا می توان از مدل ترکیبی به جای مدل های منفرد و تک تئوری برای پیش بینی دقیق تر استفاده کرد.
Keywords:
Authors
حسین یادگاری
دانشجوی دکتری اقتصاد نفت و گاز، دانشگاه علامه طباطبائی، تهران، ایران
تیمور محمدی
دانشیار، گروه اقتصاد نظری، دانشگاه علامه طباطبائی، تهران، ایران،
حمید آماده
دانشیار، گروه اقتصاد انرژی، دانشگاه علامه طباطبائی، تهران، ایران
عبدالرسول قاسمی
دانشیار، گروه اقتصاد انرژی، دانشگاه علامه طباطبائی، تهران، ایران
حمیدرضا مصطفایی
دانشیار، گروه آمار، دانشگاه آزاد اسلامی واحد تهران شمال، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :