بررسی عملکرد مدلهای مبتنی بر حافظه بلند مدت (مطالعه موردی پیش بینی قیمت نفت خام ایران)

یکی از اهداف اصلی تجزیه و تحلیل های اقتصادی، پیش بینی هر چه دقیق تر متغیرهای اقتصادی می باشد. به همین دلیل در سال های اخیر مدل های پیش بینی گوناگونی توسعه یافته اند. در این زمینه روش های مختلفی نیز در علم اقتصاد وجود دارد که از جمله آنها می توان به به مدل های خودتوضیح میانگین متحرک (arima) که به مدل سازی و پیش بینی سطح متغیرها می پردازند و نیز مدل های اتورگرسیو واریانس ناهمسانِ شرطی تعمیم یافته (garch) که گشتاور مرتبه ی دوم (واریانس) متغیرها را مدل سازی و پیش بینی می نماید، اشاره نمود. همچنین، پس از مطرح شدن مقوله ی حافظه ی بلندمدت در سری های مختلف، مدل های مذکور بر مبنای این ویژگی ها بسط و گسترش داده شدند. که بر این اساس، مدل های arfima و figarch مطرح گشتند. بنابراین، آنچه در این تحقیق مورد برسی قرار می گیرد، کاربرد مدل های مبتنی بر حافظه ی بلندمدت در مدل سازی و پیش بینی سطح و واریانس قیمت نفت خام سنگین ایران می باشد. از این رو، در این مطالعه از داده های سری زمانی شاخص قیمت جهانی نفت به صورت هفتگی طی دوره زمانی هفته اول3/1997 الی هفته چهارم 7/2011 استفاده شده است.نتایج این پژوهش بیانگر آن است که، با توجه به معیارهای mse و rmseبه دست آمده، دقت پیش بینی مدل figarch-arfimaدر بین مدل های فوق از کمترین معیار پیش بینی جهت تبیین واریانس بازده قیمت نفت برخوردار بوده و بنابراین می توان آن را به عنوان بهترین مدل جهت پیش بینی نوسانات قیمت نفت خام ایران (در بین مدل های بکار برده شده در این پژوهش) یاد کرد. همچنین، بر اساس معیارهای فوق بهترین مدل جهت پیش بینی سطح قیمت نفت خام ایران، مدل (arfima(1,0.10,1می باشد.