پیش بینی قیمت بنزین فوب خلیج فارس با استفاده از مدل های ARIMA و ARFIMA
- سال انتشار: 1393
- محل انتشار: فصلنامه اقتصاد مالی، دوره: 8، شماره: 29
- کد COI اختصاصی: JR_ECJ-8-29_006
- زبان مقاله: فارسی
- تعداد مشاهده: 309
نویسندگان
استادیار گروه اقتصاد انرژی، دانشگاه علامه طباطبایی، تهران، ایران.
کارشناس ارشد اقتصاد انرژی، دانشگاه علامه طباطبایی، تهران، ایران
کارشناس ارشد اقتصاد انرژی، دانشگاه علامه طباطبایی، تهران، ایران.
چکیده
یکی از روشهای مناسب در پیشبینی سری زمانی، تعمیم رفتار گذشته سری به آینده است. برای این منظور اولین قدم شناخت دقیق رفتار گذشته متغیر است. یکی از روشهای الگوسازی رفتار گذشته سری زمانی مدل خود توضیح جمعی میانگین متحرک (ARIMA) است. در این پژوهش از مدل های ARIMA و ARFIMA برای پیشبینی قیمت هفتگی بنزین استفاده شد. همچنین پیشبینی مدل ARIMA با پیش بینی مدل خود توضیح کسری جمعی میانگین متحرک (ARFIMA) مقایسه شد. برای این منظور، از ابزارهای محاسباتی نرمافزار STATA۱۲ و دادههای سری زمانی قیمت بنزین فوب خلیج فارس از ابتدای سال ۲۰۰۹ تا هفته ۲۶ سال ۲۰۱۲ به صورت هفتگی که از سایت اوپک دریافت گردید، استفاده شد. نتایج تحقیق نشان داد که مدل ARFIMA(۶,۰.۲۲,۶) نسبت به مدل ARIMA(۱,۱,۰) مدل مناسبتری برای پیشبینی قیمت بنزین است و میزان خطای کمتری دارد.کلیدواژه ها
پیش بینی, قیمت بنزین, فوب خلیج فارس, ARIMA, ARFIMA. طبقه بندی JEL : Q۳۰ و E۳۷ و C۵۳اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.