پیش بینی قیمت های نقدی گازطبیعی به کمک مدل های غیرخطی ناپارامتریک
نویسندگان
چکیده
پیش بینی دقیق قیمت های نقدی گاز طبیعی از اهمیت زیادی برخوردار است زیرا می تواند در تصمیم گیری های نظارتی هر دو جانب عرضه و تقاضای گاز طبیعی مفید واقع شود. لذا در این مطالعه، آزمون گاما جهت قیمت های گاز، به عنوان یک ابزار غیرخطی و ناپارامتریک استفاده شد تا بتوان بهترین ترکیب ورودی ها را قبل از کالیبراسیون و آزمون مدل انتخاب نمود. آزمون گاما دارای مدل های غیرخطی متعددی مانند رگرسیون خطی موضعی (llr)، رگرسیون خطی موضعی پویا (dllr) و شبکه های عصبی مصنوعی (ann) می باشند. بدین منظور از قیمت های نقدی روزانه، هفتگی و ماهانه ی گاز هنری هاب از 7/11997 تا 20/3/ 2012 استفاده شد. مقایسه ی نتایج نشان داد که مدل dllr از ضریب همبستگی بالاتر و میانگین مربعات خطای پایین تر از llr برخوردار بوده و پیش بینی های بهتری را بدست می دهد. مدل ann نشان می دهد که هرچه دوره ی پیش بینی کوتاه تر باشد نتایج دقیق تری را داراست. بنابراین، مدل پیش بینی قیمت های نقدی روزانه با روش ann می تواند به عنوان یک مدل مناسب درنظر گرفته شود. بعلاوه، مدل های ann در مقایسه با مدل های llr و dllr دارای عملکرد بالاتری است و دقت بالاتری را جهت پیش بینی روند قیمت های گاز در مقیاس های زمانی متفاوت بدست می دهد اما این دسته از مدل ها از توانایی لازم جهت پیش بینی شوک های قیمتی بازار برخوردار نمی باشند
منابع مشابه
پیشبینی قیمتهای نقدی گازطبیعی به کمک مدلهای غیرخطی ناپارامتریک
Developing models for accurate natural gas spot price forecasting is critical because these forecasts are useful in determining a range of regulatory decisions covering both supply and demand of natural gas or for market participants. A price forecasting modeler needs to use trial and error to build mathematical models (such as ANN) for different input combinations. This is very time consuming ...
متن کاملپیشبینی قیمتهای نقدی گازطبیعی به کمک مدلهای غیرخطی ناپارامتریک
پیشبینی دقیق قیمتهای نقدی گاز طبیعی از اهمیت زیادی برخوردار است زیرا میتواند در تصمیمگیریهای نظارتی هر دو جانب عرضه و تقاضای گاز طبیعی مفید واقع شود. لذا در این مطالعه، آزمون گاما جهت قیمتهای گاز، بهعنوان یک ابزار غیرخطی و ناپارامتریک استفاده شد تا بتوان بهترین ترکیب ورودیها را قبل از کالیبراسیون و آزمون مدل انتخاب نمود. آزمون گاما دارای مدلهای غیرخطی متعددی مانند رگرسیون خطی موضعی (...
متن کاملکاربرد شبکه های عصبی مصنوعی در پیش بینی شاخص بازدهی نقدی و قیمت سهام
مدل سازی پیش بینی متغیرهای مالی و اقتصادی با توجه به رفتار متغیرها، روش های گوناگونی دارد. تحقیق حاضر، چگونگی پیش بینی بازده سهام در بورس اوراق بهادار تهران را با دو مدل آربیتراژ و شبکه های عصبی مصنوعی مورد آزمون قرار داده است. برای این منظور از اطلاعات روزانه شاخص بازده نقدی و قیمت به عنوان متغیر وابسته و از اطلاعات روزانه قیمت سکه بهار آزادی، حجم معاملات کل بازار و قیمت دلار به عنوان متغیرهای...
متن کاملپیش بینی مشخصههای رطوبت تعادلی آفتابگردان به کمک مدل های تجربی و شبکههای عصبی مصنوعی
در این پژوهش، از مدل های تجربی و شبکههای عصبی مصنوعی برای پیشبینی محتوای رطوبت تعادلی بذر و مغز آفتابگردان استفاده شد. چهار مدل ریاضی هندرسون اصلاحشده، چانگ-پی فاست، هالسی و گب برای این منظور بکار رفت. دو نوع شبکة پسانتشار (پیشرو و پیشخور) مورد آزمون قرار گرفت. به منظور آموزش الگوهای ورودی، الگوریتم یادگیری لونبرگ-مارکوارت مورد استفاده قرار گرفت. محدودههای دما و رطوبت نسبی به ترتیب بین 25 ...
متن کاملبررسی تحلیلی رابطه بین جریان های نقدی عملیاتی و اقلام تعهدی. ارایه مدل برای پیش بینی جریان های نقدی عملیاتی
پیش بینی جریان های نقدی برای استفاده کنندگان درون و برون سازمانی دارای اهمیت ویژه ای است. مهمترین هدف گزارش گری مالی ارایه اطلاعات برای پیش بینی جریان های نقدی بیان شده است. برخی از صاحب نظران و مراجع تدوین کننده مبانی نظری و هدف های گزارش گری مالی بر این باورند که با استفاده از سود حسابداری و اجزای آن می توان جریان ها نقدی را پیش بینی نمود. هدف این پژوهش یافتن مدلی است که بتوان به کمک آن جریا...
متن کاملپیش بینی قیمت نفت بر اساس مدل های غیرخطی انتقال ملایم و بهینهسازی الگوریتم ژنتیک
امروزه قیمت نفت نقش مهمی را در اقتصاد جهانی ایفا می کند و به عنوان یک عامل مهم و اثرگذار بر برنامه های دولت ها و بخش های تجاری و بازرگانی اهمیت فراوانی دارد. با توجه به اهمیت روز افزون نفت در بازارهای مالی، پیش بینی قیمت نفت خام همواره مورد علاقه بسیاری از فعالان بازار و سیاستگذاران بوده است. در این راستا، در این پژوهش، ضمن بررسی و انجام آزمون غیرخطی برای داده های ماهانه قیمت نفت خام، به مدل...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
تحقیقات مدلسازی اقتصادیجلد ۴، شماره ۱۴، صفحات ۱۱۱-۱۵۰
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023