مقایسه عملکرد مدلهای رگرسیونی ARIMA وشبکه عصبی باالگوریتم ژنتیک (GMDH) درپیش بینی قیمت نفت خام ایران

مهندسی مالی و مدیریت اوراق بهادار

مقاله 3، دوره 3، شماره 11، تیر 1391، صفحه 43-62   

نویسندگان

عباسعلی ابونوری¹؛ ناهید خدادادی²

¹استادیار دانشکده اقتصاد وحسابداری دانشگاه آزاداسلامی واحد تهران مرکزی

²دانشجوی کارشناسی ارشدعلوم اقتصادی دانشکده اقتصادوحسابداری تهران

چکیده

این پژوهش باهدف معرفی یک الگوی مناسب جهت پیش بینی قیمت نفت خام سنگین ایران صورت پذیرفته است. داده های مورداستفاده دراین پژوهش به صورت هفتگی وشامل بازه ی زمانی هفته سوم 4/2002 الی هفته چهارم 7/2011 که  مشتمل بر485مشاهده بوده که جهت مجزاسازی پیش بینی های داخل نمونه ای وخارج ازنمونه استفاده شده است. همچنین الگوهای مورداستفاده دراین پژوهش عبارتنداز:یک مدل شبکه عصبی مصنوعی مبتنی برالگوریتم ژنتیک (GMDH) و  نیز یک  مدل رگرسیونی خطی (ARIMA) یافته های این پژوهش نشان می دهدکه مدل شبکه عصبی مبتنی برالگوریتم درپیش بینی های خارج ازنمونه براساس معیارهای محاسبه خطای پیش بینی میانگین مجذور خطا (MSE) و نیز معیار جذر میانگین مجذور خطا (RMSE) دارای عملکردبهتری نسبت به مدل رگرسیونی خطی ARIMA می باشند.

کلیدواژه‌ها

پیش بینی قیمت خام نفت ایران مدلARIMA مدل شبکه عصبی مصنوعی