مقایسه عملکرد مدلهای رگرسیونی ARIMA وشبکه عصبی باالگوریتم ژنتیک (GMDH) درپیش بینی قیمت نفت خام ایران
الموضوعات :عباسعلی ابونوری 1 , ناهید خدادادی 2
1 - استادیار دانشکده اقتصاد وحسابداری دانشگاه آزاداسلامی واحد تهران مرکزی
2 - دانشجوی کارشناسی ارشدعلوم اقتصادی دانشکده اقتصادوحسابداری تهران
الکلمات المفتاحية: پیش بینی قیمت خام نفت ایران مدلARIMA مدل شبکه عصبی مصنوعی,
ملخص المقالة :
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 خطیARIMAمی باشند.
