ارائه الگوی ترکیبیfarima با به کارگیری روشهای arima و رگرسیون فازی جهت پیش بینی قیمت جهانی نفت خام

Authors

قدرت الله امام وردی

ندارد مریم شهابی طبری

مسئول مکاتبات

abstract

مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش بینی مقادیر بپردازند. اما نتایج حاصل از این مدلها نیز معمولا به دلیل گستردگی بازه پیش بینی نمی تواند چندان قابل اتکا باشد. بنابراین محققین سعی بر ارائه روشی دارند که بتواند علاوه بر استفاده از مزایای هر دو روش، معایب آنها را نیز بکاهد. لذا  در این مقاله، مدل ترکیبی میانگین متحرک خودرگرسیون انباشته فازی (farima) به منظور پیش بینی قیمت جهانی نفت خام پیشنهاد شده است. یافته ها بیانگر بهبود نتایج در روش پیشنهادی می باشند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

ارائه الگوی ترکیبیFARIMA با به کارگیری روشهایARIMA و رگرسیون فازی جهت پیش بینی قیمت جهانی نفت خام

مدل ARIMA، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل ARIMA باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...

full text

ارائه الگوی ترکیبیfarima با به کارگیری روشهایarima و رگرسیون فازی جهت پیش بینی قیمت جهانی نفت خام

مدل arima، مدل پیش بینی دقیقی برای بازه کوتاه مدت می باشد ولی محدودیت تعداد داده های گذشته را نیز دارد. در جامعه کنونی، با توجه به شرایط نااطمینانی و همین طور رشد سریع تکنولوژی، نیاز به پیش بینی در بازه کوتاه مدت احساس می شود. معمولا داده های در دسترسکمتر از آن تعدادی است که در مدل arima باید به کار گرفته شود. در این میان مدلهای رگرسیون فازی قادرند با داده های اندک و در شرایط نااطمینانی به پیش ...

full text

شبیه سازی و پیش بینی قیمت جهانی نفت خام

در این مقاله با بررسی و شناسایی عوامل اساسی مؤثر بر عرضه و تقاضای نفت‌خام، از طریق بررسی اثر مازاد عرضه بر بازار جهانی نفت خام، الگویی برای شبیه‌سازی و پیش‌بینی قیمت نفت طراحی شده است. در این الگو که یک الگوی رفتاری همزمان اقتصادسنجی می‌باشد با استفاده از روش تعدیل عدم تعادل پویا (DDAM)[1]، اثرات متغیرهای قیمت گاز طبیعی، تولید ناخالص داخلی جهانی، تولید ناخالص داخلی کشورهای تولیدکنندة نفت، ظرفیت...

full text

شبیه سازی و پیش بینی قیمت جهانی نفت خام

در این مقاله با بررسی و شناسایی عوامل اساسی مؤثر بر عرضه و تقاضای نفت خام، از طریق بررسی اثر مازاد عرضه بر بازار جهانی نفت خام، الگویی برای شبیه سازی و پیش بینی قیمت نفت طراحی شده است. در این الگو که یک الگوی رفتاری همزمان اقتصادسنجی می باشد با استفاده از روش تعدیل عدم تعادل پویا (ddam)[1]، اثرات متغیرهای قیمت گاز طبیعی، تولید ناخالص داخلی جهانی، تولید ناخالص داخلی کشورهای تولیدکننده نفت، ظرفیت...

full text

پیش بینی قیمت سهام با روش رگرسیون فازی

در پیش بینی قیمت سهام، روش های گوناگونی به کار رفته است، اما هیچ کدام از آن ها نمی تواند، به تمام متغیّرهای شرکت کننده در برآورد مدل قیمت سهام و اثر هر یک از آن ها و حل خطای مدل بپردازد. اکثر حوزه های پیش بینی در روش های کلاسیکی، چون ARIMA و روش های نوینی، چون شبکه های عصبی برای قیمت سهام قرار دارند. در این پژوهش به روشی دست یافته شده که حاصل ادغام رگرسیون معمولی و رگرسیون فازی به همراه بهینه س...

full text

آزمون آشوب و پیش بینی قیمت های آتی نفت خام

این مقاله به امکان سنجی وجود آشوب در ساختار سیستم مولد قیمت نفت خام شاخصWTI طی دوره 4 آوریل 1983 تا 13 ژانویه 2003 می پردازد. به این منظور از تخمین نمای لیاپانوف و بعد همبستگی به عنوان آزمون های مستقیم آشوب و آزمون های BDS و شبکه عصبی جهت بررسی غیر خطی بودن ساختار سیستم استفاده شده است. نتایج تخمین نمای لیاپانوف و بعد همبستگی، وجود آشوب در سری زمانی را تایید کرده و تخمین آماره BDS و شبکه عصبی، ...

full text

My Resources

Save resource for easier access later


Journal title:
اقتصاد کاربردی

جلد ۴، شماره شماره ۱(پیاپی ۱۲)، صفحات ۱۵-۲۴

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023