قیمت نفت می تواند با اثرگذاری بر سایر منغیرهای اقتصادی، اقتصاد کشورهای جهان را تحت تاثیر قرار دهد. پیچیدگی ذاتی موجود در آن، باعث شده که این متغیر رفتاری آشوبناک از خود نشان دهد و این مسئله محققین را جهت ارائه پیش بینی دقیق با مشکلاتی مواجه کرده است. تاکنون مدلهای مختلفی جهت این امر ارائه شده است. در این میان مدل های فازی قادرند در شرایط عدم اطمینان و تعداد داده های کم نتایج قابل قبولی را از خود ارائه دهند. به علاوه می توانند به خوبی با روش های کلاسیک و آماری ترکیب شده و نتایج را بهبود دهند. در این پژوهش به پیش بینی قیمت جهانی نفت خام با استفاده از مدل سری زمانی arima، مدلهای سری زمانی فازی و مدل ترکیبی farima پرداخته شده است. در انتها با بررسی معیارهای خطا ، بهترین مدل جهت پیش بینی؛ مدل سری زمانی فازی chen (2004) معرفی گردیده است. این مدل ، با در نظر گرفتن فراوانی داده ها و همگن کردن بازه ها می تواند در میان سایر روشهای سری زمانی فازی نتایج قابل قبول تری را ارائه دهد. مدل ترکیبی farima نیز می تواند در اولویت بعدی جهت این امر قرار گیرد. چر اکه با فازی در نظر گرفتن ضرایب مدل arima و تعیین بهترین و بدترین موقعیت ممکن، سیاست گذاران را جهت تصمیم گیری بهتر یاری می دهد.