پیش‌بینی قیمت نفت بر اساس مدل‌های غیرخطی انتقال ملایم و بهینهسازی الگوریتم ژنتیک

امروزه قیمت نفت نقش مهمی را در اقتصاد جهانی ایفا می‌کند و به عنوان یک عامل مهم و اثرگذار بر برنامه‌های دولت‌ها و بخش‌های تجاری و بازرگانی اهمیت فراوانی دارد. با توجه به اهمیت روز افزون نفت در بازارهای مالی، پیش‌بینی 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 داده‌های ماهانه قیمت نفت خام، به مدل‌سازی و پیش‌بینی قیمت نفت خام در بازارهای جهانی می‌پردازیم. برای این منظور از روش‌شناسی رگرسیون غیرخطی انتقال ملایم  استفاده می‌کنیم. همچنین، به منظور مقایسه عملکرد پیش‌بینی‌های خارج از نمونه، مدل رگرسیون غیرخطی انتقال ملایم بر اساس بهینه‌سازی الگوریتم ژنتیک، مدل شبکه عصبی مصنوعی و مدل ARIMA را برآورد می‌کنیم. یافته‌های این پژوهش، تأییدکننده رفتار غیرخطی قیمت نفت خام و عملکرد بهتر مدل‌های غیرخطی نسبت به مدل  ARIMAدر پیش‌بینی خارج از نمونه قیمت نفت خام برای افق 12 ماهه بر اساس معیارهای RMSE و MAE و DA است.