برآورد نیمه‌پارامتری کالاهای استراتژیک (قیمت نفت اوپک)

محورهای موضوعی : آمار

رحمان فرنوش ¹ , مهتاب حاجبی ²

1 - دانشیار دانشگاه علم و صنعت ایران، دانشکده‌ی ریاضی، تهران، ایران
2 - دانشجوی دکترای دانشگاه علم و صنعت ایران، دانشکده‌ی ریاضی، تهران، ایران

تاریخ دریافت : 1395/08/21 تاریخ پذیرش : 1395/11/28 تاریخ انتشار : 1395/12/01

کلید واژه: Semi-parametric Method, Nonlinear Autoregressive Model, maximum likelihood estimation,

چکیده مقاله :

در اقتصاد جهانی، نفت خام از جمله مهم‌ترین کالاهای استراتژیکی محسوب می‌شود که تاثیر به­ سزایی بر عملکرد بازارهای منطقه‏ای و بین‌الملی دارد. پیش‌بینی قیمت نفت در جهان همواره بحث مهم و چالش برانگیزی در اقتصاد جهانی بوده است و تولیدکنندگان و مصرف­کنندگان آن همواره در تلاش بوده­اند نقش خود را در تغییر قیمت نفت افزایش دهند و اوپک نیز سال­هاست که یکی از بازیگران این عرصه­ی اقتصادی شده است. نفت به­عنوان یکی از مهمترین منابع تأمین مالی بودجه­ی کشورهای عضو اوپک محسوب مـی­شـود. نوسانات قیمت نفت، یکی از عوامل اصلی بسیاری از بحران­های اقتصادی در میان این کشـورها می­باشد. با استفاده از مدل­های آماری می‌توان عملکرد پیش‌بینی قیمت نفت را به صورت چشم­گیری بهبود بخشید و نتایجی با خطای کم­تر و دقت بیش‌تر به­‌دست آورد. از این­رو، در این مقاله از مدل اتورگرسیو خطی جز‌ئی با روش براورد نیمه­پارامتری، برای پیش‌بینی قیمت نفت استفاده شده است.

چکیده انگلیسی:

In the global economy, crude oil is among the most important strategic goods that affects the performance of local and international markets. Prediction of the oil price has always been an important challenging topic in the global economy and producers and consumers have constantly been trying to improve their roll in the oil price changes and for many years OPEC has been one of the key players in this field of economy. Oil is considered as one of the most important financial resources for providing the budget of the OPEC country members. Oil price fluctuations, is one of the major causes of many economical crises among these countries. By applying the statistical models one can improve the performance of the oil price prediction dramatically and obtain results with less errors and higher precision. Therefore, in this paper, the nonlinear autoregressive model with a semi-parametric method is implemented to predict the oil price.