پیش بینی قیمت نفت با استفاده از روش رگرسیون فازی و مقایسه آن با مدل های arima و شبکه عصبی مصنوعی

پیش بینی به معنی بیان حوادثی که در آینده رخ خواهد داد قبل از وقوع آنها، بر اساس اصول و قواعد علمی و منطقی است. در یک مفهوم ساده می توان گفت پیش بینی سخنی بر پایه احتمال درباره آینده است. یعنی در اینجا به اتکای بر احتمال در پیش بینی، توجه شده است و بر محتمل بودن وقوع پیش بینی مورد نظر، توجه شده است. یک پیش بینی علمی باید دارای شرایطی باشد که در تعریف آن اشاره ای به برخی از این شرایط لازم شد. اما اگر بخواهیم یک پیش بینی علمی انجام دهیم به صورت واضح و مشخص این پیش بینی لازم است برخی شرایط را داشته باشد که مهم ترین آن ها عبارت است از: احتمالی بودن. از آن جایی که انرژی یک کالای استراتژیک در سطوح بین المللی محسوب می شود و فعالیت دولت ها و سازمان ها، موثر و وابسته به این کالا و بازارهای مربوط به آن است. اتخاذ هر نوع سیاست توسط دولت ها و سازمان های بین المللی در زمینه ی انرژی، بحران های بازارهای مالی و حتی تغییرات شدید جوی می تواند اثرات مستقیم و غیر مستقیمی بر روی عرضه و تقاضای انرژی و در نتیجه قیمت این کالا بگذارد. هرگونه تغییر در قیمت انرژی، بر روی قیمت سایر کالاها و هم چنین سبد مصرفی خانوارها و درکل رفاه جامعه تأثیرگذار است. لذا شناخت پارامتر های مختلف تأثیرگذار بر بازار نفت از جمله قیمت نفت در زمان حال و گذشته در شناخت مسیر مناسب در جهت لحاظ سیاست ها و راهکارهای صحیح اقتصادی، ضروری به نظر می رسد. اهمیت تأثیرگذار ی قیمت نفت در بخش های مختلف اقتصادی همواره مورد توجه محققان جهت مدل سازی و پیش بینی روند قیمتی و نوسانات آن بوده است. پیش بینی ها همواره به عنوان راهنمایی برای خط مشی های دولتی و خصوصی به کار می روند، چرا که برنامه ریزی بدون داشتن دانش پیش بینی امکان پذیر نیست، به عبارت دیگر داشتن پیش بینی مناسب از آینده، کارایی برنامه ریزی را به شدت تحت تأثیر قرار می دهد. اکثر مطالعات انجام شده، تأثیرات قیمت نفت بر اقتصاد کشو ر های واردکننده ی نفت را درکانون توجهات خود قرار داده اند و کشورهای صادرکننده ی نفت کمتر مورد بررسی قرار گرفته اند. در این تحقیق با توجه به روش داده کاوی و خوشه بندی از متغیرهای مهم و تاثیر گذار قوی بر قیمت نفت شامل ذخایر اثبات شده نفت کشورهای oecd، تولید نفت اوپک، ظرفیت پالایشگاه های نفت کشورهای oecd، قیمت طلا و رشد اقتصادی کشورهای گروه 7 استفاده شده است[6]. بعد با استفاده از مدل رگرسیون فازی به پیش بینی قیمت نفت در سال های آینده پرداخته شده است. نتایج حاصله نشان می دهد که ضریب فازی عرض از مبدا منفی، ضریب فازی ذخایر نفت oecd منفی، ضریب فازی تولید نفت اوپک منفی و ضرایب ظرفیت پالایشگاه های نفت oecd، قیمت طلا و رشد اقتصادی گروه 7 همگی مثبت و رابطه مستقیمی با افزایش قیمت نفت دارند کلید واژگان: رگرسیون فازی، پیش بینی، قیمت نفت، روش arima، روش شبکه عصبی مصنوعی