پیش بینی قیمت نفت با استفاده ازسامانه خبره تلفیقی

Authors

حمید ابریشمی

علی معینی

مهدی احراری

ویدا ورهرامی

abstract

در تحقیق حاضر سامانه خبره تلفیقی به عنوان روشی جدید و کارآمد جهت پیش بینی قیمت نفت معرفی می گردد. این روش، تلفیقی از داده کاوی صفحات وب، سامانه مبتنی بر پایگاه قواعد و شبکه عصبی gmdh مبتنی بر الگوریتم ژنتیک می باشد. در داده کاوی صفحات وب، اطلاعات پیرامون عوامل موثر بر قیمت از سایت های مختلف به دست آمده و میزان تاثیر گذاری این عوامل در قالب قوانینی درسامانه مبتنی بر پایگاه قواعد ذخیره می گردد، این قوانین همراه با میانگین های متحرک کوتاه مدت و بلندمدت قیمت نفت به عنوان ورودی شبکه عصبی جهت الگو سازی و پیش بینی قیمت نفت لحاظ می گردند. نتایج بررسی ها نشان داد که به کارگیری سامانه خبره تلفیقی عملکرد پیش بینی را نسبت به مدل شبکه عصبی در حد معنی داری افزایش می دهد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی قیمت نفت با استفاده از روش متا آنالیز

نفت یک کالای مهم اقتصادی و قیمت آن در بازارهای بین‌المللی بسیار اثرگذار و توانایی ارائه پیش‌بینی صحیح از وضعیت قیمت آن یکی از چالش‌های مهم علمی در سراسر جهان است. این مقاله به پیش‌بینی قیمت نفت با استفاده از روش متا آنالیز و مقایسه آن با سایر روش‌ها می‌پردازد. در این تحقیق از نتایج روش‌های ARMA،AR فازی، تاناکا فازی، حداقل مربعات فازی، شبکه عصبی، داده‌های شبیه‌سازی شده و داده‌کاوی مربوط به قیمت‌...

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

پیش بینی قیمت سهام در بازارهای مالی با کمک سیستم های خبره تلفیقی و منطق فازی

پیش بینی قیمت سهام در بازارهای مالی با کمک سیستم های خبره تلفیقی و منطق فازی پیش بینی پارامترهای متغیر در بازارهای تجاری بر اساس رخدادها و تغییرات گذشته، یکی از موارد مورد توجه در کاربردهای هوش مصنوعی و یادگیری ماشینی بوده است. علت این امر سود ناشی از تخمین صحیح تغییرات آینده بر اساس گذشته و کاهش ریسک سرمایه گذاری های اقتصادی است. در سال های اخیر با گسترش بازارهای متنوع بورس و جهانی شدن تجا...

15 صفحه اول

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

پیش بینی شاخص قیمت سهام با استفاده از مدل هیبریدی

پیش‌بینی شاخص قیمت بازار سهام به علت تاثیرپذیری آن از بسیاری عوامل اقتصادی و غیراقتصادی همواره امری مهم و چالش برانگیز بوده، به طوری که انتخاب بهترین و کارآمدترین مدل به منظور پیش‌بینی آن امری دشوار می‌باشد. از طرفی سری‌های زمانی دنیای واقعی، برای مثال سری زمانی شاخص قیمت سهام، به ندرت دارای ساختاری کاملاً خطی و یا غیرخطی است. مدل‌های هموارسازی نمایی، میانگین متحرک خودرگرسیون انباشته (آریما) و ش...

full text

My Resources

Save resource for easier access later


Journal title:
پژوهشنامه اقتصاد کلان

Publisher: دانشگاه مازندران

ISSN 2322116X

volume 9

issue 17 2014

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023