پیشبینی قیمت هفتگی نفت خام از طریق مدل ترکیبی ماشین بردار پشتیبان و خودرگرسیو میانگین متحرک انباشته
الموضوعات : دانش سرمایهگذاریشاپور محمدی 1 , رضا راعی 2 , حسین کرمی 3
1 - دانشیار، مدیریت مالی، دانشگاه تهران، دانشکدهی مدیریت
2 - استاد، مدیریت مالی، دانشگاه تهران، دانشکدهی مدیریت
3 - کارشناسی ارشد، مدیریت مالی، دانشگاه تهران، دانشکدهی مدیریت (مسئول مکاتبات)
الکلمات المفتاحية: خودرگرسیو میانگین متحرک انباشت, ماشین بردار پشتیبان(SVM), مدل ترکیبی, مانایی,
ملخص المقالة :
همواره پیش بینی روند قیمت و نوسانات یکی از چالش های پیش روی معامله گران در بازارهای بورس نفت بوده و پیش بینی قیمت ها به عنوان یک امر ضروری وکاربردی مطرح می شود ولیکن باید پیش بینی را مورد توجه قرار داد که با دقت بیشتری صورت گیرد و نسبت به نتایج واقعی مشاهده شده خطای کمتری داشته باشد. به منظور پیش بینی قیمت هفتگی نفت خام برنت به عنوان یک نفت شاخص با توجه به دشوار بودن شناسایی دقیق الگو های خطی و غیرخطی در سری های زمانی اقتصادی و مالی از ترکیب مدل های خودرگرسیو میانگین متحرک انباشته(ARIMA) با این پیش فرض که سری زمانی دارای الگوی خطی می باشد و ماشین بردار پشتیبان(SVM)که توانایی بالایی در مدل سازی الگو های غیرخطی دارد به منظور افزایش دقت پیش بینی استفاده شده است. با توجه به آزمون مقایسه زوجی معیارهای ارزیابی عملکرد ریشه میانگین مجذور خطا(RMSE) و میانگین قدرمطلق درصد خطا(MAPE) که حاصل مقادیر پیش بینی شده و مقادیر واقعی هر یک از مدل ها هستند، نتایج بیانگر این موضوع بودند که در بیشتر موارد مدل ترکیبی خطای کمتری در پیش بینی قیمت نفت خام نسبت به کاربرد مجزای مدل های خودرگرسیو میانگین متحرک انباشته و ماشین بردار پشتیبان دارد.