پیش بینی پویای قیمت نفت خام با استفاده از شبکه های عصبی مصنوعی و با به‎کارگیری ذخیره سازی‎های نفتی کشورهای OECD

Authors

  • محمد حسین پورکاظمی دانشگاه شهید بهشتی
Abstract:

نفت به‎عنوان بزرگ‎ترین منبع تأمین انرژی در جهان و به‎دلیل نقش آن در اقتصاد کشورهای تولید کننده، حائز اهمیت بسیار است. لذا شناخت پارامترهای مختلف تأثیر‎گذار بر بازار نفت برای این کشورها، ضروری به نظر می رسد. در این راستا، این تحقیق به پیش بینی قیمت به‎عنوان یک متغیر مهم از بازار جهانی نفت، با استفاده از روش شبکه های عصبی مصنوعی و نیز روش اقتصادسنجی ARIMA می پردازد. لازم به ذکر است که این پیش‎بینی‎ها به‎صورت پویا انجام شده اند. از یک سو نتایج پیش بینی های یک گام به جلو تا ده گام به جلو با استفاده از روش شبکه های عصبی در مقایسه با روش ARIMA، حاکی از خطای کم‎تر روش شبکه های عصبی است و از سوی دیگر نتایج پیش بینی های شبکه‎های عصبی نشان می دهد که با اضافه کردن ذخیره سازی های کشورهای OECD به‎عنوان یک ورودی دیگر در مدل و انجام یک پیش بینی دو متغیره (برای اولین بار در ایران)، خطای پیش بینی های قیمت نفت کاهش می‎یابد. طبقه بندی JEL:C02, Q40, Q41, C22, C45

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی پویای قیمت نفت خام با استفاده از شبکه های عصبی مصنوعی و با به‎کارگیری ذخیره سازی‎های نفتی کشورهای oecd

نفت به‎عنوان بزرگ‎ترین منبع تأمین انرژی در جهان و به‎دلیل نقش آن در اقتصاد کشورهای تولید کننده، حائز اهمیت بسیار است. لذا شناخت پارامترهای مختلف تأثیر‎گذار بر بازار نفت برای این کشورها، ضروری به نظر می رسد. در این راستا، این تحقیق به پیش بینی قیمت به‎عنوان یک متغیر مهم از بازار جهانی نفت، با استفاده از روش شبکه های عصبی مصنوعی و نیز روش اقتصادسنجی arima می پردازد. لازم به ذکر است که این پیش‎بین...

full text

پیش بینی قیمت نفت خام وتعیین سطح تولید بهینه با استفاده از الگوی تکاملی شبکه های عصبی و تعادل نش

در اقتصاد جهان، نفت خام در کنار گاز طبیعی و زغال سنگ یکی از منابع استراتژیک انرژی است و پیش‌بینی روند تقاضای آن جهت اتخاذ سیاست‌های مناسب، مورد توجه سیاست‌گذاران و تصمیم‌گیرندگان است. نظر به روند پر نوسان و غیرخطی عرضه و تقاضای نفت خام و قیمت آن، روش‌هایی هوشمند و غیرخطی خصوصاً شبکه‌های عصبی مبتنی بر الگوهای تکاملی، توانسته‌اند توانایی خود را در پیش‌بینی کوتاه‌مدت قیمت نفت خام به اثبات برسانند. ...

full text

پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مطالعه موردی: سیستم های بالاسری تقطیر نفت خام

هدف این تحقیق پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مصنوعی می باشد. خوردگی پدیده ای است که به علت تاثیر عوامل مختلف و متعدد شناخته شده و ناشناخته پیچیدگی بسیار زیادی دارد و به راحتی قابل مدلسازی نیست. جهت پیش بینی و مدلسازی خوردگی در رویکرد مکانیستیک به واکنش ها و فرایندهای فیزیکی، شیمیایی، و الکتروشیمیایی آن توجه می شود و مدلسازی بر اساس آنها انجام می پذیرد. با وجود موفقیت هایی که ای...

full text

پیش بینی قیمت سهام شرکت های بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی

پیش­بینی تغییر قیمت سهام به عنوان یک فعالیت چالش­انگیز در پیش­بینی     سری­های زمانی مالی در نظر گرفته می­شود. یک پیش­بینی صحیح از تغییر قیمت سهام می­تواند سود زیادی را برای سرمایه­گذاران به بار آورد. با توجه به پیچیدگی داده­های بازار بورس، توسعه مدل­های کارآمد برای پیش­بینی بسیار دشوار است. در این پژوهش، مدلی برای پیش­بینی قیمت سهام شرکت­های بورس اوراق بهادار تهران با بکارگیری داده­های درون­زا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 44  issue 3

pages  -

publication date 2010-02-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023