Thesis

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

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

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

Supervisors and advisors

شهرام فتاحی، حسن ختن لو

Similar theses

Similar items

  • پیش بینی قیمت سهام با روش رگرسیون فازی

    Article2012پژوهشنامه اقتصاد کلانمحمد حسن قلی زاده، قاسم وحید پور

    در پیش بینی قیمت سهام، روش های گوناگونی به کار رفته است، اما هیچ کدام از آن ها نمی تواند، به تمام متغیّرهای شرکت کننده در برآورد مدل قیمت سهام و اثر هر یک از آن ها و حل خطای مدل بپردازد. اکثر حوزه های پیش بینی در روش های کلاسیکی، چون arima و روش های نوینی، چون شبکه های عصبی برای

  • پیش بینی قیمت سهام با روش رگرسیون فازی

    Article2012پژوهشنامه اقتصاد کلانمحمد حسن قلی زاده، قاسم وحید پور

    در پیش بینی قیمت سهام، روش های گوناگونی به کار رفته است، اما هیچ کدام از آن ها نمی تواند، به تمام متغیّرهای شرکت کننده در برآورد مدل قیمت سهام و اثر هر یک از آن ها و حل خطای مدل بپردازد. اکثر حوزه های پیش بینی در روش های کلاسیکی، چون ARIMA و روش های نوینی، چون شبکه های عصبی برای

  • پیش بینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی

    Article2012فصلنامه علمی- پژوهشی آب و فاضلابیوسف حسن زاده، امین عبدی کردانی، احمد فاخری فرد

    خشکسالی به عنوان یکی از مهم ترین بلایای طبیعی است که ممکن است در هر رژیم آب و هوایی اتفاق بیفتد. از آنجا که وقوع خشکسالی اجتناب ناپذیر است، بنابراین شناخت آن به منظور مدیریت بهینه منابع آب، از اهمیت بسزایی برخوردار است. از مؤثرترین عوامل در تدوین طرحهای مقابله با خشکسالی و مدیریت

  • پیش بینی قیمت نفت خام اوپک با استفاده از مدل خودبازگشتی میانگین متحرک انباشته فازی

    Articleاقتصاد انرژی ایران

    عوامل زیادی بر قیمت نفت خام تأثیر می­گذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل مؤثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیش­بینی این متغیر از طریق مدل­های چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدل­های تک متغیری روش م

  • پیش بینی قیمت نفت با دو روش arima و شبکه های عصبی مصنوعی

    Articleپژوهش های اقتصادی ایران

    توانایی کم­نظیر شبکه­های عصبی مصنوعی به عنوان ابزاری قدرتمند برای تحلیل و برآورد در حوزه علوم تجربی و مهندسی موجب شد تا مورد توجه اقتصاددانان قرار گیرد. در این پژوهش، پس از مرور پژوهش­های انجام­شده در مورد توانایی پیش­بینی مدل­های خود توضیح جمعی میانگین متحرک (arima)[1]و شبکه­های

  • پیش‏بینی رضامندی زناشویی برمبنای ویژگی‏های شخصیتی: مقایسه مدل شبکه عصبی مصنوعی و روش رگرسیون

    Articleعلوم رفتاریروح ا... عباسی، abbasi r. department of psychology, faculty of human sciences, tarbiat modares university, tehran, iranگروه روان‏شناسی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران کاظم رسول زاده طباطبایی، rasoulzade tabatabaei k. department of psychology, faculty of human sciences, tarbiat modares university, tehran, iranگروه روان‏شناسی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران احسان ا... کبیر، kabir e. department of electronics, technical school, tarbiat modares university, tehran, iranگروه الکترونیک، دانشکده فنی، دانشگاه تربیت مدرس، تهران، ایران رضا ابراهیم پور

    مقدمه: ضرور ی است که با بررسی دقیق مدل‏ها‏ی پیش‏بینی‏‏کننده جدید و دارای قابلیت‏ها‏ی مضاعف، ضمن مقایسه با روش‏های‏ آماری‏ متداول و یافتن نقاط قوت و ضعف هر یک از آنها، بتوان در پژوهش‏ها‏ی آتی مدلی که محققان را به بهترین پیش‏بینی رهنمون ‏سازد، پیشنهاد نمود. هدف از پی­ریزی این پژوهش