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

عوامل زیادی بر قیمت نفت خام تاثیر می گذارند از این رو استفاده از یک مدل چند متغیری که تمام عوامل موثر بر قیمت نفت را لحاظ کرده باشد کاری دشوار است. به همین دلیل، پیش بینی این متغیر از طریق مدل های چند متغیری بسیار دشوار است. در این حالت ممکن است استفاده از مدل های تک متغیری روش مناسبی باشد. در این مدل ها از حافظه تاریخی متغیر برای مدل سازی و پیش بینی استفاده می شود. اما یکی از محدودیت های مدل های تک متغیری این است که برای حصول نتایج مناسب نیاز به داده های زیادی دارند. از آن جا که مدل های ر گرسیون فازی برای پیش بینی دقیق نیاز به تعداد داده های کم تری دارند، در این تحقیق، از سه روش رگرسیون فازی، آریما و ر گرسیون خودبازگشتی میانگین متحرک انباشته فازی (ترکیب دو روش مذکور) و از داده های روزانه قیمت نفت اوپک برای پیش بینی قیمت نفت خام اوپک استفاده شده است. نتایج حاکی از این است که مدل های ر گرسیون فازی و ر گرسیون خودبازگشتی میانگین متحرک انباشته فازی علاوه بر این که از نظر تمام معیارهای متداول خطای پیش بینی، عملکرد بهتری نسبت به مدل آریما دارند با فراهم کردن بهترین و بدترین حالت، تصمیم گیری را نسبت به مدل آریما تسهیل کرده است. همچنین مدل ترکیبی به مراتب پیش بینی بهتری نسبت به مدل ر گرسیون فازی ارایه می دهد و فاصله بازه تصمیم گیری را کوتاه تر می کند.

کلیدواژه ها:

پیش بینی قیمت نفت ، آریما ، ر گرسیون فازی ، رگرسیون خودبازگشتی میانگین متحرک انباشته فازی ، اوپک